Zwei halbe Tage hands-on: KI im Analysealltag – und der Schritt hinüber ins Engineering, bis ihr mit einem Entwicklungsagenten selbst einen Fix durchbringt. Ziel ist nicht, aus Analysten Entwickler zu machen, sondern den Abstand zwischen Analyse und Engineering zu schließen.
Business Analysten, Requirements Engineers und Product Owner, die künftig in kleinen Teams eng mit Entwicklern arbeiten und selbst mit Entwicklungsagenten umgehen.
2 × 4 h netto, kurze Impulse + viel Praxis, vor Ort oder remote
Analyse-Erfahrung ja, Programmiererfahrung nein. Terminal, Git und Repository-Grundlagen sind Inhalt des ersten Halbtags.
Nach zwei Halbtagen liest ein Consultant ein Repository, gibt eine Anforderung als Spezifikation an einen Agenten, prüft das Ergebnis – und bringt einen kleinen Fix selbst durch.
Tag 1 läuft in einem Chat-Assistenten eurer Wahl, ab Tag 2 arbeiten wir mit Claude Code am Lab-Projekt. Vermittelt werden die Konzepte, nicht das Produkt – bei anderen Assistenten heißen die Funktionen üblicherweise ähnlich.
Eine Anforderung ist erst dann verantwortlich übergeben, wenn ihr das Ergebnis selbst prüfen könnt. Seit Agenten den Umsetzungsteil übernehmen, liegt der Gegenstand dafür im Repository.
Schulung anfragenAgenten übernehmen einen wachsenden Teil der Umsetzung. Was davor und danach liegt, bleibt: spezifizieren und freigeben. Beides ist Analyse-Handwerk – es hat nur den Ort gewechselt.
Wo eine Anforderung wackelt, füllt ein Agent die Lücke selbst – vollständig, plausibel und am Bedarf vorbei. Was früher eine Rückfrage war, ist jetzt ein fertiges Feature.
Am Ende meldet der Agent, was er getan hat. Das ist ein Bericht, keine Prüfung – der Unterschied steht im Browser und im Diff. Dafür braucht es nicht die Fähigkeit, den Code selbst zu schreiben.
Das ist auch nicht das Ziel. Ihr arbeitet am selben Gegenstand wie die Entwickler und entscheidet an denselben Stellen – die Rolle bleibt eine andere.
Die Reihenfolge ist kein Zufall. Wer ein Repository nicht öffnen kann, kann auch nicht beurteilen, was ein Agent darin angerichtet hat – deshalb steht das Engineering vor dem Agenten.
Der Einstieg bleibt auf vertrautem Boden: User Story, Akzeptanzkriterien und ein PRD entstehen im Chat und werden danach gegengelesen. SQL, Reverse Engineering, Testdaten und ein Protokoll aus Rohnotizen fallen auf demselben Weg ab. Nach der Pause kommt der Bruch – Terminal, Git, ein Repository lesen, die Anwendung starten, ein Log lesen. Damit steht zugleich das Setup für den zweiten Halbtag.
Zuerst der Setup-Check: Das Lab läuft, der Agent antwortet – erst dann geht es los. Danach die beiden Grundlagen dafür, woran ein Agent scheitert: was ein Coding-Agent ist – ein Sprachmodell plus Harness – und was Tokens und Context Window damit zu tun haben. Der Rest ist Übung am CRM-Lab. PRD, Plan und Review sind die drei Stellen, an denen ihr entscheidet – dazwischen tippt der Agent.
Geübt wird an einem CRM-Lab – einem Übungsprojekt, das eine vollständige Anwendung ist: Frontend, Backend, Datenbank. Kein Zuschauer-Workshop: Auf jeden Impuls folgt eine Übung am eigenen Rechner, Theorie nur dort, wo sie die folgende Übung vorbereitet.
Einschätzen, was zuverlässig herauskommt – und an welchen Stellen jede Antwort gegengeprüft gehört
Mit dem Assistenten entwerfen und danach gegenlesen – der zweite Schritt entscheidet über den ersten
Abfragen und Testdaten selbst erzeugen, ohne dafür ein Ticket in die Entwicklung zu geben
Klonen, starten, sich zurechtfinden – und eine Änderung als Commit einbringen
Die Anforderung übergeben und an PRD, Plan und Review eingreifen, bevor das Ergebnis feststeht
Im Browser und im Diff – die Freigabe ist eine Entscheidung, kein Durchwinken
Ziel ist die Mitarbeit im agentischen Entwicklungsteam – dasselbe Repository, dieselben Checkpoints, dieselben Agenten wie die Entwickler.
Kein Deep Dive in LLM-Architekturen, kein Modelltraining, keine Programmierausbildung. Aus Analysten werden hier keine Entwickler – ihr bekommt so viel Engineering, dass ihr am selben Gegenstand mitarbeitet und ein Ergebnis selbst beurteilen könnt. Eigene MCP-Server sind Thema von MCP-Server bauen & Agenten verbinden, autonome Abarbeitung Thema von Agent Factory bauen & betreiben.
Der erste Halbtag entspricht weitgehend KI in der Business-Analyse – wer beim Chat-Assistenten stehen bleiben will, bucht die vier Stunden einzeln. Umgekehrt führt die Reihe Agentic Engineering dieselbe Arbeitsweise für Entwicklungsteams weiter, beginnend beim Einstieg in Agentic Engineering.
Dr. Nicole Neckermann
Principal Consultant
Nicole verantwortet seit über zwei Jahrzehnten groß angelegte Transformationsprogramme in Financial Services und Mobility. Sie hat umfangreiche Technologie-Portfolios und cross-funktionale Delivery-Teams gesteuert — stets von der Business-Seite des Tisches aus. Nach mehreren Jahren in UK und internationalen Konzernen schreibt sie ihre Beiträge bevorzugt auf Englisch.
Konto bei Claude, ChatGPT oder Gemini, am ersten Tag im Browser einsatzbereit. Die freie Stufe genügt meist.
Aktuelles Betriebssystem, stabile Internetverbindung – und die Erlaubnis, darauf Software zu installieren.
Claude Code mit geklärter Lizenzfrage. Die Installation prüfen wir am ersten Tag gemeinsam.
Zugriff auf GitHub, npm und den Modellanbieter. Filtert das Firmennetz, bitte vorab mit der IT klären.
Schreiben Sie uns, wo Ihr Analyse-Team heute steht – wir schlagen den passenden Zuschnitt vor.
