Foto: Google Gemini · AI-generated
„A problem well stated is a problem half solved.“ Das Zitat wird am häufigsten Charles Kettering zugeschrieben — dem Industriellen, der 186 Patente hielt, den elektrischen Anlasser erfand und fast drei Jahrzehnte die Forschung bei General Motors leitete. Er sprach nicht von Software. Aber er hätte es genauso gut tun können.
Im Zeitalter KI-gestützter Entwicklung ist dieses Prinzip nicht nur relevant — es ist das ganze Spiel.
KI ist nur so gut wie das Problem, das man ihr gibt
KI-Coding-Agents, autonome Workflows, Large Language Models — das sind ernsthaft leistungsfähige Werkzeuge. Sie können Code generieren, Tests schreiben, Architekturen refaktorisieren und Dokumentation verfassen, in einer Geschwindigkeit, die kein menschliches Team erreicht. Aber sie teilen eine fundamentale Einschränkung: Sie lösen das Problem, das man ihnen gibt — nicht das Problem, das man tatsächlich hat.
Gibt man einem KI-Agent eine klar umrissene, sauber zerlegte Aufgabe mit präzisen Randbedingungen, liefert er beeindruckende Ergebnisse. Gibt man ihm ein vages, ausuferndes, halb verstandenes Geschäftsproblem, liefert er selbstbewusst falsche Lösungen — in beeindruckender Geschwindigkeit.
Der Engpass in der KI-gestützten Entwicklung war nie die Technologie. Es war immer die Problemstellung.
Die Problemformulierungslücke im Mittelstand
Genau hier stehen mittelständische Unternehmen — der industrielle Mittelstand, wachsende Unternehmen, spezialisierte Betriebe — vor einer besonderen Herausforderung. Ihre Probleme sind real, komplex und tief in domänenspezifischen Prozessen verankert. Aber sie sind selten so formuliert, dass sie lösbar wären — weder für Menschen noch für KI.
Wir sehen drei Muster immer wieder:
Überzeichnete Probleme. „Wir müssen alles digitalisieren.“ „Unser gesamtes ERP muss ersetzt werden.“ „Wir wollen KI in der gesamten Organisation.“ Diese Aussagen sind zu groß, um darauf zu handeln. Sie lähmen Teams, blähen Budgets auf und produzieren Roadmaps, die den Kontakt mit der Realität nicht überleben. Ein KI-Agent, dem man „alles digitalisieren“ gibt, wird etwas produzieren — aber nichts Brauchbares.
Unterschätzte Probleme. „Wir brauchen nur eine kleine App fürs Lager.“ Dann stellt sich heraus, dass die Lager-App eine SAP-Integration braucht, Offline-Synchronisation beherrschen muss, schichtbasierte Zugangskontrollen respektieren und auditfähige Protokolle erzeugen soll. Das Problem war nie klein — es wurde nur so beschrieben, weil niemand den tatsächlichen Umfang erfasst hatte.
Überfrachtete Probleme. Über Jahre angesammelte Anforderungen, Workarounds, Sonderfälle und politische Kompromisse, gebündelt in einem einzigen Spezifikationsdokument. Keine KI und kein Mensch kann ein 200-seitiges Anforderungsdokument sinnvoll verarbeiten, in dem sich die Hälfte der Punkte widerspricht und ein Drittel nicht mehr relevant ist. Das Signal geht im Rauschen unter.
Die Disziplin der Zerlegung
Die Fähigkeit, die in der KI-gestützten Entwicklung am meisten zählt, ist nicht Prompt Engineering. Es ist Problemzerlegung — eine komplexe, mehrdeutige geschäftliche Herausforderung in eine Abfolge klar definierter, richtig dimensionierter Probleme zu überführen, die jeweils unabhängig gelöst werden können.
Das bedeutet:
- Trennen, was zuerst passieren muss, von dem, was später kommen kann
- Identifizieren, welche Randbedingungen real sind und welche übernommene Annahmen
- Jedes Teilstück so dimensionieren, dass es gebaut, getestet und validiert werden kann, bevor das nächste beginnt
- Wissen, welche Teile von KI-Beschleunigung profitieren und welche menschliches Urteilsvermögen brauchen
Das ist keine technische Fertigkeit. Es ist eine Ingenieursdisziplin, die aus Jahren des Bauens von Produktionssystemen für reale Unternehmen kommt. Sie erfordert Verständnis der Domäne, des organisatorischen Kontexts und des Unterschieds zwischen dem, was der Kunde fordert, und dem, was der Kunde tatsächlich braucht.
Warum erfahrene Teams wichtiger werden, nicht weniger wichtig
Die Ironie der KI-gestützten Entwicklung: Sie macht erfahrene Teams wertvoller, nicht überflüssiger. Wenn KI in Minuten Code generieren kann, verschiebt sich der Wettbewerbsvorteil vollständig zu den Menschen, die das richtige Problem formulieren, das Ergebnis validieren und es in ein System integrieren können, das in der Produktion funktioniert.
Bei exbisoft ist das die Arbeit, die wir jeden Tag machen. Unsere Entwickler werden nicht durch KI ersetzt — sie nutzen KI als Werkzeug, geleitet von jahrelanger Erfahrung im Bau maßgeschneiderter Software für mittelständische Unternehmen. Sie wissen, welche Probleme zuerst gelöst werden müssen, wie man sie richtig zerlegt und wann das Ergebnis der KI eine menschliche Korrektur braucht.
Kettering hatte noch einen Satz, der sich lohnt: „A problem well stated is a problem half solved.“ Die andere Hälfte braucht immer noch einen Ingenieur.
Kommt Ihnen das bekannt vor? Sprechen Sie mit uns.