Experimente vermeiden unnötige Entwicklungsarbeit

Eine weitere, komplexe Ebene

Entwicklungsressourcen sind knapp. Trotz fortschreitender Vereinfachung durch künstliche Intelligenz ist das meine Erfahrung aus verschiedenen Projekten. Die Begeisterung, wenn ich Entwicklern vorschlage, Releases zusätzlich über Experimente zu validieren, ist also überschaubar. Ich möchte ja auch nicht, dass jemand meine Arbeit komplexer macht.

Außerdem entstehen durch die Konzeption von A/B-Tests und deren Auswertung zusätzliche Kosten.

Ein A/B-Test zeigt dir, welchen MVP du nicht weiterentwickeln solltest

Die Idee, ein Minimum Viable Product zu bauen, statt jede Idee direkt vollständig zu entwickeln, ist inzwischen mehr als zwei Jahrzehnte alt. Dabei geht es darum, die einfachste Version eines Produkts zu bauen, um so schnell (und günstig) wie möglich echtes Feedback von Nutzern zu erhalten.

In einer Umfrage aus 2024, an der 680 US-Unternehmen teilnahmen, gaben 91% der Unternehmen an, schon einmal einen MVP veröffentlicht zu haben [1].

Ein Experiment kann teure Weiterentwicklung verhindern, wenn es früh genug eine Entscheidung verändert. Ob die eingesparte Arbeit größer ist als der Test- und Implementierungsaufwand, muss man im Einzelfall prüfen.

Beispielrechnung

Wir vergleichen hier zwei Dinge

• Alle fünf Ideen vollständig entwickeln
• Erst günstig testen, anschließend nur den Gewinner vollständig entwickeln

Das Szenario ist bewusst zur Veranschaulichung gewählt.

Die 20% umfassen den MVP einschließlich der für den Test nötigen Entwicklungsarbeit. Wird die Idee vollständig umgesetzt, werden diese Entwicklungskosten angerechnet.

Im Modell nehmen wir an, dass die Tests die Umsatzwirkung bereits im MVP-Stadium ausreichend erkennen lassen. Deshalb wird nur Idee 1 vollständig umgesetzt.

Bei den anderen Ideen zeigt sich schon im MVP-Stadium, dass sie keine positive Umsatzwirkung haben. Deshalb werden sie nicht weiterentwickelt.

In diesem Beispiel sinkt der Entwicklungsaufwand von 25.250€ auf 9.850€. Das entspricht einer Ersparnis von 61%.

Die Daten sind frei gewählt. Der Mechanismus ist aber real.

Ob sich Experimentieren in diesem Fall lohnt, hängt auch von nicht-entwicklungsbezogenen Kosten ab. Konzeption, Auswertung und Tool-Kosten sind hier nicht aufgeführt. Wenn diese Kosten geringer sind als die Ersparnis im Entwicklungsaufwand, entsteht ein wirtschaftlicher Vorteil. Selbst dann, wenn durch Experimente nur bestehende Entwicklungsideen validiert werden.

Frühe Evidenz kann verhindern, dass weitere Entwicklung überhaupt beauftragt wird.

Rechenbeispiel als Google-Sheet

... aber wir bauen doch schon MVPs?

Wenn du sowieso schon schrittweise Ideen entwickelst und schwache Ideen stoppst, hast du einen Teil des Vorteils bereits realisiert. Experimente können dir helfen, diese Entscheidung noch sicherer zu treffen.

Mehr Komplexität, weniger Arbeit

Experimente machen den Entwicklungsprozess komplizierter. Wenn die Ergebnisse aber verhindern, dass du schwache Ideen weiterentwickelst, kann sich das trotzdem lohnen. Entscheidend ist, dass die Evidenz rechtzeitig vorliegt.

Wir haben uns bisher mit zwei finanziellen Auswirkungen auseinandergesetzt: Experimente können helfen, negative Umsatzwirkungen zu vermeiden und Entwicklungskapazitäten freizusetzen. Was davon tatsächlich im Unternehmensergebnis ankommt, ist allerdings eine eigene Frage. Zusätzlicher Umsatz ist nicht gleich zusätzlicher Gewinn. Weniger Entwicklungsarbeit bei einem festen Team bedeutet zwar freie Kapazität, aber nicht automatisch weniger Ausgaben.

Im nächsten Artikel führen wir diese Perspektiven zusammen. Wir versuchen, Umsatzwirkung, Entwicklungskosten und zusätzliche Kosten des Experimentierens gemeinsam zu bewerten. Dafür übersetzen wir unser Beispiel in eine vereinfachte Management-GuV.