De utopie van een betere wereld: Kunstmatige intelligentie vervangt politici en het partijsysteem

Inleiding

Democratie wordt algemeen beschouwd als het beste politieke systeem dat tot nu toe is bedacht, maar de praktijk in het moderne Nederland roept vragen op over de effectiviteit, transparantie en volkssoevereiniteit ervan. Diverse toegeschreven uitspraken illustreren deze twijfel:

• "Degenen die beslissen, zijn niet gekozen, en degenen die gekozen zijn, beslissen niets."
  (vrij naar Brecht; geciteerd door Norbert Lammert, Bundestag, 2011)

• "Als verkiezingen iets zouden veranderen, zouden ze allang verboden zijn."
  (vaak toegeschreven aan Emma Goldman, herkomst onzeker)

• "We besluiten iets, brengen het in de openbaarheid en wachten af. Als er geen al te groot rumoer is, gaan we stap voor stap verder."
  (Jean-Claude Juncker, geciteerd in Spiegel, 1999)

Als deze uitspraken meer zijn dan retoriek, dan duiden ze op structurele tekortkomingen in het representatieve democratische systeem. Macht concentreren zich achter gesloten deuren, coalitieafspraken bepalen de koers, de burger heeft weinig invloed tussen verkiezingen in.

---

Structurele tekortkomingen in de Nederlandse democratie

Nederland kent een coalitiesysteem met doorgaans vier of vijf partijen in de regering. De formatieprocessen zijn lang, geheim en complex – soms meer dan negen maanden voor een kabinet is gevormd Democracy International e.V.+15Wikipedia+15SpringerLink+15. Kiezers bepalen wel de samenstelling van de Tweede Kamer, maar niet welke partijen deel gaan uitmaken van het kabinet – dat bepalen onderhandelaars achter gesloten deuren Wikipedia.

Parlementaire discipline is in Nederland zeer sterk: Kamerleden stemmen vrijwel altijd volgens de partijlijn. Tussen 1998 en 2022 volgden zij in 99 à 99,9 % van de gevallen de stemlijn Reddit. Dit verzekert cohesie, maar beperkt de vrijheid van individuele vertegenwoordigers om naar eigen geweten te stemmen.

Directe democratische instrumenten bestaan, zoals het burgerinitiatief en facultatief referendum. Het burgerinitiatief op nationaal niveau vereist ten minste 40.000 handtekeningen en biedt geen bindende stem, enkel een debatverplichting Reddit+2Reddit+2journals.sagepub.com+2Democracy International e.V.+1bbc.com+1. In de praktijk heeft slechts een beperkt aantal initiatieven geleid tot parlementaire behandeling, zonder daadwerkelijke beleidswijzigingen.

---

Alternatief model: een KI‑democratie

Wat als mensen niet langer de besluitvorming uitvoeren, maar dat overlaten aan kunstmatige intelligentie (KI)? Niet als technocratische dictatuur, maar als transparant, democratisch gekozen systeem. Verschillende KI-modellen concurreren op basis van doelstellingen, ethiek en simulatieresultaten. Burgers kiezen één per beleidsdomein – gezondheid, onderwijs, infrastructuur, milieu, etc.

Opzet van zo’n systeem:

1. Meerdere KI‑modellen:
   Elk model heeft duidelijk omschreven doelparameters (efficiëntie, duurzaamheid, sociale rechtvaardigheid) en zoveel mogelijk reproduceerbare case studies.

2. Transparant toetsproces vóór de verkiezing:
   Scenario’s worden geanalyseerd door onafhankelijke toetsers en gepubliceerd. Burgers beoordelen hen op begrijpelijkheid en outcome.

3. Bevriezing na verkiezing:
   Het gekozen model wordt cryptografisch vergrendeld zodat na-tracking en aanpassing onmogelijk is.

4. Openbaar rekenschap:
   Besluiten zijn traceerbaar via beschikbare data en documenten. Evaluatie-systemen kunnen beslissingen checken.

---

Wat vervalt er?

(Satire, scherp gemarkeerd)
De politiek als beroepsgroep – minder aantrekkelijk en misschien geheel overbodig. Politici, normaal sprekend met toekomstplannen, zouden dan kunnen instromen in bedrijfstakken waar ze toch al veel invloed hadden: bijvoorbeeld wapentechnologie, integratieprojecten of infrastructuurbeheer. Geen lobbyfuncties meer post-politiek, geen benoemingen in de raden van toezicht, geen nepotisme – want een KI kent geen familie, geen coalitiebanden en geen op toekomstige beloning gebaseerde ambities.

---

Voordelen van het model

• Neutraliteit: Beslissingen volgen doelcriteria, niet persoonlijke of partijbelangen.

• Transparantie: Geen achterkamertjes of coalitiepapier; alles is publiek en recreëerbaar.

• Verantwoordelijkheid via data: Elk besluit kan herleid en geverifieerd worden.

• Langetermijngericht: Geen focus op herverkiezing, maar op duurzaamheid en stabiliteit.

---

Kritisch perspectief en uitdagingen

• Wie bepaalt de waarden van de KI? De ethische basis is nooit neutraal. Wie definieert rechtvaardigheid en duurzaamheid?

• Democratisch toezicht blijft essentieel. Ook KI moet gekozen, geëvalueerd en eventueel vervangen kunnen worden.

• Bescherming van minderheden. Een KI geoptimaliseerd voor meerderheid kan kwetsbare groepen benadelen tenzij expliciete waarborgen zijn ingebouwd.

• Fouten zijn onvermijdelijk. Correctiemechanismen moeten even transparant zijn als de beslissingen zelf – vergelijkbaar met constitutionele rechters.

---

Slotoverweging: Waarom faalt utopie?

(Satirisch, kernachtig geformuleerd)
Je zou denken dat een rationeel, data-gestuurd systeem algemene instemming zou uitlokken. Maar net dáárin schuilt de grootste zwakte: sommige machtspelers genieten van intransparantie, van achterkamermacht en de mogelijkheid om te manipuleren. Precies dat is wat een KI wegnemen zou – en dat is voor velen hun grootste verlies. De utopie mislukt niet door techniek, maar door de gepassioneerde, bittere joy van dieven om anderen te beschaffen. Wat een verlies.

---

Nederlandse context en voorbeelden

• Consensuspolitiek via het poldermodel – samenwerking ondanks verschillen, streefmodel van Nederlandse besluitvorming sinds de jaren 1980/90 Wikipedia.

• Coalitieformaties duren vaak lang, zijn weinig transparant en beperken dualisme tussen parlement en kabinet WikipediaSpringerLink.

• Zeer strikte fractiediscipline — vrijwel geen afwijkingen van partijlijn in Kamerstemmen Reddit.

• Burgerinitiatieven en referenda bieden wel debat maar zelden consequent beleid qua wijziging Democracy International e.V.Democracy International e.V.bbc.comMeer Democratie.

---

Conclusie

Het concept van KI‑gedreven beleidssystemen die concurreren via vooraf toetsbare scenario’s opent een radicaal gedachte-experiment: transparantie, efficiëntie en objectiviteit staan centraal. Of het haalbaar is – dat is onzeker. Maar het dwingt de huidige democratische praktijken, met hun coalitieafspraken, machtspatronen en impotentie bij burgerbetrokkenheid, kritisch onder de loep te nemen.

Deze utopie wijst niet alleen naar technologie, maar confronteert ons ook met de vraag: wil de samenleving werkelijk een objectieve, controleerbare politiek? Of blijft de “diebische” kick van macht en machtsspelletjes aantrekkelijker? Die vraag overstijgt techniek en raakt aan de ziel van onze democratie.

Die Utopie einer besseren Welt: Künstliche Intelligenz ersetzt Politiker und Parteiendiktatur Einleitung

Einleitung

Demokratie gilt als das beste bislang bekannte politische System – zumindest im Vergleich zu allen bisher ausprobierten Alternativen. Doch ihre praktische Ausgestaltung in modernen Gesellschaften lässt Zweifel aufkommen, ob sie tatsächlich ihrem Ideal gerecht wird. Zahlreiche zugeschriebene Zitate spiegeln diese Zweifel:

• „Diejenigen, die entscheiden, sind nicht gewählt, und diejenigen, die gewählt sind, haben nichts zu entscheiden.“
  (sinngemäß Bertolt Brecht; vgl. Norbert Lammert, Bundestagsrede, 2011)

• „Wenn Wahlen etwas ändern würden, wären sie längst verboten.“
  (Emma Goldman, häufig zitiert, Ursprungsquelle umstritten)

• „Wir beschließen etwas, stellen es in den Raum und warten ab. Wenn es kein großes Geschrei gibt, machen wir weiter – Schritt für Schritt.“
  (Jean-Claude Juncker, zitiert im Spiegel, 1999)

Wenn diese Aussagen mehr sind als bloße Polemik, dann ist zu fragen: Wie tief reicht die strukturelle Problematik gegenwärtiger Demokratien? Und ließe sich ein System denken, das tatsächlich dem Volkswillen Rechnung trägt – frei von intransparenten Machtstrukturen, Parteidisziplin und opportunistischem Verhalten?

---

Strukturelle Defizite moderner Demokratien

Repräsentative Demokratien sollen gewährleisten, dass politische Entscheidungen im Namen der Bevölkerung getroffen werden. Tatsächlich jedoch unterliegen viele Entscheidungen parteiinternen Machtlogiken, Fraktionszwängen, sowie dem Einfluss von Lobbygruppen oder wirtschaftlichen Interessen. Die innerparteiliche Demokratie ist oft eingeschränkt: Spitzenkandidaten werden durch Gremien bestimmt, nicht durch breite Mitgliedervoten. Dissens innerhalb der Partei wird selten gefördert, sondern häufig sanktioniert.

Beispielhaft:
In Deutschland entschied die Bundesregierung 2011 innerhalb weniger Tage den Atomausstieg – ohne vorherige breite parlamentarische oder gesellschaftliche Debatte. Ähnlich wurde in der Corona-Pandemie mehrfach unter starkem Zeitdruck per Verordnung regiert – ein Ausnahmezustand, der zum Dauerzustand zu werden drohte.

---

Ein alternatives Modell: KI-basierte Entscheidungsfindung

Vor dem Hintergrund dieser Defizite stellt sich eine provokante Frage: Was wäre, wenn politische Entscheidungen nicht mehr von Menschen getroffen würden – sondern von künstlicher Intelligenz?

Natürlich ist das eine Utopie. Aber gerade utopische Konzepte ermöglichen es, bestehende Systeme kritisch zu durchleuchten. Die Idee lautet: Ein Wettbewerb intelligenter, algorithmischer Systeme ersetzt die Entscheidungsmonopole politischer Eliten. Bürger*innen wählen zwischen verschiedenen KI-Systemen, die auf spezifische Gesellschaftsbereiche spezialisiert sind – etwa Umweltpolitik, Bildung, Gesundheitswesen oder Infrastruktur.

Grundstruktur eines solchen Modells:

1. Vielfalt der Systeme:
   Verschiedene KIs mit unterschiedlichen ethischen, ökonomischen und sozialen Zielparametern treten zur Wahl an. Sie legen offen, nach welchen Kriterien sie Entscheidungen treffen.

2. Demokratische Auswahl:
   Die Bevölkerung testet und bewertet diese Systeme anhand transparenter Szenarien und Simulationen. Was überzeugt, wird gewählt.

3. Unveränderbarkeit nach der Wahl:
   Die gewählte KI wird kryptografisch gesichert und kann während ihrer Amtszeit nicht verändert oder manipuliert werden. Dies gewährleistet Konsistenz und verhindert nachträgliche Einflussnahme.

4. Überprüfbarkeit durch offene Daten:
   Die Entscheidungsgrundlagen jeder Handlung sind offen dokumentiert. So kann jede*r nachvollziehen, wie es zu einem Ergebnis kam.

---

Was würde dadurch entfallen?

(Satire)
Ein Berufszweig, dessen Beliebtheit und Nutzen in der Bevölkerung zunehmend in Frage steht – der des Berufspolitikers – würde schrittweise obsolet. Die frei gewordenen Kräfte könnten sich auf neue Betätigungsfelder konzentrieren: etwa in der Verteidigungsindustrie, beim Aufbau digitaler Infrastrukturen oder in der Integration der immer wieder beschworenen, aber selten gesichteten Fachkräfte.

Keine Postenrotation zwischen Ministerium und Wirtschaft mehr. Keine Klientelpolitik. Keine Aufsichtsratsversorgungswege. Keine vetternwirtschaftlich motivierten Personalentscheidungen. Künstliche Intelligenz kennt keine Cousins, keine Parteifreunde und keine Zukunft im Aufsichtsrat eines Rüstungskonzerns.

---

Vorteile des Modells

• Entscheidungsneutralität:
  KI entscheidet nicht aus ideologischen oder machtpolitischen Motiven, sondern nach überprüfbaren Zielmetriken.

• Transparenz:
  Die Regeln, nach denen gehandelt wird, sind öffentlich – im Gegensatz zu Koalitionsverträgen, Nebenabsprachen oder Lobbyeinflüssen.

• Verantwortlichkeit durch Daten:
  Entscheidungen basieren auf dokumentierten Annahmen, die nachvollziehbar und überprüfbar sind. Fehler können offengelegt und systematisch behoben werden.

• Langfristigkeit:
  Während menschliche Politik häufig auf die nächste Wahlperiode fokussiert ist, kann KI auf langfristige Nachhaltigkeit und Resilienz optimieren.

---

Kritische Reflexion und Herausforderungen

Natürlich gibt es gewichtige Einwände gegen ein solches System:

• Programmierung ist nie neutral:
  Jede KI spiegelt die Annahmen und Zielwerte ihrer Entwickler. Wer entscheidet über das „richtige“ ethische Grundgerüst?

• Demokratische Kontrolle bleibt notwendig:
  Auch KI muss legitimiert, überprüft und gegebenenfalls ersetzt werden. Die Verantwortung kann nicht ausgelagert werden, nur weil ein Algorithmus sie technisch ausführt.

• Schutz von Minderheiten:
  Eine mehrheitsoptimierte KI könnte vulnerable Gruppen systematisch benachteiligen, wenn dies statistisch effizient erscheint. Hier sind starke ethische Leitplanken nötig.

• Fehlertoleranz:
  Auch maschinelle Systeme können Fehlentscheidungen treffen. Daher braucht es Korrekturmechanismen, Transparenz und Revisionsverfahren – nicht unähnlich einem Verfassungsgericht.

---

Schlussgedanke: Die Grenzen der Vernunft

(Satire)
Man könnte nun annehmen, dass eine rationale, datenbasierte und transparente Form der Entscheidungsfindung Begeisterung auslösen müsste. Doch genau hierin liegt möglicherweise die größte Schwäche der Utopie: Die stille Freude, die manche Akteure an intransparenten Absprachen, an Machtspielen und institutioneller Verantwortungslosigkeit empfinden, lässt sich schwer durch Algorithmen ersetzen.

Die KI hat – zum Glück – keinen Sinn für Ränkespiele, keine Neigung zur parteitaktischen Verschleierung und keine Lust an Vetternwirtschaft. Und das ist möglicherweise ihr größter Nachteil im politischen Alltag.

Denn womöglich ist das eigentliche Hindernis für eine vernunftgesteuerte Gesellschaft nicht die Technik – sondern der Umstand, dass ein Teil der Akteure die bestehende Intransparenz genießt. Oder, um es satirisch zuzuspitzen:
Die Utopie scheitert nicht an der Technik – sondern an der Freude mancher, anderen zu schaden. Was für ein Verlust.

---

Quellen & Literatur:

• Lammert, Norbert (2011): Bundestagsrede zur Eurokrise.

• Der Spiegel (1999): Interview mit Jean-Claude Juncker.

• Goldman, Emma (zugeschriebenes Zitat; Ursprung umstritten).

• Hans Herbert von Arnim (2017): Die Hebel der Macht und wer sie bedient. Droemer Verlag.

• Bundeszentrale für politische Bildung: Dossiers zur Demokratieentwicklung.

• Rawls, John (1971): A Theory of Justice – zu Gerechtigkeit als Fairness.

• Brynjolfsson & McAfee (2017): Machine, Platform, Crowd – zu KI und Governance.

Utopien om en bedre verden: Kunstig intelligens erstatter politikere og partisystemet

Indledning

Demokrati betragtes ofte som det bedste styreform – men oplevelsen i det moderne Danmark rejser spørgsmål om effektivitet, gennemsigtighed og reel folkelig indflydelse. Flere tilskrevne citater illustrerer denne skepsis:

• „De, der beslutter, er ikke valgt, og de, der er valgt, bestemmer ikke noget.“
  (løst efter Brecht; citeret bl.a. af Norbert Lammert)

• „Hvis valg virkelig ændrede noget, ville de længe være forbudt.“
  (ofte krediteret Emma Goldman, men oprindelsen er usikker)

• „Vi beslutter noget, bringer det frem og venter. Hvis der ikke sker stor offentlig protest, fortsætter vi gradvist.“
  (Jean‑Claude Juncker, citeret i Spiegel, 1999)

Disse formuleringer overskrider metaforer – de signalerer strukturelle svagheder i repræsentative demokratier: aflukket beslutningsproces, koalitionsforhandlinger uden offentlig kontrol og begrænset borgerinddragelse.

---

Strukturelle svagheder i dansk demokrati

Danmark har et flerpartisystem med 179 medlemmer i Folketinget. Siden 1909 har ingen parti haft flertal alene, hvilket medfører et regime med negativ parlamentarisme – regeringer skal blot undgå et flertal mod sig thedanishparliament.dk+6Wikipedia+6thedanishparliament.dk+6whatdenmark.com+5Wikipedia+5Denmark.dk+5.

Politisk kultur bygger på forligskultur og konsensus: breddemæssige aftaler mellem partier etableres, ofte med binding over flere valgperioder yourdanishlife.dkwhatdenmark.com. Det skaber stabilitet, men kan føre til, at borgerne opfatter processerne som uigennemsigtige eller fjernt fra vælgernes reelle ønsker.

Fraktionsdisciplinen er stærk. Over 99 % af Folketingets afstemninger følger partisignaler – selvom individuelle stemmer registreres elektronisk, afviger vanskeligt uden karrieremæssige konsekvenser RedditReddit.

Direkte demokratiske redskaber som folkeinitiativer eller folkeafstemninger findes, men har begrænset bindende virkning. Initiativer giver debatpligt, men fører sjældent til konkret politik Reddit+6yourdanishlife.dk+6Wikipedia+6.

---

Et alternativt system: KI-demokrati

En dristig tanke er at overlade beslutninger til kunstigt intelligente systemer, valgt og kontrolleret af befolkningen – ikke som teknokrati, men som systemer med klare mål og gennemsigtighed. Forskellige KI-modeller konkurrerer om vælgernes tillid inden for sektorer som miljø, sundhed, uddannelse og infrastruktur.

Forslag til opbygning:

1. Adskilte KI-modeller pr. tema
   Hvert system dokumenterer sine principper og simulerede beslutninger (f.eks. klimaeffekt, lighed, økonomisk bæredygtighed).

2. Evaluering og valg før beslutningsstart
   Offentlig testning og vurdering via scenarier – vælgerne træffer beslutning baseret på kvalitet, ikke retorik.

3. Låsning efter valg
   Den valgte model sikres kryptografisk og kan ikke ændres i valgperioden – manipulation udelukkes.

4. Åben regnskab og kontrol
   Beslutninger er fuldt dokumenterede, efterprøves af civilsamfund og kan fjernes eller justeres demokratiske procedurer.

---

Hvad forsvinder?

(Satire, tydeligt angivet)
Politik som erhverv – og dermed partiernes monopol. Politikere, med normale karriereret til embedsverv eller lobbyjobs, kunne nu rette opmærksomhed mod andre sektorer: fx infrastruktur, digital forvaltning eller rekruttering af udenlandsk arbejdskraft, som ofte omtales i integrationsdebatten.

Ingen post-politisk ansættelse i bestyrelser, ingen nepotisme, ingen netværkspolitik – for KI har ingen familie eller ambitioner for fremtidig belønning.

---

Fordele ved systemet

• Neutralitet: Målsætninger frem for særinteresser.

• Gennemsigtighed: Beslutningsprocesser er dokumenteret og reproducérbare.

• Ansvarlighed via data: Beslutninger kan spores, evalueres og forklares.

• Langsigtet perspektiv: KI motiveres ikke af genvalg, men af effektiv implementering af mål.

---

Udfordringer og kritikpunkter

• Programmering af værdier: En KI afspejler sine programmørers værdimæssige præmisser. Hvem definerer den normative ramme?

• Demokratisk kontrol er uundværlig: Også KI skal kunne fjernes og justeres.

• Mindre grupper skal beskyttes: En flertalsoptimeret KI kan svigte minoriteter, hvis ikke eksplícite beskyttelsesmekanismer er til stede.

• Fejlbarlighed og retningslinjer for korrektion: Ligesom forfatningsdomstole bør KI-beslutninger kunne revideres.

---

Slutrefleksion: Hvad hindrer utopien?

(Satirisk pointe)
Man skulle tro, at rationelle, gennemsigtige beslutningssystemer ville møde bred folkelig opbakning. Men netop her findes måske den svageste led: nogle aktører trives med intransparens, magtspil og følelse af kontrol. En KI, som fratager dem denne glæde – dét er muligvis det største tab.

Utopien fejler ikke på grund af teknologi, men fordi nogle nyder „diebischen Spaß“ ved at skade andre – og dét er et alvorligt demokratisk tab.

---

Kilder og baggrund

• Folketingets princip om negativ parlamentarisme og flerpartisystem time.comReddit+4Wikipedia+4Wikipedia+4

• Forligskultur og konsensuspolitik i dansk tradition yourdanishlife.dk

• Fraktionsdisciplin og stemmeadfærd i Folketinget RedditReddit

• Borgerinitiativer og referendum-begrænsninger i Danmark yourdanishlife.dkthedanishparliament.dk

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 ;-)