- Der Artikel weist auf eine große Lücke in der KI-Welle der Unternehmen hin: Die Führungsebene entwickelt die KI-Strategie, die Ingenieure sind begeistert von neuen Tools, aber die Engineering Manager (EM) sind diejenigen, die alles in tatsächliche Betriebsprozesse umsetzen müssen.
- Autor Vignesh Durai berichtet von einem Gespräch mit sechs EMs auf einer Entwicklerkonferenz. Alle standen vor dem gleichen Problem: Das Unternehmen erklärt sich für „AI-first“, aber es gibt keine spezifischen Richtlinien, Budgets oder Anleitungen für die Umsetzung.
- Engineering Manager müssen wichtige Fragen selbst beantworten: Darf von KI generierter Code in die Produktion gehen, wer ist für die Überprüfung verantwortlich und wie wird die Leistung gemessen, wenn die KI den Code zwar schnell schreibt, die Testzeit sich aber verlängert.
- Dem Artikel zufolge wird das mittlere Management zum „Übersetzer der KI-Strategie“ zwischen der Führungsebene und den Ingenieurteams, obwohl diese Rolle nie für eine solche Verantwortung konzipiert wurde.
- Diese Situation ist in Branchen wie dem Gesundheitswesen, dem Finanzwesen und SaaS weit verbreitet. Viele Manager müssen KI-Governance-Prozesse selbst aufbauen, da die Rechtsabteilung oder die Geschäftsführung keine klaren Antworten haben.
- Zu den neu entstehenden Aufgaben gehören das Verfassen interner KI-Nutzungsrichtlinien, das Redesign von Code-Review-Prozessen für KI-generierte Pull-Requests und die psychologische Unterstützung der Ingenieure angesichts beruflicher Veränderungen.
- Trotz der massiven Arbeitszunahme werden sie weiterhin nach alten KPIs wie Produkt-Release-Geschwindigkeit, Mitarbeiterbindung und Sprint-Stabilität bewertet.
- Der Autor warnt vor einem strategischen Risiko, wenn Unternehmen diese „Strategie-Übersetzungsebene“ nicht unterstützen: Jedes Team implementiert KI anders, was zu inkonsistenter Qualität und Governance führt.
- Der Artikel betont auch das Risiko des Talentverlusts, wenn fähige Manager das Gefühl haben, dass ihre Arbeit zwar umfangreicher wird, aber nicht offiziell anerkannt oder unterstützt wird.
- Ein weiteres Risiko ist die rechtliche Haftung und Produktqualität: Wenn KI-generierter Code einen Produktionsfehler verursacht, ist meist der Engineering Manager derjenige, der den „Kopf hinhalten“ muss, obwohl ihm nie eine klare Genehmigungsbefugnis erteilt wurde.
- Der Autor schlägt drei dringende Lösungen vor: Erstellung von KI-Richtlinien vor dem Kauf von Tools, offizielle Anerkennung der Rolle des EMs als „Strategie-Übersetzer“ und Schaffung einer Community zum Erfahrungsaustausch über die KI-Adoption unter Managern.
- Als Praxisbeispiel wird ein Engineering Manager genannt, der trotz fehlendem Budget oder Anweisungen von oben eine interne Austauschgruppe für KI-Governance gründete.
📌 Fazit: Ein weit verbreitetes Problem in Unternehmen, die KI implementieren: Die Strategie wird von der Führungsebene verkündet, aber der schwierigste Teil – die Umwandlung der KI in sichere und effiziente technische Prozesse – wird ohne Unterstützung auf die Ebene des technischen Managements abgewälzt. Engineering Manager müssen nun gleichzeitig Governance, Code-Reviews, Teamschulungen und operative Risiken bewältigen, während die KPIs unverändert bleiben. Wenn Unternehmen diese Rolle nicht formalisieren, könnte die KI-Adoption inkonsistent werden, Qualitätsrisiken erhöhen und zum Verlust der besten Manager führen.
