KI-Delegations-Lebenszyklus: Wo sind die Entscheidungen, die zu den KI-Outputs geführt haben?

In Kürze: Der KI-Delegations-Lebenszyklus

Ihr Team liefert KI-Ergebnisse, denen niemand bewusst voll vertraut. Sie mussten schnell sein, und „Dirty“ war eine Folge davon. Dumm nur, dass diese ungesteuerte Automatisierung zu KI-Schulden wird, sobald ein Stakeholder fragt, wer für die Entscheidungen verantwortlich ist. Doch keine Sorge: Der KI-Delegations-Lebenszyklus verwandelt Fähigkeiten, die Sie ohnehin nutzen, in sechs Entscheidungen, die Sie noch diese Woche anwenden können, um Ihre Arbeit nicht nur zu steuern, sondern sie auch zu belegen, auditfähig und geeignet für Agenten-Harnesses.

---

🎓 🇬🇧 ONLY UNTIL JUNE 15 — $129: The Claude Cowork Online Course

You have been prompting AI for months. The results are inconsistent, every conversation starts from zero, and the model forgets who you are. That is the ceiling of prompting.

The Claude Cowork Online Course teaches you to break through it: build Skills that encode your expertise, connect them to your tools, and assemble Agents who handle recurring work the way you would handle it yourself. No coding required.

What You Will Get:

✅ 8+ hours of self-paced video modules: Skills, Agents, and what turns AI into a compounding system — ✅ Tested with a live BootCamp cohort (April 2026) — ✅ The A3 Framework: decide what to delegate and what to keep — ✅ Starter kit with Cowork installation guide, CLAUDE.md, and Skill templates — ✅ Slides, prompts, skills, artifacts; over 100 downloads — ✅ Designed for the $20/month Pro plan — ✅ Lifetime access to the version you purchase — ✅ Claude Cowork Foundational Certificate.

👉 Please note: The course will be available for $129 from June 8 to 15, 2026! (After that, $199.) 👈

🎓 Save Your Seat Risk-free — 14 Days Money-Back Guarantee: Claude Cowork: Stop Prompting. Start Delegating. No Coding Required!

---

🗞 Soll ich Sie über Artikel wie diesen benachrichtigen? Sie können sich hier für den Newsletter „Food for Agile Thought“ anmelden und über 35.000 Abonnenten beitreten.

🎓 Besuchen Sie Stefan in einem seiner kommenden Professional Scrum Trainings!

---

Häufige Fallen bei der Erstellung von KI-Ergebnissen

Jedes Team kann Ihnen zeigen, was seine KI produziert: Statusberichte, die ohne menschliches Zutun verschickt werden, Release Notes, die in Sekunden entstehen, eine kundenseitige FAQ, die sich selbst aktualisiert. Weit weniger Teams können die Frage beantworten, die ein potenzieller Kunde oder die Compliance-Abteilung stellt: Wie steuern Sie Ihren eigenen internen KI-Einsatz? In der bisherigen Hektik, KI überhaupt einzusetzen, hat das oft niemand entschieden.

Ergebnisse ohne Entscheidungen sind teuer, weil niemand:

• Entschieden hat, dass der Statusbericht unbeaufsichtigt laufen soll,
• Festgehalten hat, wie ein gutes Ergebnis aussieht,
• Die Folgen einer kürzlichen Modelländerung analysiert hat oder
• Im letzten Monat geprüft hat, ob die KI weiterhin eines liefert.

So wuchs die Arbeit, eine nützliche Abkürzung nach der anderen, bis ein System entstand, das niemand erklären konnte und für das niemand verantwortlich war. Komplexe Systeme beginnen bekanntlich immer als komplizierte Systeme, die zumindest einigen Menschen noch verständlich erscheinen.

Diese Lücke, diese „Evolution“, vermeiden Sie nur auf eine Weise: indem Sie systematisch eine Entscheidung nach der anderen treffen. Ich nenne diese Praxis den KI-Delegations-Lebenszyklus, und die meisten Fähigkeiten, die er erfordert, besitzen Sie bereits.

Cannot see the form? Please click here.

Wie sich Ergebnisse anhäufen, ohne dass eine einzige Entscheidung dahintersteht

Der Mechanismus ist gewöhnlich und bleibt doch eine Abkürzung: Ein Scrum Master fügt die Rohdaten einer Retrospektive in ChatGPT ein, um eine Zusammenfassung produzieren zu lassen; es spart 20 Minuten. Im nächsten Sprint macht das Team es wieder, weil es beim ersten Mal funktioniert hat. Im dritten Monat wandern die Zusammenfassungen direkt ins Team-Wiki, und niemand liest mehr die Rohdaten. Die Team-Charta deckt das nicht ab, aber es ist bequem, und weil niemand widerspricht, gilt es als „akzeptierte“ Ergänzung der Arbeitsvereinbarung. Aus der Abkürzung wurde Infrastruktur, während alle mit dem Liefern neuer Features beschäftigt waren.

Multiplizieren Sie das nun mit jeder Person im Team und jeder Aufgabe, die eine KI anfassen kann. Sie erhalten, was ich KI-Schulden nenne: einen Haufen nützlicher, undokumentierter und herrenloser Automatisierung, die genau bis zu dem Moment funktioniert, in dem jemand fragt, wer dafür verantwortlich ist. Die Gewohnheit „Wir liefern jetzt und reparieren später“, die Sie durch eine Finanzierungsrunde, einen Launch, eine Reorganisation und die jeweils letzte Krise gebracht hat, wird zur Belastung, die genau dann auftaucht, wenn Sie am wenigsten damit rechnen.

Das Problem ist nicht der KI-Einsatz an sich. Das Problem ist, dass das Team KI einsetzt, ohne zu entscheiden, welche Entscheidungen zu diesem Einsatz gehören. Agile Praktiker sind gut darin in Entscheidungen zu treffen. Wir treffen Arbeitsvereinbarungen, wir legen Akzeptanzkriterien fest, wir führen Retrospektiven durch, wir verfeinern Backlogs. Der KI-Delegations-Lebenszyklus nimmt diese Gewohnheiten und richtet sie auf die Arbeit, die Sie begonnen haben an ein KI-Modell zu übergeben.

Was im KI-Delegations-Lebenszyklus als Delegation zählt

Zunächst eine Abgrenzung, denn nicht jede KI-Interaktion muss gesteuert werden. Mit delegierter Arbeit meine ich wiederkehrende Arbeit, bei der ein KI-Ergebnis in ein Team-Artefakt, eine Stakeholder-Kommunikation, einen operativen Workflow oder in eine kundenseitige Kommunikation einfließt. Ein Modell um fünf Ideen zu bitten, bevor Sie das Update selbst schreiben, ist keine Delegation. Das ist Assistenz, und sie erfordert Prompt-Disziplin, also eine Fähigkeit, aber keinen Governance-Nachweis. Wenn ein Modell jeden Freitag das Update aus Ihrem Tracker entwirft, ist das eine Form der Delegation. Und es ohne einen Menschen in der Schleife zu verschicken, ebenfalls. Der Lebenszyklus greift, sobald der KI-Einsatz wiederkehrend, folgenreich, nach außen sichtbar oder fest in den Arbeitsablauf eingebaut ist. Nicht jeder Prompt braucht einen Nachweis, aber jeder delegierte Workflow.

Eine Entscheidung, sechs Stufen

Nehmen Sie ein einzelnes Stück Arbeit, das Ihr Team an KI delegiert hat. Nicht die gesamte KI-Strategie, sondern nur eine Aufgabe: den Statusbericht, die Testerstellung, den ersten Entwurf der Release Notes. Diese eine Entscheidung hat einen vollständigen Weg, von „Soll KI das überhaupt anfassen?“ bis „Was belegen unsere Aufzeichnungen, wenn jemand fragt?“. Der KI-Delegations-Lebenszyklus setzt an jedem der sechs Punkte auf diesem Weg eine Entscheidung:

• Entscheiden:
  • Beantwortete Frage: Soll KI diese Arbeit anfassen und ggf. auf welchem Autonomielevel?
  • Agile Fähigkeit, die Sie schon haben: Entscheidungsfindung mit expliziten Kategorien.
• Routing & Grenzen:
  • Beantwortete Frage: Welches Modell, welches Tool, welche Umgebung, welche Datengrenze und welche Schwelle für „gut genug“ sind angemessen?
  • Agile Fähigkeit, die Sie schon haben: Akzeptanzkriterien und Prozessgestaltung.
• Übergeben:
  • Beantwortete Frage: Wie wird die Arbeit übergeben und wer ist verantwortlich?
  • Agile Fähigkeit, die Sie schon haben: Arbeitsvereinbarungen.
• „Done“ definieren:
  • Beantwortete Frage: Was muss zutreffen, bevor das Ergebnis das Team verlassen kann und wie wird es bewertet?
  • Agile Fähigkeit, die Sie schon haben: Definition of Done.
• Inspizieren:
  • Beantwortete Frage: Ist die Delegation noch sicher und nützlich?
  • Agile Fähigkeit, die Sie schon haben: Moderation von Retrospektiven.
• Aggregieren:
  • Beantwortete Frage: Welche Belege können wir denjenigen zeigen, die danach fragen?
  • Agile Fähigkeit, die Sie schon haben: Stakeholder-Kommunikation.

Vor der ersten Stufe legt eine Regel den Grundstein für alles Weitere. Das A3-Rahmenwerk ist das hierfür der Startpunkt:

• Assist, wenn KI das menschliche Urteilsvermögen unterstützt und Sie für das Ergebnis verantwortlich sind,
• Automate, wenn KI eine klar abgegrenzte Aufgabe unter menschlicher Verantwortung ausführt, und
• Avoid, wenn die Arbeit zu folgenreich, zu mehrdeutig oder zu heikel ist, um sie zu übergeben.

Wenn Sie meine Arbeit hier im Blog verfolgt oder eine frühere Version meines AI4Agile-Onlinekurses besucht haben, nutzen Sie es bereits. A3 entscheidet, ob Arbeit überhaupt in den Lebenszyklus eintritt; die sechs oben skizzierten Stufen steuern, was danach geschieht.

Stufe 1, Entscheiden: Soll KI diese Arbeit erledigen, und mit welchem Grad an Autonomie? Die zugrundeliegende Fähigkeit ist Entscheidungsfindung mit expliziten Kategorien. Wo Teams scheitern: Assist-Arbeit wird still und leise zu Automate-Arbeit, sobald die Gewohnheit der Überprüfung verschwindet. Sie prüfen zunächst jedes Ergebnis, dann die meisten, dann keines mehr, und niemand hat das bewusst entschieden.

Stufe 2, Routing & Grenzen: Welches Modell, welches Tool und welche Umgebung führen das aus, welche Daten dürfen hinein, und was gilt als gut genug? Nicht jede Aufgabe braucht Ihr teuerstes Modell, und nicht jede Aufgabe läuft auf Ihrem günstigsten. Model Routing bedeutet, den Prozess und die Akzeptanzkriterien für die Wahl von Modell, Tool und Daten zu gestalten. Die Fähigkeit ist dieselbe, die Sie jedes Mal nutzen, wenn Sie „Done“ für ein Product-Backlog-Item festlegen. Wo Teams hängen bleiben: Sie greifen für alles standardmäßig zum teuersten Modell, legen nie eine Schwelle für „gut genug“ fest und können dann die monatliche Rechnung nicht erklären. Kosten, die niemand rechtfertigen kann, genauer gesagt, die eine geringe Rendite auf die investierten Tokens haben, sind ein Versagen auf Stufe 2.

Stufe 3, Übergeben: Wie wird die Arbeit übergeben, und wer ist verantwortlich? Aufgabenteilung, verantwortliche Person, Eingaben, Ausgaben, Validierung, Stoppregeln und eine Aufzeichnung: Das ist eine Arbeitsvereinbarung, geschrieben für einen Mitarbeiter, der zufällig ein Modell ist. Die Fähigkeit ist dieselbe, mit der Sie Teamnormen festlegen. Wo Teams hängen bleiben: Die Übergabe steckt im Kopf einer einzigen Person, und es ist keine verantwortliche Person benannt. Wenn diese Person das Team wechselt oder geht, geht das System mit ihr. Ohne Stoppregeln hält nichts die Arbeit an, wenn das Ergebnis zu driften beginnt.

Stufe 4, „Done“ definieren: Was muss ein KI-gestütztes Ergebnis erfüllen, bevor es das Teamumfeld verlassen kann? Stufe 3 regelt, wie die Arbeit übergeben wird; Stufe 4 ist das Freigabetor, das sie passieren muss: die Verifikationsstufe, die Offenlegung der Herkunft, die Datenhygiene und die Qualitätsstufe aus Stufe 2. Das ist Ihre Definition of Done, erweitert um Arbeit, die ein Modell angefasst hat. Wo Teams hängen bleiben: „Sieht gut aus“ wird zum einzigen „Standard“. Freigabe wird mit Überprüfung verwechselt. Jemand klickt auf Senden bei einer Beschaffungs-E-Mail, die das Modell geschrieben hat, nachdem er sie nur überflogen hat, und jetzt steht der Name des Teams unter einer Behauptung, die niemand verifiziert hat. Freigabe ist keine Überprüfung, und sobald ein externes Publikum beteiligt ist, ist genau diese Lücke das, was Ihr Team scheitern lässt.

Stufe 5, Inspizieren: Funktioniert die Delegation noch oder ist sie abgedriftet? Das ist eine Retrospektive, die sich auf die delegierte Arbeit konzentriert statt auf das Team:

• Hat die Ergebnisqualität nachgelassen?
• Ist Assist klammheimlich in Automate mutiert?

Zugegeben, von „Evals“ zu sprechen klingt schicker, aber die Fähigkeit ist die Moderation von Retrospektiven, die Sie in jedem Sprint durchführen. Inspektion bedeutet nicht, für immer jedes Ergebnis zu überprüfen. Sie bedeutet, sich auf eine Stichprobenrate zu einigen, auf die beobachtenswerten Drift-Signale und auf den Auslöser, der die Arbeit wieder unter engere menschliche Kontrolle bringt. Woran Teams scheitern, ist eine Einrichten-und-vergessen-Mentalität: Niemand hat die Inspektion eingeplant, also häuft sich die unbemerkte Abweichung, bis daraus ein Vorfall wird.

Stufe 6, Aggregieren: Was belegt all das gegenüber denjenigen, die fragen? Führungskräfte, die Beschaffung großer Unternehmen und zunehmend auch Regulierungsbehörden wollen Belege für einen kontrollierten KI-Einsatz. Die Fähigkeit ist Stakeholder-Kommunikation. Diese Stufe braucht kein eigenes Governance-Artefakt. Die Aufzeichnungen aus den Stufen 1 bis 5 sollten sich bereits zu dem zusammenfügen, wonach diese Menschen fragen: einem Delegations-Inventar, einer Autonomieverteilung über Assist und Automate hinweg und einem Inspektionsprotokoll. Wo Teams hängen bleiben, ist das Governance-Theater: Sie bauen eine separate Management-Präsentation voller selbstbewusster Behauptungen, abgekoppelt von dem, was das Team tatsächlich tut, und eine einzige scharfe Frage eines CFO bringt alles zum Einsturz.

Die Stufen des KI-Delegations-Lebenszyklus bilden eine Schleife, keine Checkliste

Die sechs Stufen sind eine Lehrreihenfolge, keine strikte Abfolge. In der Praxis einigt sich Ihr Team auf die Definition of Done, während es den A3-Handoff-Canvas ausfüllt, und ein Befund aus einer Inspektion schickt eine Aufgabe direkt zur Neuklassifizierung auf Stufe 1 zurück. Das ist das System, das im Alltag funktioniert und nicht versagt.

Die Stufen hängen außerdem voneinander ab. Eine Entscheidung auf Stufe 1, die nie inspiziert wird, wird zur gefährlichsten Art der Automatisierung: selbstbewusst, unbeaufsichtigt und herrenlos. Eine Definition of Done ohne Übergabe dahinter ist zahnlos, weil niemand vereinbart hat, wer den Standard anwendet und wann. Zählen Sie einfach, hinter wie vielen dieser sechs Stufen Ihr Team gerade eine echte Entscheidung hat. Das ist ein guter Ausgangspunkt für ein Teamgespräch darüber, wie Sie KI im Moment einsetzen.

Zwei Punkte auf diesem Weg haben bewusst kein Artefakt. Vor Stufe 1 steht das Wissen darüber, welche Arbeit Ihr Team erledigt, in welcher Häufigkeit und mit welchen Konsequenzen, also eine forensische Analyse Ihres eigenen Arbeitsablaufs. Um alle sechs Stufen herum liegt Ihre KI-Arbeitsvereinbarung, die Ebene der Teamnormen. Keiner dieser beiden Punkte braucht einen neuen Canvas. Der KI-Delegations-Lebenszyklus nur dort ein Dokument hinzu, wo eine wiederkehrende Entscheidung wirklich keinen Ort hatte.

Warum das nicht länger optional ist

Der Ansatz, den der KI-Delegations-Lebenszyklus vorschlägt, betrifft nicht nur die interne Hygiene. Der KI-Einsatz wandert von der persönlichen Produktivität in die organisationale Rechenschaftspflicht. Seit dem 2. Februar 2025 verlangt Artikel 4 des EU AI Act von Anbietern und Betreibern, ein ausreichendes Maß an KI-Kompetenz bei Mitarbeitenden und anderen Personen sicherzustellen, die KI-Systeme in ihrem Auftrag bedienen. (Was interessanterweise von vielen Akteuren weitgehend ignoriert zu werden scheint.) Die Durchsetzung durch die nationalen Marktüberwachungsbehörden tritt am 3. August 2026 in Kraft.

NIST gliedert das Management von KI-Risiken in vier Schritte: Govern, Map, Measure und Manage. Anthropics erster Economic Index ergab, dass der reale Claude-Einsatz sich bereits zwischen Augmentierung und Automatisierung aufteilt: 57 % Augmentierung, 43 % Automatisierung. Die praktische Frage unter all dem ist einfacher: Können Sie die Entscheidungen hinter der Aufgabe zeigen, die Sie delegiert haben?

Die Aggregation ist der stille Gewinn

Den meisten Teams entgeht das Nebenprodukt jeder Stufe des KI-Delegations-Lebenszyklus, die im normalen Betrieb einen wertvollen Nachweis erzeugt:

• Die A3-Entscheidungen werden zu einem Portfolio dessen, was Sie bewusst automatisiert, assistiert und beim Menschen belassen haben.
• Die Routing-Aufzeichnungen werden zu KI-Ausgaben nach Aufgabe und Stufe, jeweils mit einer Begründung.
• Die Freigaben der Definition of Done und die Inspektionsprotokolle dienen als Prüfpfad eines kontrollierten, inspizierten KI-Einsatzes.

Niemand füllt einen zusätzlichen Bericht aus: Operative Arbeit erzeugt Governance-Belege, während sie läuft.

Wenn also ein Interessent fragt: „Wie steuern Sie Ihren eigenen internen KI-Einsatz?“, zuckt das Team, das diesen KI-Delegations-Lebenszyklus betreibt, nicht mit den Schultern. Es antwortet mit seinen Aufzeichnungen. Das ist der Unterschied zwischen einem Team, das KI nur nutzt, und einem Team, dem man sie anvertrauen kann. Und dieses Vertrauen wird zu einem Posten in der Beschaffung großer Unternehmen.

Was Sie am Montag tun sollten

Wählen Sie eine Aufgabe, die Ihr Team an eine KI übergeben hat. Nur eine. Gehen Sie sie in Ihrer nächsten Retrospektive laut anhand der sechs Fragen durch: Haben wir das entschieden, wer ist verantwortlich, was bedeutet „Done“, wann haben wir es zuletzt überprüft, und was würden wir jemandem zeigen, der fragt? Sie werden mindestens eine Stufe finden, bei der die ehrliche Antwort lautet: „Das hat niemand entschieden.“ Das ist Ihr Ausgangspunkt: Führen Sie eine Stufe nach der anderen ein, am besten dort, wo Ihr operativer Schmerz am größten ist. Wissen, das mit einem ausscheidenden Kollegen das Haus verlassen hat, weist auf die Stufen 3 und 4 hin. Eine Token-Rechnung, die niemand dem CFO erklären kann, weist auf Stufe 2 hin. Ein Ergebnis, das Sie vor einem Stakeholder blamiert hat, weist auf die Stufen 4 und 5 hin.

Fazit

In Version 3 des AI4Agile-Onlinekurses, Veröffentlichungstermin ist der 20. Juli 2026, mache ich aus diesem Lebenszyklus eine Arbeitsmethode, die Teams sofort anwenden können: wie Sie entscheiden, was Sie delegieren, wie Sie es sicher übergeben, wie Sie Abweichungen inspizieren und wie Sie die Belege erzeugen, ohne ein Governance-Theater aufzubauen. Wenn Sie die Methode wollen und nicht nur die Einführung, tragen Sie sich doch in die Warteliste ein. Ich halte Sie dann zu den Themen von AI4Agile v3 mit Vorschauen auf dem Laufenden und informiere Sie, sobald der Kurs live geht.

Für welche der sechs Stufen hat Ihr Team tatsächlich eine Entscheidung? Mich interessiert das, und ich vermute, die Antwort lautet: für weniger, als Ihnen lieb ist.

KI-Delegations-Lebenszyklus — Weitere Lektüre

Der A3-Handoff-Canvas: Sechs Fragen zum Verständnis der Delegierung von KI-Aufgaben

Das A3-Rahmenwerk: Ein Entscheidungssystem für KI-Delegation

Assist, Automate, Avoid: Wie agile Praktiker mit dem A3-Rahmenwerk unersetzlich bleiben

Schluss mit billigem Claude: Vier Grundprinzipien der Token-Ökonomie im Jahr 2026

Drei Claude Skills für Ihr Urteilsvermögen

KI Transformationen: Warum die Misserfolge von heute den „agilen Transformationen“ von gestern unheimlich ähnlich sehen

👆 Stefan Wolpers: The Scrum Anti-Patterns Guide (Amazon advertisement.)

📅 Professional Scrum-Schulungen nach Scrum.org, Workshops und Events

Sie können sich Ihren Platz für KI- und Scrum-Schulungen, Workshops und Meetups direkt sichern, indem Sie dem entsprechenden Link in der Tabelle unten folgen:

Alle kommenden Professional-Scrum-Klassen finden Sie hier.

Sie können Ihren Platz für die Schulung direkt buchen, indem Sie dem entsprechenden Link zum Ticketshop folgen. Sollte der Beschaffungsprozess Ihrer Organisation einen anderen Einkaufsprozess erfordern, wenden Sie sich bitte direkt an die Berlin Product People GmbH.

✋ Nicht versäumen: Einen Erfahrungsaustausch über den KI-Delegations-Lebenszyklus gibt es im 20.000-köpfigen „Hands-on Agile“ Slack-Team

Ich lade Sie ein, sich dem „Hands-on Agile“ Slack-Team anzuschließen und die Vorteile einer schnell wachsenden, lebendigen Gemeinschaft agiler Praktikern aus der ganzen Welt zu genießen.

Wenn Sie jetzt beitreten möchten, müssen Sie nur noch Ihre Anmeldeinformationen über dieses Google-Formular angeben, und ich werde Sie anmelden. Die Mitgliedschaft ist kostenlos.

Reflektieren Sie über das Thema KI-Delegations-Lebenszyklus, indem Sie den kostenlosen Scrum Anti-Patterns Guide lesen:

Tags: KI