Stell Dir vor, Du fragst in Deiner Organisation nach: Wie viel Zeit wird tatsächlich an einer Kundenanfrage gearbeitet? Die Antwort liegt oft bei ein bis zwei Tagen reiner Arbeit. Dann fragst Du weiter: Und wie lange dauert es, bis diese Anfrage beim Kunden ankommt? Die Antwort liegt nicht selten bei hundert Tagen.
Diese Lücke ist kein Einzelfall. Sie ist der Normalzustand in den meisten Organisationen, die ich begleite.
Im letzten Artikel ging es um die Kostenseite: Wohin die bezahlten Personenstunden fließen, und warum Koordination dort mit 40 bis 60 Prozent einen so großen Anteil einnimmt. Am Ende habe ich angekündigt, dass davon eine zweite Frage zu trennen ist, die mit dieser Kostenfrage gar nicht deckungsgleich ist: wie lange eine Anfrage insgesamt braucht, bis sie beim Kunden ankommt. Diese Zeitspanne hat weniger mit Arbeit und Koordination zu tun als mit einem dritten Element, dem Warten. Genau darum geht es jetzt.
Die zweite Frage, die wehtut
Flusseffizienz beschreibt, welcher Anteil der gesamten Durchlaufzeit einer Anfrage tatsächlich aktive Arbeit ist, im Gegensatz zu Warten. In vielen Unternehmen liegt sie im Bereich von 5 bis 15 Prozent. In besonders fragmentierten Umgebungen sinkt sie sogar auf 1 bis 2 Prozent.
Nimm den Extremfall: Ein bis zwei Prozent. Das bedeutet: Von hundert Tagen Durchlaufzeit sind ein bis zwei Tage tatsächliche Arbeit. Der Rest ist Warten.
Warum das nicht an den Menschen liegt
An dieser Stelle kommt fast immer derselbe Reflex: Dann müssen wir eben schneller arbeiten. Mehr Leute einstellen. Bessere Tools nutzen. Und aktuell hört man oft: Dann muss eben KI die Entwickler beschleunigen.
Das Problem dabei: Die ein bis zwei Prozent aktive Arbeit sind nicht die Ursache. Die eigentliche Ursache steckt in den 98 bis 99 Prozent Wartezeit. Und die entstehen nicht an einer einzelnen Stelle, sondern verteilt, an vielen Übergabepunkten zwischen Teams, Abteilungen und Freigabestufen. Nicht weil einzelne Menschen zu langsam arbeiten, sondern weil die Anfrage an jedem dieser Punkte aufs Neue wartet.
Warten in der Warteschlange vor einem Team, das gerade an etwas anderem arbeitet. Warten auf eine Übergabe. Warten auf eine Freigabe, die erst im nächsten Jour Fixe erteilt wird. Warten auf eine Priorisierungsentscheidung, die irgendwo in einem anderen Backlog liegt.
Selbst wenn Du die aktive Arbeit durch KI-Unterstützung um den Faktor zehn beschleunigst, verändert sich an der Gesamtdurchlaufzeit fast nichts. Aus zwei Tagen Arbeit werden zwei Stunden. Aus hundert Tagen Durchlaufzeit werden achtundneunzig Tage und zwei Stunden. Der Kunde merkt den Unterschied kaum.
Das ist die unbequeme Wahrheit hinter viel Produktivitätsversprechen: Wer nur die Arbeit selbst beschleunigt, optimiert den kleineren Teil des Problems.
Zwei Fragen, die nicht deckungsgleich sind
Koordinationskosten von 40 bis 60 Prozent des Aufwands. Flusseffizienz von 5 bis 15 Prozent der Durchlaufzeit, in fragmentierten Umgebungen nur 1 bis 2 Prozent. Es liegt nahe, beide Zahlen als dasselbe Problem zu lesen. Das wäre aber ein Kurzschluss.
Die Kostenfrage aus dem letzten Artikel beschreibt, wofür der Aufwand verwendet wird, der tatsächlich in eine Anfrage fließt: mehr für Koordination oder mehr für direkte Ausführung. Die Flusseffizienz beschreibt etwas anderes: wie groß der Anteil aktiver Zeit, egal ob Koordination oder Ausführung, an der gesamten Durchlaufzeit ist, verglichen mit dem Warten.
Das heißt: Selbst wenn es Dir gelingt, das Verhältnis von Koordination zu direkter Ausführung deutlich zu verbessern, sagt das noch nichts darüber, wie lange eine Anfrage in Warteschlangen liegt. Du kannst die 40 bis 60 Prozent Koordinationskosten senken und trotzdem bei einer Flusseffizienz von 1 bis 2 Prozent bleiben, weil das eigentliche Problem gar nicht in der aktiven Zeit steckt, egal wie sie sich aufteilt, sondern in der riesigen Zeitspanne davor, danach und dazwischen, in der überhaupt nichts passiert.
Beide Fragen entstehen zwar an ähnlichen Stellen, nämlich an den Übergängen zwischen Teams, dort, wo Verantwortung endet und niemand sie auf der anderen Seite sofort übernimmt. Aber sie brauchen unterschiedliche Antworten. Die Kostenfrage löst Du, indem Du unnötige Abstimmung reduzierst. Die Zeitfrage löst Du, indem Du das Warten selbst angehst, unabhängig davon, wie effizient die aktive Zeit organisiert ist.
Warum lokale Exzellenz das Problem nicht sieht
Das Tückische an dieser Situation: Sie ist von innen schwer zu erkennen. Jedes einzelne Team kann seine eigene Auslastung, seine eigene Velocity, seine eigenen Sprint-Ziele im Blick behalten und dabei gut aussehen. Die Zahlen sind grün. Retrospektiven laufen. Und trotzdem verschwindet die Zeit irgendwo zwischen den Teams.
Das liegt daran, dass Flusseffizienz innerhalb eines einzelnen Teams zwar messbar ist, dort aber wenig aussagt. Die Arbeit innerhalb eines Teams ist meist kleinteilig, mit wenigen bis gar keinen Übergaben, entsprechend hoch fällt die gemessene Flusseffizienz dort aus. Nur bringt das dem Kunden nichts, wenn die Anfrage danach noch durch drei weitere Teams muss. Aussagekräftig wird die Zahl erst, wenn Du eine Anfrage von Anfang bis Ende verfolgst, über alle beteiligten Teams hinweg, bis sie tatsächlich beim Kunden ankommt. Genau dieser End-to-End-Blick fehlt in den meisten Organisationen, weil niemand explizit dafür verantwortlich ist.
Wer nur auf sein eigenes Team schaut, sieht die Wartezeit vor der eigenen Tür nicht als eigenes Problem, sondern als etwas, das eben passiert, bevor die Arbeit bei einem selbst ankommt oder nachdem sie das eigene Team verlassen hat.
Der erste Schritt: sichtbar machen, was wartet
Bevor man an Flusseffizienz etwas verbessern kann, muss man sie erst einmal sehen. Das klingt banal, ist aber in vielen Organisationen noch nicht selbstverständlich.
Konkret bedeutet das: eine einzelne Anfrage, ein einzelnes Ticket, von der Entstehung bis zur Auslieferung verfolgen. Nicht die durchschnittliche Bearbeitungszeit im eigenen Team messen, sondern die tatsächliche Gesamtdurchlaufzeit über alle Stationen hinweg. Und dabei explizit unterscheiden: Wann wurde aktiv daran gearbeitet, und wann lag die Anfrage einfach nur da?
Diese Übung ist oft der erste Aha-Moment für Teams, die bisher nur ihren eigenen Ausschnitt kannten. Die Zahl, die dabei herauskommt, ist meistens deutlich unbequemer als erwartet.
Im nächsten Artikel schauen wir uns an, wie man sich dieses Gesamtbild vorstellen kann, mit einem Bild, das die Wartezeit nicht abstrakt lässt, sondern greifbar macht.
Über den Autor
Wolfgang Wiedenroth ist Trainer und Berater bei it-agile und spezialisiert auf Kanban-Coaching, Lean-Praktiken und cross-team Prozessoptimierung mit Fokus auf Flusseffizienz. Als akkreditierter Flow Manager Trainer der Kanban University unterstützt er Organisationen dabei, ihre Wertströme sichtbar und steuerbar zu machen.