Vom Kundenfeedback zur besseren Software: Wie wir bei ainavio KI einsetzen

Veröffentlicht am 18. November 2026

Wie ainavio KI-Agenten in der eigenen Softwareentwicklung einsetzt: Mit ATM v1 übernehmen Agenten Recherche und Umsetzung, Menschen entscheiden, prüfen und nehmen ab. Das Ziel sind schnellere Antworten auf Kundenanfragen ohne Abstriche bei der Qualität.

Ablauf von der Kundenanfrage zur geprüften Verbesserung: Klären (KI-Agent, Mensch bestätigt), Umsetzen (KI-Agent), unabhängige Prüfung (Mensch), Abnahme durch den Menschen; die Arbeit bleibt mit der Anfrage verbunden.

Eine Kundenanfrage beginnt oft mit einer einfachen Frage: „Kann das Produkt das?“

Sie gut zu beantworten, ist mehr als Code schreiben. Wir müssen die Situation beim Kunden verstehen, entscheiden, was das Problem wirklich löst, die Änderung umsetzen, testen und prüfen, ob das Ergebnis den ursprünglichen Bedarf trifft. Jeder Schritt zählt, und jeder kann zum Engpass werden, wenn das Team ausgelastet ist.

Bei ainavio setzen wir KI ein, um diesen Prozess wirksamer zu durchlaufen. Das Ziel: dem Team mehr Kapazität geben, um zuzuhören, zu reagieren und nützliche Verbesserungen zu liefern. Die Verantwortung für Entscheidungen und Produktqualität bleibt bei Menschen.

Ein Team, bei dem die Arbeit weiterläuft

KI-Coding-Tools sind in den vergangenen Jahren zu fähigen Assistenten geworden. Die meisten hängen aber noch immer von einer Person ab, die am Rechner sitzt, Anweisungen gibt und auf das Ergebnis wartet. Wechselt diese Person zu einer anderen Aufgabe, steht die Arbeit still.

Wir wollten einen anderen Weg ausprobieren: Was, wenn KI-Agenten am bestehenden Arbeitsablauf des Teams teilnehmen, statt im Arbeitsbereich eines einzelnen Entwicklers zu warten?

Aus dieser Idee entstand ATM v1, unser Agentic Task Management. Es verbindet KI-Agenten mit der Art, wie unser Team ohnehin plant, entwickelt und prüft. Die Agenten übernehmen passende Aufgaben, erledigen ihren Teil und geben die Ergebnisse zur Prüfung zurück. Sie arbeiten weiter, während sich unsere Entwickler auf andere Prioritäten konzentrieren.

Für das Team heißt das: Mehr Arbeit kommt parallel voran. Für unsere Kunden soll das ein reaktionsschnelleres Produktteam bedeuten, mit weniger Wartezeit zwischen den Schritten.

Zuhören gehört zur Arbeit

Kundenfeedback ist nur wertvoll, wenn wir das Problem dahinter verstehen. Eine Anfrage kann eine gewünschte Funktion beschreiben, einen umständlichen Ablauf oder einen Fehler, der untersucht werden muss: etwa ein zusätzliches Attribut, das ein Marktplatz plötzlich verlangt, oder einen Import, der sich anders verhält als erwartet. Bevor die Umsetzung beginnt, brauchen wir genug Kontext, um zu entscheiden, was als Nächstes passieren soll.

ATM hilft dem Team, eine Anfrage zu klären, relevante Informationen zu recherchieren und sie zur Prüfung vorzubereiten. Unsere Kolleginnen und Kollegen bleiben eingebunden: Wer die Anfrage eingereicht hat, bestätigt die Details, und der Product Owner entscheidet, wie sie behandelt und priorisiert wird.

Danach bleibt die Arbeit mit der ursprünglichen Anfrage verbunden. So kann das Team den Fortschritt verfolgen und bei der Bewertung des Ergebnisses zum eigentlichen Bedarf des Kunden zurückkehren.

Schnellere Arbeit braucht unabhängige Prüfung

Tempo zählt, aber eine schnelle Änderung nützt nur, wenn sich Kunden darauf verlassen können. Deshalb haben wir den Ablauf in ATM durchgehend mit Prüfungen und menschlichen Entscheidungen versehen.

Meldet ein Agent eine Aufgabe als erledigt, behandeln wir das als Behauptung, die geprüft wird. Die Umsetzung wird separat reviewt, und Tests liefern Belege, die Menschen bewerten können. Menschen geben Pläne frei, prüfen Änderungen und nehmen Ergebnisse ab. Stößt ein Agent auf eine Frage, die er nicht selbst klären kann, gibt er den Kontext ans Team zurück und arbeitet weiter, sobald eine Entscheidung gefallen ist.

Diese Trennung ist wichtig. Sie erlaubt der KI, mehr von der Arbeit zu übernehmen, ohne dass derselbe Agent zum einzigen Richter über sein eigenes Ergebnis wird. Und sie gibt unseren Entwicklern und dem Produktteam die Gelegenheit, Fehler zu finden, Anforderungen zu schärfen und das Ergebnis zu verbessern.

Messen, was zählt

KI kann viel Aktivität erzeugen. Pull Requests und erledigte Aufgaben sind nützliche Hinweise auf Kapazität, erzählen aber nicht die ganze Geschichte.

Wir schauen deshalb auch darauf, wie lange eine Kundenanfrage braucht, bis daraus eine geprüfte Verbesserung wird, wie viel Nacharbeit nötig ist und ob die Änderung das Problem löst, für das sie gedacht war. Qualität und Kundennutzen gehören neben Tempo in jedes Gespräch über die Leistung eines Entwicklungsteams.

Wie es weitergeht

Wir entwickeln diesen Ansatz weiter, während wir lernen. ATM v1 ist ein praktischer Schritt hin zu einem Team, in dem Menschen und KI-Agenten jeweils dort beitragen, wo sie am meisten bewirken: Agenten bringen die Arbeit voran, Menschen sorgen für Urteilsvermögen, Richtung und Verantwortung.

Für unsere Kunden ist der Anspruch einfach: ein Produkt, das zuhört, lernt und mit ihren Anforderungen wächst.

Ihr Projekt
Wie sieht das bei Ihren Produktdaten aus?

Sprechen Sie mit uns über Ihr Sortiment, Ihre Kanäle und Ihre Altsysteme. Wir zeigen Ihnen, wo PIM mit AI bei Ihnen ansetzt.

Charles Nguyen, Senior Software Engineer bei ainavio

Charles Nguyen

Senior Software Engineer, ainavio

Charles Nguyen ist Senior Software Engineer bei ainavio und ehemaliger CTO, mit fast zwei Jahrzehnten Erfahrung in der Produktentwicklung, unter anderem in Healthcare, Landwirtschaft und E-Commerce. Bei ainavio sorgt er dafür, dass KI-Agenten und Menschen gemeinsam aus Kundenbedarf verlässliche Software machen.

contact@ainavio.com
+49 (0) 2842 - 929987-3

KI in der Produktdatenpflege

Vom Rohmaterial zu angereichertem Content: Die Kunst und Wissenschaft des KI-basierten Produkt-Onboardings

Weiterlesen
KI in der Produktdatenpflege

Hinter den Kulissen des KI-Workflows: Wie mehrere LLMs zusammenarbeiten, um zukunftsorientierte Produktdaten zu liefern

Weiterlesen
KI in der Produktdatenpflege

PIM und KI: Warum Künstliche Intelligenz in Ihrer Produktdaten-Strategie unverzichtbar ist

Weiterlesen

Fangen Sie noch heute an!

Ihre Strategie. Ihr Tempo. Ihr Wachstum. Unsere Unterstützung – auf ganzer Linie.