Andrew Boyagi: "KI allein ist kein Allheilmittel.”

KI ist der Katalysator, aber Menschen machen den Unterschied.

Die rasante Entwicklung von künstlicher Intelligenz (KI) hat in den letzten Jahren die Arbeitswelt und insbesondere die Softwareentwicklung grundlegend verändert. Unternehmen stehen vor der Herausforderung, ihre traditionellen Prozesse zu überdenken und innovative Technologien sinnvoll einzusetzen, um die Produktivität zu steigern und Reibungsverluste zu minimieren.

Wir sprachen mit Andrew Boyagi, Customer CTO bei Atlassian, darüber, wie Organisationen den Wandel zur KI-gestützten Entwicklung erfolgreich gestalten und welche Chancen und Hürden dabei zu beachten sind.

Andrew ist dafür zuständig, Produkte und Lösungen bei Atlassian Williams Racing auszurollen - technisch und organisatorisch. Zuvor war er Head of DevOps Evangelism und hat in dieser Rolle die State-of-DevEx-Studie verantwortet.

Andrew, was sind deiner Meinung nach die größten kulturellen und organisatorischen Hürden für globale Unternehmen, wenn sie von traditionellen zu KI-gestützten Entwicklungsprozessen wechseln wollen? Wie verändern sich agile Ansätze wie DevOps bzw. DevSecOps durch KI?

Unternehmen setzen zunehmend auf KI in der Softwareentwicklung, um hochwertige Lösungen schneller auszuliefern. Unserer Studie zufolge spart KI-Entwicklern etwa 10 Stunden pro Woche, doch sie verlieren weiterhin viel Zeit durch nicht-programmierbezogene Aufgaben und organisatorische Hindernisse. 63 % der Entwickler empfinden, dass ihre Vorgesetzten diese Probleme nicht verstehen. Unternehmen sollten daher weniger den Technologiewechsel betonen, sondern gezielt die Reibungsverluste im Arbeitsalltag der Entwickler beseitigen. Erst wenn diese Herausforderungen gelöst sind, kann KI ihr volles Potenzial entfalten – Entwickler werden dann von sich aus das effizienteste Werkzeug einsetzen.

Wie messen führende Organisationen den strategischen Wert von KI in der Code-Entwicklung? Welche neuen Kennzahlen müssen ggf. eingeführt werden, um den Erfolg ihrer KI-Strategie zu messen, wenn traditionelle Kennzahlen wie „Zeilen Code pro Tag” überholt sind?

Ob Kennzahlen wie „Zeilen Code pro Tag“ jemals wirklich sinnvoll waren, ist fraglich. Der DevEx-Bericht 2025 zeigt ein interessantes Bild: Entwickler sparen wöchentlich zehn Stunden durch neue Tools, aber verlieren diese Zeit wieder durch verschiedene Ineffizienzen. Die zentrale Kennzahl sollte daher nicht sein, wie viel Zeit KI-Technologien einsparen oder wie viele Codes geschrieben werden, sondern wie stark wir die Reibung im gesamten Softwareentwicklungsprozess verringern konnten. Die eigentliche Frage im KI-Zeitalter lautet: Hat uns die Technologie geholfen, unsere größten Hindernisse zu beseitigen? Es geht nicht darum, zu messen, wie viel Code die KI schreibt, sondern ob die gewünschten Ergebnisse erzielt werden.

Das ist einer der Gründe, warum Atlassian DX übernommen hat: Es ist ein leistungsstarkes Instrument, das Unternehmen dabei unterstützt, den Softwareentwicklungszyklus besser zu verstehen. Durch die Kombination von quantitativen und qualitativen Erkenntnissen liefert die Plattform sowohl Führungskräften als auch Entwicklern einen umfassenden Überblick über die Produktivität. So können Führungskräfte die Entwicklerleistung anhand detaillierter Daten bewerten, vergleichen und gezielt verbessern – und zwar über Anekdoten hinaus und unabhängig von der Größe des Unternehmens.

Wo siehst du den bisher größten ungenutzten Vorteil von KI für Dev(Sec)Ops?

Unsere Untersuchungen für das Jahr 2025 zeigen, dass die größten Herausforderungen für Entwickler nicht im Codieren selbst liegen. Vielmehr sind es Faktoren wie das Auffinden relevanter Informationen, das Zurechtfinden mit neuen Technologien und der ständige Wechsel des Kontexts, die Entwicklern seit Langem Schwierigkeiten bereiten. Darin liegt auch die größte noch ungenutzte Chance für DevOps: Diese Probleme mit KI anzugehen und Reibungsverluste im gesamten Softwareentwicklungsprozess auszuräumen. Weniger Reibung bedeutet besseren Fluss, was wiederum die Arbeitserfahrung der Entwickler verbessert – und das führt zu glücklicheren sowie produktiveren Teams.

Ein praktisches Beispiel ist unser Produkt Rovo Dev. Damit lassen sich Agenten entwickeln, die über den gesamten SDLC [Software Development Life Cycle] hinweg eingesetzt werden können. Diese übernehmen monotone und zeitaufwendige Aufgaben, mit denen Entwickler häufig konfrontiert sind, wie etwa das Durchführen von Code-Reviews, das Erstellen von Bereitstellungszusammenfassungen oder das Beheben von Problemen in CI/CD-Pipelines. Wenn Entwickler von solchen Tätigkeiten entlastet werden, verbringen sie weniger Zeit mit Übergaben, Status-Updates und der Informationssuche. Dies fördert die Synchronisation innerhalb der Teams und steigert die gemeinsame Leistung deutlich.

Wie können Organisationen sich optimal auf KI-gesteuertes Engineering vorbereiten?

Eine unüberlegte Einführung von KI-Lösungen kann bestehende Schwierigkeiten verstärken und Prozesse verlangsamen. Daher ist ein ganzheitlicher Blick auf die Softwareentwicklung notwendig. Ein effektiver Ansatz zur Entwicklung einer KI-Strategie beginnt damit, die Bedürfnisse und Perspektiven der Entwickler zu berücksichtigen. Statt sofort mit der Entwicklung loszulegen, ist es entscheidend, zunächst die Herausforderungen zu verstehen. Entwicklern zuhören ist daher zentral. Auch sollte KI als integraler Bestandteil bestehender Programme zur Verbesserung der Developer Experience eingebunden werden, statt sie als eigenständiges Projekt zu behandeln.

Darüber hinaus sollten Führungskräfte Experimente und Weiterbildung fördern: Teams, die dabei unterstützt werden, sparen deutlich mehr Zeit und nutzen KI strategisch. KI sollte Teil bestehender Entwicklerprogramme sein und nicht als Einzelprojekt laufen. Unser Bericht The State of Teams aus dem Jahr 2025 zeigt beispielsweise, dass Mitarbeitende, deren Führungskräfte sie zum Experimentieren mit KI ermutigen, im Durchschnitt 55 % mehr Zeit sparen als solche, die diese Unterstützung nicht erhalten. Mitarbeitende mit einer solchen Förderung werden häufiger zu strategischen Teammitgliedern: Sie nutzen KI nicht nur als Recherchewerkzeug, sondern setzen sie aktiv als Sparringspartner ein und integrieren sie in ihre Arbeitsabläufe, was sowohl Effizienz als auch die Qualität der Ergebnisse verbessert.

Abschließend lässt sich festhalten: Die Akzeptanz entsteht automatisch, wenn KI echten Mehrwert bietet. Hilft das Tool nicht weiter, lässt sich die Akzeptanz kaum steigern. Ziel sollte daher stets sein, KI gezielt auf konkrete Probleme der Entwickler auszurichten und gleichzeitig durch Information und Weiterbildung zu begleiten, ohne den Fokus einseitig auf die Akzeptanz zu legen.

Build vs. Buy: Wie entscheiden deine Kunden, welche KI-Fähigkeiten intern entwickelt werden müssen und welche von Drittanbietern oder Partner-Ökosystemen (z. B. dem Atlassian Marketplace) bezogen werden können?

Die Frage nach „Entwickeln oder Kaufen“ ist im Kontext von KI-Lösungen besonders relevant. Entscheidend sind hierbei der Kontext sowie die verfügbaren Daten, auf die die KI zugreifen kann – nicht primär die Eigentümerschaft des verwendeten LLMs. Atlassian ist in diesem Bereich durch die Integration von JIRA und Confluence in einer besonderen Position. Unsere Plattform verfügt bereits über umfassende Kontextinformationen zur Zusammenarbeit, zu Zielsetzungen und den jeweiligen Softwarekomponenten verschiedener Teams. Damit decken wir den gesamten Softwareentwicklungslebenszyklus (SDLC) ab und können gezielt Herausforderungen für Entwickler identifizieren sowie analysieren.

Durch die Übernahme von DX konnten diese Fähigkeiten weiter verstärkt werden. Rovo, unser KI-Produkt, nutzt sowohl interne als auch externe Datenquellen, die über die Atlassian-Plattform hinausgehen. Das Fundament bildet der sogenannte Teamwork Graph: Alle angebundenen Produkte eines Unternehmens werden Teil dieses Graphen, von unserer KI indexiert und für Analysen herangezogen.

KI-gestützte Lösungen wie Rovo können dazu beitragen, Informationssilos aufzubrechen, Prozesse effizienter zu gestalten und unabhängig von Besitzverhältnissen des LLMs Mehrwert zu generieren – maßgeblich sind hierbei der Zugriff auf kontextspezifische Daten und deren intelligente Verknüpfung.

Inwieweit ist der Einsatz von „Shadow AI” – die unkontrollierte Nutzung von KI-Tools durch Entwickler – bereits ein Problem, und wie können Unternehmen diese Nutzung kontrollieren und kanalisieren?

Schatten-IT kann in bestimmten Situationen ein Problem darstellen, ist jedoch nicht immer zwingend der Fall. Entwickler sind oft bestrebt, neue Technologien auszuprobieren und zu nutzen – ein Verhalten, das sich seit jeher in der Branche beobachten lässt. Engineering-Manager sollten daher Wege eröffnen, um den verantwortungsvollen Umgang mit neuen Technologien zu ermöglichen und so den Bedarf an Schatten-IT zu minimieren. Bei Atlassian wird dies durch die Etablierung einer Unternehmenskultur gefördert, die auf Erfahrungsaustausch setzt.

Ein Beispiel hierfür ist unser KI-Spielplatz, der es internen Teams erlaubt, sicher und kontrolliert mit verschiedenen LLM- und KI-Tools zu experimentieren. Darüber hinaus veranstalten wir regelmäßig den ShipIt- Day, einen vierteljährlich stattfindenden 24-Stunden-Hackathon mit Fokus auf Innovationen, darunter auch KI-Anwendungen. Zusätzlich gibt es abteilungsspezifische KI-Tage, bei denen Teams – auch außerhalb des Engineerings – Schulungen erhalten und Anwendungsfälle für KI erkunden. So fand beispielsweise kürzlich für das Marketingteam ein entsprechender KI-Tag statt.

Alle KI-bezogenen Experimente und Implementierungen bei Atlassian unterliegen strengen Richtlinien für verantwortungsvolle Technologie sowie allen relevanten Compliance-Vorschriften. Für andere Unternehmen empfiehlt es sich, frühzeitig klare Richtlinien für den sicheren Einsatz von KI zu definieren und eine Kultur des Experimentierens zu etablieren – idealerweise in isolierten Umgebungen mit gewährleisteter Sicherheit. Zudem sollten zugelassene und qualitativ hochwertige KI-Tools bereitgestellt werden, die nahtlos in bestehende Arbeitsprozesse integriert sind, um den Bedarf an externen Lösungen zu verringern.

Wenn du anderen CTOs einen einzigen, strategisch wichtigen Ratschlag geben könntest, welcher wäre das?

Mein Haupttipp: Sprechen Sie mit Ihren Entwicklern. Die Forschung zeigt, dass viele Führungskräfte die Herausforderungen ihrer Entwickler-Teams nicht kennen – ein Trend, der 2024 und 2025 zunimmt. Das kann zu ineffizienten Investitionen führen. Bauen Sie daher systematisch Feedback mit Umfragen und Daten auf und priorisieren Sie Plattform- und KI-Investitionen auf Basis dieser Erkenntnisse. Nutzen Sie KI gezielt dort, wo sie Reibungspunkte für Entwickler löst und die Zusammenarbeit verbessert.

Team Hund, Katze oder Fisch?

Ich hatte beides, aber Hunde gefallen mir besser. Sie freuen sich, wenn man nach Hause kommt. In meiner Kindheit war es häufig so, dass ich die Katze nicht einmal finden konnte, wenn ich nach Hause kam.

Famous last words: Was ist deine Botschaft an die Welt?

KI allein ist kein Allheilmittel. Die Teams, die gewinnen werden, sind nicht diejenigen, die den meisten KI-generierten Code haben. Es sind die Teams, die KI mit effizienter Entwicklererfahrung verbinden, klare Zuständigkeiten schaffen und Führungskräfte haben, die Entwicklerprobleme wirklich verstehen.