Die Jobs-Matrix für KI: 4 Felder statt 40 Werkzeuge 🇩🇪

Дата публикации: 01-10-2026 07:00:45

In Kürze: Eine 2×2-Matrix zu KI für agile PraktikerVermutlich glauben Sie, dass Sie KI nur verstehen, wenn Sie mit jedem neuen Tool, jedem neuen Agenten und jedem neuen Preismodell Schritt halten. Steve Jobs stand 1997 bei Apple vor einem ähnlichen Durcheinander, nämlich einem Dutzend Versionen des Macintosh, und er löste es mit einem Raster aus zwei mal zwei Feldern auf einem Whiteboard. Fast 30 Jahre später ordnet eine ähnliche Matrix den Markt für KI-Tools und, was nützlicher ist, die KI-Anwendungsfälle von Scrum-Mastern, Produktmanagern, Product-Ownern, Agile-Coaches und allen anderen, die in der agilen Produktentwicklung arbeiten.Ersetzen Sie Consumer und Pro durch Team und Organisation sowie Desktop und Portable durch Chatbot und Agent. Dann erhalten Sie vier Felder. Sie zeigen, wohin ein Anwendungsfall gehört, was ihn in ein anderes Feld führt und welches Feld ggf. leer bleiben sollte.



Image


These: These: Dieser Artikel wendet die Matrix von Steve Jobs aus dem Jahr 1997 mit den Achsen Consumer/Pro und Desktop/Portable zunächst auf den Markt für KI-Tools im Jahr 2026 und dann auf die agile Praxis an. Daraus entsteht eine 2×2-Matrix, die KI-Anwendungsfälle nach den erforderlichen Entscheidungsrechten und den delegierten Befugnissen ordnet.Transparenzhinweis: Ich gehöre zu denjenigen, die das Buch „Artificial Intelligence“ von Charniak/McDermott vor Jahrzehnten gelesen haben; selbstverständlich nutze ich KI für Recherche, Übersetzungen, Korrekturlesen, das Hinterfragen von Erzählbögen und Artikelstrukturen sowie für Zusammenfassungen. KI ist für mich ein Produktionswerkzeug und kein Ersatz für das eigene Denken. Kudos an Claude Design für die Anfertigung der Graphiken.🗞 Shall I notify you about articles like this one? Awesome! You can sign up here for the ‘Food for Agile Thought’ newsletter and join 35,000-plus subscribers.Wie vier Felder Apple vor dem eigenen Produktkatalog retteten1997 hatte Jobs nach wochenlangen Produktbesprechungen genug gesehen. Laut Walter Isaacsons Schilderung in der Harvard Business Review unterbrach Jobs die Sitzung, ging barfuß zu einem Whiteboard und zeichnete ein Raster aus zwei mal zwei Feldern: „Consumer“ und „Pro“ über den Spalten, „Desktop“ und „Portable“ neben den Zeilen. Es sollte vier großartige Produkte geben, eines pro Feld, und alles andere sollte eingestellt werden. „Zu entscheiden, was man nicht tut, ist genauso wichtig wie zu entscheiden, was man tut“, sagte er später Isaacson gegenüber. (Erinnern Sie sich an Simplicity–the art of maximizing the amount of work not done–is essential?)



Image


Jobs präsentierte die Matrix öffentlich in seiner Keynote zur Einführung des iMac am 6. Mai 1998. Auf der Seybold-Konferenz im September 1998 ergänzte er den Grund, der für alle zählt, die ein Portfolio verantworten: Mit nur vier Plattformen konnte Apple auf jede einzelne sein A-Team setzen, statt irgendeine davon einem B- oder C-Team zu überlassen.Diese Keynote zeigte auch die nützlichste Eigenschaft der Matrix: das leere Feld. Apple hatte noch kein tragbares Consumer-Modell, und Jobs konnte nur eines für das folgende Jahr versprechen. So sah jeder, die Konkurrenz eingeschlossen, was fehlte, bis das iBook dieses Feld im Juli 1999 füllte.Der Markt für KI-Tools passt in dieselbe Matrix, zumindest vorerstBehalten Sie Consumer und Pro bei und ersetzen Sie Desktop und Portable durch Chatbot und Agent. Ein Chatbot liefert Material, das ein Mensch anschließend verwendet, während ein KI-Agent die Befugnis erhält, eine klar begrenzte Aufgabe über mehrere Schritte oder Systeme hinweg auszuführen.ChatGPT prägt das Feld Consumer-Chatbot. Enterprise-Chat wie Copilot Chat in Microsoft 365 besetzt das Feld des Pro-Chatbots. Im Feld Pro-Agent finden sich Coding-Agenten wie Claude Code und Codex sowie Microsofts Copilot Cowork. Laut Microsoft führt Copilot Cowork definierte Arbeit von Anfang bis Ende aus, liefert ein fertiges Ergebnis und bleibt deaktiviert, bis ein Administrator es wieder aktiviert.Das Feld Consumer-Agent blieb dünn besetzt, bis Meta Muse am 8. September 2026 auf den Markt brachte. Bis zum 24. September hatte die App die Marke von 3,4 Millionen Downloads überschritten, laut Schätzungen von Sensor Tower, über die TechCrunch berichtete. Da Downloads Interesse messen und keine dauerhafte Nutzung, ist Muse der erste Kandidat für die „iBook-Position“, dessen Durchhaltevermögen allerdings noch unbewiesen ist. Zudem sind die Felder durchlässig: Muse lebt in einer Chat-Oberfläche, und Microsoft 365 Copilot bietet einen Schalter, der vom Chat direkt zu Cowork führt. Ich würde die Tool-Matrix daher als Momentaufnahme betrachten (meine Vermutung: Sie wird die nächsten 6 Monate nicht unverändert überstehen).



Image


Ihre Matrix: Team oder Organisation, Chatbot oder AgentIm beruflichen Umfeld ist niemand ein Consumer, und die Organisation kauft die Tools ohnehin. Deshalb beschreiben die Spalten den Kontext und die Entscheidungsrechte, die eine Arbeit erfordert. Zwei Fragen ordnen jeden Anwendungsfall einem Feld zu:Welche Befugnis hat die KI nach der Anfrage? Liefert sie Material, das ein Mensch verwendet, handelt es sich um einen Chatbot-Anwendungsfall. Führt sie eine klar begrenzte Aufgabe über mehrere Schritte oder Systeme hinweg aus, mit festgelegten Prüf- und Freigabepunkten, handelt es sich um einen Agenten-Anwendungsfall. Was den Vorgang auslöst, spielt keine Rolle: Ein Entwickler kann einen Agenten anweisen, eine Änderung umzusetzen, und ein Zeitplan kann eine schlichte Zusammenfassung auslösen.Wer muss mitwirken, freigeben oder reagieren? Kann ein einzelnes Produktteam, einschließlich der produktverantwortlichen Person, die Arbeit verstehen und umsetzen, handelt es sich um einen Team-Anwendungsfall. Müssen mehrere Teams oder Unternehmensfunktionen eingebunden werden, handelt es sich um einen Organisations-Anwendungsfall. 



Image


Typische Anwendungsfälle, die mir dazu einfallen, sind:Team-ChatbotDie Notizen aus dem Sprint Planning, dem Sprint Review oder der Retrospektive zusammenfassen, einschließlich einer planmäßig erstellten Zusammenfassung, die ein Mensch vorab liest, bevor jemand danach handelt.Einen Produkt-Backlog-Eintrag vor dem Refinement auf Unklarheiten und fehlende Akzeptanzkriterien prüfen.Testfälle aus Akzeptanzkriterien entwerfen.Eine Retrospektive zu einem konkreten Teamproblem gestalten.Legacy-Code oder Fachbegriffe für ein neues Teammitglied erklären.Voraussetzung: Ein Praktiker mit Urteilsvermögen, der die KI-Nutzung für das Team sichtbar macht.Wo es scheitert: Durch private, unsichtbare Nutzung, zum Beispiel ein Product Owner, der Produkt-Backlog-Einträge generiert, statt mit Stakeholdern zu sprechen.Team-AgentNach jedem Event die vereinbarten Maßnahmen herausziehen, jede mit ihrer verantwortlichen Person abstimmen und nur die freigegebenen Punkte dort veröffentlichen, wo das Team arbeitet.Einen gut spezifizierten Produkt-Backlog-Eintrag umsetzen und einen Pull Request eröffnen, den die Entwickler anhand der Definition of Done und der Entwicklungsstandards prüfen.Das Produkt-Backlog wöchentlich auf veraltete, doppelte oder noch nicht verfeinerte Einträge prüfen und dem Product Owner Änderungen vorschlagen.Die Codebasis des Teams jede Nacht auf verwundbare Abhängigkeiten prüfen und Korrekturen als Entwurf anlegen.Release Notes zu den ausgelieferten Änderungen veröffentlichen, sobald der Product Owner den Entwurf freigegeben hat.Voraussetzung: Ein benannter Prüfstandard für jedes Ergebnis und ausreichende Prüfkapazität, um ihn anzuwenden. (Kapazität meint hier Menschen, denn ein Ansatz, der allein auf „LLM-as-a-Judge“ setzt, ist heikel.)Wo es scheitert: Die Ergebnisse wachsen schneller als die Prüfkapazität des Teams, und die Freigabe schrumpft auf einen Klick.Organisations-ChatbotIn den Dokumenten der Organisation fragen: „Wer hat X entschieden, wann und warum?“In Erfahrung bringen, welche Teams an etwas arbeiten, das mit einem bestimmten Unternehmensziel zusammenhängt.Governance- und Compliance-Fragen klären, zum Beispiel ob Kundendaten in einem Experiment verwendet werden dürfen.Vergangene Quartalsreviews vor einer Strategiesitzung zusammenführen.Die eigene Nutzer- und Marktforschung der Organisation abfragen.Voraussetzung: aktuelle, gepflegte Dokumentation und klare Berechtigungen.Wo es scheitert: Der Chatbot findet, was die Organisation aufgeschrieben hat, einschließlich aller veralteten und widersprüchlichen Seiten.Organisations-AgentEine tägliche Zusammenfassung des Kundenfeedbacks und der Supportanfragen der letzten 24 Stunden erstellen, sie mit der Produkt-Roadmap abgleichen und Lücken sowie sich abzeichnende Muster für einen Bericht an die Produktleitung auflisten.Die Pläne aller Teams auf Abhängigkeiten prüfen, bevor daraus Blockaden entstehen.Einen wöchentlichen Portfoliobericht aus der tatsächlichen Arbeit erstellen statt aus Statusmeetings.Auffälligkeiten bei der Produktnutzung an das zuständige Team weiterleiten.Veröffentlichungen der Wettbewerber verfolgen und mit der Roadmap abgleichen.Voraussetzung: aktuelle Daten aus mehreren Quellen, klare Entscheidungsrechte und eine Governance darüber, was der Agent unbeaufsichtigt tun darf.Wo es scheitert: Automatisiertes Reporting ersetzt das Gespräch, und die Lückenlisten der Agenten mutieren stillschweigend zur Strategie.Welche Felder leer bleiben solltenJobs nutzte seine Matrix, um Produkte einzustellen, und die Matrix eines agilen Praktikers sollte dasselbe leisten. Fragen Sie zuerst, ob eine KI die Aufgabe überhaupt anfassen sollte, denn ein Skript, eine Checkliste oder ein zehnminütiges Gespräch erledigt sie oft besser (das ist die erste Frage des A3 Delegation System; siehe unten). Benennen Sie dann, bevor ein Anwendungsfall in ein Agenten-Feld wechselt, vier Dinge:Standard: Was als gutes Ergebnis gilt.Verantwortliche Person: Die Person, die für das Ergebnis geradesteht.Berechtigungen: Was der Agent lesen, ändern und versenden darf.Prüfaufwand: Wer das Ergebnis prüft, wie oft und zu welchen Kosten.Können Sie nicht alle vier benennen, delegieren Sie die Aufgabe nicht an einen Agenten. Lassen Sie stattdessen einen Menschen die Arbeit verantworten oder lassen Sie die KI ganz außen vor. Dieser Test deckt auch eine teure Abkürzung auf: Eine Führung, die mit dem Feld Organisations-Agent beginnt, weil sie zuerst Sichtbarkeit will (Dashboards sind sehr gefragt), läuft Gefahr, die agilen Transformationen zu wiederholen, die mit Tooling und Reporting begannen. Wir erinnern uns, wie das endete.Der Standard hängt vom Ergebnis ab. Deshalb decken die Definition of Done und die Entwicklungspraktiken zwar Code ab, aber nicht jedes Arbeitsergebnis eines Agenten:Code, der einen Produkt-Backlog-Eintrag umsetzt:Prüfstandard: Die Definition of Done und vereinbarte Entwicklungspraktiken.Wer gibt frei: Die Entwickler.Maßnahmen aus einem Event:Prüfstandard: Jede verantwortliche Person bestätigt ihren Punkt.Wer gibt frei: Die jeweils verantwortliche Person.Release Notes:Prüfstandard: Korrektheit gegenüber den ausgelieferten Änderungen und ein Ton, der zum Publikum passt.Wer gibt frei: Der Product Owner.Feedback-Zusammenfassung und Lückenliste:Prüfstandard: Benannte Quellen und markierte, nicht belegte Aussagen.Wer gibt frei: Die für die Zusammenfassung verantwortliche Person.Portfoliobericht:Prüfstandard: Zahlen, die sich auf die tatsächliche Arbeit zurückführen lassen.Wer gibt frei: Wer den Bericht nach oben weitergibt.Ein Anwendungsfall in zwei FeldernNehmen Sie zum Beispiel die Feedback-Zusammenfassung und belassen Sie sie in der Spalte „Organisation“. Im Chatbot-Anwendungsfall bittet jemand aus der Produktleitung Claude darum, die Supporttickets und Umfragekommentare der vergangenen Woche mit der Roadmap abzugleichen, und entscheidet anschließend, welche Erkenntnisse ein Gespräch mit den Teams verdienen. Im Agenten-Anwendungsfall sammelt ein Agent jeden Morgen Feedback aus denselben Quellen, gleicht es mit der Roadmap ab und liefert regelmäßig eine Liste der (vermeintlichen) Lücken in der Produktplanung.In unserem Beispiel bleiben Quellen und Spalte dieselben, doch der Wechsel erfordert neue Befugnisse, neue Verantwortlichkeiten und eine neue Prüfung. Jemand muss die Quellen verantworten und festlegen, was als Lücke gilt. Hinzu kommen die Prüfung von Aussagen, die nicht durch die Daten gestützt werden, sowie die Entscheidung darüber, wann die Zusammenfassung pausiert. Der Agent darf sammeln und abgleichen. Ob eine Lücke Aufmerksamkeit verdient, bleibt dagegen eine Frage der Produktstrategie, und die Verantwortung für diese Entscheidung liegt bei Menschen. Das ist die Regel für alle vier Felder: Eine KI darf klar begrenzte Arbeit vorbereiten oder ausführen, und Menschen behalten die Entscheidungen und die Verantwortung, die für diese Arbeit festgelegt sind. Wenn niemand die genannten Aufgaben übernehmen kann, lassen Sie das Agenten-Feld leer.Fazit zur Jobs-Matrix für KI: Finden Sie Ihr leeres FeldNehmen Sie die KI-Nutzung Ihres Teams aus der vergangenen Woche und ordnen Sie jeden einzelnen Fall einem der vier Felder zu. Bleibt ein Feld leer, spiegelt das eine Entscheidung über Kapazität und Befugnis wider. Klären Sie also, warum es leer ist: Hat sich noch niemand darum gekümmert, oder könnte niemand es verantworten, wenn Sie es füllen würden?Die wichtigsten Fragen, die dieser Artikel beantwortetWas war Steve Jobs’ 2×2-Produktmatrix bei Apple?Steve Jobs’ Produktmatrix war ein Raster aus zwei mal zwei Feldern, das er 1997 zeichnete, um Apples Produktpalette auf vier Computer zu reduzieren: Consumer und Pro in den Spalten, Desktop und Portable in den Zeilen. Laut Walter Isaacson stellte Apple alles außerhalb der vier Felder ein. Bis 1998 besetzten iMac, Power Macintosh G3 und PowerBook G3 drei Felder, und das iBook füllte im Juli 1999 das Feld für tragbare Consumer-Geräte.Worin unterscheiden sich ein KI-Chatbot und ein KI-Agent?Der Unterschied liegt in der Befugnis, die eine KI nach der auslösenden Anfrage hat. Ein Chatbot liefert Material, das ein Mensch liest und dessen Verwendung er selbst bestimmt. Ein KI-Agent führt eine klar begrenzte Aufgabe über mehrere Schritte oder Systeme hinweg aus, mit festgelegten Prüf- und Freigabepunkten. Ein Entwickler kann einen Agenten bitten, eine Änderung umzusetzen, und ein Zeitplan kann eine schlichte Zusammenfassung des Chats auslösen.Wie können agile Teams ihre KI-Anwendungsfälle einordnen?Agile Teams können KI-Anwendungsfälle in eine 2×2-Matrix einordnen, die sich an Steve Jobs’ Produktraster von 1997 orientiert. Die Spalten fragen, wer mitwirken, freigeben oder reagieren muss: ein Scrum-Team einschließlich Product Owner beziehungsweise Produktmanager oder mehrere Teams und Funktionen. Die Zeilen fragen, welche Befugnis die KI hat: Material liefern (Chatbot) oder eine klar begrenzte Aufgabe ausführen (Agent). Die Zusammenfassung einer Retrospektive ist ein Fall für das Feld Team-Chatbot; eine tägliche, mit der Roadmap abgeglichene Feedback-Zusammenfassung ist ein Fall für das Feld Organisations-Agent.Wann sollte ein Team eine Aufgabe an einen KI-Agenten delegieren?Ein Produktteam sollte eine Aufgabe nur dann an einen KI-Agenten delegieren, wenn es vier Dinge benennen kann: den Standard für ein gutes Ergebnis, die verantwortliche Person, die Berechtigungen des Agenten zum Lesen, Ändern und Versenden sowie den Prüfaufwand. Fehlt eines davon, verantwortet ein Mensch die Arbeit, oder die KI bleibt außen vor.Muss jedes Feld einer Matrix in KI-Anwendungsfällen gefüllt sein?Nicht unbedingt, denn ein leeres Feld kann eine fundierte Entscheidung über Kapazität und Befugnis widerspiegeln. Apples Feld für tragbare Consumer-Geräte blieb leer, bis im Juli 1999 das iBook erschien, und jeder konnte sehen, was fehlte. In einer agilen Organisation sollte das Feld Organisations-Agent leer bleiben, wenn niemand die Quellen verantworten, festlegen, was als Lücke gilt, nicht belegte Aussagen prüfen und über eine Pause des Agenten entscheiden kann.

Схожие новости

#	Наименование новости	Тональность	Информативность	Дата публикации
1	The Jobs Matrix for AI: Four Boxes Instead of Forty Tools	0	7.17	27-09-2026
2	KI-Transformationen und agile Transformationen gleichen sich 🇩🇪	0	9.28	10-09-2026
3	KI auf einem dysfunktionalen System (1): Das Produkt-Backlog 🇩🇪	0	8.42	24-09-2026
4	Cada vez más programadores coinciden sobre su futuro a causa de la IA: "Lo único que hacemos es pulsar Enter"	0	5.62	24-09-2026
5	ИИ уже меняет не только разработку, но и тестирование, аналитику ...	0	7.15	28-09-2026
6	"Mi Dot es básicamente una extensión de mí": OpenAI quiere que dejemos de hablar con la IA y empecemos a delegarle nuestra vida	0	6.66	30-09-2026
7	3 Skills That Will Matter More in the Age of AI	0	11.48	23-09-2026
8	Künstliche Intelligenz: Warum Misstrauen gegenüber KI-Slop Führung schwächt	0	13.87	27-09-2026
9	Почему нельзя отдавать 100% мышления ИИ: ловушка слепого доверия к AI-ассистентам	0	7.82	26-09-2026
10	Jobs der Woche | KW 40: Recht trifft Technologie, Wirtschaft und Verantwortung	0	9.84	01-10-2026

Классификация: Мнения. Схожих патентов: 0. Схожих новостей: 10. Тональность: 0. Информативность: 14.17. Источник: www.scrum.org.