Niko Zimmermann

Als ich vor einigen Jahren bei einem internationalen Telekommunikationskonzern als Agiler Coach und Scrum Master im Einsatz war, betreute ich seinerzeit ein Team in einem Machine Learning Projekt.

Die Ergebnisse von ML in diesem Projekt mussten von Menschen in der Rolle Data Scientist trainiert werden. Supervised learning ist hier das Schlagwort. Es musste die richtige Lernmethode gewählt werden, um mit Vorhersage- und Extraktions-Modellen zum annähernd richtigen Ergebnis zu gelangen. Die Analyse ist sehr aufwendig und kann nur von menschlichen Analyse-Experten vorgenommen werden.

Anfangs war ich euphorisch, dass ich die neue Technologie für meine eigene Beratung adaptieren kann. Ich war aber schnell ernüchtert, dass sich der hohe Aufwand des Trainierens nur lohnt, wenn entsprechend umfangreiche Daten von Millionen Datenobjekten den Aufwand der Automation durch ML rechtfertigen. In meiner Beratung war das nicht der Fall. Zu komplex und unterschiedlich waren die jeweiligen Ausgangssituationen.

Seit einiger Zeit ist ein "New Kid on the block". Chatbots, die KI einsetzen, um mit Nutzern zu kommunizieren, wie zum Beispiel ChatGPT powered by OpenAI.

Solch ein KI-ChatBot ist ein Agent, der auf allgemein verfügbares Wissen aus dem Internet aufbaut und über eine Eingabe in ein Textfeld angewendet werden kann. Daher ist das System durchaus von jedermann nutzbar. Die Einfachheit in der Anwendung ist ein grosser Fortschritt gegenüber ML-Supervised learning.

Allerdings wiederholt sich hier auch meine eingangs erzählte ML-Geschichte wieder. Ein ChatBot kann eben nicht mein Problem sofort erkennen und mir gleich eine Text-Lösung anbieten.

Wenn ich meinem ChatBot meine Frage in folgender Form stelle: "ChatBot, ... ich habe ein Problem. Kannst Du mir helfen?"

Dann würde im besten Fall die erste Antwort lauten: "Welches Problem hast Du denn?"

Im schlimmsten Fall könnte aber auch eine völlig abwegige und voreilige Antwort gegeben werden. Ein KI-Chatbot erwartet, dass er mit weiterem Wissen gefüttert und korrigiert wird.

Ein solcher Chatbot versteht, was ein Benutzer schreibt und kann eine möglichst passende Antwort generieren. Und es ist tatsächlich erstaunlich was solch ein System alles leisten kann

Manche mögen einwenden, dass die ersten Antworten von ChatBots durchaus lustig und manchmal sinnfrei sind, aber wenn man weiß, wo man hin will, ist das System bereit schnell zu lernen.

Aber genau hier liegt oft das Problem. Wer kein Vorwissen zu einem Thema hat, weiß nicht welche Fragen die richtigen sind. Welche Antworten des Chatbots richtig oder verbesserungswürdig oder ganz falsch sind.

Chatbots sind vorlaut, haben immer eine Antwort parat und erwarten, dass sie korrigiert werden! Ihre Analysefähigkeiten sind begrenzt und basieren auf Konversationen der Vergangenheit bzw. auf Wissen aus dem Internet.

Was ich damit sagen will, agile Projekte haben oft komplexe Herausforderungen und bedürfen erst einer eingehenden Untersuchung. Kein Arzt würde einen Patienten sofort operieren, wenn er ihn nicht vorher eingehend untersucht hat. Und ein Arzt wüsste auch welche Fragen er stellen würde. Wie bekannte Symptome ihn gleich zu den richtigen Fragen und gezielter und fokussierter den Ursachen nachspüren lässt.

Eine Patientenuntersuchung ist meistens haptisch, basiert nicht nur auf Antworten des Patienten. Der Arzt hört zwar zu, überblickt aber auch selbständig den ganzen Menschen. Er erspürt die Gesamtsituation, den ganzheitlichen Kontext des Patienten.

In dieser Metapher ist für mich ein neues Kundenprojekt auch eine neue Herausforderung, die erst einmal mit Zuhören und Beobachten beginnt. Ein geschultes Beobachten, ein Nachhaken, das menschliches, kognitives Wahrnehmen von Kontexten und Situationen mit einschliesst.

Eine Kundenorganisation ist ein menschlicher Organismus. Meine Intuition ist genauso notwendig, wie mein Beraterwissen. Was man vielleicht zuerst machen sollte und was man vielleicht unterlässt bzw. später angeht.

Und das ganze fallweise und richtig dosiert. Es macht keinen Sinn, zum Beispiel den Scrum Guide, unsere agile Scrum Bibel, nur dem Kunden vorzulesen. Es muss eine kurze Antwort, passend auf die jeweilige Situation gegeben werden. Oder es wird zum Beispiel anhand eines zielführenden Spiels während eines Workshops eine mögliche Lösung vorgestellt. Auch Bilder können bekanntlich mehr ausdrücken als 1000 Worte.

Und das kann sich auch oft bewußt wiederholen. Nur weil die Theorie des Autofahrens auf einem Wohnzimmerstuhl geübt wird, ist die Reise noch keineswegs beherrschbar. Hier rückt die anhaltende Begleitung des Kunden durch einen menschlichen Scrum Master in den Fokus. Damit die Reise auch gelingt. Übung macht bekanntlich den Meister. Daher das ganze auch noch in einem regelmässigen KVP, einem kontinuierlichen Verbesserungsprozess.

Ein Scrum Master ist eben nicht nur eine seelenlose, wissenszentrierte Beratungsmaschine. Sondern ich hake nach, bleibe beharrlich an etwas dran. Zwar freundlich und verbindlich aber ich entscheide auch, ob etwas funktioniert oder wiederholt oder durch ein neues Experiment ersetzt werden muss.

Und als Scrum Master bin ich eben nicht nur Berater, sondern auch Trainer, Coach und Mentor. Bei Retrospektiven zum Beispiel auch Moderator (Facilitator).

Daher, in der Lösung komplexer Herausforderungen von agilen Projekten, werde ich nicht nur mit abrufbaren Wissen gefordert, sondern muss mich selber auf die neue Kundensituation einstellen. Mich mit Mut, Fokus, Offenheit, Beharrlichkeit dem zu lösenden Problem stellen. Und das immer wieder, bis eine Wende zum Besseren geschieht.

Einen reinen Automaten als KI Scrum Master wird es daher m.E. so schnell nicht geben.