KI und User Stories: Was ein Agent wirklich schreiben kann

Was ein Agent tatsächlich aus einem Epic erzeugt

Ein Epic sagt selten alles. „Nutzern ermöglichen, ihre Rechnungen zu verwalten“ präzisiert weder die Randfälle noch die betroffenen Rollen noch das, was im Fehlerfall passiert. Genau hier ist ein KI-Agent nützlich: Er verwandelt eine vage Absicht in eine Liste möglicher Stories, jede mit einer Rolle, einer Aktion und einem Nutzen.

Bei einem Rechnungs-Epic erzeugt ein Agent typischerweise: eine Rechnung erstellen, sie versenden, sie stornieren, sie duplizieren, einen Auszug exportieren. Er schlägt auch Akzeptanzkriterien vor wie „gegeben ein Kunde ohne Rechnungsadresse, wenn ich versuche zu senden, dann erscheint eine Fehlermeldung“. Diese Entwürfe sind nicht endgültig. Sie sind ein Ausgangspunkt zum Korrigieren, keine anzuwendende Wahrheit.

Der Wert liegt in der Geschwindigkeit des ersten Entwurfs. Fünf Stories von Hand zu schreiben kostet ein Meeting. Sie von einem Agenten vorschlagen zu lassen dauert ein paar Minuten, die Sie anschließend mit Entscheiden verbringen.

Was in menschlicher Verantwortung bleibt

Ein Agent weiß nicht, was eine Story für Ihr Produkt wert ist. Er kennt weder Ihren Markt noch Ihre Compliance-Vorgaben noch das, was Ihr Team in diesem Sprint aufnehmen kann. Drei Entscheidungen bleiben menschlich.

Die Priorität

Ein Agent kann eine Reihenfolge vorschlagen. Er kann nicht zwischen einer von einem Großkunden geforderten Funktion und technischer Schuld, die Auslieferungen blockiert, abwägen. Diese Abwägung betrifft Kosten, die der Agent nicht sieht.

Der Umfang

Ein Agent neigt dazu, alles aufzunehmen: Randfälle, Optionen, Parametrierungen. Ihre Aufgabe besteht oft darin, zu kürzen. Eine Story, die in einen Satz passt, ist nützlicher als eine erschöpfende Story, die niemand fertigstellt.

Wirklich testbare Akzeptanzkriterien

Ein Kriterium wie „die Oberfläche muss intuitiv sein“ ist nicht testbar. Ein Kriterium wie „wenn der Betrag das Limit überschreitet, wechselt die Rechnung in den Status zu prüfen“ ist testbar. Die menschliche Prüfung betrifft vor allem diesen Punkt: Jedes Kriterium muss ein beobachtbares Verhalten beschreiben.

Wo der Agent in den Arbeitsablauf eingreift

Ein Agent muss nicht überall sein. Er ist an drei präzisen Momenten des Zyklus nützlich.

1. Bei der Erstellung des Epics. Sie beschreiben die Absicht, der Agent schlägt eine Aufteilung in Stories mit Rollen und Nutzen vor.
2. Beim Schreiben der Kriterien. Für jede ausgewählte Story schlägt der Agent Szenarien im Format gegeben / wenn / dann vor.
3. Beim Sprint-Review. Der Agent kann Stories ohne Akzeptanzkriterien melden oder Kriterien, die kein beobachtbares Ergebnis nennen.

Außerhalb dieser Momente bringt der Agent nicht viel. Ihn kontinuierlich Stories generieren zu lassen, erzeugt Lärm im Backlog.

Ein Rahmen, damit die KI nicht in alle Richtungen läuft

Wenn mehrere Personen einen Agenten am selben Projekt nutzen, geht die Kohärenz schnell verloren. Ein KI-gestütztes Entwicklungs-Framework beantwortet dieses Problem, indem es den Zyklus in Phasen organisiert — Spezifikation, Design, Code, Deployment — mit Ordnern, Vorlagen und Agent-Anweisungen, die kodieren, was wann zu prüfen ist.

Das Prinzip ist, dass das gesamte Projektwissen im Repository lebt, versioniert, für den Agenten ohne externes Werkzeug zugänglich. Ein solcher Rahmen existiert als zu kopierende Repository-Vorlage, beschrieben im Projekt AI SDLC Framework. Er wird nicht wie eine Bibliothek installiert: Er wird übernommen, indem man ihn in Ihr Repository kopiert, dann steuern seine Vorlagen die Art und Weise, wie das Projekt entwickelt wird.

Zwei Ideen daraus lassen sich direkt auf das Schreiben von Stories übertragen. Erstens: Die Spezifikation ist am selben Ort wie der Code versioniert: Eine geänderte Story hinterlässt eine Spur. Zweitens: Die Entscheidungen des Agenten werden zur Prüfung aufgezeichnet, statt gelöscht — Sie können sehen, was er vorgeschlagen hat und warum.

Wie Ever Earlier in diesen Ablauf passt

Ever Earlier ist eine von New Vision of Apps herausgegebene Plattform für agiles Projektmanagement. Sie vereint Kanban-Boards mit anpassbaren Spalten, Sprints und Backlog, User Stories mit Priorität, Punkten und Akzeptanzkriterien sowie Tracking-Berichte: Burndown, Velocity, kumulativer Fluss, Gantt-Diagramm.

Der KI-Agent der Plattform generiert User Stories aus Epics. Konkret: Sie erfassen ein Epic, der Agent schlägt eine Aufteilung in Stories vor, die Sie prüfen, korrigieren, priorisieren und einem Sprint zuweisen. Der in die Anwendung integrierte Assistent Earlio begleitet diese Arbeit in der Oberfläche.

Der Vorteil, den Agenten im Werkzeug statt daneben zu haben: Die generierten Stories landen direkt im Backlog, mit denselben Feldern wie die anderen. Kein Kopieren und Einfügen aus einem Chat-Fenster, keine erneute Formatierung. Sie behalten die Kontrolle über Priorität und Umfang, der Agent übernimmt den ersten Entwurf.

Die Plattform ist in vier Oberflächensprachen verfügbar: Französisch, Englisch, Spanisch, Deutsch. Die Daten werden in der Europäischen Union gehostet, bei Übertragung und im Ruhezustand verschlüsselt, mit Zwei-Faktor-Authentifizierung per App und DSGVO-Konformität.

Drei häufige Fehler, wenn man einen Agenten Stories schreiben lässt

Ohne Prüfung veröffentlichen. Ein Agent erzeugt plausiblen Text, nicht richtigen Text. Eine Story, die korrekt erscheint, kann ein Verhalten beschreiben, das Ihr Produkt nie hatte.

Volumen mit Qualität verwechseln. Dreißig Stories für ein Epic zu generieren, macht das Backlog nicht besser. Es macht die Priorisierung schwieriger. Besser sind fünf gut gefasste Stories.

Den Agenten die Aufteilung entscheiden lassen. Ein Agent teilt oft nach Bildschirm oder Formularfeld auf. Ein Mensch teilt nach lieferbarem Wert auf. Der Unterschied zeigt sich beim Demo: Entweder zeigen Sie etwas Nutzbares oder Sie zeigen eine halbe Funktion.

In der Praxis: ein Ablauf in vier Schritten

Hier ist eine Abfolge, die für ein kleines Team funktioniert.

1. Sie schreiben das Epic in einem Satz, mit dem angestrebten Nutzerproblem.
2. Der Agent schlägt eine Aufteilung in Stories und Akzeptanzkriterien vor.
3. Sie prüfen: Sie löschen, Sie führen zusammen, Sie schreiben nicht testbare Kriterien um, Sie legen Priorität und Punkte fest.
4. Die ausgewählten Stories gehen in den Sprint. Die anderen bleiben im Backlog, ohne Verpflichtung.

Der Gewinn besteht nicht darin, die Schreibarbeit zu streichen. Er besteht darin, sie zu verschieben: weniger Zeit vor einem leeren Blatt, mehr Zeit für die Abwägung dessen, was zählt. Das ist eine nützliche Verschiebung, sofern man akzeptiert, dass die Prüfung verpflichtend bleibt.

Sie können diesen Ablauf an einem echten Projekt testen: Der Starter-Plan von Ever Earlier ist kostenlos, ohne Kreditkarte, mit 3 Projekten, 5 Mitgliedern, 20 User Stories, 50 Karten und 1 GB Speicher.