Traditionelle Engineering-Kennzahlen fördern die Effizienz – nicht die Effektivität
Engineering-Führungskräfte stehen unter zunehmendem Druck, einen größeren Mehrwert zu erbringen. Doch viele tun sich schwer damit, bedeutsame Veränderungen herbeizuführen. Ein Grund für diese Schwierigkeit ist ein Mangel an integrierten, kontextbezogenen Daten. Traditionelle Engineering-Tools messen Produktivität und Qualität anhand von Kennzahlen wie Zykluszeit, Anzahl der behobenen Fehler, Häufigkeit der Releases, Reaktionszeit und Vorhersagbarkeit. Diese Kennzahlen sagen zwar etwas über die Effizienz, aber nicht zwingend über die Effektivität aus. Mit anderen Worten: Sie stimmen die Engineering-Aktivitäten nicht auf die Geschäftsstrategie ab.
Effizienz: Arbeiten wir richtig?
Effektivität: Ist unsere Arbeit wertvoll?
Engineering-Teams bestehen aus einem komplexen Geflecht aus voneinander abhängigen Teams, Tools und Prozessen. Oft haben die Herausforderungen, mit denen Engineering-Teams kämpfen, ihren Ursprung in einer vorgelagerten Abteilung. Wenn sich beispielsweise die Geschwindigkeit eines Engineering-Teams verlangsamt hat, könnte das daran liegen, dass ein übereifriges Ideenfindungsteam ständig zu viel Arbeit auf sich nimmt.
Ebenso haben die Handlungen eines Engineering-Teams Auswirkungen auf nachgelagerte Bereiche. Änderungen hinsichtlich Prozessen und Prioritäten innerhalb eines Engineering-Teams können unerwartet zu Engpässen oder Abhängigkeiten an anderer Stelle im Lebenszyklus der Software Delivery führen.
Obwohl Engineering-Kennzahlen hilfreich sind, spiegeln sie nicht vollständig wider, wie Software Delivery Value Streams miteinander vernetzt und verwoben sind. Ohne kontextbezogene Einblicke können Engineering-Führungskräfte die Risiken und Vorteile ihrer Entscheidungen nicht genau abwägen.
Software Engineering Intelligence kontextualisiert Probleme, um klügere Entscheidungen zu ermöglichen
Engineering-Führungskräfte benötigen einen Überblick über die Teamperformance, die Abhängigkeiten und die geschäftlichen Auswirkungen, um effektive Entscheidungen treffen zu können. Sie müssen kontextbezogene Informationen von außerhalb der Engineering-Teams sammeln und diese schnell analysieren. Den meisten Unternehmen fehlen jedoch die Tools und Integrationen, die ihnen dies ermöglichen.
Software-Engineering-Intelligence(SEI)-Plattformen füllen diese kontextuelle Lücke. Laut dem Gartner® Market Guide for SEI Platforms 2024 bieten sie „datengestützte Einblicke in die Zeit- und Ressourcennutzung des Engineering-Teams, die betriebliche Effektivität und den Fortschritt in Bezug auf die gewünschten Ergebnisse.“ Sie sammeln Daten aus der gesamten Toolchain und stellen sie über leicht verständliche Dashboards und als vorausschauende Insights dar. Diese Insights ergänzen die traditionellen Engineering-Metriken, anstatt sie zu ersetzen.
Anwendungsfälle für Software Engineering Intelligence
SEI-Plattformen sollten in jeder Situation zu Rate gezogen werden, in der Geschäftsentscheidungen getroffen werden – von der PI-Planung über Sprint-Retrospektiven und Budgetvorschläge bis hin zu abteilungsübergreifenden Sync-Meetings. Engineering-Führungskräfte können eine SEI-Plattform bei ihrer täglichen Arbeit nutzen, um Probleme zu erkennen und sicherzustellen, dass die Teams im Sinne der Unternehmensstrategie arbeiten. Hier sind drei der wichtigsten Anwendungsfälle für eine SEI-Plattform:
- Vereinfachung der Fehlerbehebung mit KI-basierten Erkenntnissen
Wenn ein Team nicht die gewünschte Leistung erbringt, kann es schwierig sein, die Ursache des Problems zu finden. Noch schwieriger ist es, eine Lösung zu finden. Bei der Untersuchung eines Problems müssen zahlreiche Tools nach Daten durchforstet werden, was Zeit kostet, die Engineering-Leiter:innen selbst nicht haben. Wenn die mühsame Arbeit an Teams delegiert wird, fühlt es sich wie eine sinnlose Mikromanagement-Aufgabe an.
SEI-Plattformen verkürzen die Zeit, die zum Auffinden und Charakterisieren von Problemen benötigt wird, enorm. Anstatt Hypothesen über Probleme aufzustellen und willkürliche Nachforschungen anzustellen, können Engineering-Führungskräfte die SEI-Plattform einfach fragen: „Worüber sollte ich mir heute Sorgen machen?“ Mithilfe von KI, die Daten aus verschiedenen Engineering-Tools analysiert, informiert die Plattform die Verantwortlichen über Trends und potenzielle Kapazitätsprobleme. Dies ermöglicht es den Führungskräften, Probleme proaktiv zu untersuchen und Kursänderungen vorzunehmen, bevor eine größere Krise entsteht. Das Ergebnis sind weniger Verzögerungen für die Kund:innen und eine ruhigere, besser organisierte Arbeitsumgebung für die Teams.
- Vernetzung von Engineering-Arbeit und Geschäftsstrategie
Engineering-Führungskräfte brauchen einen vollständigen Überblick darüber, wie die Engineering-Aktivitäten mit der Geschäftsstrategie im Einklang stehen. Dieser Grad an Transparenz ist schwer zu erreichen, da die Engineering-Teams mit einer heterogenen Mischung von Tools arbeiten, die alle Daten unterschiedlicher Typen und Schemata erfassen und speichern. Darüber hinaus sind diese Tools nicht mit dem restlichen Software-Delivery-Prozess vernetzt, sodass die Aktivitäten und Bedürfnisse der vor- und nachgelagerten Teams unklar bleiben.
SEI-Plattformen lösen dieses Problem durch die Integration von Tools und die Erfassung von Daten aus dem gesamten Value Stream, einschließlich aller DevOps-Tools für die Planung, Ausführung, Tests und das Deployment. Diese Daten werden normalisiert, analysiert und über rollenspezifische Dashboards für jede Führungsebene visualisiert. Engineering-Manager können Dashboards speziell für ihr Team ansehen. Diese Daten werden dann zusammengefasst und in ein übergeordnetes Dashboard für das obere Management und ein weiteres Dashboard für die Geschäftsleitung eingepflegt. Da alle Dashboards auf derselben zentralen Datenquelle basieren, können Führungskräfte ganz einfach alle Details aufschlüsseln oder das Gesamtbild betrachten.
Diese umfassenden Einblicke helfen Engineering-Leiter:innen, Entscheidungen zu treffen, die mit der Geschäftsstrategie im Einklang stehen. Zudem können die Mitarbeiter:innen erkennen, wie sich ihre Bemühungen auf die Geschäftsergebnisse wie Umsatz, Kosten und Zufriedenheit der Kund:innen auswirken. Dies fördert das Engagement und schafft Anreize für eine effektive Bereitstellung.
- Kapazitätsmanagement und Priorisierung wertvoller Arbeit
Bei einer agilen Arbeitsweise müssen die Engineering-Führungskräfte die laufenden Arbeiten ständig bewerten und darauf vorbereitet sein, schnell Anpassungen vorzunehmen, wenn sich die Umstände oder Marktbedingungen unerwartet ändern. SEI-Plattformen erleichtern diesen Prozess, indem sie Engpässe, Abhängigkeiten und Risiken aufdecken. Sie stellen Daten auf eine Art und Weise dar, die für Engineering-Führungskräfte und Business-Stakeholder gleichermaßen verständlich ist, sodass systemische Probleme besprochen und gelöst werden können. So können Engineering-Führungskräfte beispielsweise Daten zum Produktzustand nutzen, um für höhere Investitionen in technische Schulden zu argumentieren, oder anhand von Einblicken in die Kapazität zeigen, dass ihr Team überlastet ist.
Jede Entscheidung ist mit Vor- und Nachteilen verbunden, die jedoch nicht immer klar ersichtlich sind. Um Entscheidungen in einem traditionellen, nicht vernetzten Value Stream zu treffen, müssen die Engineering-Führungskräfte entweder:
(a) eine langwierige Auswirkungsanalyse vornehmen oder
(b) sich auf ihr Bauchgefühl verlassen – das falsch sein kann.
SEI-Plattformen vereinfachen und beschleunigen den Entscheidungsprozess. Sie machen Vor- und Nachteile sichtbar und quantifizierbar und nutzen KI, um Ergebnisse vorherzusagen, Herausforderungen zu antizipieren und die Berichterstellung zu automatisieren. Mit KI-basierten Erkenntnissen können Führungskräfte effektiv Prioritäten setzen und einen größeren Mehrwert für die Kund:innen erbringen.
Fazit
Laut Gartner wird „die Nutzung von Software-Engineering-Intelligence-Plattformen durch Software-Engineering-Organisationen zur Steigerung der Produktivität von Entwickler:innen bis 2027 auf 50 % ansteigen, verglichen mit 5 % im Jahr 2024.“ Das ist keine Überraschung, wenn man bedenkt, welch große Rolle KI mittlerweile spielt und wie wichtig eine wertorientierte Software Delivery ist. Mit einer Software-Engineering-Intelligence-Plattform können Engineering-Führungskräfte sicher sein, dass ihre Entscheidungen die Effizienz und die Effektivität maximieren.
Lesen Sie den Gartner® Market Guide for Software Engineering Intelligence Platforms.
Gartner, Market Guide for Software Engineering Intelligence Platforms, Frank O'Connor, Akis Sklavounakis, Manjunath Bhat, Peter Hyde, 13. März 2024.
GARTNER ist eine eingetragene Marke und Servicemarke von Gartner, Inc. und/oder der angeschlossenen Unternehmen in den USA und weltweit und wird mit Genehmigung verwendet. Alle Rechte vorbehalten.
Gartner unterstützt keine der in seinen Forschungspublikationen dargestellten Anbieter, Produkte oder Serviceleistungen und empfiehlt Technologieanwender:innen nicht, sich auf die Anbieter mit den höchsten Bewertungen oder sonstigen Auszeichnungen zu beschränken. Die Forschungspublikationen von Gartner geben die Meinungen der Forschungsabteilung von Gartner wieder und sollten nicht als Tatsachenfeststellungen verstanden werden. Gartner schließt jegliche ausdrückliche oder stillschweigende Haftung in Bezug auf diese Studie sowie jegliche Garantie der Marktgängigkeit oder Eignung für einen bestimmten Zweck aus.
