Das richtige Team und dessen Organisation ist DIE erfolgskritische Größe jedes Softwareprojekts - daher werden bedeutende Ressourcen in diesen Bereich investiert. Gleichwohl würden sich einige IT-Führungskräfte doch lieber direkt um die eigentlichen Projektinhalte kümmern. Ein Forschungsteam am Hasso-Plattner-Institut (HPI) in Potsdam arbeitet bereits intensiv an einer Lösung, die alle IT-Experten interessieren sollte: Den mit einer großen Menge relevanter Daten gefütterten KI-Assistenten, der für Führungskräfte ganze IT-Projekte plant und optimierte Teamstrukturen, Zeitpläne und Aufwandprognosen vorlegt. Das HPI kommt seiner Vision mit einem aktuellen Forschungsprojekt einen bedeutenden Schritt näher. Wir von Seerene freuen uns, dabei zu helfen und hier schon einen ersten Schulterblick auf das Projekt geben zu können.
Jedem Praktiker moderner Softwareproduktion ist schmerzlich klar: Die Leitung eines größeren Entwicklerteams birgt neben fachlichen Herausforderungen auch sehr anspruchsvolle logistische Probleme. Zum Beispiel die Frage welche Entwickler bestimmte Aufgaben am besten meistern, wie Teams zusammengestellt werden sollten, oder welche Aufwände und Prozesse die benötigte Projektzeit bestimmen. Diese elementaren Informationen sind selbst in einem übersichtlichen und heterogenen Team nicht einfach zu bündeln. Bei Teams von über 30 oder gar Hunderten von unterschiedlich spezialisierten Entwicklern verursachen sie jedoch bereits unverhältnismäßig großen Aufwand. Die Effizienzverluste, die unsauber kalkulierte Aufwände, unklare fachliche Herausforderungen, unpassende Spezialkenntnisse einzelner Entwickler oder intransparente zeitliche Verfügbarkeit, verursachen können, addieren sich schnell zu gefährlichen Ressourcenfallen. IT-Entscheidern stehen hier bisher nur wenige systematische Tools zur Verfügung, die ihnen diese Verantwortlichkeiten erleichtern.
Ineffizienz sowie die stets latente Gefahr des “kompletten logistischen Scheiterns” von komplexen Software-Projekten sind hinlänglich bekannt und beschrieben. Viele IT-Experten haben sie daher als gegebenes Naturgesetz verbucht. Nicht so das Software Analytics-Team am HPI in Potsdam. Man könnte nun schnell denken, dass das Team einen Kampf gegen Windmühlen führt, würden die erfahrenen Softwareentwickler Daniel Limberger und Willy Scheibel, und Mathematiker Daniel Atzberger nicht unter idealen Bedingungen am Lehrstuhl für computergrafische Systeme unter Leitung von Prof. Jürgen Döllner forschen. Zudem besitzt das Team vollen Zugriff auf Seerene‘s mächtige Software Analytics-Plattform, die sonst lediglich Konzerne nutzen, um noch Herr über ihrer gigantischen Softwaresysteme zu bleiben. Somit ist das Projekt mit den besten verfügbaren Mitteln zur Analyse und strukturierten Verdichtung von kompletten Softwareprojekten und wirklich allen damit verbundenen Datenspuren ausgestattet. 
Das Forschungsvorhaben verfolgt ein sehr klares Anwendungsziel: Leitern großer IT-Units soll ein Software-Tool and die Hand gegeben werden, das ihnen die Zusammenstellung von Teams und die Planung von Projektplänen vereinfacht. Durch die auf der besten verfügbaren Datenbasis erstellten Vorschläge schrumpft so der Planungsaufwand von Tagen auf wenige Sekunden und verbessert sich durch die Berücksichtigung vieler Dimensionen dabei noch deutlich in seiner Qualität.
Der grundsätzlich gewählte Ansatz des Forschungsprojekts nutzt als wichtiges Standbein Natural Language Processing. Erstaunlich ist für den Laien, dass hierbei nicht nur Nachrichten, Arbeits-Tickets und jegliche andere digitale menschliche Kommunikation, sondern auch der Programmiercode als sprachliche Äußerung betrachtet wird und beide Kommunikationsarten in gewisser Hinsicht gleichwertig in die Analyse einfließen. Das Programm analysiert dadurch also zunächst ohne den Bias der Mensch/Maschinen-Unterscheidung alle Daten und Datenspuren vergangener Projekte bis in die Gegenwart. Auf dieser Basis erstellt es einerseits für die bearbeiteten Aufgaben Cluster und andererseits für alle beteiligten Entwickler Profile. Anhand dieser fortlaufend aktualisierten Profile lassen sich auch ideale Team-/Zeitplan-Konfigurationen für anstehende Projekte erstellen.
So weit, so gut. Wenn man aber mehr über den Ansatz erfährt, merkt man schnell, dass das Vorgehen der Algorithmen bei der Zusammenstellung von Leistungsclustern oder von Entwicklerprofilen deutlich über die Fähigkeit und das Verständnis von Menschen hinausgeht. Ein Entwickler bekommt hierbei zum Beispiel nicht lediglich ein Profil, dessen Parameter leicht beschreibbar sind. Es geht also bei den ermittelten Werten nicht rein um geläufige Eigenschaften wie vielleicht Programmiersprachenkenntnisse, Schnelligkeit, Ausdauer und Komplexitätsbewältigung, die Menschen anlegen würden. Es sind Parameter, die von der KI aus verschiedensten Dimensionen zusammengefasst werden. Ihre Relevanz bzw. Voraussagekraft zielt darauf ab, konventionellen Bewertungsparametern bezüglich Geschwindigkeit und Stabilität deutlich überlegen zu sein. Wie kann man sich das vorstellen?
Ein perfekter Match zwischen Entwickler und zu lösendem Aufgabenpaket entsteht, wenn die Analyse Kriterien anlegt, die jeweils in sich eine große Anzahl verschiedener Parameter in einer situativ idealen Gewichtung enthält. Dabei spielen Dinge wie die Tiefe der Kenntnis bzw. die Erfahrung in einer Programmiersprache zwar noch eine wichtige Rolle, aber keine alleinige oder isolierbare Rolle. Die Eigenschaft mischt sich, in gewissem Verhältnis mit vielen anderen, die zusammen die maximale Voraussagewirkung ergeben. Nur durch diese Abstrahierung kann das Matching Gebrauch von den maximalen Möglichkeiten der Datenanalyse machen.
Während die ersten KI-Auswertungen von realen Teams und Projekten mithilfe des Seerene Digital Boardrooms bereits sehr zuversichtlich stimmen, arbeitet die Forschungsgruppe aktuell daran, die Resultate ihrer Analyse in eine Form zu bringen, die für die Zielgruppe der IT-Entscheider wieder interpretierbar und visualisierbar ist. Entscheider müssen ihren "übermenschlich analytischen” digitalen Assistenten und dessen Vorschläge letztlich verstehen können. Nur so kann die KI entlasten und praktische Entscheidungen optimieren. „KI verwendet einen mathematischen Formalismus, den wir nicht unmittelbar interpretieren können und wir zunächst selber verstehen müssen, um sie danach in praktische menschliche Entscheidungslogik übersetzen zu können. Dabei können wir zunächst den maschinell erzeugten Vorschlägen nur mit größter Vorsicht interpretieren” so Atzberger. Die ersten Tests der Forschungsgruppe stimmen aber äußerst zuversichtlich, dass die KI hier eine anwendbare Lösung generiert. „Wir haben zum Beispiel verblüffend gut sehr spezielle Eigenschaften einzelner Entwickler durch unser System feststellen können, die uns von diesen selbst und ihren Kollegen bestätigt wurden. Darüber hinaus konnten wir auch bereits interessante Zusammenhänge aufdecken, die den untersuchten Entwicklerteams bisher selbst noch nie aufgefallen waren. Einen solchen Mehrwert wollen wir ja letztlich systematisch liefern“ so Daniel Atzberger. In der Tat konnten bereits einige menschliche Erfahrungen mit den KI-Ergebnissen harmonisiert werden und das Vertrauen in die KI stärken. Die ersten Verfahren wurden nämlich bereits im industriellen Umfeld getestet und evaluiert. Nun muss die Skalierbarkeit der Verfahren angegangen werden. Im nächsten Jahr folgt ein wichtiger Meilenstein: Dann möchte das Forschungsteam den ersten Prototypen für die datengetriebene Erstellung von Projektplänen präsentieren.
Das HPI-Forschungsprojekt zeigt sich extrem anwendungsorientiert – zielt es doch auf Linderung für einen der bedeutendsten Pain Points der IT-Industrie, der unglaubliche Ressourcen bindet. Denn hinter dem Pain Point steckt nach Prof. Jürgen Döllner vom Hasso-Plattner-Institut eine grundlegende Schwäche der Computerwissenschaft. „Im IT-Bereich wenden wir die „ingenieurartige“ Rationalität zwar meist auf unseren Code aber erstaunlich selten auf unsere eigenen Arbeitsmethoden und Produktionsprozesse an. Daher freue ich mich, dass Daniel mit seinem Projekt so eng an der Mission des Digital Engineering arbeitet, die letztlich wesentlich auf die Initiative unseres Kollegen und Stifters Prof. Hasso Plattner zurückgeht. Mit dem Begriff Digital Engineering drücken wir unser Bestreben aus, praktische Softwareproduktion in jeder Hinsicht zu einer richtigen, sprich ihre eigene Vorgehensweise reflektierende, Ingenieurwissenschaft reifen zu lassen“ so Döllner. Die Forschungsgruppe und das HPI werden ihre Ergebnisse in der wissenschaftlichen Community teilen und freuen sich auf Diskussion, fachlichen Input und Kooperationsanfragen.
Authors: Oliver Viel, Dr. Uta Morgenstern
www.seerene.com The Digital Boardroom provides IT decision-makers with the information needed to actively drive their organization towards software excellence. The analytics technology extracts and fuses the data traces left by all the tools in your software development infrastructure and derives insights of high strategic and operational relevance for both managers as well as development experts.
#DigitalEngineering #MadeinGermany #Ingenieurwissenschaft #HassoPlattnerInstitut #HPI #ITProjekte #Projektmanagement #ProjectManagement #KI #AI #Seerene #NaturalLanguageProcessing #NLP
