Können Sie einfache Mathematik?

Haben Sie schon einmal mit eigenen Augen ein Fließband in einer Fabrikhalle gesehen, an dem Teile für ein Fahrzeug gebaut werden? Ich schon. Meine ersten Ferienjobs waren direkt am Fließband.

Stellen Sie sich nun vor, die Fabrikhalle und jede Station am Fließband wären so vollständig mit Werkzeugen und Materialien zugestellt, dass nichts mehr zu finden ist. Oder stellen Sie sich vor, es gäbe nie genug Material oder die richtigen Werkzeuge, sodass der Arbeiter am Band ständig warten müsste. Oder stellen Sie sich vor, Führungskräfte ohne Kenntnisse von Montage oder Fertigung würden den Arbeiter ständig unterbrechen und ihm willkürliche Aufgaben ohne wirklichen Zweck zuweisen.

Das ist schwer vorstellbar, weil es offen gesagt unsinnig ist. Und doch tun manche Organisationen bei Data- und AI-Themen genau das. Nicht aus böser Absicht. Sie tun es, weil sie es nicht besser wissen.

Was fehlt, ist ein grundlegendes Verständnis der Lean-Prinzipien.

Es gibt viel zu lernen, also fangen wir dort an.

Betrachten Sie die Ebene oberhalb der Teams – die Ebene, die überhaupt erst entscheidet, welche Initiativen und Produkte angegangen werden. Manchmal werden diese Entscheidungen sogar mehrere Ebenen über einem Team getroffen. Manchmal sind es mehrere unabhängige Organisationseinheiten, die Teams am Ende gleichzeitig mit zu vielen Dingen bombardieren.

Stellen Sie sich nun vor, diese Organisationseinheiten würden tatsächlich Folgendes messen: Wie viele Initiativen, Projekte, Produkte oder Aufgaben legen wir gleichzeitig in Backlogs oder geben wir ad hoc direkt in die Teams? Wie viele davon werden innerhalb eines bestimmten Zeitraums fertiggestellt, laufen also stabil in Produktion?

Ich habe genau das einmal gemessen. Über einen Zeitraum von eineinhalb Jahren habe ich erfasst, wie viele Epics ein Programm aus sieben Teams für jeden Dreimonatszeitraum plante und wie viele davon am Ende dieser drei Monate fertiggestellt, also vollständig in Produktion ausgerollt waren. Sie planten durchgehend mehr als 50 Epics und stellten durchgehend exakt 21 Epics fertig. Jedes Team rollte im Durchschnitt innerhalb von drei Monaten drei Produktinkremente aus. Ich erstellte eine Wiki-Seite und visualisierte die Daten und Messungen. Erst dann begann das Führungsteam zu verstehen. Warum mehr als doppelt so viel planen, wenn die Lieferung seit eineinhalb Jahren stabil ist?

Dieses Programm war vorbildlich. Wir alle wissen, dass es viele Data- und AI-Organisationen gibt, die von diesem Lieferniveau nur träumen können.

Es gibt keine Abkürzung. Sie müssen irgendwo anfangen. Mein Rat ist, zunächst weniger gleichzeitig zu tun. Kanban ist reine Mathematik.

Little’s Law besagt:

Durchlaufzeit = Work in Progress / Durchsatz

Ein einfaches Beispiel. Mit Little’s Law (L=λ · W) (also W=L/λ):

• Beispiel 1: Wenn Sie 23 Dinge in Bearbeitung haben und 3 Dinge pro Jahr abschließen, beträgt die durchschnittliche Durchlaufzeit ungefähr 7,7 Jahre pro Ding.
• Beispiel 2: Wenn Sie 3 Dinge in Bearbeitung haben und 10 Dinge pro Jahr abschließen, beträgt die durchschnittliche Durchlaufzeit 0,3 Jahre, also 3,6 Monate pro Ding.

Die Mathematik ist einfach. Entscheiden Sie, dass Arbeit nacheinander fertiggestellt werden soll. Reduzieren Sie die parallele Arbeit. Schützen Sie Teams vor unnötigen Unterbrechungen, damit sie sich konzentrieren und abschließen können, woran sie bereits arbeiten.