Mensch & Organisation

Theory of Constraints im Agentic SDLC: Wohin wandert der Engpass?

Wenn AI Agents Design und Implementierung übernehmen, wird Software nicht automatisch schneller ausgeliefert. Der Engpass verschiebt sich – in den meisten Teams ins Review. Die Theory of Constraints erklärt, warum das passiert und wie Teams darauf reagieren, statt einfach mehr Code zu erzeugen.

Animation in drei Schritten: Ohne Agenten staut sich die Arbeit vor Implement. Mit Agenten wandert der Stau vor das Review. Bereiten Agenten das Review vor und begrenzt ein WIP-Limit die laufende Arbeit, fließt alles im Takt des Engpasses – Entscheidung und Verantwortung bleiben beim Menschen. Animation im Vollbild öffnen ↗

Das Wichtigste in Kürze

  • Jedes System hat genau einen Engpass, der den Durchsatz bestimmt. Optimierung an anderer Stelle erzeugt nur Warteschlangen.
  • Der klassische SDLC ist um die knappe Ressource Implementierung gebaut.
  • Coding Agents verschieben den Engpass ins Review – und damit zu Entscheidung und Verantwortung.
  • Die Antwort ist nicht mehr Output, sondern ein Prozess im Takt des Engpasses: Agenten bereiten vor, Menschen entscheiden.

Was ist die Theory of Constraints?

Die Theory of Constraints (ToC) geht auf Eliyahu M. Goldratt zurück, der sie 1984 in seinem Roman „The Goal“ (deutsch: „Das Ziel“) bekannt gemacht hat. Ihr Kern: Jedes System, das Arbeit in mehreren Schritten erledigt, hat genau einen Engpass. Dieser eine Schritt bestimmt den Durchsatz des gesamten Systems.

Daraus folgt eine unbequeme Einsicht: Wer einen Schritt beschleunigt, der nicht der Engpass ist, liefert am Ende nicht mehr aus. Er produziert nur mehr Arbeit, die vor dem Engpass wartet. Goldratt beschreibt deshalb fünf Fokussierungsschritte, mit denen man ein System gezielt verbessert:

  • Identifizieren: Den Schritt finden, vor dem sich die Arbeit staut.
  • Ausnutzen: Die Kapazität des Engpasses nur für das verwenden, was wirklich dort passieren muss.
  • Unterordnen: Alle anderen Schritte richten ihr Tempo nach dem Engpass – nicht nach ihrer eigenen Auslastung.
  • Erweitern: Erst dann die Kapazität des Engpasses erhöhen.
  • Wiederholen: Der Engpass wandert weiter. Der Prozess beginnt von vorn.

Heute ist die Implementierung der Engpass

Fast alles im klassischen Software Development Lifecycle ist darauf ausgelegt, die knappe Zeit der Entwickler:innen zu schützen: Schätzungen, Sprint-Planung, priorisierte Backlogs, ausführliches Refinement. Das ist vernünftig, solange die Umsetzung der langsamste Schritt ist. Vor ihr sammeln sich Tickets, alle anderen Schritte warten auf sie.

Die Animation zeigt genau diesen Zustand: Plan, Design, Review und Auslieferung sind vergleichsweise schnell. Vor Implement wächst der Stapel.

Mit AI Agents wandert der Engpass ins Review

Coding Agents setzen an der teuersten Stelle an. Design-Entwürfe und Implementierung entstehen in einem Bruchteil der Zeit. Der Durchsatz des Teams steigt trotzdem kaum – denn jetzt wartet die Arbeit vor dem Review. Prüfen, Abnehmen und die Verantwortung für eine Änderung übernehmen bleiben Aufgaben von Menschen.

Gleichzeitig leert sich der Feature-Backlog schneller als gewohnt. Die Frage „Was bauen wir als Nächstes – und ist es das Richtige?“ wird plötzlich ebenfalls knapp. Typische Symptome dieser Verschiebung:

  • Pull Requests liegen tagelang, die Review-Queue wächst.
  • Reviews werden flacher, weil niemand die Menge mehr Zeile für Zeile lesen kann.
  • Nacharbeit und Fehler tauchen erst nach dem Merge auf.
  • Das Team ist ausgelastet, aber die Durchlaufzeit sinkt nicht.

Im Takt des Engpasses arbeiten

Die naheliegende Reaktion – Agenten noch mehr Code schreiben lassen und das Review abkürzen – verschärft das Problem. Die fünf Fokussierungsschritte zeigen einen anderen Weg:

  • Identifizieren: Messen, wo Arbeit wartet: Liegezeit von Pull Requests und Länge der Review-Queue sagen mehr als die Zahl der erzeugten Commits.
  • Ausnutzen: Menschliche Review-Zeit nur für Entscheidungen verwenden. Agenten bereiten das Review vor: Zusammenfassung, betroffene Komponenten, Risiken, Testergebnisse und Struktursichten statt Textwänden.
  • Unterordnen: Ein WIP-Limit sorgt dafür, dass Agenten nicht mehr Arbeit beginnen, als das Review aufnehmen kann. Kleinere, klar spezifizierte Änderungen lassen sich schneller prüfen.
  • Erweitern: Die Review-Kapazität gezielt erhöhen: automatisierte Prüfungen, verlässliche Tests und mehr Menschen, die fachlich und technisch abnehmen können.
  • Wiederholen: Ist das Review entlastet, wird oft die Anforderungsseite zum nächsten Engpass. Dann gehören Research und Spezifikation in den Fokus.

Was das für Engineering-Teams bedeutet

Agentic Engineering verändert weniger, wie schnell getippt wird, als wo Menschen gebraucht werden. Die Arbeit verlagert sich vom Schreiben zum Spezifizieren, Prüfen und Entscheiden. Wer das ignoriert, misst Output und wundert sich über stagnierende Lieferzeiten.

Ein Team, das im Takt seines Engpasses arbeitet, liefert dagegen verlässlicher aus: Die Agenten erledigen die Vorarbeit, das Review bleibt gründlich, und Entscheidung und Verantwortung liegen dort, wo sie hingehören – beim Menschen.

Agentic Software Development Lifecycle

Den ganzen SDLC in drei Tagen.

Theory of Constraints ist eines von vielen Themen. Im Training bauen wir den vollständigen agentischen Workflow auf – von Kontext und Wissen über Skills und Reviews bis zu Sandboxing und Auslieferung. 3 Tage, Hamburg, 19.–21. Januar 2027.