Mit MobCoding schnell + effizient zu echten KI-Assistent*innen kommen

Wenn Organisationen sich mit der konkreten Frage auseinandersetzen, wie künstliche Intelligenz sie voranbringt, gibt es häufig Abteilungen + Bereiche, denen von Beginn an klar ist, wie künstliche Intelligenz sie voranbringen kann. Die Innovator*innen + frühen Anwender*innen sind längst losgelaufen. Zu nachfolgenden Organisationsmitgliedern entsteht dann leicht eine unangenehme Lücke. Während die ersten Organisationsmitglieder zum Beispiel souverän mit Konzepten + deren Unterschiede wie KI-ChatBots, KI-Assistent*innen, Agents, Skills, VibeCoding + Agentic Coding um sich werfen, fragen sich andere, wie genau ein Start in die Arbeit mit künstlicher Intelligenz eigentlich gehen könnte + was genau KI eigentlich für die Beteiligten leisten könnte.

Wenn mehr Frage- als Ausrufezeichen im Raum stehen, könnte eine einfache Anforderungsaufnahme mit einer Persona + einem Flussdiagramm und nachfolgendes MobCoding die Beteiligten unterstützen, den Sinn, Zweck + Nützlichkeit von KI real zu untersuchen.

Den*die Assistenz erfinden, die es aktuell nicht gibt

Damit die Teilnehmer*innen eine gute Arbeitsgrundlage finden, ist zu erforschen, welche Arbeitsgebiete + Themenfelder in der Arbeit aktuell sehr arbeits- und zeitintensiv sind, welche sich auf die eine oder andere Art wiederholen + gleichzeitig Sprache, Kontext oder Einschätzungsvermögen erfordern, was ein einfacher Algorithmus nicht leisten kann. Dieser Frage können sich die Beteiligten über die Frage nach einem*einer Assistent*in nähern:

"Wenn Ihr heute eine*n Assistent*in einstellen würdet, der Euch in Eurer Arbeit maximal unterstützen würde, was würde diese*r Assistent*in für Euch genau machen?"

Nachfolgend sammeln, clustern + priorisieren die Teilnehmer*innen Aufgaben, welche eine maximale Arbeitserleichterung für die Teilnehmer*innen darstellen würden. Die Teilnehmer*innen einigen sich auf eine Aufgabe; diese wird im Folgenden spezifiziert werden.

Eine Aufgabe mit einem Flussdiagramm erfassen.

Die Teilnehmer*innen einigen sich darauf, welches Ziel sie mit der Aufgabenerfüllung erreichen werden + halten dieses Ziel auf Visualisierung fest.

Mit der Frage

"Was müsste Dein*e Assistent*in leisten? Anders formuliert: Welche Fragestellungen sind zu beantworten für die Aufgabenerfüllung?"

formulieren die Teilnehmer*innen nun Aufgabenschritt für Aufgabenschritt die Teilnehmer*innen ihre Anforderungen + visualisieren diese.

Würden die Teilnehmer*innen an einer automatisierten Abrechnungslösung für Coaches bauen, könnten das Aufgaben sein wie "Kalender durchsuchen, Kund*innentermine identifizieren". Wenn die Beteiligten Unterstützung bei der Vorbereitung von Retrospektiven suchen (wie beim letzten Alumnitreffen), könnten diese Frage nach dem Team sein: "Wie steht es ums Team? Was ist los? Wie steht es um mindestens diese Teamaspekte?" Wenn die Beteiligten nach einer Vertriebsunterstützung für Außendienstler*innen suchen, könnte einer der ersten Aufforderungen sein: "Kund*innendaten aus unserem CRM mit Wissen aus $URL über den Unternehmensstatus kombinieren + bewerten".

In machen Fällen kann es hilfreich sein, die entsprechende Tätigkeit einmal vorzumachen + den Verlauf zu protokollieren. Dabei notieren die Beteiligten die Fragestellungen, die zu lösen sind.

Im Ergebnis können die Teilnehmer*innen beschreiben, was der*die Assistent*in für sie erreichen soll. Genau das steht auf der Visualisierung.

Die Teilnehmer*innen werden diese Grafik zur Grundlage für die Anforderungsaufnahme mit der KI machen. Dabei erfolgt die Umsetzung im MobCoding. Damit alle Teilnehmer*innen lernen, wie sie sich der KI nähern.

Mit MobCoding direkt in die Umsetzung gehen

Im MobCoding tippt ein*e Teilnehmer*in am Rechner, auf dessen Bildschirm alle schauen (entweder stehen alle hinter dem*der Driver*in oder das Bild wird projiziert). Die umstehenden Personen denken mit, stellen sich Fragen + geben Anweisungen ("Navigators").

Die Teilnehmer*innen bauen sich so gemeinsames Wissen + Handlungskompetenzen auf. Wenn unter den Teilnehmer*innen jemand mit einem Wissensvorsprung ist, ist es wichtig, dass der*diejenige im ersten Zug nicht die Funktion des Drivers übernimmt. Zu groß ist die Gefahr, dass der*diejenige schnell mal etwas macht + tippt, was die anderen in der Form nicht kannten oder wussten + so abgehängt werden.

Es empfehlen sich Gruppen von bis zu acht Navigators. Das gesamte Wissen + die gesamte Aufmerksamkeit ("vielleicht sollten wir da klicken?") fließt so im MobCoding gleichzeitig in das Arbeitsergebnis ein. Entscheidungen werden gemeinsam getroffen, die Beteiligten probieren gemeinsam Optionen aus, mögliche Fehler können gemeinsam gesucht + gefunden werden.

Nach einer definierten Zeit (zum Beispiel zehn Minuten mit Weckerklingeln) rotieren die Teilnehmer*innen als Driver*in durch. So entsteht ein gemeinsames Ergebnis. Sind die Teilnehmer*innen in ihren Kompetenzen sehr heterogen aufgestellt, kann die Arbeit mit einem Buzzer sehr nützlich sein, um alle Fragestellungen in den Raum zu bekommen, die vom Mob zu lösen sind.

KI-MobCoding durch Trainer*innen unterstützen lassen

Wenn ein*e Trainer*in im Raum ist, welche*r KI-Fähigkeiten vermitteln möchte, wird der*die weder zur Driver*in noch zu einem der Navigators werden. Der*die Trainer*in gibt Orientierung, in dem er*sie den Beteiligten sagt, was als Nächstes zu tun ist. Wie das zu bewerkstelligen ist, ist durch den Mob zu lösen.

Der*die Trainer*in gibt so eine Richtung vor + unterstützt die Teilnehmer*innen so, eine gute Lösung zu finden. Auch gibt er*sie vor, wie die Beteiligten geordnet vorgehen sollen:

"Im ersten Schritt müsst Ihr Eurer KI sagen, dass Ihr $KI-[Skill / Agent / ChatBot]  bauen wollt. Dafür übermittelt Ihr Eure Anforderungen. Vermittelt der KI Euer Ziel + fügt Eure Visualisierungen hinzu. Kontrolliert dann, ob die KI Eure Anforderungen korrekt verstanden hat. Wenn nicht, bessert Ihr nach. Sobald Ihr mit der Beschreibung zufrieden seid, lasst Ihr das $KI-[Skill / Agent / ChatBot] bauen."

Wenn die Teilnehmer*innen für ihre Arbeit Anbindungen an Systeme benötigen, ist die schnelle Arbeit mit Mock-Daten zu bevorzugen, damit die Teilnehmer*innen direkt den fachlichen Erfolg spüren können.

Mit MobCodings nachhaltige Ergebnisse produzieren

Mit MobCodings entwickeln die Teilnehmer*innen direkt nutzbare KI-[Skills / Agenten / ChatBots]. Der Veränderungsgewinn + -aufwand werden direkt spürbar. Und das bringt nicht nur gute Laune, das motiviert + sorgt für echte Bewegung in der Organisation.