Zum Hauptinhalt springen

Produktivität, geprüft · Teil 3 von 8

Fluss: die Arithmetik des Stapels

18. November 2026·11 Min. Lesezeit
3 Behauptungen geprüft

Stell dir einen Supermarkt an einem Samstagnachmittag vor. Jede Kasse ist besetzt, jede Kassiererin scannt so schnell sie kann, und die Schlangen reichen trotzdem bis in den Tiefkühlgang. Niemand ist faul. Der Laden läuft einfach an der Kapazitätsgrenze, und ein Laden an der Kapazitätsgrenze ist ein Laden, in dem Kunden warten.

Die meisten Wissensarbeiter führen ihre Woche wie diesen Supermarkt. Jede Stunde ist verplant, ein Dutzend Projekte ist „in Arbeit“, und das Wichtige dauert trotzdem einen Monat. Die übliche Diagnose ist Einsatz oder Disziplin. Die übliche Therapie ist eine bessere To-do-App.

Dieser Teil handelt von einer anderen Diagnose. Arbeit verhält sich wie eine Warteschlange, und Warteschlangen folgen Regeln, die nichts mit Willenskraft zu tun haben. Mehrere dieser Regeln sind Mathematik, was dies zu dem seltenen Teil der Produktivitätsliteratur macht, in dem die Bücher überwiegend recht haben. Die Frage dieser Station ist schlicht: Bewegt sich die Arbeit, oder stapelt sie sich?

Littles Gesetz: warum mehr in Arbeit langsamer heißt

1961 bewies John Little ein Ergebnis, so allgemein, dass es kaum nach einem Befund klingt. Die durchschnittliche laufende Arbeit ist gleich der Ankunftsrate mal der durchschnittlichen Zeit, die jedes Stück im System verbringt. Umgestellt: Die Zeit, die ein Stück zum Durchlaufen braucht, ist die laufende Arbeit geteilt durch den Durchsatz. Das gilt für jedes System, über jeden Zeitraum, der leer beginnt und leer endet, egal wie die Arbeit ankommt (Little 1961; Little 2011).

Die Folge ist unbequem. Wenn du etwa zwei Projekte im Monat abschließt und zwölf offen hast, dauert das durchschnittliche Projekt sechs Monate, egal wie hart du an jedem arbeitest. Ein dreizehntes anzufangen bringt kein zusätzliches Ergebnis. Es bringt zusätzliches Warten.

The Phoenix Project macht das zu seiner zentralen Lektion: Begrenze die laufende Arbeit, denn mehr Arbeit in ein ausgelastetes System zu geben, macht alles langsamer. Cal Newports Slow Productivity liefert die persönliche Version: „Tu weniger Dinge“, führe eine Warteliste und hol neue Arbeit erst herein, wenn etwas fertig ist (~85 %). Er ergänzt eine Beobachtung, die zur Alltagserfahrung passt: Jede Verpflichtung bringt eine Gemeinkostensteuer aus E-Mails, Abstimmungen und Meetings mit, die Anzahl der Verpflichtungen zählt also mehr als ihre Größe. Der Wechselkosten-Mechanismus dahinter ist belegt; sein Bild vom Kipppunkt ist ein Modell.

Es gibt eine ehrliche Einschränkung. Littles Gesetz ist eine Identität von Durchschnitten. Weniger laufende Arbeit verkürzt die Durchlaufzeit nur, wenn der Durchsatz nicht mitfällt. Schließ die Hälfte deiner Projekte und verbring die gewonnene Zeit damit, dein Postfach zu aktualisieren, und nichts wird besser.

Die Feldbelege für die praktischen Werkzeuge sind dünner als die Mathematik. Übersichtsarbeiten zu Kanban-Boards und WIP-Limits in Softwareteams nennen die Literatur „weitgehend deskriptiv“, die am besten belegten Vorteile sind Sichtbarkeit und Fluss; eine vierjährige Fallstudie mit fünf Teams fand, dass weniger WIP mit kürzeren Durchlaufzeiten einherging, aber niemand kennt das optimale Limit.

Kleine Losgrößen folgen derselben Logik. Ein großes Los ist viel laufende Arbeit, die gemeinsam reist, und nichts davon ist fertig, bevor alles fertig ist. In einer Simulation einer Fertigungslinie verkürzten kleinere Losgrößen die Durchlaufzeit um etwa 30 %, wobei zusätzliche Rüstvorgänge den Gewinn auffressen können. In der Software fanden die State of DevOps-Umfragen, dass Teams, die oft und in kleinen Stücken ausliefern, auch weniger fehlgeschlagene Änderungen hatten. Die Richtung hat über Jahre gehalten; die dramatischen Faktoren („46× mehr Deployments“) hängen davon ab, wie die Umfrageantworten gruppiert wurden, nimm sie also als Dekoration (Richtung ~70 %, Faktoren ~30 %). (Zu den Kennzahlen selbst: siehe Rückmeldung.)

Puffer: warum voll kaputt heißt

Zurück zum Supermarkt. Die Warteschlangentheorie erklärt, warum die Schlange im letzten Stück vor der Kapazitätsgrenze so plötzlich wächst. In der einfachsten Warteschlange skaliert die Wartezeit mit der Auslastung geteilt durch die Leerlaufzeit. Bei 50 % Auslastung ist dieses Verhältnis 1. Bei 90 % ist es 9: Arbeit wartet neunmal so lange (~85 %). Geh Richtung 100 %, und die Wartezeit läuft gegen unendlich.

Der genaue Faktor hängt davon ab, wie schwankend Ankünfte und Aufgaben sind. Echte Warteschlangen schwanken meist stärker als die aus dem Lehrbuch, was den Anstieg schlimmer macht, nicht besser. Wer je eine Autobahn im Berufsverkehr beobachtet hat, kennt das: Die Straße ist nicht voll, aber voll genug, dass ein bremsender Fahrer zum Stillstand wird.

Accelerate führt Auslastung neben Codezeilen als irreführendes Maß, weil sie gegen 100 % zu treiben Warteschlangen und Durchlaufzeiten explodieren lässt. Die Lehre für den Einzelnen ist kontraintuitiv und gut begründet: Ein Kalender ohne Lücken ist nicht effizient. Er ist eine Warteschlange, in der die Überraschungen nirgendwo hinkönnen.

Engpässe: Der langsamste Wanderer bestimmt das Tempo

Eliyahu Goldratts The Goal, ein Wirtschaftsroman von 1984 über eine kriselnde Fabrik, verlegt die nächste Idee in eine Pfadfindergruppe. Herbie ist der langsamste Junge auf der Wanderung, und egal wie schnell die anderen gehen, die Gruppe kommt an, wenn Herbie ankommt. Der Durchsatz eines seriellen Systems wird von seinem Engpass bestimmt (~95 %).

Daraus folgen zwei Korollare, und beide halten. Eine am Engpass verlorene Stunde ist eine für das ganze System verlorene Stunde, während eine anderswo gesparte Stunde, zumindest für den Durchsatz, eine Fata Morgana ist (anderswo Gespartes kann trotzdem Bestand oder Durchlaufzeit senken). Und alle Mitarbeiter auszulasten ist ein Fehler: Alles, was schneller produziert wird, als der Engpass aufnehmen kann, wird nur zum Stapel davor (~85 %). Lokale Effizienz ist nicht globale Produktivität.

Andy Grove kam bei Intel etwa zur selben Zeit zum selben Schluss. Sein High Output Management beginnt mit einer Frühstücksfabrik und rät, den begrenzenden Schritt zu finden (das gekochte Ei) und von dort rückwärts zu planen. Goldratts Rezept hat fünf Schritte: den Engpass identifizieren, ihn ausschöpfen, alles andere ihm unterordnen, ihn erweitern, und wiederholen, wenn er wandert. Über 80 veröffentlichte Anwendungen berichten Gewinne bei Durchlaufzeit und Termintreue, aber es sind Erfolgsgeschichten ohne Kontrollgruppen und ohne berichtete Fehlschläge.

The Phoenix Project ergänzt den Engpass, den die meisten Wissensarbeiter wiedererkennen: Brent, den einen Engineer hinter fast jeder Aufgabe, ständig unterbrochen und unverzichtbar. Wissenskonzentration ist verbreitet. Eine Studie schätzte, dass 65 % von 133 populären GitHub-Projekten in Schwierigkeiten gerieten, wenn zwei oder weniger Personen gingen. Dass Brent der Engpass ist und dass es hilft, sein Wissen zu dokumentieren, ist Erzählung. Die persönliche Version ist schärfer: Wenn alles auf dich wartet, bist du dein eigener Brent.

Dasselbe Buch teilt Arbeit in vier Arten: Geschäftsprojekte, interne Projekte, Änderungen und ungeplante Arbeit. Ungeplante Arbeit, das Feuerlöschen, ist die gefährliche, weil Zeit ein Nullsummenspiel ist und jeder Notfall still etwas Geplantes verdrängt. Benchmark-Daten aus IT-Organisationen legen nahe, dass Spitzenteams weniger als 5 % ihrer Zeit damit verbringen und schwache Teams oft mehr als die Hälfte (~70 %; der Originalbericht ist nicht öffentlich). Für eine einzelne Person ist die Frage dieselbe: Wie viel von letzter Woche stand überhaupt auf dem Plan?

Die Reihenfolge der Arbeit

Ist die Arbeit begrenzt und der Engpass gefunden, bleibt eine kleinere Frage: in welcher Reihenfolge? Brian Christians und Tom Griffiths' Algorithms to Live By bringt die Ablaufplanung ins Spiel, und ihr Hauptergebnis ist eine Erleichterung. Es gibt keinen besten Plan, nur einen besten Plan für ein Ziel (~95 %). Aufgaben nach Fälligkeit abzuarbeiten minimiert, wie spät die späteste ist. Die kürzeste zuerst zu erledigen minimiert die gesamte Wartezeit. Moores Algorithmus minimiert die Zahl verspäteter Aufgaben. Wähle das Ziel, bevor du die Methode wählst.

Ihre einprägsamste Geschichte ist die Prioritätsinversion. Auf dem Mars Pathfinder hielt 1997 eine Aufgabe mit niedriger Priorität eine gemeinsame Ressource, die eine Aufgabe mit hoher Priorität brauchte, und die wichtige Arbeit blieb hinter der trivialen stecken. Ingenieure behoben das aus der Ferne, indem sie Prioritätsvererbung einschalteten: Die blockierende Aufgabe leiht sich die hohe Priorität, bis sie loslässt. Die Büroversion ist das unwichtige Formular, das das wichtige Projekt blockiert. Manchmal ist es richtig, das Triviale zuerst fertigzumachen, weil etwas Großes darauf wartet.

Die Autoren warnen auch vor Thrashing, so häufigem Wechseln, dass alle Zeit in den Wechsel geht; dessen Kosten gehören zu Aufmerksamkeit. Und der Transfer vom Algorithmus ins Leben ist schwächer als die Theoreme: Das echte Leben bietet selten ein einziges Ziel, bekannte Optionen und kein Zurück.

Schätzungen: Die Innensicht ist immer sonnig

All das setzt voraus, dass du weißt, wie groß die Arbeit ist. Weißt du nicht. In einer Studie von 1994 fragten Roger Buehler und Kollegen 37 Studierende, wann sie ihre Abschlussarbeit fertig hätten. Sie sagten im Schnitt 33,9 Tage voraus und brauchten 55,5. Nur 29,7 % wurden bis zu ihrer eigenen besten Schätzung fertig. Auffälliger noch: Ihre Schätzungen für den schlimmsten Fall (48,6 Tage) waren im Schnitt immer noch zu kurz, wenn auch nicht signifikant, und weniger als die Hälfte (48,7 %) wurde selbst bis dahin fertig (Buehler et al. 1994). Das waren wichtige, vertraute, fast fertige Projekte, von Menschen mit allen Gründen, richtig zu liegen. Der Planungsfehlschluss ist einer der robustesten Befunde der Psychologie.

Die Leute um Pessimismus zu bitten, verringerte die Verzerrung in dieser Studie, machte die Schätzungen aber nicht genauer. Das Problem ist nicht die Stimmung. Es ist die Methode. Wir planen von innen und stellen uns vor, wie dieses Projekt laufen wird, und die Vorstellung lässt die Grippe, die fehlenden Daten und den Betreuer im Urlaub weg.

Daniel Kahnemans Lösung in Thinking, Fast and Slow ist die Außensicht: Geh davon aus, wie lange ähnliche Projekte tatsächlich gedauert haben, und passe dann an, was an diesem besonders ist. Bent Flyvbjergs Referenzklassen-Prognose, eingesetzt in der britischen und dänischen Infrastrukturplanung, beruht auf derselben Idee; die Feldbelege sind gut, kontrollierte Studien selten ~70 %. Newports einfachere Regel lautet, Schätzungen zu verdoppeln. Die Richtung stimmt; der Faktor zwei ist eine Faustregel.

Frederick Brooks, der in The Mythical Man-Month über Software schreibt, ergänzt einen nützlichen Mechanismus: Ein Projekt verspätet sich um ein Jahr, ein Tag nach dem anderen, und unscharfe Meilensteine verbergen das Abrutschen. Meilensteine sollten konkret genug sein, dass „fertig“ fertig heißt, nicht „zu 90 % fertig“.

Mehr Leute: die Koordinationssteuer

Ist ein Projekt spät dran, liegt es nahe, Leute dazuzuholen. Brooks' Gesetz sagt, das macht es noch später (The Mythical Man-Month, 1975). Die Begründung hat zwei Teile. Neue brauchen Einarbeitung. Und Kommunikationswege wachsen mit n(n−1)/2: Drei Leute haben drei, zehn Leute haben 45 (~95 %). Das ist eine Obergrenze, da echte Teams nicht jeden Kanal nutzen, und deshalb hilft Struktur.

Das Gesetz selbst ist weniger gut gealtert. Brooks nannte seine Formulierung später eine „ungeheuerliche Vereinfachung“. Steve McConnell argumentierte 1999, dass es vor allem in den letzten Phasen eines Projekts gilt, dass zusätzliche Leute meist die Kosten erhöhen, statt immer Verzug zu verursachen, und dass die meiste Verspätung daher kommt, das Projekt von vornherein zu unterschätzen (~50 % für „immer später“). Koordinationskosten sind echt; das eherne Gesetz ist es nicht. Wie Brooks selbst sagte: Neun Frauen bekommen kein Baby in einem Monat, aber nicht jede Aufgabe ist eine Schwangerschaft.

Conways Gesetz beschreibt, wo die Koordination landet. Die Struktur eines Systems spiegelt meist die Kommunikationsstruktur der Organisation, die es baut. In Paaren vergleichbarer Softwareprodukte war das Produkt der lockerer gekoppelten Organisation jedes Mal modularer, um bis zu einen Faktor acht (MacCormack, Rusnak & Baldwin 2012) (~85 %). Eine Übersicht über 142 Studien fand diese Spiegelung in Unternehmen häufig, in Open-Source-Projekten aber oft nicht. Das populäre Rezept, erst die Teams umzubauen und die Architektur folgen zu lassen, ist ungetestet.

Die persönliche Lehre betrifft Abhängigkeiten. In jeder Aufgabe, die auf die Antwort von jemand anderem wartet, steckt eine Warteschlange, die du nicht kontrollierst. Weniger davon ist mehr wert als schnelleres Tippen.

Was nicht funktioniert

  • „Mehr Leute machen ein verspätetes Projekt immer noch später.“ Koordinationskosten sind echt, aber McConnell und Projektdaten zeigen, dass der Effekt vor allem Kosten betrifft, und vor allem spät im Projekt (~50 %).
  • Worst-Case-Schätzungen als Sicherheitspuffer. In Buehlers Studie wurde weniger als die Hälfte der Studierenden bis zu ihrem eigenen Worst-Case-Datum fertig ~95 %.
  • „Ausbalancierte Werke gehen pleite.“ Reservekapazität abseits des Engpasses ist gut belegt, aber Simulationen bewusst unausgeglichener Linien zeigen gemischte, bescheidene Gewinne; der Slogan übertreibt (~70 % für „Reservekapazität abseits des Engpasses halten“).
  • Change Approval Boards als Mittel gegen Ausfälle. Die Diagnose (Änderungen verursachen die meisten Ausfälle) hält; die Accelerate-Daten fanden, dass externe Freigaben mit langsamerer Lieferung und nicht weniger Fehlern einhergingen (~30 % für das Mittel).
  • Drum-Buffer-Rope als beste Planungsmethode. Simulationsergebnisse sind gemischt und hängen von Aufbau und Feinabstimmung ab (~50 %).

Probier das

  • Setz ein WIP-Limit und führe eine Warteliste. Zähl deine aktiven Projekte, wähl eine Zahl, die du jede Woche wirklich voranbringen kannst, und fang etwas Neues erst an, wenn etwas fertig ist.
  • Lass bewusst Lücken im Kalender. Behandle unverplante Zeit als Puffer, der verhindert, dass Überraschungen zur Warteschlange werden.
  • Finde deinen Herbie. Frag, wo Arbeit am längsten wartet (dein Review, deine Entscheidungen, jemandes Freigabe), und schütze diesen Schritt, bevor du irgendetwas anderes beschleunigst.
  • Schätze aus deiner eigenen Geschichte. Bevor du dich auf ein Datum festlegst, schau nach, wie lange die letzten drei ähnlichen Projekte gedauert haben, und passe dann an.
  • Kapp Abhängigkeiten. Bevorzuge Aufgaben, die du fertigstellen kannst, ohne auf jemanden zu warten, und bündle die, bei denen das nicht geht.

3 Behauptungen geprüft

Die Belege hinter diesem Artikel

Jede Behauptung oben, bewertet nach der Chance, dass sie der Forschung standhält. Öffne eine für die Quellen und ihren genauen Wortlaut.

  1. Brooks (1975). The Mythical Man-Month · Buch
  2. Buehler, Griffin, Ross (1994). Exploring the "planning fallacy": Why people underestimate their task completion times. · Studie
  3. Christian, Griffiths (2016). Algorithms to Live By · Buch
  4. Flyvbjerg (2007). Curbing Optimism Bias and Strategic Misrepresentation in Planning: Reference Class Forecasting in Practice · Studie
  5. Forsgren, Humble, Kim (2018). Accelerate · Buch
  6. Goldratt, Cox (1984). The Goal · Buch
  7. Grove (1983). High Output Management · Buch
  8. Kahneman (2011). Thinking, Fast and Slow · Buch
  9. Kim, Behr, Spafford (2013). The Phoenix Project · Buch
  10. Little (1961). A Proof for the Queuing Formula: L = λW · Quelle
  11. Little (2011). OR FORUM—Little's Law as Viewed on Its 50th Anniversary · Quelle
  12. MacCormack, Rusnak, Baldwin (2012). Exploring the duality between product and organizational architectures: A test of the "mirroring" hypothesis · Studie
  13. McConnell (1999). Brooks' Law Repealed? · Quelle
  14. Newport (2024). Slow Productivity · Buch

Teilen

XLinkedIn