Innovation unter schwierigen Bedingungen

Kann KI besser Software entwickeln als Menschen? Steile These – aber genau darum geht es in dieser Episode von „Innovation unter schwierigen Bedingungen". Daniel Greitens beleuchtet, warum KI-gestützte Softwareentwicklung der klassischen menschlichen Arbeitsweise in vielen Punkten überlegen ist – und wo die Grenzen liegen.


Ausgangspunkt sind die grundsätzlichen menschlichen Herausforderungen in Softwareprojekten: enorme Informationsmengen, hoher Abstimmungsaufwand zwischen Kompetenzen, Prozesstreue unter Druck und die oft vernachlässigten „unbequemen" Tätigkeiten wie Dokumentation und Testing. KI-Programmierung ist erstaunlich menschlich – und damit zunächst genauso anfällig für Spaghetti-Code und Kontextverlust.


Der entscheidende Unterschied: Mit dem richtigen Setup aus Skills, Agenten und Hooks lassen sich definierte Kompetenzen – von Requirements Engineering über Architektur bis QA – als parallele Perspektiven in einem einzigen Entwicklungsprozess bündeln. Daniel zeigt, wie diese Skills sich gegenseitig triggern, korrigieren und sogar widersprechen können – und wie ein lernender Backfix-Skill die Qualität kontinuierlich steigert. Besonders die kaum diskutierten Hooks erweisen sich als Gamechanger für Prozesssicherheit.


Die Episode behandelt unter anderem: warum das Kontextfenster die zentrale Schwachstelle bleibt, wie Skills und Agenten menschliche Teamkommunikation ersetzen, weshalb Coding als Kernkompetenz an Bedeutung verliert, welche neuen Kompetenzen stattdessen gebraucht werden, und warum die Marktvolatilität und absehbar steigende KI-Lizenzkosten das eigentliche Risiko darstellen.


Fazit: Wer jetzt nicht einsteigt, riskiert doppelte Kosten – hohe Personalaufwände plus steigende KI-Gebühren. Die Episode richtet sich bewusst an Führungskräfte und Nicht-Techniker, die verstehen wollen, was von der Softwareentwicklungsseite gerade mit Wucht auf sie zurollt.

In dieser Episode von „Innovation unter schwierigen Bedingungen" zeigt Daniel Greitens, was KI heute wirklich kann – und zwar ohne eine einzige Zeile Code.


Keine Technik-Vorkenntnisse. Kein Programmier-Hintergrund. Trotzdem hilfreiche kleine Anwendungen, die echte Probleme lösen.


Im Mittelpunkt steht nicht der nächste Chatbot-Hype, sondern ein Werkzeug, das Führungskräfte sofort produktiv nutzen können: die Generierung kleiner, zweckgebundener Anwendungen mit Claude Code. Daniel ordnet ein, was das ist – und was nicht.


Die Episode zeigt anhand konkreter Alltagsbeispiele:


wie eine Anforderungsrecherche zu Onlinezugangsgesetz und Verwaltungsdigitalisierung als interaktive Anwendung in wenigen Prompts entstand, wie eine Ausschreibungsanalyse mit automatischem Alerting gebaut wurde – inklusive API-Anbindung an öffentliche Portale, ohne manuelles Programmieren, warum lokale Anwendungen immer dann sinnvoll sind, wenn Daten das eigene System nicht verlassen sollen.


Der Showdown: 2 Gigabyte Produktionsdaten von Bosch, eine offene KI-Challenge zur Vorhersage von Qualität, ein Prompt – und nach exakt 8 Minuten eine vollständige Qualitätsprognose, lokal berechnet mit "mal eben" angelerntem eigenen KI-Modell, visuell aufbereitet. Kein Data-Science-Hintergrund erforderlich.


Ergänzt wird die Episode durch klare Warnhinweise:


warum solche Anwendungen keinesfalls produktiv eingesetzt werden sollten, wie man verhindert, dass sensible Daten unbemerkt in die Cloud wandern, weshalb ein eigener, vom Unternehmensnetzwerk getrennter Rechner die richtige Basis ist, und warum Token-Limits aktiv gesetzt werden müssen – bevor der Agent losläuft.

Methoden gibt es genug. Scrum, SAFe, Design Thinking, Domain-Driven Design, Blue Ocean, Business Model Canvas – die Liste ist endlos.


Doch diese Episode von „Innovation unter schwierigen Bedingungen“ stellt eine unbequeme Frage:


 Sind Methoden in Ihrem Projekt wirklich ein Werkzeug – oder längst zum Selbstzweck geworden?


Daniel Greitens teilt seine Perspektive aus Großprojekten in Defense, innerer Sicherheit, Versicherungen, Finanzen und Industrie – und zeigt, warum methodischer Overkill oft mehr Schaden anrichtet als fehlende Struktur.


Im Mittelpunkt steht nicht die nächste „beste Methode“, sondern:


Woran wähle ich Methoden überhaupt aus? Welche Risiken und Nebenwirkungen bringt jede Methode mit? Warum führen pauschale Rollouts fast zwangsläufig zu Over-Engineering? Wie erkenne ich, wann eine Methode Effizienz fördert – und wann sie Fokus frisst?


Anhand konkreter Beispiele – etwa zu Domain-Driven Design oder SAFe – wird deutlich, wie gut gemeinte Frameworks Budget verbrennen, Teamstrukturen zementieren oder sogar kontraproduktive Komplexität erzeugen können, wenn Zielbild und Problemverständnis nicht klar sind.


Statt Methodengläubigkeit plädiert die Episode für:


ein klares Verständnis des eigentlichen Problems („Confront the brutal fact“), eine saubere Dramaturgie aus aufeinander aufbauenden Erkenntnissen, bewusste Auswahl und Anpassung von Methoden, und die konsequente Trennung von Erkenntnisfortschritt und bloßer Methodentreue.


Mit einem Einblick in einen pragmatischen Werkzeugkasten für Product Discovery zeigt die Folge zudem, wie Methoden modular, zielorientiert und flexibel eingesetzt werden können – ohne in Ideologie oder Bürokratie zu kippen.


Fazit: Methoden sind keine Religion. Sie sind Werkzeuge. Und wie jedes Werkzeug müssen sie zum Problem passen – nicht umgekehrt.

Diese Episode ist ein intensiver Austausch mit Thomas Biedermann (SAP) zu Ethik, gesellschaftliche Folgen und die Frage nach Kontrolle.


Im Zentrum steht die unbequeme Wahrheit: KI wird schneller und massiver Jobs verändern, als viele heute wahrhaben wollen. Aber das eigentliche Risiko ist nicht nur die Automatisierung – sondern was danach kommt:


️ Wovon lebt eine Gesellschaft, wenn Wertschöpfung abwandert? ️ Was gibt Menschen Purpose, wenn Arbeit als sozialer Anker wegfällt? ️ Wie verhindern wir, dass Daten zur moralischen Waffe werden?


Wir diskutieren u.a.:


Grundsicherung / Grundeinkommen: Chance oder Illusion – und was „Wertvoll sein“ für Menschen bedeutet. Digitale Abhängigkeit Europas: Plattformgewinne in den USA, Produktion in China – und was das langfristig mit Wohlstand macht. Daten, Scoring, Manipulation: Wenn Smartwatch- und Verhaltensdaten Entscheidungen über Kredit, Versicherung oder Teilhabe beeinflussen – oft ohne Transparenz. Soziale Medien & Gamification: Wie digitale Mechaniken unser Verhalten, Beziehungen und Selbstbild verändern (inkl. sehr greifbarer Alltagsbeispiele). Politik & Steuerungsfähigkeit: Träge Strukturen, Kompetenzlücken, Anreizsysteme – und die Frage, wie demokratische Systeme handlungsfähig bleiben. Feedback gerne auf LinkedIn: https://www.linkedin.com/posts/danielgreitens_ki-wird-nicht-nur-jobs-ver%C3%A4ndern-sie-ver%C3%A4ndert-activity-7427713825409368064-8igo