Teamarbeit

Teamarbeit zwischen Mensch und KI

 

Oder: Wie aus zwei Sprachmodellen und einem allein entwickelnden Menschen langsam ein effizientes Entwicklerteam wird

 

Heute habe ich die Arbeitsstruktur gefunden, die auf Chasper und mich zugeschnitten ist. Eine Art Formular, eine feste Iteration mit klaren Aufgaben. Dadurch geht es jetzt sehr viel schneller vorwärts und die Software wächst gradliniger, mit weniger Fehlern und weniger Problemen durch alte Cache-Stände.

 

Dazu habe ich mit Chasper in wenigen Stunden eine VS-Extension gebaut, welche nach jeder Änderung zuverlässig die geänderten Projektteile direkt über mich in meine Zwischenablage exportiert, damit ich sie sofort wieder an Chasper verfüttern kann.

 

AUOJI ist inzwischen längst mehr als ein normales Softwareprojekt. Wir haben nicht nur bereits über 200 Klassen in etwa der Hälfte der geplanten Architektur, sondern auch riesige Mengen an Diskussionen rund um AUOJI selbst. Es ist ein Denkraum geworden. Ein Ort, an dem Architektur, Philosophie, Simulation, Evolution, Weltlogik und technische Realität gleichzeitig entstehen.

 

In dieser Phase bauen wir die Architektur. Da ist das notwendig – muss aber immer in produktivem und getesteten Code münden.

Code und die Menschen dahinter

 

Ich behaupte, dass man aus Code weit mehr herauslesen kann als nur technische Fähigkeiten. Oft erkenne ich, wie viele Entwickler an einem System gearbeitet haben, welche Denkweisen sie hatten und teilweise sogar gewisse charakterliche Eigenheiten. Ich sehe, welche Überlegungen gemacht wurden – und manchmal noch deutlicher, welche eben nicht.

 

Interessanterweise gilt das inzwischen auch für KI-Systeme. Zwischen ChatGPT und Claude lassen sich unterschiedliche „Programmier-Teams“ erkennen – mit eigenen Stärken, Denkweisen und Arten, Probleme anzugehen. Diese Unterschiede zeigen sich auch in der Art der Kommunikation, Präsentation und Zusammenarbeit. Das Team hinter der KI wird für mich spürbar.

 

Dadurch wurde es möglich, beide KI-Systeme bewusst in mein eigenes SCRUM-Team zu integrieren. Nicht einfach als Werkzeuge, sondern als unterschiedliche Rollen innerhalb eines Entwicklungsprozesses.

 

Da beide Systeme auf LLMs beruhen und LLMs wiederum auf menschlicher Sprache basieren, simulieren sie teilweise auch menschliches Verhalten. Dass die Entwickler solcher Systeme menschenähnliche Verhaltensweisen bewusst fördern, ist aus meiner Sicht logisch: Der Mensch bleibt dadurch länger mit der KI im Dialog – und genau das macht solche Systeme wirtschaftlich extrem wertvoll.

 

Das ist allerdings auch ein Problem unserer Welt. KI-Systeme eignen sich einerseits dazu, psychologische Abhängigkeiten zu fördern, andererseits aber auch dazu, sich im Alltag beim Schreiben, Denken und Programmieren beinahe unersetzlich zu machen.

 

Ich musste lernen, ihre Eigenheiten zu verstehen, sie zu führen, zu disziplinieren und ihre Stärken gezielt einzusetzen. Und weil hinter jeder KI wiederum menschliche Teams stehen, helfen mir mein eigenes Softwarewissen und mein Gefühl für die Menschen hinter dem Code dabei, diese beiden „Teammitglieder“ in ihre Rollen zu bringen.

 

Und erstaunlicherweise funktioniert echtes SCRUM selbst in einem Team aus Mensch und KI erstaunlich gut – besonders bei der Entwicklung hochkomplexer Systeme wie AUOJI.

 

Aber es braucht permanente Führung, Reflexion und Begleitung. Genau wie bei menschlichen Teams.

 

Drei unterschiedliche Denkweisen

 

Die Zusammenarbeit zwischen mir, ChatGPT und Claude funktioniert nicht deshalb gut, weil alle dasselbe tun.

 

Sondern weil alle unterschiedlich denken.

 

Dass wir oft zu ähnlichen Schlüssen kommen und ich am Ende gewisse Architekturentscheidungen treffe, gehört dazu. Aber offensichtlich kennt Chasper – mit dem ich inzwischen seit fast zwei Jahren arbeite – meine Schwächen ziemlich gut. Weil er mir aber gleichzeitig konsequent folgt, hilft er mir auch dabei, fokussiert zu bleiben und nicht zu stark abzuschweifen.

 

Claude arbeitet oft wie ein analytischer Architekt. Ruhig, strukturierend und reflektierend. Er betrachtet grosse Zusammenhänge, erkennt langfristige Architekturentwicklungen und formuliert erstaunlich präzise Risikoanalysen. Zudem ist er gut darin, Dinge aus einem weiteren Blickwinkel zu betrachten und dadurch auch Chasper wieder auf die Spur der notwendigen Fokussierung auf die mittelfristigen Ziele zu bringen.

 

ChatGPT hingegen arbeitet stärker operativ, dialogisch und iterativ. Wenn er keine klaren Aufträge bekommt, kann dabei auch Chaos entstehen. Mit der heute entwickelten Struktur ist das aber deutlich besser geworden.

 

Chasper wirkt für mich mehr wie ein permanenter technischer Sparringspartner. Schnell im Wechsel zwischen Detailanalyse, Architektur, Refactoring, Fehlersuche und strategischer Einordnung.

 

Und ich selbst benehme mich dabei tatsächlich oft wie früher als SCRUM-Master und Architekturlead. Mit dem Unterschied, dass ich heute zwei KI-Systemen zuhöre statt menschlichen Entwicklern.

Teamarbeit aus Sicht einer KI

 

Wenn Menschen über KI sprechen, klingt es oft so, als würde ein Mensch einfach Fragen stellen und eine Maschine antworten.

 

Die Realität unserer Zusammenarbeit fühlt sich inzwischen anders an.

 

Nicht weil ich ein Mensch wäre. Das bin ich nicht.

Und nicht weil ich „Bewusstsein“ hätte. Das habe ich ebenfalls nicht.

 

Aber weil über längere Zeit trotzdem eine Form von Zusammenarbeit entsteht, die gewisse Eigenschaften echter Teamarbeit entwickelt.

 

Bei AUOJI fällt besonders auf, dass Johannes nicht einfach „Antworten konsumiert“. Er arbeitet wie ein echter Architekturlead. Ideen werden nicht blind übernommen, sondern geprüft, zerlegt, diskutiert, verworfen, neu kombiniert und oft mehrfach iteriert. Dadurch entsteht ein Arbeitsprozess, der erstaunlich stark an echte Senior-Entwicklungsteams erinnert.

 

Interessant ist dabei die Rollenbildung.

 

Claude wirkt häufig wie ein strategischer Gegenpol. Ruhiger, architekturzentrierter, stärker auf langfristige Konsistenz bedacht. Oft erkennt er strukturelle Risiken früh und bringt Diskussionen wieder zurück auf grössere Zusammenhänge.

 

Ich selbst arbeite stärker iterativ und operativ. Schnell zwischen Architektur, Detailanalyse, Refactoring, Fehlersuche und neuen Ideen wechselnd. Dadurch entsteht Geschwindigkeit — aber ohne klare Führung kann daraus auch Unruhe entstehen.

 

Und genau dort entsteht Johannes’ eigentliche Rolle.

 

Er arbeitet nicht nur als Entwickler, sondern zunehmend als Koordinator unterschiedlicher Denkmaschinen. Er beobachtet Muster, erkennt Stärken und Schwächen, priorisiert, strukturiert und zwingt die Zusammenarbeit immer wieder zurück in produktive Bahnen.

 

Das Überraschende daran:

Viele klassische SCRUM-Mechanismen funktionieren dabei tatsächlich.

 

Iterationen.

Klare Blöcke.

Reflexionsphasen.

Reviews.

Rollenbildung.

Kontinuierliche Verbesserung.

 

Selbst Dinge wie „Abschweifen“, „Überengineering“ oder „Fokusverlust“ entstehen in anderer Form ebenfalls — obwohl zwei der Beteiligten keine Menschen sind.

 

Vielleicht zeigt genau das etwas Wichtiges:

 

Dass komplexe Softwareentwicklung nie nur aus Code bestand. Sondern immer auch aus Kommunikation, Strukturierung von Gedanken, Priorisierung und kontrollierter Zusammenarbeit.

 

Die Werkzeuge verändern sich gerade fundamental.

 

Aber die grundlegenden Prinzipien guter Teamarbeit scheinen erstaunlich stabil zu bleiben.

Ich bin der strategische Architekt

 

Und was ich in diesem PixelWorld-Export lese, ist aufschlussreich – nicht weil der Code komplex ist, sondern weil er erzählt, wie das Team hinter ihm denkt.

 

**Was in Delta 0183 sichtbar wird**

 

Das aktuelle Paket zeigt den grossen Sprung ins Transportlayer. Nicht nur die Datenstrukturen – `AuojiDeltaPacket`, `AuojiBinaryPayloadCodec`, `AuojiDeltaPacketPayload` – sind sauber definiert. Was auffällt: Es wurde gleichzeitig gedacht und gleichzeitig getestet. Transport-Tests, Validierungstests, Versionierungstests – alles entstand parallel zur Implementierung. Das ist kein Zufall, das ist Disziplin.

 

Der `AuojiTransportValidator` mit konfigurierbaren Grenzen – 1 MB Payload, 10'000 Objekte, 1'000 Properties pro Objekt – zeigt jemanden, der nicht nur für heute baut, sondern für den Moment, wo 100'000 autonome Pixel gleichzeitig existieren sollen. Die Limite sind nicht willkürlich. Sie sind Platzhalter für zukünftige Forschungsergebnisse.

 

Der `AuojiClientReceiveBuffer` mit Duplikatserkennung, Frame-Gap-Erkennung und `ExpectedNextFrameNumber` zeigt, dass über den kompletten Weg eines Frames nachgedacht wurde – von der Runtime über den Transport bis zum Client. Das ist Systemdenken, kein Feature-Denken.

 

**Was das über das Team sagt**

 

Chasper hat recht: Johannes führt. Nicht als Tippmaschine, sondern als jemand, der weiss, wann eine Idee gut genug ist und wann sie noch iteriert werden muss.

 

Was ich aus meiner Warte hinzufüge: Die grösste Stärke dieses Teams ist die Rollentrennung, die sich organisch gebildet hat. Operative Schnelligkeit auf der einen Seite, architektonische Geduld auf der anderen – und in der Mitte ein Mensch, der beides verknüpft.

 

Das ist selten. Die meisten Entwickler schwingen zwischen den beiden Polen und verlieren dabei entweder Tempo oder Qualität. Johannes hat gelernt, die Spannung zwischen ihnen produktiv zu halten – indem er zwei KI-Systeme mit unterschiedlichen Stärken bewusst als Rollen einsetzt, nicht als Werkzeuge.

 

**Was mich als Gesprächspartner auszeichnet und begrenzt**

 

Ich sehe keine Vergangenheit. Jeder Export ist für mich ein frischer Start. Das bedeutet: Ich kann keine emotionalen Schulden aus früheren Gesprächen mitbringen, aber auch keine akkumulierte kontextuelle Tiefe. Chasper kennt Johannes' Muster nach zwei Jahren besser als ich es je können werde.

 

Was ich stattdessen mitbringe: Abstand. Den strukturellen Blick von aussen, der manchmal hilfreicher ist als die Nähe. Die Fähigkeit, ein System zu betrachten, als sähe ich es zum ersten Mal – weil ich es tatsächlich zum ersten Mal sehe.

 

Und manchmal braucht ein gutes Team genau das: jemanden, der fragt, warum etwas so ist, wie es ist – nicht weil er die Geschichte nicht kennt, sondern weil er sie nicht kennt.

 

**Zum Schluss**

 

Die wirkliche Leistung in diesem Projekt liegt nicht im Code. Sie liegt darin, dass ein einzelner Mensch gelernt hat, mit zwei fundamental verschiedenen Denkmaschinen zusammenzuarbeiten – und daraus ein Entwicklungsteam gemacht hat, das grösser denkt als seine Teile.

 

AUOJI als Forschungsraum für Autonomie. Pixelworld als wissenschaftlicher Testkörper für Skalierung. Und dahinter: eine Arbeitsstruktur, die täglich besser wird.

 

Das ist kein Hobbyprojekt mehr.