🤖 AI

Five Fatal Assumptions: Why T-Shirt Sizing Systematically Fails for AI Projects

Diese Arbeit zeigt auf, dass die T-Shirt-Sizing-Methode bei KI-Projekten aufgrund von fünf falschen Annahmen systematisch versagt, und schlägt stattdessen einen iterativen „Checkpoint Sizing"-Ansatz vor, der Lernfortschritte und explizite Entscheidungsgatter in den Vordergrund stellt.

Ursprüngliche Autoren: Raja Soundaramourty, Ozkan Kilic, Ramu Chenchaiah

Veröffentlicht 2026-02-23

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Raja Soundaramourty, Ozkan Kilic, Ramu Chenchaiah

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Warum das "T-Shirt-Größen"-System bei KI-Projekten scheitert

(Eine einfache Erklärung für alle, die nicht in der KI-Forschung arbeiten)

Stellen Sie sich vor, Sie planen den Bau eines Hauses. In der klassischen Softwareentwicklung nutzen Manager oft eine Methode namens "T-Shirt-Sizing". Das klingt lustig, ist aber sehr logisch:

Klein (S): Ein kleines Gartenhäuschen.
Mittel (M): Ein normales Einfamilienhaus.
Groß (L): Ein mehrstöckiges Apartmentgebäude.
Extra Groß (XL): Ein Wolkenkratzer.

Die Idee dahinter: "Wir haben schon einmal ein Einfamilienhaus gebaut. Das dauerte 6 Monate. Also dauert das neue, ähnliche Haus auch etwa 6 Monate."

Das Problem: Die Autoren dieses Papiers (von Cisco) sagen: Diese Logik funktioniert bei Künstlicher Intelligenz (KI) gar nicht. Wenn Sie versuchen, KI-Projekte wie normale Software zu planen, landen Sie in einer Katastrophe. Projekte, die als "Klein" geplant waren, werden zu "Riesigen", die Monate länger dauern und das Budget sprengen.

Warum? Weil KI fünf fundamentale Regeln bricht, auf denen das T-Shirt-System basiert. Hier sind diese fünf "tödlichen Annahmen" – erklärt mit einfachen Metaphern:

1. Die Annahme: "Doppelte Arbeit = Doppelte Größe" (Lineares Wachstum)

Die alte Regel: Wenn Sie ein Haus bauen und die Fläche verdoppeln, brauchen Sie ungefähr doppelt so viel Ziegelsteine und Zeit. Das ist linear.
Die KI-Realität: KI ist wie das Klettern auf einem Berg, der steiler wird, je höher man kommt.
- Wenn Sie eine KI von 85 % auf 90 % Genauigkeit bringen, ist das noch machbar.
- Aber von 90 % auf 99 %? Das ist nicht mehr nur "ein bisschen mehr Arbeit". Das ist wie der Versuch, den Berg mit einem Flugzeug zu überqueren. Der Aufwand explodiert exponentiell.
- Der Vergleich: Bei T-Shirts ist ein XL-Shirt nur ein bisschen größer als ein L-Shirt. Bei KI ist der Unterschied zwischen "ganz gut" und "perfekt" wie der Unterschied zwischen einem Spaziergang und einem Marsch zum Mond.

2. Die Annahme: "Erfahrung zählt" (Wiederholbarkeit)

Die alte Regel: "Wir haben schon einmal einen Chatbot für den Kundenservice gebaut. Also wissen wir, wie lange ein Chatbot für die Personalabteilung dauert."
Die KI-Realität: Jeder Datensatz ist ein neues, unbekanntes Land.
- Ein Chatbot für Technik-Support lernt andere Wörter und Fehler als einer für HR.
- In der KI tauchen oft "Unbekannte Unbekannte" auf: Daten sind korrupt, Vorurteile (Bias) verstecken sich erst in der Mitte des Projekts, oder die KI halluziniert plötzlich.
- Der Vergleich: Es ist, als würden Sie sagen: "Ich kann gut Auto fahren, also kann ich auch sofort ein Flugzeug fliegen." Die Erfahrung hilft, aber die Regeln des Spiels haben sich komplett geändert.

3. Die Annahme: "Mehr Leute = Schnellere Arbeit" (Austauschbarkeit)

Die alte Regel: Wenn ein Programm 8 Wochen dauert, schaffen 4 Entwickler es in 2 Wochen. (Das ist die klassische "Brooks'sche Regel", die bei normaler Software oft funktioniert).
Die KI-Realität: KI hat unumgängliche Wartezeiten, die man nicht wegkaufen kann.
- Man kann nicht 100 Leute nehmen, um das "Trainieren" eines Modells zu beschleunigen. Das Training braucht Rechenzeit, egal wie viele Leute davor sitzen.
- Man kann nicht 100 Leute nehmen, um zu warten, ob die KI in einem langen Gespräch den Faden nicht verliert.
- Der Vergleich: Sie können nicht 100 Hebammen nehmen, um ein Baby in 10 Minuten zur Welt zu bringen. Die Schwangerschaft hat eine natürliche Mindestzeit. Bei KI gibt es diese "natürlichen Wartezeiten" für Datenverarbeitung und Tests.

4. Die Annahme: "Man kann alles in Teile zerlegen" (Zerlegbarkeit)

Die alte Regel: Ein Haus hat Fundament, Wände und Dach. Man kann vier Teams bauen: Team A macht das Fundament, Team B die Wände. Am Ende schrauben sie es zusammen.
Die KI-Realität: KI ist wie ein Wasserspiel, bei dem alles miteinander verbunden ist.
- Wenn Sie die Daten ändern (das Fundament), muss das Modell neu trainiert werden (die Wände), und die Anweisungen (Prompt) müssen komplett neu geschrieben werden (das Dach).
- Alles hängt eng zusammen. Eine kleine Änderung an einer Stelle kann das ganze System zum Einsturz bringen.
- Der Vergleich: Bei einem normalen Haus können Sie das Dach bauen, während das Fundament trocknet. Bei KI ist es wie ein Orchester: Wenn der Geiger falsch spielt, muss der ganze Dirigent neu dirigieren. Man kann die Teile nicht isoliert planen.

5. Die Annahme: "Wenn es fertig ist, ist es fertig" (Feste Ziele)

Die alte Regel: Ein Programm ist fertig, wenn alle Tests grün leuchten. Punkt.
Die KI-Realität: Das Ziel bewegt sich wie ein Fluchender Ball.
- Die KI ist "fertig" und liefert gute Antworten. Aber dann sagt die Rechtsabteilung: "Aber sie lügt zu oft!" oder "Sie ist zu voreingenommen!".
- Plötzlich muss das Projekt neu gestartet werden, um diese neuen Sicherheitsregeln zu erfüllen. Was als "Klein" (S) begann, wird über Nacht zu "Extra Groß" (XL).
- Der Vergleich: Sie bauen ein Auto. Es fährt. Aber dann verlangt der Gesetzgeber neue Bremsen. Das Auto ist nicht mehr "fertig", es muss neu konstruiert werden.

Die Lösung: "Checkpoint-Sizing" (Der Weg der Entdeckung)

Da wir die T-Shirt-Größe nicht mehr am Anfang festlegen können, schlagen die Autoren eine neue Methode vor: Checkpoint-Sizing.

Stellen Sie sich vor, Sie planen eine Reise in den Dschungel.

T-Shirt-Sizing wäre: "Wir gehen 3 Tage lang, dann sind wir am Ziel." (Gefährlich, wenn Sie sich verirren).
Checkpoint-Sizing ist: "Wir gehen zu einem bestimmten Punkt (Checkpoint). Dort prüfen wir: Ist der Weg noch passierbar? Haben wir genug Wasser? Sehen wir eine Gefahr?"

So funktioniert es:

Start: Sie machen eine Hypothese ("Wir brauchen vielleicht 2 Monate").
Checkpoint 1 (Daten): Sind die Daten gut genug? Wenn nein -> Projekt stoppen oder ändern.
Checkpoint 2 (Test): Funktioniert die KI in kurzen Gesprächen?
Checkpoint 3 (Sicherheit): Halluziniert sie zu viel?
Entscheidung: An jedem Punkt entscheiden Sie neu: Weitermachen, Umleiten oder Abbrechen.

Das Fazit:
Bei KI-Projekten können Sie nicht am Anfang wissen, wie groß das "T-Shirt" sein wird. Sie müssen es während des Bauens herausfinden. Anstatt stur an einem alten Plan festzuhalten, sollten Sie kleine Meilensteine setzen, an denen Sie die Realität prüfen und Ihren Plan anpassen.

Kurz gesagt: Hören Sie auf, KI-Projekte wie Hausbau zu planen. Planen Sie sie wie eine wissenschaftliche Expedition, bei der Sie erst wissen, wie weit Sie kommen, wenn Sie den nächsten Hügel überquert haben.

Technische Zusammenfassung: „Five Fatal Assumptions: Why T-Shirt Sizing Systematically Fails for AI Projects"

Autoren: Raja Soundaramourty, Ozkan Kilic, Ramu Chenchaiah (Cisco Systems, Inc.)
Datum: 23. Februar 2026

1. Problemstellung

Das Papier adressiert das systematische Versagen herkömmlicher agiler Schätzmethoden, insbesondere der T-Shirt-Sizing-Methode (Kategorisierung von Arbeitspaketen in S, M, L, XL), wenn diese auf KI-Projekte angewendet werden. Während diese Methoden in der traditionellen Softwareentwicklung seit Jahrzehnten erfolgreich sind, führen sie bei Projekten mit Large Language Models (LLMs) und Multi-Agenten-Systemen zu massiven Fehleinschätzungen.

Die Autoren argumentieren, dass diese Fehler nicht auf mangelnde Teamkompetenz zurückzuführen sind, sondern auf eine fundamentale Diskrepanz zwischen den mentalen Modellen der traditionellen Softwareentwicklung und der Realität der KI-Entwicklung. T-Shirt Sizing basiert auf fünf impliziten Annahmen, die im KI-Kontext systematisch kollabieren, was zu Projektverzögerungen von Monaten, technischen Sackgassen und unvorhergesehenen Kosten führt.

2. Methodik

Die Autoren leiten ihre Analyse durch eine strukturierte Synthese ab:

Analyse der Schätzmethoden: Identifikation der impliziten Prämissen herkömmlicher agiler Methoden (Story Points, Planning Poker).
Abgleich mit KI-Workflows: Gegenüberstellung dieser Prämissen mit etablierten Charakteristika von ML/AI-Workflows (Datenabhängigkeit, experimentelle Iteration, ML-spezifische technische Schulden).
Empirische Verankerung: Nutzung aktueller Forschungsergebnisse (u.a. zu Multi-Agenten-Systemen, Skalierungsgesetzen und LLM-Verhalten), um die Fehlermodi zu quantifizieren.
Bewertungskriterien: Jede Annahme wurde auf drei Kriterien geprüft: Gültigkeit in traditioneller Software, systematische Verletzung im KI-Kontext und das Ausmaß des daraus resultierenden Schätzfehlers.

3. Die fünf tödlichen Annahmen (Kernergebnisse)

Das Papier identifiziert und analysiert fünf fundamentale Annahmen, die im KI-Kontext nicht haltbar sind:

Annahme 1: Lineare Skalierung des Aufwands

Traditionelles Modell: Verdopplung der Features führt zu einer Verdopplung des Aufwands.
KI-Realität: Der Aufwand folgt einer exponentiellen Kurve. Die Verbesserung der Modellgenauigkeit von 85 % auf 95 % erfordert oft einen 10-fachen Aufwand an Daten, Rechenleistung und Iterationen.
Multi-Agenten-Komplexität: Die Interaktionskomplexität wächst kombinatorisch ( $N(N-1)$ ), nicht linear. Das Hinzufügen eines Agents führt zu einer Explosion von Routing-Pfaden und Fehlerzuständen.

Annahme 2: Wiederholbarkeit basierend auf früheren Erfahrungen

Traditionelles Modell: Erfahrung mit ähnlichen Projekten (z. B. Chatbots) ermöglicht verlässliche Schätzungen.
KI-Realität: Jeder Datensatz ist „Neuland". Datenverteilungen, Edge Cases und Annotationen variieren extrem. Zudem leiden LLMs unter Kontextdegradation: Die Performance sinkt in Multi-Turn-Konversationen im Durchschnitt um 39 %, und Halluzinationen treten oft erst in langen Sitzungen auf, die im Test nicht abgedeckt waren.

Annahme 3: Austauschbarkeit von Aufwand und Dauer (Fungibilität)

Traditionelles Modell: Mehr Personal verkürzt die Dauer linear (bis zu einem gewissen Punkt).
KI-Realität: Es gibt unauflösbare sequenzielle Abhängigkeiten (Datensammlung → Bereinigung → Training → Evaluation), die nicht parallelisiert werden können. Rechenzyklen und Datenverarbeitungsdauern lassen sich nicht durch mehr Personal komprimieren. Zudem gibt es „Latency Floors" in Multi-Agenten-Ketten, die durch reine Engineering-Effizienz nicht eliminiert werden können.

Annahme 4: Zerlegbarkeit von Aufgaben

Traditionelles Modell: Große Projekte lassen sich in parallele Ströme zerlegen, die am Ende integriert werden.
KI-Realität: KI-Systeme sind eng gekoppelt (Tight Coupling). Änderungen in der Datenpipeline erzwingen ein Neutrainieren des Modells; Änderungen im Prompt-Engineering können die Datenlogik invalidieren. Ressourcenkonflikte (z. B. begrenztes Kontextfenster) führen dazu, dass das Verhalten eines Agents vom Output eines anderen abhängt, was additive Schätzungen unmöglich macht.

Annahme 5: Deterministische Abschlusskriterien

Traditionelles Modell: Ein Task ist „Done", wenn Tests bestehen und Spezifikationen erfüllt sind.
KI-Realität: Die Definition von „Done" ist probabilistisch und dynamisch. Ein Projekt kann als fertig gelten, bis Sicherheitsaudits, ethische Bewertungen oder neue regulatorische Anforderungen (z. B. Halluzinationsraten) das Projekt wieder zurück in den Entwicklungszyklus werfen. Zudem können Agenten in endlose Korrekturschleifen geraten, die Budget verbrauchen, ohne Fortschritt zu bringen.

4. vorgeschlagene Lösung: „Checkpoint Sizing"

Als Alternative zum T-Shirt Sizing schlagen die Autoren Checkpoint Sizing vor. Dies ist ein iterativer, evidenzbasierter Ansatz, der den Projektumfang und die Machbarkeit nicht zu Beginn festlegt, sondern an expliziten Entscheidungsgates (Checkpoints) neu bewertet.

Prinzipien von Checkpoint Sizing:

Explizite Entscheidungsgates: Meilensteine bei Datenbereitschaft, Modellkonvergenz und Sicherheitsvalidierung.
Evidenzbasierte Neubewertung: Schätzungen werden basierend auf empirischen Daten (nicht Analogien) an jedem Gate aktualisiert.
Unsicherheitsakzeptanz: Ersetzung von Punkt-Schätzungen durch Konfidenzintervalle.
Pivot-Optionen: Explizite Entscheidungspunkte für Scope-Reduzierung, Pivot oder Abbruch.

Die Checkpoint-Gates (Gate A–E):

Datenbereitschaft: Qualität, Schema, PII-Richtlinien.
Evaluation Harness: Gold-Set, automatisierte Evaluierungspipelines.
Sicherheit & Zuverlässigkeit: Red-Teaming, Loop-Kontrollen, Guardrails.
Kosten & Latenz: Durchsatzmodelle, Token-Budgets.
Operationalisierung: Monitoring, Canary-Pläne, SLOs.

Ein synthetisches Fallbeispiel zeigt, wie ein initial auf „Large" (6–8 Wochen) geschätztes Projekt nach Durchlaufen der Gates zu einem „Extra-Large" (12–16 Wochen) wird, da konkrete Risiken (Datenbereinigung, Evaluation, Sicherheitsguardrails) erst im Prozess sichtbar werden.

5. Bedeutung und Fazit

Das Papier liefert einen kritischen Beitrag zum Projektmanagement im KI-Bereich. Es zeigt auf, dass das bloße Hinzufügen von Puffern zu traditionellen Schätzungen nicht ausreicht, da die zugrundeliegenden mathematischen und systemischen Modelle (linear vs. nicht-linear, deterministisch vs. probabilistisch) fundamental unterschiedlich sind.

Kernaussagen:

T-Shirt Sizing versagt bei KI-Projekten nicht wegen schlechter Ausführung, sondern wegen falscher Grundannahmen.
KI-Entwicklung ist ein Prozess der iterativen Entdeckung, nicht der upfront-Planung.
Der Übergang zu Checkpoint Sizing ermöglicht es Teams, Risiken frühzeitig zu identifizieren, den Scope evidenzbasiert anzupassen und Ressourcenverschwendung durch das Verfolgen unmöglicher Ziele zu vermeiden.

Die Autoren fordern zukünftige Arbeiten zur empirischen Validierung dieser Methode, zur Integration in Projektmanagement-Tools und zur Anpassung an spezifische Domänen (z. B. Gesundheitswesen, Finanzen).