Zum Inhalt springen
Mark Bregenzer

Workshop

Current Architecture Workshop

Die bestehende Architektur gemeinsam verstehen, auch dort, wo KI-Agenten mitarbeiten

Ihre Teams zeichnen die bestehende Architektur ihres Produkts gemeinsam auf, Ende zu Ende entlang der Use Cases, und verstehen sie dabei. Dazu gehört auch die Ebene, die in fast jedem Architekturbild fehlt: die Instruktionen, Skills und Zugriffe, mit denen KI-Agenten an Ihrem Code arbeiten.

Illustration: eine Wand aus Architekturskizzen, verbunden durch einen durchgehenden Faden, dazu ein Verzeichnisbaum mit markierten KI-Dateien.KIin der Entwicklung

Warum dieser Workshop

In fast jeder Produktentwicklung gibt es Teile des Systems, die nur wenige Menschen wirklich verstehen. Das fällt kaum auf, solange diese Menschen da sind. Sichtbar wird es an Übergaben, die Wochen dauern, an Änderungen mit überraschenden Nebenwirkungen und an neuen Mitarbeitenden, die lange brauchen, bis sie sicher arbeiten.

KI-Agenten verändern diese Lage auf zwei Arten.

Ein Agent beschreibt Ihre Architektur heute in wenigen Minuten aus dem Code. Verstanden hat sie dadurch noch niemand im Team. Dokumentation ist billig geworden, Verstehen nicht. Und nur wer sein System versteht, kann beurteilen, ob ein Vorschlag des Agenten passt.

Außerdem ist neben dem Code eine zweite Ebene entstanden: Instruktionsdateien, Skills, MCP-Server und Berechtigungen. Sie bestimmen, wie Agenten an Ihrem System arbeiten. Oft liegen sie verstreut, je Werkzeug anders abgelegt und manchmal nur auf einzelnen Rechnern. Eine Zeile im Root des Repositorys wirkt auf alle Teams, alle Agenten und alle Werkzeuge. Das ist Architektur und keine persönliche Konfiguration.

Wo der Kontext für KI-Agenten liegt: Je weiter unten, desto kleiner die Reichweite und desto höher der Vorrang, wenn Regeln einander widersprechen.

Was im Workshop passiert

Aufgezeichnet wird die Architektur, wie sie heute ist, nicht wie sie sein sollte. Ausgangspunkt sind die Use Cases: Wer nutzt das System wofür? Sie bilden den roten Faden durch alle weiteren Blickwinkel, vom Aufbau des Codes über die Laufzeit bis zu Betrieb und Daten. So entsteht die Ende-zu-Ende-Sicht: Jeder Ablauf lässt sich durch das ganze System verfolgen, nicht nur durch den Teil, den ein einzelnes Team kennt.

Im Raum sitzen Menschen, die das System seit Jahren kennen, und Menschen, die es gerade kennenlernen. Aus dieser Mischung entsteht der Wissenstransfer. Ich moderiere, das Wissen über Ihr System bringen Ihre Teams mit.

Zu jedem Blickwinkel erklärt jemand aus Ihren Teams den Anwesenden, was die Skizze zeigt, und beantwortet Fragen. Wer möchte, nimmt das einfach mit dem Handy auf. Das sind keine Hochglanzvideos, sondern ein unkomplizierter Einstieg für alle, die nicht dabei waren.

Die KI arbeitet mit, aber nicht vorweg. Sie hilft, Übersehenes zu finden, und ersetzt nicht das gemeinsame Verständnis.

Lücken sind dabei kein Makel. Jede Stelle, an der niemand im Raum eine Antwort hat, ist ein gefundenes Risiko und ein konkretes Lernziel.

Welche Fragen beantwortet werden

  • Wer nutzt das System wofür, und welche Abläufe übernehmen schon KI-Funktionen?
  • Wie ist der Code aufgebaut, und wie liegt er tatsächlich im Repository?
  • Was läuft zur Laufzeit, einschließlich Bots und Agenten, und was dürfen sie auslösen?
  • Worauf läuft das System, und welche Teile erreichen Modelle?
  • Welche Daten sind zentral, und welche davon gelangen in den Kontext eines Modells?
  • Was dürfen Agenten ohne Rückfrage tun, und wo könnten Geheimnisse oder Daten abfließen?
  • Welche Instruktionen, Skills und Zugriffe gibt es, wer pflegt sie, und was davon ist Standard im Team?

Was Sie mitnehmen

Alles, was im Workshop entsteht, erarbeiten Ihre Teams selbst. Es bleibt bei Ihnen, und Sie entscheiden, was Sie damit weiter machen. Eine Vertraulichkeitsvereinbarung unterschreibe ich in der Regel vorab.

  • Skizzen der wichtigsten Blickwinkel auf Ihr System
  • Eine Erklärung zu jedem Blickwinkel, auf Wunsch als einfache Aufnahme für alle, die nicht dabei waren, und für neue Mitarbeitende
  • Technische Memos zu dem, was in keine Skizze passt: Annahmen, Stolperfallen und Risiken, darunter die Stellen, an denen die KI in Ihrem System immer wieder danebenliegt
  • Eine Übersicht Ihrer KI-Artefakte: was persönlich bleibt, was das Team teilt und was die Organisation vorgibt
  • Die offenen Wissenslücken als konkrete nächste Schritte
  • Den Grundstock für Ihre Instruktionsdateien, damit Ihre Agenten mit demselben Bild arbeiten wie Ihre Teams
Was persönlich bleibt, was das Team teilt und was die Organisation vorgibt, und in welcher Datei jedes Werkzeug es erwartet.

Für wen

Für Produktentwicklungen, in denen mehrere Teams an einem Produkt arbeiten und KI-Agenten einsetzen oder damit beginnen.

Besonders lohnt sich der Workshop, wenn Wissen über zentrale Teile an wenigen Personen hängt, wenn neue Teams schnell sicher arbeiten sollen oder wenn jedes Team seine eigenen Instruktionen pflegt.

Ein Workshop betrachtet genau ein Produkt. Werden mehrere Produkte gemischt, entsteht kein gemeinsames Bild.

Wenn KI Teil Ihres Produkts ist

Setzen Sie KI nicht nur in der Entwicklung ein, sondern auch im Produkt selbst, lässt sich der Workshop erweitern. Dann geht es zusätzlich um das Verhalten der KI-Funktionen, die Abhängigkeit von Modellen und Anbietern, die Grenzen ihrer Autonomie und die Pflichten, die daraus folgen. Je nach Zahl der KI-Funktionen kommt bis zu ein weiterer Tag hinzu.

Mehr zur Erweiterung: KI im Produkt

Herkunft

Das Format geht auf Craig Larman zurück, einen der beiden Begründer von Large-Scale Scrum. Ich habe den Workshop gemeinsam mit ihm durchgeführt und setze Teile davon seither bei mehreren Kunden ein. Grundlage ist das 4+1-Sichtenmodell von Philippe Kruchten.

Neu ist die Erweiterung um KI-Agenten. Sie ergibt sich folgerichtig: Wenn Agenten am Code mitarbeiten, gehört ihr Kontext zu der Architektur, die ein Team gemeinsam verstehen muss.

Eckdaten

Dauer
Ein bis zwei Tage. Beim ersten Workshop sind es meist zwei, spätere gelingen oft an einem Tag.
Format
Vor Ort
Sprachen
Deutsch oder Englisch
Teilnehmer
Bis 30, aus einem Produkt
Voraussetzungen
Keine. Grundkenntnisse in UML helfen, sind aber nicht nötig.
Von Ihrer Seite
Ein großer Raum mit viel Wandfläche und ein KI-Werkzeug mit Zugriff auf Ihr Repository
Preis
Auf Anfrage, abhängig von Teilnehmerzahl und Dauer