DOI RECORD
Agile Entwicklung generativer KI-Agenten: Herausforderungen und praxisnahe Handlungsempfehlungen
Abstract
Zusammenfassung Generative KI-Agenten gewinnen zunehmend an Bedeutung für die Automatisierung komplexer Wissens- und Koordinationsaufgaben. Im Unterschied zu klassischen Softwaresystemen basiert ihr Verhalten auf generativen KI-Modellen, die probabilistisch, teiltransparent und kontextabhängig agieren. Diese Eigenschaften stellen etablierte Annahmen der agilen Softwareentwicklung vor neue Herausforderungen. Insbesondere zentrale Elemente des Scrum-Zyklus wie Product Backlog Items, Akzeptanzkriterien und die Definition of Done setzen implizit voraus, dass das Systemverhalten hinreichend spezifizierbar, bewertbar und über die Zeit hinweg stabil ist. Der vorliegende Beitrag untersucht, wie sich diese Annahmen bei der agilen Entwicklung von GenKI-Agenten verändern. Aufbauend auf praktischen Erfahrungen aus fünf Entwicklungsprojekten sowie ergänzenden Interviews werden vier zentrale Herausforderungen identifiziert und entlang des Scrum-Zyklus systematisch eingeordnet. Auf dieser Grundlage leitet der Beitrag praxisnahe Handlungsempfehlungen ab, die Entwicklungsteams bei der erfolgreichen Anwendung agiler Methoden im Kontext generativer KI-Agenten unterstützen.