Suchen

Der Weg zur Agilität: Ein Musterbeispiel

Immer mehr Unternehmen nutzen Daten, um Prozesse und Produkte zu verbessern . Dashboards und nutzerfreundliche Visualisierungstools liefern einfach lesbare Grundlagen für die Entscheidungsfindung. Weil der Markt nicht schläft, verändern sich die Daten schnell. Agiles Arbeiten ermöglicht, mit den sich zügig verändernden Faktoren Schritt zu halten.

In einzelnen Abteilungen, vorranging in IT-Departments und innovationsnahen Gebieten wie Accelerator-Einheiten, AI Labs und Innovation Hubs, setzt man deshalb auf ein agiles Framework. Manche Firmen streben auch gleich den radikalen Wandel der unternehmensweiten Organisation an.

Das Ziel: Der radikale Wandel, mit Blick auf schon erfolgreich agierende Product-led und agile Mitbewerber, die als Benchmark gelten. Dies beinhaltet kulturelle Aspekte des Innovationsmanagements, die Produktentwicklung und das Management von Software-Projekten.

Raum für Austausch

Machine Learning Reply strukturierte die Unternehmensorganisation so um, dass einzelne Produkt-Teams entstanden. Die Mitglieder der Teams sollten alle benötigten Fähigkeiten zum Entwickeln eines Produkts oder einer internen Lösung besitzen. Um dies zu erreichen waren aktives Change Management und agile Trainings Schlüsselfaktoren, die Verständnis für die veränderten Arbeitsweisen schafften.

Dies übernahm ein Agile Transformation Team von Machine Learning Reply, zum Beispiel mit wiederholten Workshops für Product Owner. Die Fragen nach dem „Warum?“ beantworten und Vorteile aufzeigen - das Umdenken und Lösen von alten Arbeitsmustern in der Produktentwicklung nahm einige Zeit in Anspruch. Der Aufwand lohnte sich, denn die Workshops boten Raum für Austausch.

In den gesamten Entwicklungsprozess wurden zudem die Stakeholder einbezogen, die mit ihrem Feedback, innovativen Ideen und gut überlegten Änderungswünschen das Produkt verbesserten und den Teams ein besseres Verständnis für das Produkt gaben. Dadurch rückte bei der Entwicklung neuer interner Lösungen der Nutzer in den Fokus.

Des Weiteren stieg die Wertschätzung der geleisteten Arbeit. Durch den regelmäßigen Austausch entstand gegenseitige Nachvollziehbarkeit, die unerkannte Abhängigkeiten verhinderte und für eine verständliche Erwartungshaltung sorgte. Die Einführung von Public Demo Sessions, die sich bei vielen Reply-Projekten ebenfalls als Best Practice herausgestellt haben, erhöhte die Transparenz und das Interesse über Fachabteilungen hinweg.

Lessons Learned

  • Nicht immer ist es nötig, das Rad neu zu erfinden. Meist ist es effizienter, bestehende Praktiken zu evaluieren und anzupassen.
  • Bei allen Maßnahmen gilt es, den Abteilungen, Stakeholdern, Produkt-Teams und Mitarbeitern gerecht zu werden. Das Einfordern von konstruktivem Feedback hilft.
  • Nach der Definition von Machine Learning Reply bezeichnet „Agilität“ keine isolierte Projektmanagementmethodik, sondern ein Methodenportfolio für unterschiedliche Unternehmensbereiche in Unternehmen aller Größenordnungen.

Zunächst stieß das Vorhaben bei den Mitarbeitern auf Skepsis oder vorübergehende Ablehnung . Hier galt es, sich nicht entmutigen zu lassen. Eine agile Transformation ist wiederholt erklärungsbedürftig, deshalb wurden Mitarbeiter durchgehend über nächste Schritte informiert.

Die Kommunikation im Rahmen des Change Managements erfolgte über einheitliche Kommunikations- und Organisationsprozesse, Trainings sowie Tools wie Jira und Confluence von Atlassian. Auch Sessions mit Interessensgruppen förderten die Kommunikation und ermöglichten wichtigen Wissenstransfer. Zum Beispiel fungierten Scrum Master, die zentral koordiniert wurden, als Multiplikatoren, die lehrten, unterstützen und Informationen verbreiteten.

Ein weiteres Mittel für das Change Management war ein Coaching der C-Level-Führungsebene. Machine Learning Reply stellte dadurch ein einheitliches Verständnis in der höchsten Management-Ebene sicher. Dadurch lebten Vorgesetzte die neuen Methoden vor.

Gezielter Einsatz von Tools

Neben der strukturellen Veränderung etablierte Machine Learning Reply außerdem den zielorientierten Projektmanagement-Ansatz der Objectives & Key Results (OKR). Das Best-Practice-Verfahren wurde als erstes von Intel genutzt und später von Google verbessert. Als Vorbilder in der Anwendung dienten Zalando, ebay und Daimler.

Auch beim Ausrollen von Assessments orientierte man sich an bereits bestehenden Ideen wie dem Spotify Health Check, und passte diesen individuell an. Jira ermöglicht dem Kunden außerdem die Auswertung von agilen KPIs. So wurden das Management von Ressourcen vereinfacht und fördernde Arbeitsmaßnahmen getroffen.

Die Nutzung von EasyBI gab detaillierte Einblicke und eröffnete die Option, Defects und Incidents genau zu tracken. So erstellte Machine Learning Reply ein kundenspezifisches Dashboard mit agilen KPIs.

Das Ergebnis

Machine Learning Reply half dabei, Mitarbeiter oder bereits bestehende Teams miteinander zu verknüpfen, agile Rollen zu erklären und wichtige Arbeitsschritte bei der agilen Arbeitsweise zu vermitteln. Beim Kunden haben sich die Veränderungen bereits rentiert: Das breite Portfolio an Produkten wurde an die Bedürfnisse der Stakeholder angepasst und die Produkt-Teams arbeiten agil und nachweisbar effizienter. Erkenntnisse können zum Beispiel bei der Nachfragevorhersage nun anstelle nach mehreren Tagen bereits nach wenigen Minuten gewonnen werden.