Der Business Analyst im Zeitalter von KI‑Agenten

KI kann in weniger als einer Minute eine Use‑Case‑Gliederung erzeugen, aus einer einfachen Idee innerhalb einer Stunde einen Basis‑Prototyp erstellen und Anforderungsdokumente in einem Bruchteil der früher benötigten Zeit produzieren. Dieser Wandel ist bereits sichtbar im Tagesgeschäft der Business‑Analyse, wobei Praktiker KI nutzen, um Elicitation‑Sitzungen vorzubereiten, Anforderungen zu entwerfen und Lücken vor der Validierung zu identifizieren. Betrachtet man nur diese Deliverables, scheint die Schlussfolgerung offensichtlich: Der Business Analyst verschwindet.

Ich teile diese Schlussfolgerung nicht. Ich habe jahrelang in Business‑ und IT‑Analyse, Lösungsdesign und digitaler Transformation gearbeitet und dabei kontinuierliche Veränderungen sowie verschiedene Adaptationsphasen beobachtet. Was verschwindet, ist nicht die Rolle. Was verschwindet, ist ihr peripherer Bereich. Und das ist etwas völlig anderes.

Was ein Analyst tut

Wenn Sie einen Kunden fragen, was er braucht, sagt er Ihnen, was er will. Das sind nicht immer dieselben Dinge. Nicht, weil sie ihre eigene Arbeit nicht verstehen – sie können ihre Bedürfnisse einfach nicht immer klar genug artikulieren. Routinetätigkeiten werden oft nicht erwähnt, weil Kunden sie automatisch, täglich ausführen. Randfälle werden leicht übersehen, weil Menschen sich nur dann an sie erinnern, wenn sie tatsächlich auftreten.

Verbindungen zwischen Abteilungen werden aus persönlicher Sicht verstanden, nicht unbedingt aus der Perspektive des Gesamtsystems. Und wenn ein Kunde entscheidet, mehrere Systeme gleichzeitig zu ändern, übersehen sie häufig, dass die Änderung eines Systems fast immer auch einen Prozess verändert.

Die Aufgabe des Analysten besteht nicht darin, aufzuschreiben, was der Kunde gesagt hat. Die Aufgabe ist, herauszufinden, was der Kunde nicht gesagt hat, und so lange Fragen zu stellen, bis alles ans Licht kommt. Der Analyst verfolgt die Verbindungen, Abhängigkeiten und Konsequenzen über Systeme, Daten und Geschäftsprozesse hinweg.

Das ist eine diagnostische Fähigkeit, keine administrative Tätigkeit.

Drei Richtungen für Business‑Analysten

Die Grenzen der Business‑Analyse waren nie fest definiert. Analysten haben sich schon lange in Produkt‑Ownership, Projekt‑Management und stärker technische Rollen bewegt. KI beschleunigt diesen Wandel, indem sie die für Routinedeliverables benötigte Zeit reduziert.

Eine aktuelle Gartner‑Umfrage ergab, dass mehr als die Hälfte der Organisationen Rollen neu gestaltet oder neu definiert haben wegen KI, während 78 % der HR‑Leiter zustimmten, dass Arbeitsabläufe und Rollen angepasst werden müssen, um den Wert ihrer KI‑Investitionen zu realisieren.

Aus meinen Beobachtungen und direkter Erfahrung zeichnen sich drei Haupttrajektorien ab.

1. Hin zu Produkt und Business

Analysten, die Freude daran haben, Produkte zu formen, können in breitere Rollen übergehen, die Produkt‑Ownership, Business‑Analyse und Delivery‑Koordination umfassen. Solche Kombinationen existieren bereits, besonders in kleineren Teams. Da KI die Zeit für die Erstellung routinemäßiger Artefakte reduziert, werden die Grenzen zwischen diesen Verantwortlichkeiten voraussichtlich flüssiger.

Das bedeutet nicht, dass eine Person vier Aufgaben übernehmen soll, nur weil KI die Dokumente schreiben kann. Die Chance liegt darin, Verantwortlichkeiten zu bündeln, die bereits auf demselben Verständnis von Kundenbedürfnissen, Produktprioritäten und Geschäftsergebnissen beruhen.

Diese Richtung erfordert zudem ein stärkeres Datenverständnis. Analytische Arbeit hat sich häufig auf Prozesse, Funktionalität und Anforderungen konzentriert, während die Datenschicht im Hintergrund blieb. KI‑Systeme machen diese Trennung immer schwieriger.

Ein Analyst, der sowohl den geschäftlichen Kontext als auch die Daten versteht, kann erkennen, wenn ein Modell die falsche Frage korrekt beantwortet. Das kann passieren, weil die verfügbaren Daten die Situation nicht akkurat abbilden, die geschäftliche Definition einer Kennzahl sich geändert hat oder die Ausgangsfrage schlecht formuliert war.

KI kann fast jedem dabei helfen, ein Dashboard oder einen Bericht zu erstellen. Das Deuten, was das Ergebnis für ein bestimmtes Unternehmen zu einem bestimmten Zeitpunkt bedeutet, erfordert weiterhin Kontext und Urteilsvermögen. Forrester beschreibt einen ähnlichen Wandel in Software‑Rollen, wobei KI Zeit von wiederholter Artefakterstellung wegnimmt und in Aktivitäten wie Validierung, Orchestrierung und Kontrolle lenkt.

2. Hin zu technischer Prototypenentwicklung

Analysten mit stark ausgeprägter Affinität zur Entwicklung können mit einem Kunden sprechen und dann einen funktionierenden Prototyp bauen – nicht nur ein Mock‑up, sondern etwas, das der Kunde testen und validieren kann.

Das verändert die Anforderungs‑Validierung: Kunden können mit einer Idee interagieren, anstatt sie aus einem Dokument zu interpretieren. Missverständnisse können früher auftauchen, während Änderungen noch relativ kostengünstig sind.

Ein Prototyp ist jedoch kein Produktionssystem.

Sicherheit, Integration, Skalierung und Performance unter Last werden nicht durch „KI hilft mir beim Coden“ gelöst. Enterprise‑Software für die Produktion zu bauen erfordert ein höheres Maß an Engineering‑Expertise. Einige Analysten können diese Fähigkeiten nach und nach entwickeln und sich der Entwicklung auf Produktionsniveau annähern. Es ist ein deutlich anspruchsvollerer Weg, als schneller Prototyping suggeriert, aber ein realistischer.

3. Hin zu Projekt‑ und Delivery‑Management

Analysten koordinieren bereits Kundendiskussionen, tragen zu Schätzungen bei und managen Fragen zu Umfang, Anforderungen und Änderungen. Das schafft eine natürliche Überschneidung mit Projekt‑Management.

Bei kleineren Projekten kann eine Person analytische und koordinative Aufgaben kombinieren, weil beide das Verständnis von Umfang, Stakeholdern und Abhängigkeiten voraussetzen. Das kann Kommunikationswege verkürzen und es erleichtern, tägliche Delivery‑Entscheidungen mit dem ursprünglichen Geschäftsbedarf zu verbinden.

Das macht den Projekt‑Manager nicht überflüssig. Bei größeren Projekten, in denen die Koordination von Personen, Risiken und Abhängigkeiten wirklich komplex ist, bleibt das Projekt‑Management eine spezialisierte Disziplin. Der kombinierte Ansatz ist nur sinnvoll, wenn der Umfang es zulässt.

Die Unterscheidung ist wichtig. KI kann den Aufwand für das Erstellen von Plänen, Meeting‑Zusammenfassungen oder Status‑Reports reduzieren, aber das Erstellen dieser Artefakte war nie der volle Wert des Projekt‑Managements.

Was diejenigen unterscheidet, die das gut navigieren

Alle drei Richtungen erfordern von Analysten, über bekannte Rollen‑Grenzen hinauszugehen. Neugier gibt ihnen die Bereitschaft, neue Werkzeuge und Ansätze zu testen. Kontinuierliches Lernen verhindert das, was ich als Knowledge‑Debt bezeichne: die schrittweise Anhäufung veralteter Annahmen und Fähigkeiten, ähnlich wie technischer Schuld in einem Altsystem.

Vielleicht am wichtigsten ist jedoch die Fähigkeit zur Verifizierung. Analysten sind es gewohnt, zu fragen „Ist das wirklich korrekt?“, bevor sie fragen „Ist das erledigt?“. In einer Umgebung voller flüssiger, professionell präsentierter KI‑Ausgaben wird diese Gewohnheit umso wertvoller.

KI kann falsche Antworten in einer selbstbewussten und überzeugenden Form liefern – ein Muster, das von MIT‑Sloan‑Forschern als einer der Hauptgründe hervorgehoben wird, warum menschliche Aufsicht weiterhin unverzichtbar bleibt. Ihre Ausgaben können strukturiert, flüssig und poliert sein.

Fehler entstehen nicht im Moment der KI‑Nutzung. Sie beginnen, wenn ein plausibles Ergebnis ohne Überprüfung akzeptiert wird.

Die Frage ist nicht, ob BAs verschwinden

Viele Artikel über die Zukunft der Analysten‑Rolle werden als Prognosen geschrieben. Das ist keine Prognose. Es ist eine Beobachtung: Die Rolle verändert sich, wie sie es immer getan hat. Was diesmal anders ist, ist das Tempo – und die Tatsache, dass ihr peripherer Bereich für fast jeden zugänglich wird.

Ein Entwickler kann KI einsetzen, um Anforderungsanalysen durchzuführen. Ein Manager kann KI nutzen, um User‑Stories zu generieren. Sie werden dabei vielleicht nicht besonders gut sein, aber ein Analyst, dessen Wert ausschließlich in der Produktion von Deliverables liegt, wird Schwierigkeiten haben.

Was im Kern der Rolle bleibt, ist die Fähigkeit, unausgesprochene Bedürfnisse aufzudecken, geschäftliche und technische Kontexte zu verbinden, Ergebnisse zu verifizieren und Verbindungen zu sehen, die dem Kunden verborgen bleiben. Laut dem IIBA‑Global‑State‑of‑Business‑Analysis‑Report 2025 geben 74 % der Praktiker an, dass KI ihre Karriere positiv beeinflusst, während menschliche Fähigkeiten wie Kommunikation, strategisches Denken und Anpassungsfähigkeit immer wichtiger werden.

Die Frage ist nicht, ob Business‑Analyse verschwindet. Es geht darum, was bleibt, wenn ihr peripherer Bereich für alle verfügbar wird.

Die Antwort ist das Urteilsvermögen, das Jahre der Praxis, unterschiedliche Projekte und Erfahrung mit Misserfolgen erfordert, um es zu entwickeln. Es ist die Fähigkeit zu erkennen, dass ein dokumentiertes Requirement unvollständig ist, ein funktionierender Prototyp das falsche Problem löst oder eine polierte Antwort auf einer falschen Annahme beruht.

Das ist der Teil der Business‑Analyse, der nicht schnell erlernbar ist.