Kunstig intelligens vil erstatte dommere – og det er det rigtige at gøre

Kunstig intelligens er ikke blot et nyt værktøj – det er et fundamentalt skridt i menneskets udviklingshistorie. Sammenligneligt med elektrificering, industrialisering og digitalisering. Forskellen er, at det denne gang ikke handler om maskiner, men om beslutningsprocesser: om at behandle, vurdere og konkludere ud fra enorme mængder data. Opgaver, der hidtil har været forbeholdt mennesker – men som maskiner nu løser med voksende præcision.

Især berørte er de erhverv, der arbejder med store datamængder: analyserer, strukturerer, vægter. Evnen til at behandle millioner af informationer i realtid, genkende mønstre og sammenligne sager – det er ikke længere menneskets domæne. Det er kunstig intelligens’ naturlige arbejdsområde. Det gælder ikke kun kontorarbejde – det gælder også dommere.

Retsvæsenet arbejder med normer, mønstre, skøn, præcedens. Alt sammen struktureret information. Alt sammen maskinlæsbart. Alt sammen automatiserbart. Hvis en AI kan analysere millioner af domme og love på samme tid, objektivisere tendenser og identificere inkonsekvent praksis – hvorfor skal vi så fortsat overlade dommen til et menneske med begrænset hukommelse og subjektiv vurdering?

Den menneskelige dommer er ikke inkompetent – blot overbelastet. Informationsmængden er for længst vokset ud over det, et menneske kan overskue. Beslutninger påvirkes af dagsform, sympati og træthed. Det er hverken pålideligt eller effektivt – slet ikke i et system, der lover ligebehandling.

Kunstig intelligens har ikke disse begrænsninger. Den husker alt, sammenligner uden pause og reagerer øjeblikkeligt. Den kender hverken forfængelighed, udmattelse eller politiske interesser. Dens afgørelser ville være konsistente, begrundede og altid efterprøvelige. Bekymringen for manglende empati er forståelig, men forfejlet: Subjektivitet er ikke en styrke i et system, der skal være retfærdigt.

Modstanden mod KI er følelsesbaseret – virkeligheden er rationel. Retsvæsenet har ikke brug for endnu flere jurister, der kæmper sig gennem sagsakter. Det har brug for systemer, der kan afgøre hurtigere, mere objektivt og mere retfærdigt. Det er ikke en trussel mod retsstaten – det er dens nødvendige modernisering.

Dommere, som vi kender dem i dag, vil ikke eksistere i samme form i fremtiden. Ikke fordi nogen vil afskaffe dem – men fordi de i et datadrevet system ikke længere er effektive nok. Maskiner træffer beslutninger på et andet niveau: datadrevet, konsistent, transparent.

Retssale i fremtiden vil domineres af systemer, der er skabt til kompleksitet: til millioner af datapunkter, realtidsanalyse og skalerbarhed uden kvalitetstab. Mennesket forbliver – men som kontrolinstans, etisk rammesætter og korrektiv. Selve afgørelsen træffes maskinelt. Hurtigere. Præcist. Retfærdigt.

Og de frigivne menneskelige ressourcer? De kan anvendes, hvor de virkelig mangler – i sundhedspleje, administration, genopbygning og international indsats. Også i Ukraine mangler mandskab. Hvorfor ikke sætte dem, der tidligere forvaltede ret og uret, i tjeneste for selve retfærdighedens beskyttelse?

Naturligvis – også kvindelige dommere er velkomne. Ligestilling stopper ikke ved landegrænser.

Samfundet vil ændre sig. Forandringen er uundgåelig. Fremskridt betyder afsked – men afsked med det forældede, ikke det værdifulde. At holde fast i erhvervsstrukturer blot fordi de er historisk udviklet, er at ignorere tidens dynamik. Vi har teknologien – og vi bør bruge den. Ikke af begejstring, men af nødvendighed.

Kunstmatige intelligentie zal rechters vervangen – en dat is terecht

Kunstmatige intelligentie is niet zomaar een nieuw hulpmiddel – het is een fundamentele stap in de ontwikkeling van de mensheid. Vergelijkbaar met elektrificatie, industrialisatie en digitalisering. Maar dit keer gaat het niet om machines die fysieke arbeid overnemen. Het gaat om besluitvorming: het verwerken, wegen en interpreteren van enorme hoeveelheden gegevens. Taken die tot nu toe aan mensen waren voorbehouden – en die machines nu met toenemende precisie uitvoeren.

Vooral beroepen die met grote datavolumes werken worden geraakt: analyseren, structureren, evalueren. Het vermogen om miljoenen gegevens in real time te verwerken, patronen te herkennen en casussen te vergelijken – dat is geen menselijk domein meer. Het is het natuurlijke werkterrein van AI. En dat geldt niet alleen voor administratief werk, maar ook voor hoogopgeleide functies zoals die van rechters.

De rechtspraak werkt met normen, patronen, afwegingen, precedent. Allemaal gestructureerde informatie. Allemaal machinaal verwerkbaar. Allemaal automatiseerbaar. Als een AI miljoenen vonnissen en wetten tegelijk kan analyseren, trends kan objectiveren en inconsistenties kan opsporen – waarom zou de beslissing dan nog worden overgelaten aan een mens met een beperkte geheugen en subjectieve interpretatie?

De menselijke rechter is niet onbekwaam – maar wel overbelast. De hoeveelheid informatie is allang groter dan wat een mens nog kan bevatten. Oordelen worden beïnvloed door gemoedstoestand, vermoeidheid, sympathie. Dat is noch betrouwbaar, noch efficiënt – zeker niet in een systeem dat gelijke behandeling belooft.

AI kent die beperkingen niet. Ze onthoudt alles, vergelijkt zonder pauze, reageert onmiddellijk. Ze kent geen ijdelheid, geen uitputting, geen politieke motieven. Haar beslissingen zouden consistent zijn, beargumenteerd, controleerbaar. De vrees voor een gebrek aan empathie is begrijpelijk, maar misplaatst: subjectiviteit is geen deugd in een systeem dat rechtvaardigheid nastreeft.

De bezwaren tegen AI zijn emotioneel – de realiteit is rationeel. De rechtspraak heeft geen behoefte aan nog meer juristen die zich door dossiers heen worstelen. Ze heeft behoefte aan systemen die sneller, objectiever en eerlijker oordelen. Dat is geen bedreiging voor de rechtsstaat – het is haar noodzakelijke modernisering.

Rechters, zoals we die vandaag kennen, zullen in de toekomst niet meer in dezelfde vorm bestaan. Niet omdat men hen weg wil hebben – maar omdat ze in een datagedreven systeem eenvoudigweg niet efficiënt genoeg zijn. Machines nemen beslissingen op een ander niveau: op basis van data, consistentie en transparantie.

In de rechtszaal van morgen zullen systemen domineren die zijn ontworpen voor complexiteit: miljoenen gegevenspunten, realtime-analyse, schaalbaarheid zonder kwaliteitsverlies. De mens blijft bestaan – maar als toezichthouder, ethisch kadersteller, correctiemechanisme. De daadwerkelijke beslissing wordt machinaal genomen. Sneller. Preciezer. Rechtvaardiger.

En de vrijgekomen menskracht? Die kan ingezet worden waar ze echt nodig is – in de zorg, het bestuur, wederopbouw of internationale inzet. Ook in Oekraïne is een tekort aan personeel. Waarom zouden zij die ooit recht en onrecht beoordeelden, niet actief bijdragen aan de verdediging van die principes?

Uiteraard – ook vrouwelijke rechters zijn welkom. Gelijke rechten stoppen niet aan de landsgrens.

De samenleving zal veranderen. Die verandering is onvermijdelijk. Vooruitgang betekent afscheid – maar dan van het overbodige, niet van het waardevolle. Wie vasthoudt aan beroepsstructuren enkel omdat ze historisch gegroeid zijn, ontkent de dynamiek van het heden. We beschikken over de technologie – en we moeten die gebruiken. Niet uit enthousiasme, maar uit noodzaak.

Künstliche Intelligenz wird Richter ersetzen – und das ist richtig so

Künstliche Intelligenz ist kein Werkzeug unter vielen – sie ist ein fundamentaler Entwicklungssprung der Menschheit. Vergleichbar mit Elektrifizierung, Industrialisierung und Digitalisierung. Doch diesmal geht es nicht um mechanische Prozesse, sondern um Entscheidungen: um das Verarbeiten, Bewerten und Ableiten aus gewaltigen Datenmengen. Tätigkeiten, die bislang Menschen vorbehalten waren – und die Maschinen heute mit wachsender Präzision übernehmen.

Besonders betroffen sind Berufe, die mit großen Datenmengen arbeiten: analysieren, strukturieren, gewichten. Die Fähigkeit, Millionen Einzeldaten in Echtzeit zu verarbeiten, Muster zu erkennen, Vergleiche zu ziehen – das ist nicht länger menschliches Terrain. Es ist der natürliche Einsatzbereich der KI. Das betrifft nicht nur Sachbearbeiter oder Analysten. Es betrifft Richter.

Die Justiz arbeitet mit Normen, Mustern, Abwägungen, Präzedenzfällen. All das ist strukturierte Information. All das ist maschinenlesbar. All das ist automatisierbar. Wenn eine KI Millionen von Urteilen und Gesetzen gleichzeitig analysieren, Tendenzen objektivieren und inkonsistente Urteilspraktiken identifizieren kann – warum sollte weiterhin ein Mensch mit begrenztem Gedächtnis und subjektivem Empfinden entscheiden?

Der menschliche Richter ist nicht korrupt, nicht unfähig – er ist überfordert. Die Informationsflut hat längst ein Maß erreicht, das seine Aufnahme- und Verarbeitungskapazität übersteigt. Entscheidungen unterliegen Tagesform, Sympathie, Ermüdung. Das ist weder zuverlässig noch effizient – schon gar nicht in einem System, das Fairness und Gleichbehandlung garantieren soll.

Künstliche Intelligenz kennt diese Begrenzungen nicht. Sie speichert alles, vergleicht ohne Pause, reagiert sofort. Sie kennt keine Eitelkeit, keine Erschöpfung, keine politischen Interessen. Ihre Urteile wären konsistent, begründet, nachvollziehbar – und jederzeit reproduzierbar. Die Sorge vor fehlendem Mitgefühl oder Menschlichkeit ist verständlich, aber fehlgeleitet: Subjektivität ist keine Tugend in einem System, das Gleichbehandlung verspricht.

Die Argumente gegen die KI sind emotional – die Realität ist rational. Die Justiz braucht keine weitere Million Juristinnen und Juristen, die sich durch Akten wühlen. Sie braucht Systeme, die schneller, objektiver und fairer entscheiden. Das ist keine Gefahr für den Rechtsstaat – es ist seine überfällige Modernisierung.

Richter, wie wir sie heute kennen, wird es in dieser Form nicht mehr geben. Nicht aus Willkür – sondern aus Notwendigkeit. In einem datengetriebenen System sind sie nicht mehr leistungsfähig genug. Maschinen treffen Entscheidungen auf einem anderen Niveau: datenbasiert, konsistent, jederzeit überprüfbar.

Im Gerichtssaal der Zukunft dominieren Systeme, die für Komplexität gebaut sind: für Millionen Datenpunkte, für Echtzeit-Analyse, für Skalierung ohne Qualitätsverlust. Der Mensch bleibt – aber nicht als Entscheider, sondern als Aufsicht, als ethischer Rahmengeber, als Korrektiv. Die Entscheidung selbst wird maschinell getroffen. Präziser. Schneller. Gerechter.

Was tun mit den frei werdenden Kapazitäten? Warum nicht dort einsetzen, wo Menschen fehlen – in der Pflege, im Katastrophenschutz, im Wiederaufbau, in internationalen Einsätzen? Auch in der Ukraine mangelt es zunehmend an personellen Ressourcen. Warum nicht jene, die bislang über Recht und Unrecht urteilten, für den Schutz ebendieser Prinzipien vor Ort einsetzen?

Auch Richterinnen sind willkommen – Gleichberechtigung endet nicht an der Landesgrenze. Intelligenz und Verantwortung werden nicht weniger gebraucht, nur anders.

Die Gesellschaft wird sich verändern. Der Wandel ist unausweichlich. Fortschritt bedeutet Abschied – aber Abschied vom Überkommenen, nicht vom Sinnvollen. Wer sich an Berufsbildern festklammert, nur weil sie historisch gewachsen sind, ignoriert die Dynamik der Gegenwart. Wir haben die Technologie – und wir sollten sie nutzen. Nicht aus Technikbegeisterung, sondern aus Notwendigkeit.

Mijn Weg naar Kunstmatige Intelligentie: Van Wiskunde en Programmeren naar KI

In een wereld die steeds meer door technologie wordt gedomineerd, wordt het begrijpen van kunstmatige intelligentie (KI) steeds belangrijker. Als iemand die altijd al een passie had voor wiskunde en programmeren, was het slechts een kwestie van tijd voordat ik me intensief met dit fascinerende vakgebied zou bezighouden. In deze blogpost wil ik mijn reis naar KI met jullie delen en laten zien hoe mijn vaardigheden in wiskunde en programmeren mij helpen om de wereld van kunstmatige intelligentie te verkennen.

De Basis: Wiskunde en Programmeren
Wiskunde is de ruggengraat van veel technologieën, vooral op het gebied van KI. Concepten zoals lineaire algebra, kansrekening en statistiek zijn cruciaal voor het begrijpen van algoritmen die machine learning en neurale netwerken aandrijven. Mijn interesse in wiskunde hielp mij niet alleen bij het oplossen van complexe problemen, maar ook bij het begrijpen van de onderliggende principes van KI. Programmeren is een ander belangrijk hulpmiddel in mijn gereedschapskist. Programmeertalen zoals Python zijn bijzonder nuttig gebleken, omdat ze een breed scala aan bibliotheken bieden die speciaal zijn ontwikkeld voor machine learning en data-analyse. Met deze tools kan ik niet alleen algoritmen implementeren, maar ook experimenteren en mijn eigen modellen ontwikkelen.

De Eerste Stappen in Kunstmatige Intelligentie
Omdat ik een stevige basis had in wiskunde en programmeren, begon ik me meer te verdiepen in KI. Ik begon met online cursussen en tutorials die mij de basisbeginselen van machine learning bijbrachten. Onderwerpen zoals gesuperviseerd leren, ongesuperviseerd leren en neurale netwerken werden voor mij begrijpelijk. Het was spannend om te zien hoe ik met de geleerde concepten daadwerkelijk werkende modellen kon bouwen.

De Toekomst van KI
Vandaag de dag voel ik me goed voorbereid op de uitdagingen van kunstmatige intelligentie. De mogelijkheden zijn vrijwel eindeloos: van het ontwikkelen van slimme toepassingen tot het werken aan ethische vraagstukken rond KI – ik ben enthousiast over de perspectieven die zich voor mij openen. Samenvattend kan ik zeggen dat mijn sterke punten in wiskunde en programmeren niet alleen een solide basis vormen voor mijn reis in de wereld van kunstmatige intelligentie, maar ook mijn nieuwsgierigheid en creativiteit stimuleren. Ik kijk ernaar uit om te blijven leren en mijn bijdrage te leveren aan deze spannende technologie!

Mein Weg zur Künstlichen Intelligenz: Von der Mathematik und das Programmieren zur KI

In einer Welt, die zunehmend von Technologie geprägt ist, gewinnt das Verständnis von Künstlicher Intelligenz (KI) immer mehr an Bedeutung. Als jemand, der schon immer eine Leidenschaft für Mathematik und Programmieren hatte, war es nur eine Frage der Zeit, bis ich mich intensiv mit diesem faszinierenden Bereich auseinandersetzte. In diesem Blog-Beitrag möchte ich meine Reise zur KI mit euch teilen und aufzeigen, wie meine Fähigkeiten in de Mathematik und Programmierung mir dabei helfen, die Welt der Künstlichen Intelligenz zu erkunden.

Die Grundlagen: Mathematik und Programmieren

Mathematik ist das Rückgrat vieler Technologien, insbesondere im Bereich der KI. Konzepte wie lineare Algebra, Wahrscheinlichkeitsrechnung und Statistik sind entscheidend für das Verständnis von Algorithmen, die Maschinenlernen und neuronale Netzwerke antreiben. Mein Interesse an Mathematik half mir nicht nur dabei, komplexe Probleme zu lösen, sondern auch, die zugrunde liegenden Prinzipien der KI zu verstehen. Das Programmieren ist ein weiteres wichtiges Werkzeug in meinem Arsenal. Programmiersprachen wie Python haben sich als besonders nützlich erwiesen, da sie eine Vielzahl von Bibliotheken bieten, die speziell für maschinelles Lernen und Datenanalyse entwickelt wurden. Mit diesen Tools kann ich nicht nur Algorithmen implementieren, sondern auch experimentieren und eigene Modelle entwickeln.

Der Einstieg in die Künstliche Intelligenz

Da ich ein solides Fundament in Mathematik und Programmierung hatte, begann ich also, mich intensiver mit KI zu beschäftigen. Ich startete mit Online-Kursen und Tutorials, die mir die Grundlagen des maschinellen Lernens näherbrachten. Themen wie überwachtes Lernen, unüberwachtes Lernen und neuronale Netzwerke wurden für mich greifbar. Es war spannend zu sehen, wie ich mit den erlernten Konzepten tatsächlich funktionierende Modelle erstellen konnte.

Die Zukunft der KI

Heute fühle ich mich gut gerüstet für die Herausforderungen der Künstlichen Intelligenz. Die Möglichkeiten sind schier endlos: Von der Entwicklung smarter Anwendungen bis hin zur Arbeit an ethischen Fragestellungen rund um KI – ich bin begeistert von den Perspektiven, die sich mir bieten. Zusammenfassend lässt sich sagen, dass meine Stärken in Mathematik und Programmierung nicht nur eine solide Grundlage für meine Reise in die Welt der Künstlichen Intelligenz bilden, sondern auch meine Neugier und Kreativität anregen. Ich freue mich darauf, weiterhin zu lernen und meinen Beitrag zu dieser aufregenden Technologie zu leisten!

Nicht nur auf einfache Projekte anwendbar

 Aus aktuellem Anlass:

Es muss ein Mechanismus existieren, dass die Schweigsamen auch ihre Meinung äußern dürfen: Es kann und soll nicht sein, dass nur weil die intelligentesten den Mund nicht auf machen ein Projekt schief läuft (Buch "Adrenalin Junkies und Formular Zombies", Tom Demarco, Kap. 25). 

 

Hier zu lesen:  FlePA

Über Management und Effektivitätsteigerung - im Zeitalter der Informatik

Wie immer sind die Bücher von DeMarco und Konsorten ein großes Lesevergnügen.


Vom Buch: Wien wartet auf Dich!
Tom DeMarco, Timothy Lister, Peter Hruschka


"Trotz all dem Gerede über "smarteres Arbeiten" ist die Meinung weit verbreitet, dass richtiges Management nur damit zu tun hat, wie man seine Leute dazu bewegt, härter und länger zu arbeiten, meistens auf Kosten ihres Privatlebens. Manager geben immer damit an, wie viele Überstunden ihre Mitarbeiter leisten und welche Tricks man anwenden kann, um noch mehr aus ihnen herauszuholen."


Die Ideen in diesem Text sind nicht neu, doch schön auf dem Punkt gebracht.
Auffallend, auf jeden Fall, ist die dadurch zum Vorschein kommenden Einstellung (Arbeitsverständnis) des Managements: es wird nicht "geführt" oder "geleitet" ('gemanaged') sondern lediglich mit allen Mitteln versucht, das maximale Möglich von den Mitarbeitern herauszupressen. Dies, natürlich, ist nicht die richtige Vorgehensweise.

Eine Folge aus dieser Vorstellung bezüglich der Führung von Unternehmen (und auch Projekten) ist die, dass die Arbeiten, die Management-Inhärent sind, schlicht nicht durchgeführt bzw. an die Belegschaft weitergeleitet werden (manchmal ist das gut, manchmal aber auch nicht... nur: Was für eine Rolle soll eigentlich das Management dann spielen?).

Nun kann ich diese Gedanken weiter auf die "agilen" Methoden übertragen: Sind diese "Methoden" (insbesondere das "Gedraenge", Scrum, weil sehr stark Prozess-orientiert) doch nicht lediglich noch ein Versuch, nicht "managen" zu müssen, sondern mit Hilfe sogenannter "agilen" Vorgehensweisen sich noch weiter von den Management-Aufgaben (planen, schätzen, koordinieren/organisieren) zu entfernen?



Wenn Sie ein besseres agiles Arbeiten wünschen: http://amtrs.de/savap.htm


Doch wenn Sie überhaupt besser arbeiten wollen: http://amtrs.de/flepa.htm

Produktivitätsteigerung als Folge von "Investitionen", nicht als Folge von dem Einsatz irgendwelchen (agilen) Methoden

Aus dem Buch: Der Termin
Tom DeMarco (1997)

»Im Prinzip ist Prozessverbesserung eine gute Sache. Sie bedeutet, dass Sie Ihren Job immer besser machen. Aber ich bin wenig begeistert von Programmen wie dem CMM-Ansatz, die sich Prozessverbesserung auf ihre Fahne schreiben. Sie werden leicht zum Selbstzweck.«

»So etwas wie eine schnelle Lösung gibt es in unserer Branche nicht. Es gibt keine Möglichkeit, die Produktivität kurzfristig zu steigern. Die Produktivität, die Sie heute erreichen, ist das direkte Ergebnis der langfristigen Investitionen, die vor Ihrer Zeit getätigt wurden. Und auch Sie können die Produktivität nur beeinflussen, wenn Sie Ihrerseits eine langfristige Investition tätigen, die Ihren Nachfolgern zugute kommt.«

Soll man glauben (dürfen), dass man Produktivitätssteigerungen durch Einsatz von "agilen" Methoden erzielen kann?

Ich finde den Text im Buch ganz gut, denn einerseits halte ich auch sehr wenig von CMM und andererseits scheint mir die Erklärung mit der Investition sehr "bodenständig". So etwas fehlt heute in der IT-Industrie.

Auf jeden Fall finde ich die Aussage im Buch sehr interessant.

Kann man Produktivität schätzen? - Und, wichtiger eigentlich: Bringt das was?

Die Bücher von Tom DeMarco sind, irgendwie zeitlos, ein Lesevergnügen 1. Klasse für alle Projektbeteiligten :-)

Vom Buch: Wien wartet auf Dich!
Tom DeMarco, Timothy Lister, Peter Hruschka
Seite 27ff:

Lawrence und Jeffery wollten die Produktivitätseffekte verschiedener Schätzverfahren ermitteln. Ihr Ziel war es, den alten Glauben zu bestätigen oder zu widerlegen, wonach Entwickler (in diesem Fall Programmierer) härter arbeiten, wenn sie ihre eigenen Schätzungen einhalten wollen. Für jedes der 103 Projekte entwickelten Lawrence und Jeffery eine gewichtete Metrik für die Produktivität. Dann teilten sie ihre gesammelten Daten in Gruppen ein, gegliedert nach der Art, wie die ursprünglichen Schätzungen zustande kamen.
[...]
Systemanalytiker sind die besseren Schätzexperten; besser als die Programmierer und besser als die Manager. Sie verstehen typischerweise die Arbeit bis ins Detail, sind aber nicht von dem natürlichen Optimismus der Personen befallen, die die Arbeit durchführen müssen, und auch nicht von den politischen oder budgetären Randbedingungen des Chefs beeinflusst.
[...]
Schlechte Schätzungen und hoffnungslos enge Terminpläne schwächen die Energie von Entwicklern. Capers Jones, der für seine Metrikstudien über Entwicklungsmodelle bekannt ist, hat es folgendermaßen ausgedrückt: "Wenn der Terminplan eines Projekts von Grund auf unrealistisch und unvernünftig ist, so dass selbst mit einer Menge von Überstunden nichts erreicht werden kann, wird das Projektteam zornig und frustriert... und die Moral sinkt auf den Nullpunkt." (Capers Jones, Programming Productivity (New York, McGrawHill, 1986), S. 213)

Dabei spielt es fast keine Rolle, ob die von Grund auf unrealistischen und unvernünftigen Termine vom Chef oder von den Entwicklern stammen.

Das überraschendste Ergebnis der Studie von Lawrence und Jeffery aus dem Jahre 1985 stand ganz am Schluss, als sie die Produktivität der 24 Projekte untersuchten, für die es überhaupt keine Schätzungen gab. Diese Projekte wiesen eine viel höhere Produktivität auf.

[Siehe Tabelle im o.g. Buch. Inhalt: Produktivität ohne Schätzung = 50% mehr als die Schätzung der Programmierer.]

Die Projekte, bei denen der Chef keinerlei Druck bezüglich des Fertigstellungstermins ausübte ("Weckt mich auf, wenn ihr fertig seid!"), wiesen die höchste Produktivität auf.

Mein Fazit: Nun muss ich unbedingt als Systemanalytiker zwar schätzen, der PM muss die Entwickler aber sich selbst überlassen.

Heute was gelernt!

Wie auch immer, bei Projekten sind Schätzungen sehr wichtig, denn es wäre wirklich irrsinnig etwas anzufangen ohne klare Vorstellungen von Zeit und Kosten zu haben. Doch das Mikroschätzen der "agilen Methoden" ist, meiner Meinung nach, overkilled, demnach auch die Einteilung in starren, unflexiblen, "Time Boxen" ("Agilität" lässt gerade ganz lieb grüßen...). Viel besser natürlich: FlePA.

Aber wenn Sie es doch nicht sein lassen können, dann machen Sie es zumindest so richtig wie möglich: SAvAP.

Agile: Das Laetrile für den Projekt Manager?

Die Bücher von Tom DeMarco sind, irgendwie zeitlos, ein Lesevegnügen 1. Klasse für alle Projektbeteiligten :-)


Vom Buch: Wien wartet auf Dich!
Tom DeMarco, Timothy Lister, Peter Hruschka
- Seite 32 -


Laetrile ist eine farblose Flüssigkeit, die aus dem weichen Inneren von Aprikosenkernen herausgepresst wird. In Schweden kann man diese Flüssigkeit in Lebensmittelgeschäften ungefähr für denselben Preis wie Mandelaroma kaufen. Man benutzt sie beim Backen so wie andere Extrakte. In Mexiko wird diese Flüssigkeit für 50 Dollar pro Tropfen als "Heilmittel" für die tödliche Geißel Krebs verkauft. Natürlich heilt sie gar nichts. Alle Anzeichen deuten darauf hin, dass alles nur grausamer Betrug ist. Aber da sonst niemand den Todeskandidaten irgendetwas anbieten kann, werden die Versprechungen der Laetrile-Quacksalber ernst genommen, ganz egal wie schändlich diese sind.
Personen, die extrem verzweifelt sind, prüfen Behauptungen nicht allzu kritisch nach.
Manche Manager sind in einer ähnlich "extrem verzweifelten" Lage und diese Verzweiflung macht sie zu einfachen Opfern für vielerlei technische Laetrile, die vorgeben, die Produktivität zu steigern. Nur selten gibt es Belege für die Wirksamkeit der offerierten Versprechungen. Aber auch sie verzichten auf Belege, weil ihre Not so groß ist.


Das  ganze 6. Kapitel: "Laetrile" ist sehr lesenswert!!!

Kommentare hierzu halte ich für überflüssig.

Abhilfe "De Luxe": FlePA .

Abhilfe für den normalen, praktischen Fall: SAvAP .

Wenn Sie es schon nicht sein lassen können, so gestalten Sie es aber bitte so gut wie möglich

Seit dem Jahr 2009 arbeite ich mit agilen Teams und schon davor hatte ich mich mit den Kerngedanken des "Agilismus" auseinander gesetzt.

Die Theorie um die agilen Methoden ist wirklich hübsch, besagt etwas von Frieden, Freude, Eierkuchen...
Grundlage der agilen Methoden ist ein "Manifesto" und ornamentiert wird sie (die Grundlage) durch die bekannten (und berüchtigten) "12 Prinzipien".

Was ich davon halte habe ich schon früher dargelegt.

Dennoch habe ich in der letzten Zeit die Gelegenheit gehabt und ausgenutzt noch mehr dazu zu lernen.

7 Jahre Arbeit im "agilen Umfeld"

Mit mehr als 7 Jahren Arbeit in agilen Teams bei verschiedenen Firmen muss ich doch zugestehen, dass ich mich teilweise geirrt habe.

So z.B. sind die agilen Entwicklungsmethoden keine Totgeburt wie ich meinte: scheinbar wachsen sie und gedeihen wider besseres Wissen... sogar bei echt großen Firmen!

Ungefähr die Hälfte der in agilen Teams involvierten Mitarbeiter scheinen agile Ansätze zu mögen, die andere Hälfte aber nicht. Geteilte Meinungen also. Sowohl die eine als auch die andere Methode hat Vor- und Nachteile, wie es eigentlich auch zu erwarten war.

Aus den mir vorliegenden Studien bezüglich das Ergebnis (Aufwand/Leistung Verhältnis) der Agilen (ACHTUNG! Gemeint sind nicht die subjektiven Meinungen von Teilnehmer an Fragebogen oder von Internet-Quizzen, sondern erhobenen Zahlen), scheinen sie sich mit den planungslastigen Methoden (BDUF: Big Design Up Front) in der Waage zu halten: Weder die eine noch die andere Vorgehensweise kristallisiert sich eindeutig als Sieger heraus (1). Hier ist aber eine verlässliche Aussage eher unmöglich, denn ein Vergleich ist nicht unter wirklichkeitsnahen Bedingungen realisierbar.

Was folgere ich daraus?
Nun:

1. Die Agilen sind da und werden aller Anschein nach nicht so schnell wieder verschwinden (m.a.W. es wird eine -lange- Weile dauern, bevor man sie wieder ersetzt, unabhängig von guten oder schlechten Ergebnissen, unabhängig vom Vorhandensein besserer Methoden).

2. Die Agilen sind nicht besser oder schlechter als die BDUF-Methoden, sondern ziemlich gleichwertig. Doch das Management möchte sicherlich die Agilen beibehalten, denn dadurch sind sie von einem (guten) Brocken Arbeit entlastet (dies, werter Leser, gilt zu berücksichtigen).

3. Historisch gesehen hat sich das klassische Projekt Management (BDUF) über eine (sehr) lange Zeitspanne entwickelt; die agilen Methoden aber sind ein relativ neuer, noch sehr junger Ansatz (2). Als solches sind sie einerseits für Fehlentwicklungen und Missverständnissen recht anfällig (da noch unzureichend untersucht), andererseits sind sie aber aus eben denselben Gründen besonders verbesserungsbedürftig.


Als Analytiker bin ich an Zahlen, Analysen und Ergebnissen sehr interessiert.
Aus Erfahrung, meiner kritischen Haltung gegenüber der Agilen und meinen Drang, Prozesse zu verbessern (siehe z.B. mein "Kaizen destilliert": http://amtrs.de/downl/Kaizen_Destilliert.pdf), entstand folglich die:

Strukturierte Analyse von agilen Prozessen (SAvAP)

Ziel und Zweck von SAvAP (wie der Name schon sagt) ist es, die agilen Methoden vom Nimbus des Esoterischen, vom Dogmatischen aus dem Manifesto und den 12 Prinzipien zu befreien und sie zu verständlichen, produktiven und an einer (Ihrer) Umgebung (sei es Team, Abteilung oder Firma) angepassten Methoden zu entwickeln.

Doch dem kurzen Sinn langer Rede ist hier zu lesen: http://amtrs.de/savap.htm

_______________________________________________________________

Was für Erfahrungen haben Sie mit agilen Methoden?

Halten Sie „agil“ oder „klassisch“ für besser?

Hätten Sie vielleicht sogar Vergleichszahlen zwischen beiden Ansätze?

Und was meinen Sie; sind die agilen Methoden wesentlich oder unwesentlich zu verbessern?

_______________________________________________________________


(1) "One of the greatest tragedies in life is the murder of a beautiful theory by a gang of brutal facts." Benjamin Franklin

(2) FlePA (siehe http://amtrs.de/flepa.htm) ist sicherlich die Zukunft, aber, wie weiter oben angemerkt (1. Punkt); es wird ziemlich lange dauern bis dieser Ansatz Einzug in der gegenwärtigen Projekt Management Disziplin findet. Bis dahin müssen wir alle wohl oder übel mit den Agilen Vorlieb nehmen.


und...

Heute ist der längste Tag des Jahres !!!

Vergleich "Agile" vs. "nicht Agile"

Ich kann mir sehr schwer vorstellen, dass Scrum oder "Agile" (wirklich) besser als einer klassischen Methode funktioniert.

Deswegen suche ich harte Vergleiche; Vergleiche die auf Fakten basieren.

Folgende Punkte möchte ich vergleichen:

1. Produktivität

2. Zufriedenheit der Projekt-Teilnehmer
2.1. Anzahl der Projekt-Teilnehmer, die ein nicht-Agiles Projekt in einer gegebenen Zeit verlassen haben, und
2.2. Anzahl der Projekt-Teilnehmer, die ein Agiles Projekt in einer gegebenen Zeit verlassen haben.

3. Last but not least, der Wunde Punkt der SW-Entwicklung; Bugs!
3.1. Anzahl Bug pro Zeiteinheit (oder TLOC oder Funktionspunkte)
3.2. Kritikalität der Bugs pro Zeiteinheit (Anzahl Bug pro Zeiteinheit und Kritikalität)
3.3. Durchschnittliche Verweildauer eines Bugs (wie lange braucht man, es zu beheben)
3.4. Durchschnittliche Verweildauer der Bugs nach Kritikalität (wie lange braucht man, Bugs nach Kritikalität zu beheben)




Es gibt leider leider noch mehrere wichtigen Punkte zu vergleichen...
Stoff für mehrere Arbeiten!

Hier mein Schreiben zu diesem "Vergleich": Bitte runterladen.

Auf Kommentare und weiterführende Infos bin ich sehr gespannt ;-)

Gedankenfehler im Ansatz bei den Agilen - Teil 3 von 3

Von:
https://de.wikipedia.org/wiki/Agile_Softwareentwicklung

Hier:
Selbstreflexion der Teams über das eigene Verhalten zur Anpassung im Hinblick auf Effizienzsteigerung

Das ist noch ein Meeting.

Die Idee dahinter ist wie immer eine gute Idee, stammt eigentlich von dem Toyota Production System und wird "Hansei" genannt. Hansei ist viel mehr als einfach eine Selbstreflexion; Hansei ist das Anstreben einer totalen Ehrlichkeit bezüglich der eigenen Schwächen; es geht darum, diese Schwächen auszumerzen.

Das ist was ganz anders als das, was man bei den "Agilen" vorfindet.

Bei den Retrospektiven, so wie sie normalerweise ausgeübt werden, werden Spielchen gespielt (so offensichtlich mit dem Ziel, die Leuten zu unterhalten, als wären sie im Kindergarten), bestenfalls werden hier ansatzweise wunde Punkte angesprochen, wobei meistens ohne jegliche Kommentare (Schweigen im Walde) oder gar Konsequenzen (wer sich bewegt hat verloren, m.a.W. wer zugibt, dass tatsächlich Probleme existieren - Postbote schlechter Nachrichten - wird [symbolisch] exekutiert); Keiner wagt "unangenehm" auf zu fallen oder mehr als nur dezent (leichte) Probleme anzusprechen.
Somit ist der ganze Sinn und Zweck einer solchen Retrospektive für die Katz.

Dazu kommt, dass diese Retrospektiven als fester Bestandteil eines Sprints betrachtet und handhabt werden, dergestalt, dass sie als notwendige Zeremonie angesehen werden, ...und die normalen Mitglieder eines Teams lassen das Ganze - geduldig - über sich ergehen. Sie wissen doch, dass es sich um (noch) eine Zeremonie ohne Folgen handelt.

Der Leitgedanke hinter dieser Retrospektive ist, wie fast alles, was aus der Toyota kommt, richtig und wichtig.
Leider, wie bei so vielen positiven Ideen, bei den Agilen ins Gegenteil umgewandelt.

Man soll berücksichtigen, dass die "agilen" als Antwort auf die Probleme der klassischen Methoden entstanden sind und ein gewichtiges Teil dieser Problemen ist nun mal ein unfähiges Management (daher so viele Meetings, um das Management zu ersetzen), leider und aus Gründen die mir unbegreiflich sind, werden alle gute Ideen, die die Agilisten anfassen, zu unnützlichen, hemmenden Brocken, die am Halse der Projektmitarbeiter hängen und ihr Handeln zu lahmen drohen.

Gedankenfehler im Ansatz bei den Agilen - Teil 2 von 3

Hier:

2. The team is authorised to take decisions (Das Team hat die Befugnis, Entscheidungen zu treffen).

Within a cycle, the project team must be authorised to do what they think is best. If
the project team does not have this power, the cyclical model of project management will not work.
(Im Laufe eines Zyklus muss das Team die Befugnis haben, das zu tun, was sie als das Beste erachten.
Sollte das Team diese Erlaubnis nicht haben, so wird das zyklische Modell des Projekt Managements nicht funktionieren).

Das ist noch so eine Idee, die in Teile richtig ist aber dadurch, das sie nicht zu Ende gedacht ist, nicht wirklich dienlich (zweckdienlich) ist.
Die Leute, die Ahnung haben, sollen Entscheidungen treffen können.
Menschen müssen die Macht haben, Fehler anzusprechen und Probleme bekannt zu geben, doch nicht jeder muss sich die Freiheit nehmen, irgendetwas zu ändern nur weil es ihm so besser gefällt, ohne zu wissen was er genau macht.
Das mündet doch in der Verantwortungslosigkeit, wenn alle Fehler machen dürfen und keiner muss für Fehler gerade stehen.

Darüber hinaus sind die Teams - aus der Sicht der Agilisten gesehen - überbewertet. Die Agilisten scheinen zu glauben, dass alles durch die Selbststeuerungsfunktion eines Team geheilt und in die richtige Bahn gebracht werden kann. Das ist: Überbewertung.

Die Aussage "[...] Team diese Erlaubnis nicht haben, so wird das zyklische Modell des Projekt Managements nicht funktionieren" ist auch nicht richtig: ein zyklisches Modell ist unabhängig von 1. Teams und 2. von den Befugnissen des Teams.

Man soll jedoch nicht vergessen, dass die "agilen" als Antwort auf die Probleme der klassischen Methoden entstanden sind, wo Teams eigentlich einzelne Mitarbeiter waren, mehr oder minder isoliert von dem Rest der Mitarbeiter gearbeitet und von dem Management als "Ressource" betrachtet wurden. Daher ist dieses (agile) Umdenken, wenn auch radikal, schon gewissermaßen gerechtfertigt.

Das "Richtige" ist es aber noch nicht...

Gedankenfehler im Ansatz bei den Agilen - Teil 1 von 3

Hier:

1. Users/customers are actively involved (Benutzer und Kunden nehmen aktiv im Entwicklungsprozess teil).

Das bringt nicht wirklich viel und es macht für den Kunden überhaupt keinen Sinn, ständig bei dem Lieferanten antanzen zu müssen. Die Idee ist gut, die Implementierung ist mangelhaft (bisweilen eine Katastrophe).

In der Praxis sieht das so aus, dass der "Kunde" einmal pro Sprint (oder so; nicht "täglich", das ist Nonsense) bei dem Auftragnehmer erscheint, ihm wird das vorgeführt, was funktioniert, der "Kunde" sagt; 'hübsch hübsch!' und geht wieder.
Eigentlich ein Zeitverlust für alle, das Schlimmste aber ist es, dass es für den AG keine wirkliche Verpflichtung gibt, sich mit dem Entwicklungsstand auseinander zu setzen.
Aussagen sind mündlich und somit nicht bindend.
Die Einstellung des AG ist in Allgemeinen so, dass er sowieso vom AN erwartet, dass die SW erstellt wird; seine Anwesenheit ist eine zu "leichte" Sache; er testet nicht, lässt sich lediglich die SW vorführen.
Es gibt natürlich Firmen, wo das etwas anders abläuft.

Also...
Vorteile:

• Der Kunde gibt Rückmeldung (Wichtig).
• Die Entwickler könnten einen Eindruck erhalten, wie der Benutzer mit der SW umgeht (Wichtig!) - wenn es einigermaßen gut durchgeführt wäre... eher seltener als die Ausnahme -.

Nachteile:

• Zeitverlust für die Teilnehmer die an Meetings teil nehmen, die nichts zu melden haben
• Zeitverlust für den Kunden, denn oft fahren mehrere Personen zum AN und verschenken die eigene Zeit, sowohl in Meetings als auch bei den Fahrten - ohne konkretes Ergebnis (nichts spezifiziert => kein Ergebnis) -.
• Dass der Kunde vor Ort ist garantiert in keiner Weise, dass die SW fehlerfrei ist.
• Kommunikationsschwierigkeiten können auftreten, die Möglichkeit und Einfluss von Missverständnissen erhöht sich durch die eher nicht strukturierte Vorgehensweise - im Gegensatz zu dem, was postuliert wird -.

Scheint mir so eine wischi-waschi Lösung zu sein für das Problem "Anforderungsmanagement" zu sein, welche mittels einer Art "Meeting" eine Pseudo-Lösung herbeizuführen wünscht.



Und überhaupt; sieht ganz so aus, als würden die "Agilen" versuchen, alle Schwierigkeiten mittels Meetings zu lösen.

Man soll immer bedenken, dass die "agilen" als Antwort auf die Probleme der klassischen Methoden entstanden sind. Das heißt nicht, dass sie nicht ihre eigene Probleme herbeiführen und auch nicht, dass die Lösung auch eine ist.