Problemlösen in der agilen Entwicklung

Als Dozent an der TU-Berlin hat unser Geschäftsführer, Steffen Eßers, sein Wissen zur „Psychologie der agilen Entwicklung“ mit seinen Studenten geteilt. Hierbei sind Artikel entstanden, welche die Studenten in unserem Blog veröffentlichen.

Den Anfang macht Rebecca Prell zum Thema „Problemlösen in der agilen Entwicklung“.

1. Einführung in die Begrifflichkeiten des Problemlösen

Probleme. Der Alltag wimmelt davon; sei es ein Abgabetermin der immer näher rückt, das Familienfest das organisiert werden muss oder eine banale Kaffeetasse, die morgens vom Tisch fällt. Probleme sind vielfältig in Art und Ausmaß und kommen in so gut wie jedem Bereich des Lebens vor. Insbesondere Psychologen haben sich um eine wissenschaftliche Definition bemüht. So definiert Klix (1971) den Zustand des kleinsten-gemeinsamen­‐ Nenners. Er geht dabei von einem unerwünschten Ist-Zustand aus, der durch die Transformation der entsprechenden Barriere in einen erwünschten Zielzustand (Sollzustand) überführt wird. Die Abfolge von verschieden Teiltätigkeiten um diese Barrieren zu überwinden bezeichnet man als Problemlösungsprozess.

1.1 Problemraum und Suchraum

Nach Lüer & Spada (1998) liegt ein Problem dann vor, wenn ein Subjekt an der Aufgabenumwelt Eigenschaften wahrgenommen hat, diese in einem Problemraum intern repräsentiert und dabei erkennt, dass dieses innere Abbild eine oder mehrere Lücken enthält. Im Klartext heißt das, wenn Personen – oder Gruppen – mit einem Problem in einer bestimmten Situation konfrontiert werden, konstruieren sie davon ein Vorstellungsbild. Diese Repräsentation ist als subjektiver Problemraum definiert und beinhaltet Repräsentationen (Vorstellungen) von den Ausgangs­‐/ Zwischen-/ Zielzuständen des Problems aber auch notwendige Handlungsschritte und einen Lösungsweg. Weil jede Person ein eigenes Vorstellungsbild von einem Problemzustand und nötigen Lösungsschritten konstruiert, ist der subjektive Problemraum in einer Gruppe fast nie deckungsgleich. Jede Person löst Probleme anders. Dieser Umstand wird unter 5.1 genauer erläutert.

Neben dem subjektiven Problemraum existiert ein objektiver Problemraum. Dieser beschreibt alle möglichen Zustände eines Problems in der jeweiligen Aufgabenumwelt und beinhaltet auch den effizientesten Lösungsweg, der aus dem subjektiven konstruierten Problemraum nicht unbedingt ersichtlich wird. Menschen ist der objektive Problemraum jedoch oft nicht zugänglich, da Menschen stets gemäß ihres mentalen Modells (Vorstellungen/ Überzeugungen) Probleme konstruieren. Durch den Problemraumansatz gewinnt der Problemlöser Kenntnis über alle relevanten Problemzustände. Er erlangt zudem die Möglichkeit den aktuellen Problemlöseprozess durch Vergleich mit den jeweiligen Zuständen zu beschreiben, zu evaluieren und gegebenenfalls anzupassen.

Widmen wir uns nun dem Suchraum. Wie in dem Beispiel oben beschrieben, wird ein Problem durch Handeln und kognitive Denkprozesse gelöst. Diese nennt man Operatoren. Sie werden auf Ausgangs-­ und Zwischenzustände angewandt um einen gewünschten Zielzustand zu erreichen. Der Suchraum entsteht, indem der subjektive Problemraum mit Operatoren (kognitiven Prozessen) verknüpft wird. Er ist also lediglich ein Ausschnitt des Problemraums, auf den der Problemlöser seine Aufmerksamkeit richtet und zielgerichtete Veränderungen (Teiltätigkeiten) mit den Operatoren vornehmen kann. Diese Fokussierung ermöglicht eine strukturierte Bearbeitung der Zwischenzustände aber auch eine Umstrukturierung oder Anwendung neuer Operatoren, wenn keine Lösung gefunden wurde. Dem Prozess ist es dienlich, wenn der Suchraum möglichst groß ist, da nur dann alle relevanten Informationen aus dem Suchraum in die Teillösungen und Zwischenzustände einfließen können. Aufgrund begrenzter kognitiver Ressourcen (z.B. mangelnde Aufmerksamkeit) ist eine ständige Fokussierung auf den Suchraum jedoch nicht möglich.

Daher ist die Problem-­ und Suchraumtheorie am besten auf gut definierte, weniger komplexe Probleme anwendbar, die wenig Ressourcen beanspruchen.

1.2 Aufgabenumwelt

Die Aufgabenumwelt beschreibt die externe Umwelt, in der Probleme entstehen. In unserem Beispiel wäre das die Küche (o.ä.) in der die Kaffeetasse umkippt. Etwas praxisnäher werden Umweltsysteme in Unternehmen definiert (z.B. Kunden, Lieferanten, Konkurrenten, Verwaltung etc.). Sprich alle externen Einflussfaktoren, die auf das Unternehmenssystem einwirken. Neben der externen gibt es auch die interne Umwelt. Diese meint den organisatorischen Kontext, in dem alle interen Prozesse ablaufen (z.B. Teamzusammensetzung, Planung durch den Manager, Reaktion auf neue Kundenwünsche etc.).

2. Problemlösestrategien

Wheatley (1984) beschreibt „Problemlösen [als das], was man tut, wenn man nicht weiß, was man tun soll“.

Der nächste Abschnitt beschäftigt sich mit Strategien, die man eben dann anwenden kann, wenn eine Lösung schwer greifbar erscheint. Problemlösen ist als Prozess zu verstehen, der meist nur in Teiltätigkeiten zu bewältigen ist. Wie in Abschnitt 1.1 beschrieben ist es prozessdienlich das der Suchraum möglichst groß ist. Es gibt zahlreiche Strategien, wie der Suchraum erweitert werden kann. Einige werden unten erläutert.

3. Experten vs. Novizen

Problemlösen kommt in vielen Domänen z.B. dem Arbeitskontext vor. Aufgrund der hohen Relevanz die Probleme mit sich bringen und der kognitiven Diskrepanz die sie auslösen ist das Problemlösen ein viel untersuchtes Konstrukt. Schnell wurde beobachtet das Experten Probleme nicht nur effizienter sondern auch effektiver lösen können als Novizen. Wenn wir uns an das Beispiel mit dem verschütten Kaffee erinnern, so erscheint es logisch, dass eine professionelle Reinigungskraft einen Kaffeefleck (u.a. aus einem Kleidungsstück) effektiver entfernen kann als jemand, der sich noch nie mit der Fleckentfernung beschäftigt hat. Es scheint daher erstrebenswert auf jedem Gebiet möglichst effizient und effektiv Probleme lösen zu können. Zunächst muss man sich jedoch mit dem Unterschied zwischen Experten und Novizen beschäftigen, um die zu Grunde liegenden Mechanismen der Problemlösestrategien zu verstehen und anwenden zu können.

Eine besonders gute Analogie für den Problemraum, der Lösungsstrategien beinhaltet, ist das Schachspiel. Insbesondere De Groot (1965) und Simon (1973) haben sich damit beschäftigt. Problemlösung lässt sich hier in einer Sequenz von beobachtbaren Zügen erkennen. Die Leistung von unterschiedlichen Personen ist besonders gut vergleichbar, da beim Schachspiel die Regeln (kognitive Operatoren) bekannt sind. Zudem ist der Problemraum aufgrund der vielen möglichen Spielkombinationen und Züge extrem groß.

In der klassischen Untersuchung von De Groot (1965) wurden 5 Großmeister mit 5 guten Schachspielern verglichen. Dabei sollten die Spieler die Methode des lauten Denkens beim Nachdenken über den nächsten Zug anwenden. Ergebnis der Untersuchung war, dass die Großmeister mehr und qualitativ bessere Spielzüge in Betracht ziehen konnten als gute Spieler. Hier wird deutlich, dass Experten (Großmeister) den Novizen (normale Schachspieler) deutlich überlegen sind. Dennoch wurde gezeigt, dass es keine Unterschiede im Suchprozess gab. Die Schlussfolgerung von De Groot war, dass Schachexperten keine besonderen Suchprozesse verwenden, sondern die Problemsituation anders repräsentieren und kategorisieren. De Groot vermutete das der Ursprung dieses Effektes in der Gedächtnisleistung der Experten lag.

Einige Jahre später modifizierten Gobet & Simon (1996) die klassische Untersuchung um diese Annahme zu überprüfen. Dafür wurden abermals Großmeister mit guten Spielern und Amateuren verglichen. Ihnen wurden sinnvolle und zufällige Figurenanordnungen für einige Sekunden gezeigt. Danach sollten die Spieler diese Konstellationen aus dem Gedächtnis reproduzieren. Es zeigte sich eine Überlegenheit der Schachmeister, die jedoch bei der Zufallsanordnung verschwand. Gobet & Simon schlussfolgerten, dass Meister eine große Zahl von sinnvollen Schachkonstellationen mit dem jeweils optimalen Zug im Langzeitgedächtnis gespeichert haben. Sie können daher irrelevante Züge ausschließen und schnell den wirklich optimalen Zug auswählen. Sie merken sich also nicht die Positionen einzelner Figuren, sondern Muster von vertrauten Spielkonstellationen.

Abbildung modifiziert nach Gobet and Simon (1996). Gemittelte Anzahl der richtig gesetzten Spielpositionen über die verschiedenen Bedingungen (echte oder zufällige Figurenkonstellation) und Skill-Level.

Chase & Simon leiten aus diesen Befunden die sogenannte Chunking-Hypothese ab. Chunks sind kleine Wissenseinheiten, die zu größeren sinnvollen Einheiten zusammengefasst werden und so im Langzeitgedächtnis abgespeichert werden. In Bezug auf die Schachuntersuchungen repräsentieren Experten Schachkonstellationen, indem sie diese in ca. 7±2 Chunks zerlegen. Ihre Leistung konnte aber nur bei den sinnvollen Spielkonstellationen aufrechterhalten werden. Die zufälligen Konstellationen machen in den Augen der Meister keinen Sinn und werden schnell wieder vergessen. Die Leistung bei sinnvollen Spielkonstellationen war deshalb so gut, weil die Chunks von Experten mehr Information (in Form von Positionen/ Figurenkonstellationen) enthalten.

4. Zusammenfassung

• Experten haben vertraute Sachverhalte in einer großen Zahl von Chunks gespeichert
  -> erspart aufwändiges Suchen nach Alternativen (vgl. Hill Climbing)
• Experten enkodieren mehr Informationseinheiten pro Chunk
  -> effektiver als Novizen
• Experten enkodieren Chunks schneller -> effizienter als Novizen
• Experten erinnern Information aus ihrer Domäne besser (aufgrund breiteren und besser organisierten Wissens)
• Experten repräsentieren Probleme auf einer tiefenstrukturellen Ebene und rufen komplexere Regeln (kognitive Operatoren) ab
• Experten zeigen mehr Selbstregulation, Selbstreflexion und Selbstüberwachung (self-monitoring) im Umgang mit Problemen ihrer Domöne

EXKURS: Wie wird man Expertin? Chase & Simon (1973) schätzen, dass 10.000–50.000 Übungsstunden (ca. 10 Jahre) nötig sind um auf einer Domäne Experte zu werden -> „experts are made, not born“ Charness (1992).

5. Praktischer Transfer zum Feld der agilen Entwicklung

Das Bestreben der agilen Softwareentwicklung ist es, zum einen den Softwareentwicklungsprozess flexibler und schlanker zu gestalten, zum anderen sind es Prinzipien der agilen Entwicklung mit geringem bürokratischem Aufwand, wenigen Regeln und einem iterativen Vorgehen auszukommen. Im Gegensatz zu klassischen Vorgehensweisen ist agile Entwicklung stark zielorientiert und gegenüber technischen und sozialen Problemen der Softwareentwicklung offen. Daher ist agile Entwicklung als Gegenbewegung zu den schwergewichtigen und bürokratischen traditionellen Softwareentwicklungsprozessen zu sehen.

Ziel eines Softwareprojekts im Rahmen der agilen Entwicklung ist es für die Benutzer eine zufriedenstellene Lösung zu finden. Dabei gibt es verschiedene Lösungsalternativen, die aber zu Beginn des Projekts unbekannt sind. Auch die Ausgangssituation ist meist nur ungenügend bekannt. Bei unscharfen Zielen spricht man von einem α-Problem. Weitere Probleme neben unscharfen Zielen sind Kommunizierbarkeit gegenüber dem Kunden aber auch innerhalb des Entwicklerteams. Zudem kann es zu Problemen führen wenn Mitarbeiter unterschiedlicher Fachdomänen zusammenarbeiten (s.o. Experten vs. Novizen). Problematisch ist es auch die Ergebnisse paralleler Entwicklungen zu einem Gesamtziel zu vereinbaren.

5.1 Team

Montagmorgen. Das Entwicklungsteam ist im Konferenzraum versammelt um die Ergebnisse des letzten Sprints zu reflektieren. Im Team herrscht starke Unzufriedenheit, denn der Kunde hat bereits zum wiederholten Male die bestellte Software nicht abgenommen. Das Team wird vom Scrum-Master motiviert die Software ein weiteres Mal zu überarbeiten.

Die hier beschriebene Situation steht exemplarisch für einen Problemlöseprozess in der agilen Softwareentwicklung. Das „Herantasten“ an die Lösung während des Prozesses findet in einem Projektteam statt. Wie in Abschnitt 1.1 und 1.2 beschrieben, konstruieren Menschen Problemsituation unterschiedlich und es gibt nie eine einheitliche Lösung. Das bedeutet für die praktische Zusammenarbeit, das ein Team immer wieder Vor-­ und Nachteile einzelner Teillösungen abwägt um einen möglichst objektiven Problemraum zu kreieren.

Merke:

• Ein Projekt ist immer ein dynamischer Lernprozess für die Beteiligten. D.h. das Verstehen des Problems tritt meist erst während des Projekts auf und die Lösung wird in Teilschritten immer wieder angepasst.
• Andere Menschen andere Problemlösungen!
• Jedes Teams ist einzigartig.
• Lösung und Lösungsweg sind für jedes Team und Problem anders.

5.2 Projektführung

„Ein Projekt zu führen heißt, die beiden zentralen Aspekte einer Softwareentwicklung zu steuern und zu fördern: den Lösungsfindungsprozess und die Produktivität im Team.“ (Flückiger, 2012)

In der agilen Softwareentwicklung ist das Team selbst für die Problemlösung zuständig. Spezifische Vorgaben für die Zusammenarbeit innerhalb des Teams gibt es kaum, die Leute sollen sich selbst organisieren und dabei die agilen Prinzipien beherzigen. Ein maßgeblicher Unterschied zu traditionellen Entwicklungsmethoden ist, dass die Führungsperson die Lösungen nicht vorgibt, sondern das Team aktiv bei der Lösungsfindung unterstützt. Dadurch wird der Produktionsfaktor um das Wissen jedes Teammitgliedes erweitert und der Problemraum summiert sich auf.

6. Zusammenfassung

• Agile Softwareentwicklung ist Problemlösen, kein Herstellungsprozess.
• Ein Team ist ein Ökosystem, keine Maschine.
• Führung ist aktive Unterstützung des Teams und des Problemlösens.

Quellen

• Chase, W. G., & Simon, H. A. (1973). Perception in chess. Cognitive psychology, 4(1), 55-81.
• Gobet, F., & Simon, H. A. (1996). Recall of random and distorted chess positions: Implications for the theory of expertise. Memory & cognition, 24(4), 493-503.
• Flückiger, M., Dirbach, J., & Lentz, S. (2012). Software entwickeln mit Verstand: was Sie über Wissensarbeit wissen müssen, um Projekte produktiver zu machen. dpunkt. verlag.
• Klix, F. (1983). Begabungsforschung – ein neuer Weg in der kognitiven Intelligenzdiagnostik? Zeitschrift für Psychologie, 191, 360-387.
• Lüer, G. & Spada, H. (1992). Denken und Problemlösen. In H. Spada (Hrsg.), Allgemeine Psychologie, 2. Aufl. (S. 189-289). Bern: Huber.
• Wheatley, G.H. (1984). Problem solving in school mathematics. MEPS Technical Report 84.01, West Lafayette, Indiana, Purdue University, School of Mathematics and Science Center, S. 1.
• Zimbardo, P.G. (1995). Psychologie. Berlin Heidelberg: Springer-Verlag http://lexikon.stangl.eu/1963/heuristik/ Online Lexikon für Psychologie und Pädagogik. Abgerufen am 30.4.2016.
• Abbildung am 5.7.2016 entnommen von: http://www.chrest.info/fg/papers/Meaningless/Image30.gif