# Der KI-Engpass: Warum schnellerer Code keine schnelleren Produkte bringt

*Dieser Artikel wurde mit KI-Unterstützung verfasst und vom agenthouse-Team redigiert. Die Illustrationen sind KI-generiert.*

[[ai|KI]] hat das Schreiben von Softwarecode günstiger und deutlich schneller gemacht. Viele Teams haben erwartet, dass Features im selben Tempo bei den Kunden ankommen. Die meisten stellen fest: Das tun sie nicht. Eine Idee aus dem Jahr 1984 erklärt, warum.

![Fünf Prozessschritte in einer Reihe: Der mittlere Schritt leuchtet und schüttet Arbeitspakete aus, die sich vor einem schmalen Tor weiter hinten stauen (KI-generierte Illustration)](/assets/images/academy/the-ai-bottleneck/hero.webp)

## Jeder Prozess ist nur so schnell wie sein langsamster Schritt

1984 veröffentlichte der Physiker und Managementdenker Eliyahu M. Goldratt *The Goal* (deutsch: *Das Ziel*), einen Roman über einen Werksleiter, der eine angeschlagene Fabrik retten will. Das Buch führte die **Theory of Constraints** ein, die Engpasstheorie. Ihr Kern ist einfach: Jeder Schritt eines Prozesses hat seinen eigenen Durchsatz, und das Gesamtsystem kann nie mehr liefern als sein langsamster Schritt, der Engpass. Jeden anderen Schritt zu beschleunigen, hilft nicht. Es staut nur Bestand vor dem Engpass auf.

Goldratt wandte die Idee zunächst in der Fertigung an. Später übertrug er sie auf das Projektmanagement, und Bücher wie *The Phoenix Project* brachten sie in die IT und die Softwareentwicklung.

## Der Takt, der die Arbeit vorantreibt

Prozesse folgen einem Rhythmus. Lean Manufacturing nennt ihn den **Takt**: das Tempo, in dem Arbeit von einem Schritt zum nächsten weitergehen muss. Goldratt beschrieb dasselbe als Trommel, die vom Engpass geschlagen wird und allen anderen das Tempo vorgibt.

Oft ist das Signal kaum sichtbar. Denken Sie an die Glocke in einer Restaurantküche, die dem Kellner sagt, dass ein Gericht servierbereit ist, oder an den Pfiff, der einem Zug die Abfahrt freigibt. Wenn alle Schritte im selben Takt arbeiten, ist der Prozess im Einklang.

![Eine Servierglocke auf einer Küchentheke und eine Trillerpfeife neben einem abfahrenden Zug, verbunden durch eine gemeinsame Rhythmuslinie (KI-generierte Illustration)](/assets/images/academy/the-ai-bottleneck/takt.webp)

Softwareentwicklung ist selten so im Einklang. Ob Wasserfall oder agil: Perfekt ausbalancierte Durchläufe sind die Ausnahme. Anforderungen stocken, Reviews stapeln sich, Releases warten auf Tests.

## Was KI verändert: Ein Schritt ist viel schneller geworden

Generative KI hat genau einen Schritt der Kette beschleunigt: das Schreiben von Code. Was früher Tage dauerte, dauert heute Stunden, manchmal Minuten. Das setzt den Prozess von zwei Seiten unter Druck.

**Vorgelagert entsteht bei der Frage „Was sollen wir bauen?“ ein Vakuum.** Wenn die Umsetzung nicht mehr der begrenzende Faktor ist, zählt die Qualität des Inputs umso mehr. Business Development und Produktmanagement müssen echte Kundenbedürfnisse schneller und genauer verstehen als zuvor. Sonst baut das Team effizient Features, die niemand will und niemand bezahlt. Schneller Code macht eine schlechte Idee nicht besser. Er bringt sie nur früher auf den Markt.

**Nachgelagert entsteht ein neuer Engpass.** Entwickler, die KI-generierten Code prüfen, Testmanager, Architekten und DevOps-Engineers müssen plötzlich viel mehr Input bewerten. Der Schritt „Code schreiben“ ist um eine Größenordnung schneller geworden. Review, Test und Betrieb sind es nicht.

Das Ergebnis hätte Goldratt vorhergesagt: Unfertige Arbeit staut sich vor dem neuen Engpass. Das Tempo, das Teams beim Generieren von Code spüren, zeigt sich nicht in schnelleren Feature-Releases. Das gilt besonders für Unternehmen, denen wartbare, funktionierende Software weiterhin wichtig ist, und so sollte es auch sein.

## Die Lösung: die ganze Kette harmonisieren, nicht nur einen Schritt

Einen Schritt noch schneller zu machen, löst das Problem nicht. Was hilft: jeden Schritt mit derselben [[agentic|agentischen]] Struktur zu unterstützen, sodass für jeden Schritt klare Erwartungen gelten, von der ersten Markthypothese bis zu den Release Notes. Wir nennen diese Struktur einen **Agentic Engineering Harness**.

**Marktvalidierung.** Agenten helfen Teams, Hypothesen zu prüfen, Belege zu sammeln und den Product-Market-Fit zu erreichen, *bevor* etwas übergeben wird. Das Ergebnis sind strukturierte Artefakte statt loser Ideen.

**Produktmanagement.** Das Produktmanagement macht aus diesen Artefakten aussagekräftige User Stories. Mit demselben Framework ist jede Story richtig zugeschnitten, testbar und erfüllt eine klare Definition of Ready (DoR), bevor die Entwicklung beginnt.

**Entwicklung und Test.** Test-Driven Development (TDD) wird direkt gegen die User Story geplant, zusammen mit den eigenen Governance-Regeln des Teams. Qualität entsteht an der Quelle, statt erst im Review gefunden zu werden.

**Review und Betrieb.** Reviewer fangen nicht mehr bei null an. Sie prüfen Arbeit, die bereits nach vereinbarten Kriterien entstanden ist. Es ist, als würde der Prüfer vom TÜV direkt neben dem Mechaniker arbeiten, statt am Ende der Linie zu warten.

![Ein Mechaniker und ein Fahrzeugprüfer arbeiten Seite an Seite unter einem Auto auf der Hebebühne, daneben eine Checkliste mit abgehakten Punkten (KI-generierte Illustration)](/assets/images/academy/the-ai-bottleneck/inspector.webp)

**Dokumentation und Go-to-Market.** KI-gestützte Dokumentation entsteht als Teil der Arbeit. Produktmarketing und Support erhalten genaue Unterlagen im selben Tempo, in dem sich das Produkt ändert.

Sobald jeder Schritt im selben Takt arbeitet, kommt der Geschwindigkeitsgewinn durch KI-Programmierung endlich beim Kunden an.

### Die ganze Geschichte in 18 Sekunden

[![Animation: Arbeit staut sich im Review, während die Validierung leerläuft, bis ein Agentic Engineering Harness jedem Schritt denselben Takt vorgibt](/assets/images/academy/the-ai-bottleneck/animation-poster-de.webp)](/assets/motion/the-ai-bottleneck/index.de.html)

[Animation auf eigener Seite öffnen (18 Sekunden, ohne Ton)](/assets/motion/the-ai-bottleneck/index.de.html)

## Erste Schritte

Jeder Teil dieses Harness ist im **Open-Source-Framework für Agentic Engineering von agenthouse** verfügbar: wiederverwendbare Rollen, Skills und Produktprozesse von der Marktvalidierung über die Umsetzung bis zu Support und Lernen.

[Agentic-Engineering-Framework auf GitHub ansehen](https://github.com/agenthouse-org/agentic-engineering)