Auch mit AI kann es keinen 10x Engineer geben, wenn es keine 10x Organization gibt, in der er aufblühen kann

Auch mit AI kann es keinen 10x Engineer geben, wenn es keine 10x Organization gibt, in der er aufblühen kann.

Das Erzeugen von Code ist in den letzten Jahren schneller geworden als je zuvor. Die Qualität dieses Codes ist in den letzten Monaten immer besser geworden — unter der Voraussetzung, dass die Person, die die AI Agents anweist und überwacht, weiß, was sie tut.

Leute hören Versprechen wie „zwei- bis dreifache Geschwindigkeit durch die Einführung von AI Agents“ oder „gib deinen Senior Devs Claude Code, dann werden sie zu 10x Engineers“. Ersteres ist durchaus möglich, letzteres ist vermutlich so selten, dass es vertretbar ist, den Begriff als Marketing-Sprech abzutun.

Leute denken dann, dass sie diese Ergebnisse automatisch erzielen, wenn sie ihren Engineers eine Lizenz für Claude Code oder Codex bereitstellen.

Was ich stattdessen fast täglich beobachte, ist Folgendes:

Der Output des einzelnen Engineers steigt natürlich an. Das ist aber nur dann ein Gewinn, wenn sich der Engineer in einem gut eingespielten Team befindet, das selbst wiederum Teil eines gut geölten Getriebes ist — denn nur in solchen Organisationen ist das Schreiben von Code der Engpass, der schon immer beseitigt werden sollte.

In allen anderen Organisationen zeigt der höhere Output der Engineers auf, wo es denn wirklich klemmt. Ein paar Beispiele:

1. Anforderungen durch „die Fachabteilung“ ändern sich häufiger als Benzinpreise, wodurch der gesteigerte Output schlichtweg häufiger geändert werden muss.
2. Code Review ist gleichbedeutend mit einem „Daumen hoch“ und „LGTM“ (Looks Good To Me), wodurch „mehr Code“ dann einfach zu „mehr Fehlern“ beim Nutzer führt.
3. Niemand weiß so wirklich, was dem Nutzer fehlt und was gerade die oberste Priorität haben sollte, wodurch dann eben mehr unnützes „Zeug“ gebaut wird, das am Ende nur 2% der Nutzer genau einmal verwenden.

Du fragst dich jetzt vielleicht: „Wie finde ich heraus, ob mir AI Agents dann wirklich helfen können?“

Naja, indem du es ausprobierst. Gerade weil AI Agents die Schwachstellen freilegen, sind sie auch das beste Diagnose-Tool, das du gerade hast. Genau diese freigelegten organisatorischen Blocker in eine klare Liste zu überführen, ist die Aufgabe eines AI Delivery Audits.

Also führst du AI Agents so bald wie möglich ein, aber eben mit einer klaren und einfachen Strategie und der Bereitschaft, zu experimentieren und zu iterieren. Jedes Problem, das unterwegs auftritt, muss dann eben gelöst werden; unabhängig davon, ob es sich bei dem Problem um einen API-Ausfall bei Anthropic handelt oder um eine unterirdische Review-Kultur.

Beides lässt sich lösen. Wie genau das geht, habe ich bereits mehreren Teams gezeigt: Zum AI Agent Engineering Workshop.