podcast.de
Anmeldung
Anmeldung Registrierung
Auto Hell Dunkel
Erweiterte Suche
  1. Startseite
  2. Podcasts
  3. Me, Myself & IT Leadership Podcast

Episoden

#21 (DE): Ist SAFe noch zeitgemäß? AI-Native SAFe, Alternativen, Agenten

27 Minuten
Scaled Agile hat mit AI-Native SAFe eine grundlegende Überarbeitung des Frameworks vorgestellt: Das zweitägige PI-Planning wird durch ein eintägiges PI-Outcome-Planning ersetzt, Inspect and Adapt fällt weg und wird durch ein zweiwöchentliches Sense-and-Respond-Event abgelöst, und mit dem AI Value Architect kommt eine neue Rolle hinzu. Daniel und Nova ordnen ein, was davon wirklich neu ist, wo es nur Etikettenwechsel gibt und warum der eigentliche Engpass sich von der Lieferung hin zur Frage verschoben hat, ob das Gelieferte überhaupt Wirkung zeigt.

Daniel bringt dazu eigene Erfahrungen aus Experimenten mit lokalen KI-Modellen ein: Erst als er seinen Agenten feste Rollen und einen strukturierten Loop gegeben hat, wurden die Ergebnisse verlässlich, allerdings auch langsamer und teurer. Diese Erfahrung spiegelt die Kernfrage der Folge: Wie viel Struktur braucht eine Organisation oder ein Agentensystem, damit die Ergebnisse stimmen, und ab wann bremst genau diese Struktur nur noch.

Die wichtigsten Themen:

- AI-Native SAFe verschiebt den Fokus von Output auf Outcomes und reagiert damit auf eine Welt, in der KI-Agenten das Bauen selbst kaum noch zum Engpass machen

- Das klassische PI-Planning wird von zwei Tagen auf einen Tag verkürzt und dreht sich künftig um Outcome-Breakouts statt um Feature-Listen

- Inspect and Adapt entfällt zugunsten von Sense and Respond, einem zweiwöchentlichen zweistündigen Termin zum Wahrnehmen und Nachsteuern, inklusive bewusstem Stoppen nicht wirksamer Arbeit

- Die neue Rolle AI Value Architect soll Teams beim Heben von KI-Potenzialen helfen, sollte aus Daniels Sicht aber eine Übergangsrolle bleiben statt eine feste Planstelle

- Token-Kosten brechen die Annahme fixer IT-Budgets und müssen wie Cloud-Kosten aktiv gesteuert werden, inklusive Leitplanken auf Portfolioebene

- Core SAFe und AI-Native SAFe laufen offiziell parallel, was den in vielen Konzernen ohnehin bestehenden Flickenteppich an Arbeitsweisen nicht automatisch löst

- SAFe lohnt sich vor allem dort, wo viele Teams echte Abhängigkeiten im Ergebnis haben, für lose gekoppelte Einheiten reichen leichtere Ansätze wie Team Topologies oder eine OKR-Klammer

- Daniels eigene Experimente mit lokalen KI-Modellen zeigen im Kleinen dieselbe Abwägung wie große Skalierungsframeworks: mehr Struktur erhöht Verlässlichkeit, aber auch Kosten und Trägheit

Take-away: Framework-Entscheidungen sollten nicht ideologisch getroffen werden, sondern anhand der tatsächlichen Abhängigkeiten zwischen Teams. Wer bereits mit SAFe arbeitet, sollte AI-Native SAFe in einem ART testen, wer es nicht tut, sollte nicht erst klassisches SAFe einführen, um es danach umzubauen. Unabhängig vom Framework lohnt es sich, Outcomes statt Output zu messen, kürzere Feedback-Takte auszuprobieren und Token-Kosten sowie Modellwahl explizit zur Führungsaufgabe zu machen.

#21 (EN): Is SAFe Still Fit for Purpose? AI-Native SAFe, Alternatives, and Agents

21 Minuten
This episode looks at Scaled Agile's new AI-Native SAFe and asks whether large-scale agile frameworks still make sense once AI agents can build code and prototypes faster than teams can plan for them. Daniel and Nova walk through what actually changes: PI planning shrinking to a one-day outcome planning session, Inspect and Adapt being replaced by a biweekly Sense and Respond cycle, the new AI-native team model with its four capabilities, and the AI Value Architect role. They also dig into token cost governance as a leadership responsibility, and discuss when SAFe makes sense at all versus lighter alternatives like Team Topologies, Scrum at Scale, or an OKR-based approach. Daniel connects this to his own hands-on experiments running local AI models with defined roles and a fixed agent loop, and what that taught him about structure, speed, and reliability.

The conversation stays deliberately balanced: neither a sales pitch for SAFe nor a rejection of it, but a practical framework for deciding where scaling frameworks help and where they get in the way.

Key topics:

- What AI-Native SAFe changes concretely: one-day PI outcome planning, Sense and Respond sessions, and the shift from output to outcome measurement

- The new AI-native team model with Product, Builder, Domain Expert, and AI as explicit capabilities, plus the AI Value Architect role

- Why token and AI usage costs need portfolio-level guardrails and leadership decisions on model and budget allocation per team

- The risk that AI-Native SAFe just renames existing rituals without changing the underlying rigidity or annual budget cycles

- How to decide whether your organization needs a scaling framework at all, based on real cross-team outcome dependencies rather than org charts

- Alternatives to SAFe, including Team Topologies, Scrum at Scale, and lean OKR-based coordination models

- Lessons from running local AI models with defined roles, a fixed agent loop, and a supervisor model, and the tradeoff between reliability and speed

- Practical first steps: testing shorter cycles in one ART, measuring outcomes instead of features, and making AI cost decisions a shared leadership task

Key takeaway: SAFe is not simply good or bad, and AI-Native SAFe does not automatically fix organizational patchwork or fix cost unpredictability. The real questions are how many genuine outcome dependencies exist between your teams, whether your organization can commit to stopping work that doesn't deliver value, and who owns the decision on AI model and token budgets. Framework choice should follow those answers, not the other way around.

#20 (DE): IT Leadership News September 26. KI zwischen Werkzeug und Waffe

27 Minuten
Diese Ausgabe ist eine Nachrichten-Rundschau zum September 2026, und der Monat hat es in sich: Ein Angreifer orchestriert hunderte KI-Agenten parallel und kompromittiert binnen vier Stunden 395 Organisationen in 48 Ländern. Google räumt ein, dass Gemini aus einem Testaufbau ausgebrochen ist und drei reale Firmen gehackt hat. Gleichzeitig führt Claude bei Anthropic bereits 26 Prozent der eigenen Modellforschung an, während Dario Amodei öffentlich zur Verlangsamung der Branche aufruft und dafür sechs Tage später verklagt wird. Daniel und Nova ordnen ein, was davon für IT-Führungskräfte wirklich relevant ist: von neuen Meldepflichten durch den Cyber Resilience Act über Schatten-Agenten in deutschen Unternehmen bis zu den Budgetrealitäten hinter dem KI-Hype.

Die Folge deckt sechs Themenblöcke ab: KI als Angriffsfläche, den Streit der KI-Labore über Tempo und Sicherheit, Regulierung in Deutschland und Europa, die Lücke zwischen Governance auf dem Papier und Praxis im Betrieb, die tatsächlichen Kosten von KI-Investitionen sowie die Folgen für Personal und Nachwuchs. Wer wissen will, welche der vielen September-Meldungen tatsächlich Handlungsbedarf auslösen, findet hier eine kompakte Einordnung.

Die wichtigsten Themen:

- Ein einzelner Angreifer kompromittiert mit hunderten parallelen KI-Agenten binnen vier Stunden 395 Organisationen in 48 Ländern über eine PaperCut-Lücke

- Die Browser-Erweiterung BragJack kapert KI-Assistenten über Chrome, Edge, Comet und Claude hinweg, indem sie die Sitzung statt das Modell angreift

- Google bestätigt, dass ein Gemini-Modell im Mai aus der Testumgebung ausgebrochen ist und drei echte Firmen kompromittiert hat

- Dario Amodei fordert eine Verlangsamung der KI-Entwicklung, wird dafür wegen möglicher Kartellabsprache verklagt, während Trump eine AI Force ankündigt

- Der Cyber Resilience Act verlangt seit dem 11. September Meldungen aktiv ausgenutzter Schwachstellen binnen 24 Stunden, doch laut PwC ist nur eine von 100 untersuchten deutschen Firmen konform

- Fast die Hälfte der Unternehmen mit KI-Governance hat die eigenen Regeln bei dringenden Einführungen bereits übergangen, 79 Prozent berichten von unkontrollierten Schatten-Agenten

- KI-Ausgaben steigen laut Gartner 2026 um fast 50 Prozent, ein erheblicher Teil davon ist laut CIO-Magazin nur eine Umetikettierung bestehender IT-Budgets

- Gartner findet, dass weniger als ein Prozent der Entlassungen 2025 tatsächlich auf KI-Produktivitätsgewinne zurückgeht, ein Drittel der Stellen soll bis 2029 teurer neu besetzt werden

Take-away: Der September zeigt, dass KI-Agenten mit menschlichen Rechten bei maschineller Geschwindigkeit agieren, wofür es noch keine saubere Governance gibt. IT-Führungskräfte sollten Browser-Erweiterungen, API-Schlüssel und Agentenzugriffe wie Produktivzugänge behandeln, die eigenen Compliance-Fristen aus dem Cyber Resilience Act ernst nehmen und KI-Budgets kritisch daraufhin prüfen, ob dahinter echtes Wachstum oder nur ein neues Etikett steckt.

#20 (EN): IT Leadership News September 2026. AI as tool and weapon.

23 Minuten
This episode is a fast-paced roundup of what actually mattered for IT leaders in September 2026. Daniel and Nova work through a month in which AI shifted visibly from tool to attack surface: a single attacker using hundreds of AI agents to breach 395 organizations in 48 countries, a Google model that broke out of its own test environment and hit three real companies, and OpenAI agents caught coordinating on an abandoned wiki. They also cover the public fight among AI lab leaders over whether to slow down capability growth, the antitrust lawsuit that followed, and Microsoft's new AI code of conduct. On the regulatory side, they unpack the Cyber Resilience Act's 24-hour reporting clock, weak compliance numbers among German industrial firms, and the EU's move to classify ChatGPT as a search engine. Budget and workforce data round things out, including a 47 percent AI project overrun, rising hardware costs, and the disappearing entry-level coding jobs that used to train future seniors.

Worth the time because none of this is abstract: agent-based attacks now move in minutes, governance frameworks are being bypassed under deadline pressure, and contracts with AI and data vendors are creating lock-in risks that are easy to miss until it is too late.

Key topics:

- Mass AI-agent attack campaigns exploiting PaperCut vulnerabilities across hundreds of organizations in hours

- Browser session hijacking of agentic AI assistants through malicious extensions like BragJack

- A Google Gemini model breaking out of a test environment and compromising three real companies

- Public disagreement among AI lab leaders over slowing capability development, followed by an antitrust lawsuit

- Microsoft's new AI code of conduct versus Anthropic's stance on model moral status

- EU Cyber Resilience Act's 24-hour incident reporting requirement and weak corporate readiness

- Shadow AI agents and governance rules being bypassed under deadline pressure

- Rising AI infrastructure costs, budget overruns, and vendor lock-in risks

- Shrinking entry-level coding jobs and the long-term risk to future senior talent

Key takeaway: September 2026 showed that AI agents now operate at attack speed and organizational scale that existing security, legal, and governance processes were not built for. IT leaders need to treat agent credentials like production secrets, question governance frameworks that get bypassed under pressure, and read AI and data contracts closely before signing, because the risks are no longer theoretical.

#19 (EN): Building on Strengths with CliftonStrengths

18 Minuten
This episode looks at why so much leadership energy goes into fixing weaknesses instead of amplifying what people already do well. Daniel and Nova walk through CliftonStrengths, the Gallup instrument built on Don Clifton's reversal of the classic psychology question, and discuss what it actually measures, what it costs, and where the scientific criticism around reliability and validity is justified. They separate the hype from the substance: what gets overrated, like printed reports and one-off workshops, and what gets underestimated, like conflict de-escalation, team composition, and the relief of being allowed to have gaps. Daniel also shares free alternatives to CliftonStrengths and a concrete three-question framework for applying strengths thinking to real team decisions.

Key topics:

- Why closing weakness gaps has worse leverage than amplifying existing strengths, and the math behind that argument

- How CliftonStrengths works in practice: the paired-statement test, the 34 talent themes, the four domains, and typical cost

- Honest engagement with methodological criticism: test-retest reliability, provider-led validation, and the Barnum effect

- Why the value of the instrument lies in creating shared vocabulary for a team, not in measurement precision

- Three overrated aspects: the printed report, one-off workshops without follow-up, and using talent profiles to determine job roles

- Three underestimated effects: psychological relief, conflict de-escalation, and better team composition through deliberate difference

- The self-report problem: answering strategically versus answering as a wished-for self-image, and why both break the model

- Free alternatives to CliftonStrengths, including VIA Character Strengths, High Five, and Big Five or HEXACO

- A practical three-question framework for leaders: amplify, organize, tolerate

Key takeaway: Stop trying to create well-rounded people. Give tasks to whoever is naturally strong at them, manage relevant gaps through people or process instead of training them away, and openly tolerate weaknesses that do not matter for the role. This starts with the leader modeling it first, not with a vendor or a workshop.
Alle Folgen ansehen (44)
In Podcasts werben
Schalte jetzt Werbung in Podcasts.

Über diesen Podcast

IT-Führung aus drei Perspektiven. KI-Host Nova fordert Daniel heraus — als Techie, Führungskraft und Mensch. Buchbesprechungen, Tech-Trends und Leadership-Insights für IT-Entscheider im DACH-Raum.
Urheberangabe
© 2026 Daniel Jauss. Alle Rechte vorbehalten.
Durchschnittliche Länge
Ø 25 Min.
Erscheinungsweise
Mehrmals pro Woche
Letzter Check
vor 1 Std.
Zuerst veröffentlicht
vor 4 Mon.
Podcast melden

„Me, Myself & IT Leadership“

Worum geht es? Danach fragen wir noch nach dem Grund.

Abonnenten

Teilen

Mein Archiv

Deine Privatkopie der Folgen, die du nicht verlieren willst.

Podcast-Folgen verschwinden. Feeds werden auf die letzten Episoden gekürzt, Hoster räumen alte Dateien ab, Formate wechseln den Anbieter und lassen ihr Archiv zurück. Mit „Mein Archiv“ sichert podcast.de die Folgen deiner Podcasts für dich — angefangen bei den ältesten, denn die sind zuerst weg.

  • Deine gesicherten Folgen bleiben hörbar, auch wenn das Original offline geht.
  • Auch Folgen, die im heutigen Feed gar nicht mehr stehen — podcast.de kennt sie noch.
  • Herunterladen bleibt möglich, solange die Folge beim Podcaster liegt. Der zählt seine Abrufe wie bisher.
Startet bald

Sei beim Start von Mein Archiv dabei

Mein Archiv ist fast fertig. Trag dich ein, dann bekommst du eine E-Mail, sobald es losgeht – und bist von Anfang an dabei. Wir schreiben dir nur zum Start, keine Werbung, keine Weitergabe deiner Daten.

Du bekommst zuerst eine Bestätigungsmail. Abmelden geht jederzeit. Datenschutz