A-01 — AUSGANGSLAGE
Ausgangslage
Eine über Jahre gewachsene ALM-Landschaft trägt die komplette Produktentwicklung: Anforderungen in Polarion, Aufgaben in Jira, Code in Git, Builds in Jenkins, Wissen in Confluence, Artefakte in Artifactory. KI sollte in diese Umgebung — aber ein Entwicklungsbetrieb mit laufenden Projekten kann sich keinen Prozessbruch leisten, und jede Änderung muss vor Qualitätssicherung und Compliance bestehen.
A-02 — UNSERE ROLLE
Unsere Rolle
Wir sind in dieser F&E seit 15 Jahren immer wieder täglich tätig — als externe Ingenieure, nicht als Besucher. Wir kennen die Prozesse, die Werkzeuge und die Menschen aus anderthalb Jahrzehnten Tagesgeschäft. Genau diese Innensicht macht den Unterschied zwischen einer KI-Integration, die angenommen wird, und einer, die im Portal verstaubt.
A-03 — UMSETZUNG
Umsetzung
KI-Funktionalität wurde schrittweise in die bestehenden Workflows integriert — dort, wo die Ingenieure ohnehin arbeiten: Unterstützung bei Anforderungs- und Review-Arbeit, bei der Testfall-Erstellung und in den Build-Pipelines. Disziplin für Disziplin, jeweils im laufenden Betrieb erprobt, statt als Big-Bang-Rollout.
A-04 — ERGEBNIS
Ergebnis
Die KI-Unterstützung läuft im Regelbetrieb. Routineanteile in Review-, Test- und Pipeline-Arbeit sind spürbar gesunken, die Werkzeugkette blieb durchgängig und nachvollziehbar — kein Parallelsystem, kein Prozessbruch, keine Insellösung. Und weil die Integration von innen kam, wird sie von den Teams getragen statt umgangen.
EINORDNUNG IN UNSER VORGEHEN
Dieser Fall zeigt Stufe 2 unseres Vorgehens: KI dort integrieren, wo das Produkt entsteht — in der bestehenden Toolchain, getragen von Prozesskenntnis.
Stufe 2 — KI im Entwicklungsprozess →