Ein Team, eine Produktverantwortung. Kein Flaschenhals. Das war schon 2009 die Idee bei sipgate, lange bevor jemand das Wort KI im Büro in den Mund genommen hat. Zwischen 2004 und 2009 ist unsere Belegschaft stark gewachsen, die klassische Linienorganisation kam damit nicht mehr klar. Abteilungen schoben sich Aufgaben zu, Entscheidungen versandeten zwischen Zuständigkeiten. Unsere Antwort darauf war die komplette Umstellung auf Scrum und cross-funktionale Teams.
Dieses Grundprinzip trägt bis heute: ein Team, ein Produkt. Entwicklung, Design und Produktmanagement an einem Tisch. Niemand wartet auf die Freigabe einer anderen Abteilung. KI hat daran nichts geändert. Verändert hat sich allerdings, wer jetzt in diesem Team sitzt.
Kleiner wird zum Standard
Fünf bis neun Personen galten lange als Richtwert für ein funktionierendes Team bei sipgate. Diese Zahl rutscht gerade nach unten. Und das liegt nicht daran, dass weniger zu tun wäre. Es liegt daran, dass KI bestimmte Rollen übernehmen kann, die früher dauerhaft besetzt sein mussten, obwohl sie nur selten gebraucht wurden. Eine punktuelle Datenauswertung braucht heute keinen eigenen Platz mehr im Team. Sie braucht nur noch jemanden, der das Ergebnis richtig einordnen kann.
Mit dieser Beobachtung stehen wir nicht allein da. Gartner prognostiziert, dass bis 2029 rund 60 Prozent aller Organisationen in großem Maßstab auf solche verkleinerten Engineering-Teams umstellen werden. Aktuell liegt dieser Wert bei 15 Prozent. Vier bis fünf Mitglieder sind für solche Teams demnach schon üblich, manche kommen mit zwei oder drei aus. Analystin Aliyah Camacho stellt dabei klar: Es geht nicht um Kostensenkung. Es geht darum, Teams so umzubauen, dass menschliche und maschinelle Stärken optimal zusammenspielen. Dafür übernimmt jede(r) mehr Verantwortung für Geschäftsziele, Produktentscheidungen und die Steuerung der eigenen AI-Agenten.
Warum Fachwissen jetzt wichtiger wird
Weniger Köpfe im Team heißt aber nicht, dass Spezialwissen an Bedeutung verliert. Im Gegenteil. Je überzeugender KI-generierte Arbeit auf den ersten Blick wirkt, desto größer ist die Gefahr, sie ungeprüft durchzuwinken. Ein Funktionsentwurf, der im Review glattläuft, aber in drei Monaten niemand mehr anfassen will. Ein Marketingtext, der druckreif klingt und trotzdem am Publikum vorbeigeht. Ein Interface, das in der Demo überzeugt und in der Praxis an der ersten echten Nutzeraufgabe scheitert. Solche Schwachstellen fallen nur jemandem auf, der das jeweilige Handwerk tatsächlich beherrscht. Nicht der KI, die den Entwurf geliefert hat.
Dass es sich dabei nicht um ein sipgate-spezifisches Gefühl handelt, zeigt der Developer Survey 2025 von Stack Overflow, für den über 49.000 Entwickler:innen weltweit befragt wurden. 45 Prozent nennen den Umgang mit KI-Lösungen, die "fast richtig, aber nicht ganz" sind, ihre größte Frustration im Arbeitsalltag. 66 Prozent sagen, sie verbringen inzwischen mehr Zeit mit dem Nachbessern solcher "fast richtigen" KI-Ergebnisse als früher mit dem eigenen Schreiben. Das Vertrauen in die Genauigkeit von KI ist von 40 Prozent in den Vorjahren auf 29 Prozent in diesem Jahr gefallen. Und 75 Prozent holen sich bei wichtigen, unklaren Fragen weiterhin lieber eine zweite menschliche Meinung. Diese Zahlen sollen nicht über die Technik urteilen. Vielmehr sind sie ein Beleg dafür, wie viel Prüfung noch gebraucht wird, und von wem.
Genau deshalb landet bei uns kein KI-generiertes Ergebnis ungeprüft im Produkt oder auf der Website. Das läuft über Communities oder eigens angesetzte Preview-Termine. Immer mit den Fachleuten im Raum, die in kleineren Teams eigentlich knapper werden müssten und gerade deshalb unverzichtbar bleiben.
Rollen, die es vor zwei Jahren nicht gab
Daneben beobachten wir noch etwas anderes: Mit KI entstehen Aufgaben, für die es bei uns noch keine sauber zugeschnittene Rolle gibt. Wer verantwortet die Qualität der Daten, mit denen die Modelle arbeiten? Wer behält den Überblick über die eingesetzten KI‑Agenten? Wer sorgt dafür, dass Prompts und Workflows teamübergreifend nicht jeder neu erfindet? Diese Fragen stellten sich vor zwei Jahren schlicht nicht, weil es die dafür nötige Technik in diesem Ausmaß noch gar nicht gab.
Fertige Antworten haben wir darauf bisher nicht, eher ein wachsendes Gespür für die richtigen Fragen. Die Teams schrumpfen, und parallel dazu verschiebt sich, was sie eigentlich können müssen.
Dieser Beitrag ist Teil einer Reihe zu unserem Buch „21 Work Hacks … für eine erfolgreiche Agentic Transformation“ von Tim Mois, das bei Amazon bestellbar ist.
