QAware Blog

Ein Agentic Software Engineering Reifegradmodell ist kein Fortschrittsbalken

Geschrieben von Josef Fuchshuber | 16.11.2026

In meinen Tech-Lead-Runden zum Software Engineering höre ich momentan eine Frage besonders oft: Wo steht ihr bei QAware in der AI-Transition, und wie messt ihr das überhaupt? Den zweiten Teil der Frage beantwortet dieser Artikel.

Wir bei QAware glauben nicht, dass sich die Agentic Software Engineering Transition als Fortschrittsbalken messen lässt, der sich bis 100 Prozent füllt. Erstens wirst du nie fertig, und zweitens hat Reife zwei Seiten: was die Technik kann und was die Organisation daraus macht. Ein Team kann Coding-Agenten, einen gepflegten Harness, also die Werkzeug- und Prozessumgebung um die Agenten herum, und Zugriff auf Frontier-Modelle haben, und trotzdem arbeiten die meisten im Team weiter im Chatfenster. Ein anderes Team hat eine saubere Review-Kultur, klare Specs und den festen Willen, Agenten produktiv einzusetzen, aber keinen ausreichenden Zugang zu den passenden LLMs oder Werkzeugen.

Ein klassisches Stufenmodell fragt, wie ein Team arbeitet, und gibt beiden dieselbe Stufe. Dabei sind ihre Probleme entgegengesetzt. Wer beiden dieselbe Maßnahme verordnet, liegt mindestens einmal falsch.

Für unsere eigene Transition haben wir ein Modell gebaut, das diesen Unterschied sichtbar macht. Wir setzen es regelmäßig in unseren Teams ein, die Ergebnisse fließen in unser AI4SE-Lagebild. Hier teilen wir, wie es funktioniert, was wir damit gelernt haben und wo seine Grenzen liegen.

Wie weit bist du? Was fehlt dir?

Seit geraumer Zeit kursieren Stufenmodelle für AI im Software Engineering. Dan Shapiro  beschreibt sechs Stufen, angelehnt an die Level des automatisierten Fahrens. Sie reichen von Level 0, dem Volvo deiner Eltern, bis Level 5, der Dark Factory: Spezifikationen gehen hinein, Software kommt heraus. Steve Yegge beschreibt acht Stufen, vom Programmieren ohne AI bis zum Orchestrieren Dutzender Agenten.

Beide Modelle sind nützlich, weil sie ein gemeinsames Vokabular schaffen. Beide beschreiben aber, wie ein Mensch mit AI arbeitet. Die Organisation drumherum erfassen sie nicht als eigene Achse. Sie beantworten die Frage, wie weit du bist. Ob deinen Teams etwas fehlt oder deinem Werkzeugkasten, beantworten sie nicht.

Zwei Achsen statt einer Stufe

Unsere Matrix trennt deshalb technologische und organisatorische Reife. Auf der technologischen Achse unterscheiden wir drei Stufen. Bei Assisted schreibt der Mensch, und AI hilft. Bei Agentic führt der Agent aus, und der Mensch reviewt. Bei Orchestrated steuern Menschen mehrere Agenten und deren Loops. Die organisatorische Achse zeigt, wie fest die Arbeit mit Agenten im Unternehmen verankert ist. Sie beginnt bei Enabled, wo das Unternehmen Werkzeuge bereitstellt und Einzelne sie auf eigene Initiative nutzen. Bei Incentivized fördert das Unternehmen die Nutzung aktiv, bei Adopted ist sie Team-Standard über den gesamten Engineering-Prozess. Bei Transformed ist auch die Wertschöpfung auf Agenten ausgelegt: wie das Team plant, was es zusagt und woran es seinen Erfolg misst. Bei einem Dienstleister betrifft das Kalkulation und Angebote, bei einem Produktteam Roadmap und Kapazitätsplanung.

Agentic Software Engineering Reifegradmatrix

Auf der Diagonale, in der Grafik grün, passen Technik und Organisation zueinander. Das ist ein Gleichgewicht, noch kein Gütesiegel. Auch Individual assist liegt dort: Einzelne nutzen AI als Assistenz. Das ist ein legitimer Startpunkt. Interessant wird die Matrix abseits davon. Dort liegen zwei Arten von Lücken, und ihr Name sagt, was fehlt.

Oberhalb der Diagonale, in der Grafik orange, liegt der Adoption Gap: Die Technik ist weiter als die Organisation. Die Werkzeuge sind da, Team und Unternehmen haben sie aber noch nicht in der Breite übernommen. Die Zellen heißen Lone pioneers, Shadow automation und Tech frontrunner. Typisch ist dort: Das Wissen hängt an zwei, drei Personen, Agenten-Loops laufen ohne Rückendeckung von Team und Management. Fällt eine dieser Personen aus, fehlt dem Team die Fähigkeit. Die Maßnahme liegt hier in der Organisation: breiter Kompetenzen aufbauen, gemeinsame Standards, ein geteilter Harness, klare Rollen und Anreize.

Unterhalb der Diagonale, in der Grafik blau, liegt der Tooling Gap: Die Organisation ist weiter als die Technik. Wille und Förderung sind da, oft sogar Zusagen an das Management oder an Kunden, nur die passenden Werkzeuge und die Erfahrung damit fehlen. In der Prompt campaign fördert das Unternehmen AI, stellt aber nur Chat bereit. Im Chat team prompten alle, einen Harness hat niemand. Bei Harness-bound ist die Wertschöpfung schon auf Agenten ausgelegt, die Technik hängt eine Stufe hinterher. Heikel für die Geschäftsführung wird es bei Overcommitted. Das Unternehmen hat mit agentischer Geschwindigkeit geplant, in Angeboten oder in der Roadmap, das Team arbeitet aber mit Chat-Assistenz. Das ist kein Reifeproblem mehr, das ist ein Risiko für Marge und Zusagen. Die Maßnahme liegt hier in der Technik und im Kompetenzaufbau: Harness Engineering, Context Engineering, Plattform.

Die Diagnose klingt banal, hat aber Folgen. Wer im Tooling Gap eine Change-Kampagne startet, verbrennt die Motivation von Leuten, die längst wollen. Wer im Adoption Gap weiter ein Technikproblem vermutet, füttert die Shadow automation.

Unbequem muss es sein

Ein Kollege hat es mir gegenüber zugespitzt: Ein Reifegradmodell wird erst nützlich, wenn sich ein Team niedriger einordnet, als es sich fühlt. Ich würde es freundlicher sagen, aber er hat recht. Reifegradmodelle haben einen schlechten Ruf, und ganz unverdient ist er nicht. Zu oft halten sie wie eine Urkunde fest, was erreicht ist.

Auch die Forschung ist skeptisch. Schon 1984 kritisierten John King und Kenneth Kraemer am damals meistzitierten Stufenmodell der IT, dass es einen Endzustand setzt, den Weg dorthin aber nicht erklärt. Das Team hinter „Accelerate" und der DORA-Forschung rät von Reifegraden ab und setzt auf Capability-Modelle, weil Stufen ein Ende suggerieren, an dem eine Organisation fertig ist. Und Übersichtsstudien der Wirtschaftsinformatik bemängeln seit Jahren, dass kaum ein Reifegradmodell empirisch validiert ist.

Unseres auch nicht. Wir beanspruchen keine Messgenauigkeit. Die Matrix soll Transparenz schaffen, Gespräche anstoßen und helfen, die nächsten Schritte zu planen. Ein Instrument, um Teams zu beurteilen, ist sie ausdrücklich nicht. Eine niedrige Einordnung beschreibt den Startpunkt der nächsten Etappe, eine hohe einen Zwischenstand.

Deshalb schätzen sich die Teams selbst ein. Das funktioniert bei uns, weil sie hohe Ansprüche an sich stellen und weil eine niedrige Einordnung keine negativen Folgen für das Team hat. Beides ist Voraussetzung. Sobald eine Einordnung über Budgets oder Beurteilungen entscheidet, lohnt sich das Schönrechnen, und das Modell misst nur noch Taktik. Wo dieses Vertrauen fehlt, sollte eine zentrale Funktion einschätzen, nicht das Team selbst.

Die Matrix funktioniert im Kleinen für ein einzelnes Team. Weil sie die organisatorische Seite mitdenkt, trägt sie auch firmenweit, als Bild davon, wo die vielen Teams eines Unternehmens stehen. Eine Rangliste wird daraus trotzdem nicht.

Stabil halten, bis es nichts mehr zeigt

Ein allgemeines Modell ist ein Startpunkt. Stimm die Skalen auf deinen Kontext ab, die Forschung spricht von situativen Reifegradmodellen. Danach hältst du das Modell so lange stabil wie möglich. Du erhebst den Reifegrad ja wiederholt, um Veränderung sichtbar zu machen. Wer die Skala bei jeder Erhebung nachschärft, vergleicht Äpfel mit Birnen und verliert die Bewegungslinie, also den Grund, überhaupt zu messen.

Stabil heißt aber nicht eingefroren. Arbeitet eine Organisation einheitlich, landen die meisten Teams in derselben Zelle, und du erkennst die Unterschiede nicht mehr. Liefert dir das Modell keine Erkenntnis mehr, pass es an. Verfeinere dabei am besten innerhalb der bestehenden Stufen. Dann bleiben die bisherigen Stufen über alle Erhebungen vergleichbar, und die Linie reißt nicht ab.

Die Agentic Software Engineering Transition dauert in größeren Unternehmen nicht Monate, sondern Jahre. In dieser Zeit ändern sich Modelle, Werkzeuge und Arbeitsweisen mehrfach. Was heute Orchestrated heißt, ist in zwei Jahren vielleicht Alltag. Frag dich deshalb regelmäßig, ob dein Reifegradmodell dir noch genug Transparenz und Erkenntnis liefert.

Aus Punkten werden Pfeile

Ein Punkt in der Matrix zeigt, wo ein Team steht. Für die Planung brauchst du die Richtung. Wir fragen unsere Teams deshalb zwei Dinge: wo sie heute stehen und wo sie in sechs bis zwölf Monaten stehen wollen. So wird aus jedem Punkt ein Pfeil.

Wie du mit diesen Pfeilen arbeitest, erkläre ich an sechs Beispielteams. Die Werte sind realistisch, es sind aber nicht die Rückmeldungen unserer Teams.

IST und PLAN in der Reifegradmatrix, Beispielwerte für sechs Teams A bis F

Schau zuerst auf die Endpunkte. Die Pläne sind ausgewogen, alle sechs Zielpunkte liegen auf der Diagonale. Organisatorisch wollen fünf Teams zum Team-Standard, also nach Adopted. Kein Team plant, seine Wertschöpfung in diesem Zeitraum auf Agenten umzustellen. Team C will bewusst bleiben, wo es ist. Auch das ist eine ehrliche Antwort und kann für die aktuelle Situation des Teams genau richtig sein. Deshalb führen wir Agentic delivery in der Matrix als Zielbild und sagen trotzdem, dass eine hohe Einordnung kein Ziel ist. Agentic delivery ist eine Richtung für bestimmte Teams, keine Pflichtstation für alle.

Dann schau auf die Richtung der Pfeile, denn aus ihr folgt die Maßnahme. Team F steht heute im Adoption Gap, als Tech frontrunner. Technisch ist es schon bei Orchestrated, sein Pfeil zeigt nur nach rechts. Technisch plant es keinen Sprung. Es braucht vor allem Rückendeckung, gemeinsame Standards und einen Harness, den alle im Team teilen. Team D will seine Arbeit mit Agenten zum Team-Standard machen, ohne technisch die Stufe zu wechseln. Die Maßnahme liegt in der Organisation. Die Teams A und E wollen zusätzlich technisch eine Stufe höher. Bei ihnen müssen Technik und Organisation gemeinsam wachsen: ein geteilter Harness und Kompetenzaufbau in der Breite.

Technisch sind manche Sprünge dagegen groß. Team B will innerhalb von sechs bis zwölf Monaten von Assisted direkt nach Orchestrated und organisatorisch von Enabled nach Adopted. Einen solchen Pfeil solltest du hinterfragen. Wächst die Organisation schnell genug mit? Läuft die Technik davon, landet das Team unterwegs in der Shadow automation. Und wer prüft den Code, wenn Agenten plötzlich ganze Loops fahren?

Wer prüft den Code, wenn Agenten mehr übernehmen?

Diese Frage stellt sich nicht nur im Beispiel. In unserem echten Lagebild fragen wir die Teams auch, was sie aktuell auf ihrem Weg blockiert. Die häufigste Antwort in der letzten Umfrage war: die Review- und Test-Loop.

Das ist folgerichtig. Denn wenn Coding-Agenten Code schneller produzieren, als Menschen ihn lesen und testen können, entsteht ein Bottleneck, der im Teamalltag zu Problemen führt. Entweder staut sich die Arbeit im Review, oder das Review wird oberflächlich, und die Qualität leidet. Fiona Chen und James Stratton von der Harvard University haben in einem Working Paper Daten aus über 700 Firmen ausgewertet und beschreiben dasselbe Muster. Coding-Agenten steigern die Produktivität beim Programmieren. Beim Output finden die beiden aber keinen statistisch belastbaren Zuwachs. Den Grund sehen die beiden im Review: Es dauert länger, Änderungen müssen häufiger nachgebessert werden, und es gibt mehr Kommentare.

Unsere Konsequenz: Software-Verifikation ist eine Kernanforderung an den Harness jedes Teams. Was Menschen nicht mehr vollständig lesen können, muss die Maschine prüfen, auf mehreren Ebenen. Autonome End-to-End-Validierung lässt Agenten die Anwendung so bedienen, wie Menschen sie im Alltag nutzen, und prüft das Ergebnis gegen fachliche Akzeptanzkriterien. Mutation Testing prüft die Tests selbst. Das ist bei generierten Tests besonders wichtig, denn ein Agent schreibt schnell Tests, die grün sind und nichts beweisen. Security-Tests fangen unsichere Muster ab, die ein Modell aus seinen Trainingsdaten mitbringt. Architekturtests sichern Schichten und Abhängigkeiten, damit die Codebasis nicht mit jedem Agentenlauf ein Stück weiter erodiert. Und in einer Multi-Agent-Architektur prüfen sich unterschiedliche LLMs gegenseitig und fordern sich als Sparringspartner heraus. Wer schreibt, prüft sich nicht selbst. Das gilt für Modelle genauso wie für Menschen.

Ohne automatisierte Verifikation im Harness laufen die Loops, aber niemand kann für ihre Ergebnisse geradestehen. Rückendeckung von Team und Management bekommen sie so nicht, und das Team bleibt im Adoption Gap stecken, als Shadow automation oder Tech frontrunner. Erst mit Verifikation gelingt der Schritt nach rechts zum Orchestrating team.

Und bei dir?

Wo steht dein Team, wenn du ehrlich bist, vielleicht eine Stufe niedriger, als es sich anfühlt? Zeigt die Lücke Richtung Organisation oder Richtung Tooling?

Die Matrix zeigt, wo eine Lücke liegt. Woher sie kommt, zeigt sie nicht. Deshalb kann es sinnvoll sein, parallel zur Reifegrad-Abfrage eine Developer-Experience-Umfrage (DevEx) mit allen Engineers zu machen. Ihre Ergebnisse helfen den Teams bei der eigenen Einordnung. Und sie liefern eine genauere Grundlage, um die Ursachen eines Tooling Gap oder Adoption Gap zu erkennen: Fehlt das Werkzeug oder der Zugang dazu? Fehlen Zeit, Wissen oder Rückendeckung? Mit diesen Antworten wählst du die Maßnahme gezielter.

Wir haben die Matrix hier gezeigt, damit du sie für dich nutzen kannst. Als IT-Dienstleister geben wir die Erfahrungen weiter, die wir beim Aufbau des Modells und bei der Begleitung unseres eigenen Change sammeln. Und wir unterstützen andere IT- und Produkthäuser gern bei ihrer Transition. Ich freue mich über Erfahrungen, Widerspruch und eigene Varianten in den Kommentaren.