Software-Projekte mit KI beschleunigen

Geschwindigkeit in der Implementierung allein garantiert noch keinen Projekterfolg. Gemeinsam mit sieben Branchenexperten beleuchteten wir die entscheidende Frage, was es wirklich braucht, um Softwareprojekte mit KI nicht nur schneller, sondern auch erfolgreicher umzusetzen.

Die Vielfalt der Vorträge bot den zahlreichen Teilnehmenden – von CEOs und CTOs bis hin zu Product Ownern, Software Architekten und Engineers – einen umfassenden Überblick über die aktuellen Methoden des Agentic Engineerings.

Nachfolgend erhalten Sie einen kompakten Einblick in die Kern-Erkenntnisse der sieben Fachvorträge.

1. Schneller das Falsche bauen?

Golo Roden (Founder und CTO bei the native web GmbH) stellte eine provokante Frage: Was, wenn KI nicht nur die Entwicklung beschleunigt, sondern auch Fehler schneller vervielfacht? Seiner Ansicht nach liegt der eigentliche Engpass in Softwareprojekten selten beim Schreiben von Code. Die grössten Zeitverluste entstehen vielmehr durch Missverständnisse, unterschiedliche Begriffsverständnisse und unklare Anforderungen.

Die Gefahr besteht deshalb nicht darin, dass KI schlechten Code produziert, sondern dass fehlerhafte Annahmen schneller in funktionierende Software übersetzt werden. Wer das Problem nicht richtig verstanden hat, baut mit KI lediglich schneller am falschen Produkt. 

Für Roden beginnt erfolgreiche Softwareentwicklung lange vor der ersten Zeile Code. Entscheidend sei, die tatsächlichen Bedürfnisse der Nutzer zu verstehen, die richtigen Fragen zu stellen und Annahmen kritisch zu hinterfragen. Gerade dabei könne KI wertvolle Unterstützung leisten, indem sie hilft, Unklarheiten frühzeitig sichtbar zu machen. 

Das zentrale Take-away: Der Fokus sollte sich vom möglichst schnellen Schreiben von Code hin zum präzisen Verstehen der Fachlichkeit verschieben.

„Geschwindigkeit hilft nur, wenn man weiss, was man bauen will.“

2. Wo Projekte wirklich Zeit verlieren

Adrian Kohlbrenner (Cudos AG) analysierte das Paradoxon zwischen Aufwand und Dauer in der Vorphase von Softwareprojekten. Obwohl in dieser Phase vergleichsweise wenig Aufwand anfällt, wird hier oft viel Zeit verbraucht. Gleichzeitig führen unklare Anforderungen, Scope Creep und Informationsverluste häufig dazu, dass Projekte bereits vor der ersten Zeile Code an Wert verlieren.

Er zeigte auf, wie KI dabei helfen kann, Informationen zu strukturieren, Anforderungen zu präzisieren und ein gemeinsames Verständnis aller Beteiligten zu schaffen. Gerade in den frühen Projektphasen sieht er das grösste Potenzial für Zeit- und Kosteneinsparungen, da Anpassungen und Kurskorrekturen dort noch mit vergleichsweise geringem Aufwand möglich sind. 

Ein dazu passendes 5-Punkte-Assessment finden Sie hier .

“Der grösste Hebel liegt vor der Implementierung”

3. Die KI-Brücke zwischen Fachbereich und Entwicklung

Sibylle Jungen (Cudos AG) zeigte anhand einer KI-generierten Spesen-App, wie automatische Softwareentwicklung Kommunikationshürden zwischen Fachbereich und Entwicklung abbauen kann. Häufig scheitern Projekte nicht an der technischen Umsetzung, sondern an abstrakten Anforderungen, unpräzisen Vorgaben und spät erkanntem Fehlverständnis. 

Mit der KI-gestützten Cudos App-Plattform demonstrierte sie, wie auch Nicht-Entwickler durch einfache Prompts innerhalb kürzester Zeit einen lauffähigen Prototypen erstellen können. Der Prototyp dient dabei als gemeinsame Diskussions- und Validierungsgrundlage zwischen Business und Entwicklung. Anforderungen werden unmittelbar sichtbar, können getestet und iterativ verfeinert werden, bevor technische Spezifikationen erstellt und an die Entwicklung übergeben werden.

Das wichtigste Take-away: Funktionale Prototypen lassen sich heute in wenigen Stunden statt Wochen erstellen. Dadurch wird frühzeitig ein gemeinsames Verständnis geschaffen, Missverständnisse werden reduziert und die Grundlage für erfolgreiche Softwareprojekte deutlich verbessert.

„Ein Prototyp ersetzt keine Diskussion – aber er sorgt dafür, dass alle über dasselbe sprechen.“ 

4. Projektwissen strukturieren mit KI

Wie stellt man sicher, dass KI-gestützte Analysen und Berichte konsistent, nachvollziehbar und reproduzierbar bleiben? Dieser Frage widmete sich Benjamin Fabricius (Cudos AG) in seinem Vortrag über KI-gestütztes Alignment und Wissensmanagement. 

Anhand des bei Cudos eingesetzten Beratungsprozesses zeigte er auf, wie Projektwissen systematisch erfasst, strukturiert und für KI-Systeme aufbereitet wird. Herzstück dieses Ansatzes ist ein strukturierter „Memory Index“, der relevante Informationen in einer klaren Wissensstruktur organisiert und für Tools wie NotebookLM zugänglich macht. Dadurch erhalten Sprachmodelle den nötigen Kontext, um fundierte und nachvollziehbare Analysen zu erstellen.

Das zentrale Take-away: Durch die Kombination von fixierten Quellen, standardisierten Ausgabe-Templates und menschlicher Validierung lassen sich Qualitätsschwankungen minimieren und reproduzierbare Ergebnisse zuverlässig sicherstellen.

„Nicht das KI-Tool entscheidet über die Qualität der Ergebnisse, sondern die Methode dahinter.“

5. KI und wir: Technologien zur kollaborativen Geschäftsgestaltung

Markus Schacher (Enterprise Architect & Consultant bei KnowGravity AG) warf einen Blick auf die Zusammenarbeit zwischen Menschen und künstlicher Intelligenz und stellte die Digital Agent Reference Architecture (DARA) vor. Dabei beleuchtete er die unterschiedlichen Stärken und Schwächen von Menschen und KI-Systemen. Während Sprachmodelle über beeindruckende Fähigkeiten bei der Verarbeitung grosser Informationsmengen verfügen, stossen sie bei Semantik, kontinuierlichem Lernen und dem Verständnis komplexer Zusammenhänge weiterhin an Grenzen.

Demgegenüber stehen menschliche Fähigkeiten wie Erfahrungslernen, die Entwicklung von Hypothesen und die gemeinsame Bedeutungsbildung im Austausch mit anderen Menschen. Der grösste Mehrwert entsteht deshalb nicht durch den Ersatz menschlicher Expertise, sondern durch die gezielte Zusammenarbeit von biologischen und digitalen Agenten in gemeinsamen Teams.

Das zentrale Take-away: Zukunftsfähige Organisationen nutzen die Stärken von Mensch und KI komplementär, um komplexe Fragestellungen schneller, fundierter und ganzheitlicher zu bearbeiten.

„Nicht Mensch oder Maschine – sondern Mensch und Maschine.“

6. Ein Agent fürs Projektmanagement

Adrian Meister (Consultant und Project Manager bei EBP Schweiz AG) präsentierte seine Vision eines KI-Agents fürs Projektmanagement. Während sich Requirement Engineering aufgrund seiner klaren Struktur und Überprüfbarkeit bereits heute gut durch KI unterstützen lässt, ist, sind die Anforderungen auf Ebene des Projektmanagement hingegen deutlich anspruchsvoller, da hier Informationen aus unterschiedlichsten Quellen zusammengeführt, bewertet und kontinuierlich neu eingeordnet werden müssen.

Anhand einer mehrstufigen Agenten-Architektur zeigte er auf, wie Informationen aus E-Mails, Aufgaben, Dokumenten und Besprechungen zu einem aktuellen Projektbild verdichtet werden können. Dabei bewertet die KI nicht nur, was aktuell bekannt ist, sondern auch, welche Informationen für den Projekterfolg tatsächlich relevant sind und wo mögliche Missverständnisse oder Risiken entstehen.

“KI-Agenten könnten Projektleitende künftig spürbar entlasten, indem sie relevante Informationen filtern, Zusammenhänge erkennen und täglich kompakte Briefings zu Terminen, Entscheidungen und Abhängigkeiten bereitstellen.”

7. Wir entwickeln nicht mehr Software – wir entwickeln Spezifikationen 

Toni Steimle (Studienrichtungsverantwortlicher Design + Management an der FHNW Hochschule für Informatik) demonstrierte in einer Live-Demo mit Scriptizer den Ansatz des Spec-Driven Designs. Dabei rückt nicht mehr der Quellcode ins Zentrum der Entwicklung, sondern die Spezifikation als zentrale Wissens- und Diskussionsgrundlage. Statt Anforderungen direkt in Code zu übersetzen, entsteht zunächst eine präzise Spezifikation, aus der die Implementierung automatisiert generiert werden kann.

Der Ansatz ermöglicht es Fachbereichen, Designern und Entwicklern, auf derselben Grundlage zu arbeiten und Änderungen direkt auf Spezifikationsebene vorzunehmen.

Das wichtigste Take-away: Künftig entwickeln Teams immer weniger Code und immer häufiger ausführbare Spezifikationen. Die Spezifikation wird zur „Single Source of Truth“, aus der sich die Software ableiten lässt.

“Das Innovative ist nicht, dass die Maschine bauen kann, was wir beschreiben – sondern dass die Beschreibung zum besten Ort wird, an dem Menschen über Software nachdenken, streiten und entscheiden können.”

Gediegener Ausklang mit angeregten Gesprächen

Nach den intensiven Fachreferaten ging das Seminar in den gemütlichen Teil über. Beim anschliessenden Apéro Riche nutzten die Teilnehmenden die Gelegenheit, um die gehörten Impulse zu diskutieren, Erfahrungen auszutauschen und neue Kontakte zu knüpfen. Für die kulinarische Verwöhnung sorgte das Team von Catering Heintjes , was den Seminar-Nachmittag gelungen abrundete.