2026-10-20 · Projekt- und Teamführung
Aufwand schätzen, wenn der Code nicht mehr der Engpass ist
Ein Kunde wollte eine Schätzung für zwei Schritte und hatte 14 konkrete Fragen dazu. Bevor ich Tage gezählt habe, habe ich gemessen — und dabei ein Problem gefunden, das den Plan geändert hat.
Es ging um einen Datenexport: erst zuverlässig betreiben, dann in einen neuen Dienst überführen. Die 14 Fragen reichten von der Verzögerung über Lasttests bis zu Löschungen und Datenschema.
Erst messen
Zwei Untersuchungen liefen parallel und nur lesend: Messungen aus den Produktionslogs von fünf Tagen — Laufzeiten, Zeit pro Kunde, Verzögerung vom Auftrag bis zur Datei — und eine Analyse des Codes dreier Systeme entlang jeder Frage.
Dabei kam etwas Wichtigeres als jede Schätzung heraus: Der Export stürzte wiederholt wegen Speichermangels ab, weil ein grosser Feed als eine einzige Zeichenkette im Speicher zusammengebaut wurde. Das wurde zuerst behoben. Ein System zu «beschleunigen», das ohnehin abstürzt, wäre der falsche erste Schritt gewesen.
Dann die Architektur
Drei Wege standen zur Wahl: Datei wie bisher, Push jedes Fahrzeugs ins Portal oder Pull durch das Portal aus dem neuen Dienst. Zwei KI-Modelle kamen unabhängig auf Pull: Er nutzt die bereits laufende Logik «Änderungen seit lastchange» und passt zum Plan, die übrigen Datei-Feeds ebenfalls auf Pull umzustellen. Push braucht einen neuen Schreibpfad samt Abgleich, die Datei konserviert das alte Schema. Arbeit an der Beschleunigung des alten Exporters habe ich als Wegwerfarbeit verworfen.
Nach dem Engpass schätzen
Mit einem KI-Assistenten werden Code und Tests drei- bis fünfmal schneller. Abgleich mit echten Daten, Warten auf Läufe, Reviews und Rollouts dagegen kaum. Wer nach Codemenge schätzt, liegt daneben. Für die Überführung wurden aus klassisch 12 bis 17 Personentagen realistisch 5 bis 8.
Der Kunde bekam Antworten auf alle 14 Fragen, eine Empfehlung mit Reihenfolge und Zahlen. Und der Speicherfehler war behoben, bevor er überhaupt in einer Schätzung auftauchen musste.