Die Ära der Frameworks ist vorbei. Der Engpass ist zur Auslieferung gewandert.

Jeff Gothelf hat es unverblümt gesagt: SAFe war „bewusst darauf ausgelegt, Vorhersagbarkeit und Koordination in großem Maßstab zu erzeugen. Das war die richtige Antwort auf das Problem, das es lösen sollte. Das Problem heute ist ein anderes.” Er hat recht, und der Markt stimmt zu — Scaled-Agile-Frameworks stehen in offenem Gegenwind, Agile-Coach-Rollen werden gestrichen, und Unternehmen fragen inzwischen explizit nach Hilfe, die framework-unabhängig ist.

Aber „hört auf, Frameworks einzusetzen” ist nur die halbe Antwort. Hier ist die andere Hälfte, und das ist der Teil, den die meisten Post-Agile-Thesen auslassen.

KI hat den Kreislauf nicht gleichmäßig beschleunigt. Sie hat den Engpass verschoben.

Jede Produktorganisation durchläuft denselben Kreislauf: entdecken → bauen → ausliefern. KI hat zwei dieser drei Schritte drastisch komprimiert.

• Entdecken — Design Thinking, Nutzerforschung, Journey-Mapping, Prototyping. Ein Prototyp, der früher Wochen brauchte, braucht jetzt Stunden; ganze Abläufe werden in Minuten generiert. Discovery ist schneller als je zuvor.
• Bauen — Codegenerierung hat die Zeit von der Spezifikation zur funktionierenden Software zusammenschrumpfen lassen.
• Ausliefern — Deployment, Integration, Testing, Governance und Change-Management durch große, echte Systeme. KI hat das kaum berührt.

Also ist die Beschränkung gewandert. Wenn man Discovery und Build beschleunigt, aber nicht die Auslieferung, bekommt man kein schnelleres Unternehmen — man bekommt eine schnellere Ideenfabrik, die dasselbe langsame Rohr speist, und einen wachsenden Stapel validierter Ideen, die an der Auslieferungsmauer festhängen. Jeder, der schon einmal innerhalb eines großen Unternehmens ausgeliefert hat, hat das beobachtet.

Deshalb ist „schneller lernen” eine unvollständige These. Die Lerngeschwindigkeit ist notwendig, aber gewinnen wird die Organisation mit dem kürzesten Weg von einer validierten Erkenntnis zu ausgeliefertem, geregeltem Wert in Produktion. Nennen wir das Full-Loop-Geschwindigkeit. Es ist die ehrliche Version des adaptiven Vorteils, dem alle nachjagen: Man gewinnt nicht, weil KI einen billiger gemacht hat — kostengetriebene KI ist genau das, was bei den Unternehmen gescheitert ist, die sie verordnet haben. Man gewinnt, weil man Konkurrenten, die noch in Quartalen planen, sowohl im Lernen als auch im Ausliefern überholt.

Eine Runtime komprimiert die Auslieferung. Ein Framework kann das nicht.

Ein Framework ist ein Plan. Es koordiniert Menschen; es führt keine Software aus. Man kann die Auslieferung nicht verkürzen, indem man ein schwereres Betriebsmodell einführt — das fügt genau dem Schritt, der bereits der Engpass ist, noch mehr Zeremonie hinzu.

Was die Auslieferung komprimiert, ist eine Runtime: eine Ausführungsschicht, die bereits deployt, bereits geregelt, bereits in Produktion ist, sodass eine neue Erkenntnis echten Wert durch das System treibt, ohne jedes Mal die Verrohrung neu zu bauen. Das ist es, was RakuAI ist — die KI-native räumliche Runtime, die es jedem Assistenten (Claude, ChatGPT, Gemini, Copilot) erlaubt, über eine Deny-by-Default-, audit-protokollierte, Multi-Vendor-MCP-Oberfläche auf die reale Welt einzuwirken. Keine Methodik zum Ausrollen. Ein System, das läuft.

Das löst außerdem die falsche Entscheidung zwischen sich auf Auslieferung festlegen und frei bleiben, um umzuschwenken auf. Wenn Auslieferung billig und umkehrbar ist, kann man sich früh festlegen und in Woche drei den Kurs ändern, weil das Ausliefern der korrigierten Version schnell geht. Gothelfs „sag, dass es falsch ist, und schwenke um” hört auf, ein Kultur-Slogan zu sein, und wird zur wirtschaftlichen Tatsache — einer Konsequenz kurzer Auslieferungszeit, kein Poster an der Wand.

Wie es funktioniert — drei Bewegungen, kein Framework

• Map — die Journey und wo der Wert steckt. Experience Design vorn, wo es hingehört, jetzt durch KI komprimiert.
• Ground — Verankerung in echtem Kontext (ein echter erfasster Raum, echte Daten), damit die KI auf Basis von Wahrheit handelt, nicht auf Basis eines Prompts. Das ist der Schritt, der verhindert, dass Geschwindigkeit zu selbstsicherer, falscher Ausgabe wird.
• Run — durch die Runtime treiben: geregelt, geprüft, in Produktion. Hier passieren Governance und Skalierung live.

Drei Bewegungen, die sich eine Führungskraft merken kann, verbunden mit einem System, das sie ausführt — kein Wandschaubild mit dreißig Kästchen und kein Zertifizierungspfad.

Das Fazit

Die Ära der Frameworks hat das alte Problem gelöst: Vorhersagbarkeit im großen Maßstab. Das neue Problem ist das Gegenteil — Anpassungsfähigkeit bei Geschwindigkeit, wobei die bindende Beschränkung die Auslieferung ist, nicht die Planung. Die Lösung ist kein größeres Framework mit einer aufgeschraubten KI-Schicht. Es ist Subtraktion plus eine Runtime: weniger Bewegungen, und eine Ausführungsschicht, die schnelles Lernen in schnelle, geregelte Auslieferung verwandelt.

Hört auf, Frameworks einzuführen. Fangt an, Full-Loop-Geschwindigkeit zu messen. Und setzt die Runtime dorthin, wo der Engpass tatsächlich liegt.