Kernbotschaften
- Gute Retros scheitern selten an der Moderation, sondern an fehlender Vorbereitung – gerade im vollen Kalender von Scrum Mastern und Agile Teamleiter:innen.
- KI kann die Vorbereitung radikal verkürzen, wenn sie Muster aus Sprint-Daten und Beobachtungen verdichtet – du bereitest dann nicht „mehr“, sondern gezielter vor.
- Die Qualität der Retro steigt, wenn du Fokusfragen aus Daten ableitest und Maßnahmen als konkrete Experimente formulierst – statt jedes Mal dieselben Retro-Formate zu nutzen.
- KI ersetzt keine Retros, sondern verschiebt deine Rolle: weg von Fleißarbeit, hin zu echter Gesprächsführung und Arbeit am System.
1. Der Alltag kennt keine Vorbereitung
Jonas ist Scrum Master. Sein Tag: Dailys, Refinements, Stakeholder, Konflikte – und irgendwo dazwischen steht die Retro im Kalender.
Die Vorbereitung? Landet am Ende der To-do-Liste.
Dabei liegen überall verwertbare Hinweise: Ticket-Listen, Durchlaufzeiten, Blocker, Notizen aus 1:1s. Ein reiches Bild über den Stand der Entwicklung des Teams – doch nur wann und wie soll man das systematisch sichten??
2. Warum klassische Retro-Vorbereitung oft scheitert
Für eine wirklich wirksame Retro müsste Jonas eigentlich Sprint-Daten analysieren, Spannungen einordnen, Muster über mehrere Sprints erkennen und daraus einen klaren Fokus ableiten.
In der Praxis ist das häufig eine punktuelle Bemühung und die Frage nach Tagesform und Auslastung.
Die Folgen:
- Themen wirken austauschbar – unabhängig vom Sprintverlauf.
- Wichtige Muster (Abhängigkeiten, Entscheidungsverzug) bleiben unsichtbar.
- Die Wirksamkeit der Retro sinkt – und damit die Bereitschaft, ehrlich zu reflektieren.
KI-gestützte Workflows zeigen: Wer Daten, Beobachtungen und Stimmungen gezielt eingibt, bekommt in Minuten verdichtete Muster und konkrete Fokusthemen zurück.
3.Der KI-Workflow: Retrospektiven in 15 Minuten vorbereiten
Schritt 1: Sprint-Informationen sammeln (5–10 Min.)
Exportiere aus deinem Board (Jira, Azure DevOps, Trello, Linear):
- erledigte Tickets
- Tickets mit Blockern / „stuck“
- ggf. einfache Cycle-Time-Daten
Ergänze 3–5 Beobachtungen aus deinem Erleben:
- Wo war Spannung?
- Wo wurden Entscheidungen verschleppt?
- Wo hat das Team besonders gut funktioniert?
Tipp: Führe während des Sprints eine kurze Liste „Retro-Futter“ – die musst du vorher nur noch sortieren.
Schritt 2: LLM als Muster-Erkenner (5 Min.)
Nutze ChatGPT, Claude, Mistral oder Perplexity als analytischen Co-Piloten.
Pattern Detection Prompt – Sprint Diagnostics
Du bist ein Agile Coach und Sprint-Analyse-Experte.
Im Folgenden erhältst du Daten aus unserem letzten Sprint (z. B. Tickets, Blocker, Beobachtungen, Kommentare).
Deine Aufgabe: Analysiere die Daten und identifiziere Muster, Ursachen und mögliche Lernfelder für unsere nächste Retrospektive.
Gehe dabei strukturiert vor:
1. Wiederkehrende Ursachen für Verzögerungen
• Welche Muster oder systemischen Ursachen erkennst du?
• Welche Prozesse, Abhängigkeiten oder Arbeitsweisen scheinen problematisch?
2. Hinweise auf Kommunikations- oder Kollaborationsprobleme
• Wo zeigen sich Missverständnisse, Silos oder fehlende Abstimmung?
• Welche Rollen, Übergaben oder Entscheidungsprozesse wirken unklar?
3. Hypothesen für den Fokus der nächsten Retrospektive
• Formuliere 3–5 konkrete Hypothesen, worauf das Team im nächsten Retro fokussieren sollte.
• Jede Hypothese sollte eine mögliche Ursache und einen Lernfokus enthalten.
Antwortformat:
• Stichpunkte
• Klar strukturiert nach den drei Kategorien
• Maximal eine Seite
Daten aus dem Sprint:
[Hier DATEN aus dem Sprint oder Arbeitsphase einfügen]
Schritt 3: Drei präzise Retro-Fragen generieren (2–3 Min.)
„Formuliere drei prägnante Fragen für eine Retro
mit einem erfahrenen Team. Fokus:
Ursachen statt Symptome, Verantwortung statt Schuld.
Jede Frage maximal zwei Zeilen."
Du erhältst Fragen wie:
- „An welchen Stellen waren wir von anderen abhängig – und was davon hätten wir selbst beeinflussen können?“
- „Wo haben wir Probleme gesehen, sie aber nicht offen angesprochen – und warum?“
Eine Frage wird Hauptfokus, die anderen dienen als Vertiefung.
Schritt 4: Minimalistisches Visual vorbereiten (2–3 Min.)
Kein Folienset – mal ehrlich daran hat keine wirklich gedacht, dennoch erlebe ich häufig das Retos eintönig, ähnlich und wenig Wirkungsvoll ablaufen. Es geht nicht um Abwechslung zum Selbstzweck, sondern es geht am Ende darum das sich die Retro den Tätigkeiten, Blockern/Hindernissen, Erfahrungen etc. anpasset. Gerade erst erlebt ein Workshop zum Thema „Team-Metriken“ und die Retro danach greift das Thema nicht auf? Kann irgendwie nicht sein, oder? Am Ende ist es immer eine Frage des Aufwandes und den kann man – wenn es mal schnell gehen muss entsprechend reduzieren – auch wenn es dann um Visualisierungen geht etc.
Ein Miro-Board oder Whiteboard mit:
- Fokusthema als Überschrift
- drei Fragen
- Platz für Cluster und Maßnahmen
Du gehst mit einem klaren Fokus rein. Nicht mit einer Präsentation.
Schritt 5: Maßnahmen nach der Retro mit KI schärfen (5 Minuten)
„Hier sind unsere Retro-Notizen. Formuliere daraus
bitte 3–5 konkrete Experimente mit: - kurzer Beschreibung
- Verantwortlichen- einem einfachen Erfolgskriterium für den nächsten Sprint.“
4. Praxisbeispiel: KI-gestützte Retros in agilen Teams
„Wir machen Retros, aber sie verändern wenig.“ —
Dabei nutzte Jonas der Scrum Master (Team-Lead) KI-Workflow testweise über 1-3 Sprints:
- Er sammelte Daten (Ticket-Export, Blocker, Beobachtungen die er im Notepad festhält).
- Ein LLM identifizierte u.a. ein Muster: Verzögerungen entstanden regelmäßig bei Abhängigkeiten zu einem externen Dienstleister und bei unklar geschnittenen Stories.
- „Was müssten wir ändern, um 80% unserer Arbeit unabhängig von Dienstleister X planen zu können?“
- Diskussionen wurden konkreter, weniger abstrakt.
- Maßnahmen wurden als Experimente formuliert und mit Erfolgskriterien versehen.
- Das Team nahm Retros ernster, weil der Fokus spürbar aus Daten und Beobachtungen abgeleitet war – nicht aus Laune oder Routine.
5. Tipps für den Einsatz im Alltag
- Datenschutz beachten: Keine sensiblen personenbezogenen Daten ungefiltert in externe Tools geben, ggf. anonymisieren oder interne Modelle nutzen.
- Klein starten: Beginne mit einem Team und ein oder zwei Sprints, statt alles auf einmal umzustellen.
- Fokus radikal halten: Lieber eine unangenehme Kernfrage gut bearbeiten als fünf Themen oberflächlich streifen.
- Ergebnisse tracken: Nutze dein Board oder ein einfaches Sheet, um zu sehen, welche Experimente wirklich Wirkung zeigen – damit du lernst, welche Interventionen für dein Team funktionieren.
6. Varianten mit anderen KI-Tools
Nutze Perplexity, um ergänzend Praxisideen zu holen: „Wie gehen andere Teams mit wiederkehrenden Abhängigkeiten in agilen Umgebungen um?“ – und bringe inspirierende Experimente mit in die Retro.
NotebookLM
Sammle über mehrere Sprints hinweg Retro-Notizen, Review-Erkenntnisse und wichtige Entscheidungen in einem Projekt-Notebook. Das System hilft, längerfristige Muster zu erkennen – etwa, ob immer gleiche Themen wieder auftauchen.
n8n
Automatisiere das Einsammeln von Sprintdaten: z.B. Tickets mit bestimmten Labels regelmäßig exportieren und für deine LLM-Prompts vorbereiten. So reduzierst du manuellen Fleiß noch weiter.
Mistral / europäische Modelle
Wenn dir Datensouveränität wichtig ist, kannst du statt US-Modellen europäische LLMs nutzen (z.B. Mistral), idealerweise über datenschutzkonforme Setups.
Weiterführende Themen
KI.Einstein, Retros in 15 Minuten, Scrum Mastery, Agile Retrospektiven, Kontinuierliche Verbesserung, KI im Projektmanagement, Agile Teams, Softwareentwicklung, Digitale Produktteams, Hybride Zusammenarbeit, Datenbasierte Teamreflexion, LLM in der Praxis, Mustererkennung mit KI, Moderation in komplexen Umfeldern, Organisationsentwicklung, Young Leadership, Learn-Agile Akademie