adesso Blog

Eine Frage, die gerade sehr oft gestellt wird: Braucht man eigentlich noch Scrum Master?

Die Frage ist unangenehm, aber sie ist berechtigt. Sie kommt aus zwei Richtungen gleichzeitig: aus dem Kostendruck, der agile Rollen ohne unmittelbar sichtbaren Output zuerst hinterfragt, und aus dem KI-Hype, der derzeit jede Rolle in der Softwareentwicklung neu bewertet.

Und der Anlass ist real. Wo früher ein Team aus sieben bis zehn Entwicklerinnen und Entwicklern an einem Produktinkrement gearbeitet hat, arbeiten heute in manchen Kontexten zwei Entwickler mit mehreren KI-Agenten. Die Menge an produziertem Code ist nicht das Problem. Die Zahl der Teammitglieder, die man koordinieren muss, sinkt dagegen deutlich. Wenn die Kernaufgabe eines Scrum Masters darin bestand, Koordination und Kommunikation in einem großen Team zu organisieren, dann schrumpft diese Aufgabe messbar.

Meine These vorweg: Die Rolle verschwindet nicht. Sie verlagert sich. Und zwar an genau die Stellen im Sprint, die vorher am wenigsten Aufmerksamkeit bekommen haben.


Das klassische Berufsbild – und warum es funktioniert

Bevor wir über Veränderung sprechen, lohnt der Blick auf das, was eigentlich im Scrum Guide steht. Der Scrum Master dient dort drei Adressaten. Dem Scrum Team: Er coacht in Richtung Selbstorganisation und funktionsübergreifende Arbeit, hilft dem Team, sich auf hochwertige Increments zu fokussieren, beseitigt Hindernisse und moderiert die Scrum-Events, soweit das nötig oder gewünscht ist. Dem Product Owner: Er unterstützt bei wirksamem Backlog-Management, hilft beim Verständnis von Produktplanung in einem empirischen Umfeld und fördert die Zusammenarbeit mit den Stakeholdern. Der Organisation: Er coacht bei der Scrum-Einführung, hilft Mitarbeitenden und Stakeholdern, empirisches Produktmanagement zu verstehen, und räumt Barrieren zwischen Stakeholdern und Teams aus dem Weg.

Eine der wirksamsten und am häufigsten unterschätzten Aufgaben ist dabei der Schutz des Teams: keine Störungen von außen, keine neuen Aufgaben mitten im Sprint, kein Durchgreifen über die Köpfe des Teams hinweg.

Das ist kein Prozess-Formalismus. Es ist die direkte Umsetzung des Agilen Manifests. „Individuen und Interaktionen über Prozesse und Werkzeuge“ bedeutet Coaching statt Tool-Verwaltung. „Reagieren auf Veränderung über das Befolgen eines Plans“ bedeutet, das Team vor Überplanung zu schützen.

Das ist der Punkt, den man in der KI-Diskussion nicht aus dem Blick verlieren darf: Die Rolle war nie an eine bestimmte Teamgröße gebunden. Sie war immer an ein Wertesystem gebunden. Wer die Rolle nur über Stand-up-Moderation und Jira-Pflege definiert hat, sieht sie jetzt zu Recht bedroht. Wer sie über Wirkung im System definiert hat, sieht sie eher wachsen.


Was sich durch KI wirklich verändert

Die interessanteste Verschiebung betrifft nicht die Frage, ob KI Meetings protokollieren kann. Sie liegt darin, wo im Sprint das Risiko sitzt.

Bisher lag der Schwerpunkt der Aufmerksamkeit auf der Umsetzung. Dort wurde geschätzt, dort wurde kommuniziert, dort wurde nachgesteuert, dort entstanden die Blocker. Genau dieser Teil wird durch KI-gestützte Entwicklung schneller und billiger – und damit weniger kritisch.

Das Risiko wandert stattdessen an die Ränder des Sprints:

Nach vorne, in die Definition. Eine KI setzt um, was in der Anforderung steht – nicht, was gemeint war. Eine vage User Story führte früher zu einer Rückfrage im Daily. Heute führt sie zu funktionierendem Code, der das falsche Problem löst. Qualität in der Anforderungsdefinition ist damit von einer Tugend zu einer harten Voraussetzung geworden. Der Fehler in einer schlecht formulierten Story kostete früher eine halbe Stunde Klärung – heute kostet er einen Sprint, weil das Ergebnis auf den ersten Blick sauber aussieht, aber falsch ist.

Nach hinten, in den Test. Wenn Umsetzung schnell und günstig ist, wird die Prüfung zum Nadelöhr. Die Frage ist nicht mehr „ist es fertig?“, sondern „ist es das, was wir gemeint haben?“. Das lässt sich nicht an die Instanz delegieren, die es gebaut hat. Automatisierte Tests, die von derselben KI geschrieben werden, die den Code produziert hat, sind keine unabhängige Prüfung – sie sind eine Selbstbestätigung.

Damit ändert sich, wo ein Scrum Master hinschauen muss. Nicht mehr primär in die Mitte des Sprints, sondern auf dessen Anfang und Ende.


Was KI heute schon übernimmt

Ein realistischer Blick auf den Ist-Zustand: KI übernimmt heute zuverlässig die Protokollierung von Meetings, das Erfassen von Entscheidungen und Action Items, das Anlegen und Aktualisieren von Tickets, das Schreiben von Stakeholder-Recaps sowie das Tracking von Sprint-Fortschritt und Status. Auch das Vorbereiten von Retros mit Stimmungsbildern, Themenclustern und Vorschlägen für Diskussionspunkte gehört inzwischen dazu.

Dazu kommt eine neue Fähigkeit: Muster- und Frühwarnerkennung. KI kann Diskussionen über mehrere Events hinweg auswerten und Blocker sichtbar machen, bevor sie einen Sprint gefährden. Sie erkennt, dass ein Thema in drei aufeinanderfolgenden Dailies erwähnt wurde, ohne dass eine Entscheidung fiel – ein Muster, das ein Mensch in der operativen Hektik leicht übersieht.

Praxisberichte sprechen von rund 40 Prozent weniger Zeitaufwand für administratives Tracking. Entscheidend ist, was mit dieser Zeit passiert. Bei denen, die es richtig machen, fließt sie direkt zurück ins Coaching. Bei denen, die es falsch machen, wird sie einfach eingespart – und die Rolle wirkt am Ende überflüssig, weil sie selbst nur noch das getan hat, was ohnehin automatisiert wird.


Was KI nicht kann

Und hier wird es unangenehm ehrlich. Alles, was übrig bleibt, ist genau der Teil der Rolle, der sich nie gut messen ließ.

KI kann keinen Konflikt lösen. Vertrauen kann sie nicht aufbauen. Den Raum lesen kann sie nicht – sie merkt nicht, dass jemand in der Retrospektive schweigt, obwohl er etwas zu sagen hätte. Eine situative Entscheidung, die im Moment richtig ist, im Prozess aber nicht vorgesehen war, trifft sie nicht. Eine ethische Abwägung ist ihr völlig fremd. Und sie kann nicht einschätzen, wann ein Team eine Pause braucht, wann ein Stakeholder überfordert ist oder wann ein „Ja“ in Wahrheit ein resigniertes „egal“ bedeutet. Genau diese Signale entscheiden darüber, ob ein Team liefert oder nur noch abarbeitet.


Die neue Rolle

Aus all dem ergibt sich ein verschobenes Berufsbild.

Der Scrum Master wird vom Prozess-Wächter zum Facilitator der Zusammenarbeit zwischen Team und KI. Er sorgt dafür, dass das Team KI produktiv nutzt, ohne die eigene Urteilsfähigkeit abzugeben. Er stellt Fragen, die die KI nicht stellt: Warum machen wir das? Für wen? Was passiert, wenn wir uns irren?

Sein Fokus liegt deutlich stärker auf Anforderungsqualität. Definition of Ready und Akzeptanzkriterien sind keine Formalitäten mehr, die man im Zweifel weglässt. Sie sind der Hebel, an dem die Qualität des gesamten Sprints hängt. Refinement-Sessions werden zum wichtigsten Event im Sprint – nicht das Daily.

Er verlagert seine Aufmerksamkeit auf den Test und auf die Frage, ob die Anforderung tatsächlich erfüllt wurde. Das schließt explorative Tests, Nutzertests und die kritische Prüfung KI-generierter Testfälle mit ein.

Und er trägt eine neue Verantwortung für Transparenz, Fairness und ethische Leitlinien in KI-gestützten Prozessen – eine Aufgabe, die es in dieser Form im Scrum Guide noch nicht gibt. Welche Daten fließen in welches Modell? Welche Entscheidung wird an eine KI delegiert – und welche nicht?


Was heißt das konkret?

Für Scrum Master, die ihre Rolle jetzt neu ausrichten wollen, sind drei Schritte zentral:

  • Refinement zur Chefsache machen. Mehr Zeit, klarere Akzeptanzkriterien, Beispiele statt Abstraktionen, explizite Negativfälle.
  • Test unabhängig aufstellen. Wer prüft, darf nicht die gleiche Instanz sein, die gebaut hat – das gilt auch für KI-Agenten.
  • KI-Nutzung im Team reflektieren. In der Retro nicht nur fragen „Was lief gut?“, sondern auch „Wo haben wir der KI zu schnell vertraut?“.


Fazit

KI ersetzt die Scrum-Master-Rolle nicht. Sie verstärkt sie – aber asymmetrisch. Es muss gelingen, die 40 Prozent Zeitgewinn an die richtige Stelle im Scrum-Prozess zu „reinvestieren“, um die neuen Anforderungen und die Veränderung durch KI zu bewältigen. Wer diese Zeit ins Coaching, in Refinement und in unabhängige Prüfung steckt, macht die Rolle unverzichtbarer als je zuvor. Wer sie einfach einspart, bestätigt genau das Vorurteil, das die Rolle heute in Frage stellt.

Wie definierst du deine Rolle im Moment – über das, was KI ohnehin bald besser kann, oder über das, was sie nie können wird?

Bild Olaf Boczan

Autor Dr. Olaf Boczan

Dr. Olaf Boczan leitet ein Team von Softwareentwicklern im Bereich Automotive bei adesso in München. Sein Fachgebiet umfasst die strategische Umsetzung digitaler Transformationsprojekte, den Einsatz agiler Methoden im Projektmanagement sowie die Integration von KI in Projektmanagementprozesse. Mit seiner langjährigen Erfahrung in der IT-Beratung unterstützt er Unternehmen dabei, ihre Geschäftsprozesse zu digitalisieren.

Kategorie:

Branchen

Schlagwörter:

Scrum

Künstliche Intelligenz (KI)


asdf

Unsere Blog-Beiträge im Überblick

In unserem Tech-Blog nehmen wir Sie mit auf eine spannende Reise durch die adesso-Welt. Weitere interessante Themen finden Sie in unseren bisherigen Blog-Beiträgen.

Zu allen Blog-Beiträgen

asdf

Unser Newsletter zum adesso Blog

Sie möchten regelmäßig unser adesso Blogging Update erhalten? Dann abonnieren Sie doch einfach unseren Newsletter und Sie erhalten die aktuellsten Beiträge unseres Tech-Blogs bequem per E-Mail.

Jetzt anmelden