Detailseite
Projekt Druckansicht

TeamDynamics: Interaktion und Kommunikation in verteilten Softwareteams

Fachliche Zuordnung Softwaretechnik und Programmiersprachen
Sozialpsychologie und Arbeits- und Organisationspsychologie
Förderung Förderung von 2015 bis 2021
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 263807701
 
Erstellungsjahr 2022

Zusammenfassung der Projektergebnisse

Bereits in TeamFLOW hatten wir gemeinsam untersucht, ob sich in einer größeren Zahl sehr ähnlicher studentischer Projekte Abhängigkeiten zwischen den klassischen Fortschrittsdaten eines Projekts, dem Kommunikationsverhalten und der Stimmung eines Teams erkennen lassen. Mit FLOW-Modellen wurden Kommunikationsstrukturen und -intensitäten erfasst. Die relativ große Zahl und die Ähnlichkeit der Projekte in Größe, Dauer und Entwicklungsprozess war für die statistische Auswertung wichtig. TeamDynamics sollte auf dieser Basis untersuchen, ob und in welcher Form sich die Modelle und Vorgehensweisen auch auf reale Softwareprojekte übertragen lassen, die größer, agiler und in ihrer Kommunikation vielfältiger sind. Dazu haben wir zunächst untersucht, ob die zugrundeliegenden Strukturmodelle aus FLOW-Interviews ausreichen – oder ob sie durch Soziale Netzwerkanalyse (SNA) ersetzt oder ergänzt werden sollte. Es zeigte sich, dass sich eine Kombination von FLOW und SNA anbietet, sofern die Projektstruktur noch durch FLOW und die zugehörigen Interviews erhoben werden kann. Ist dies dagegen aus Aufwandsgründen (bei sehr vielen Projektbeteiligten und somit sehr großen Netzen) nicht möglich, oder liegt die Projektstruktur bereits aus anderen Gründen vor, so kann auch SNA ohne FLOW genutzt werden. Dabei verliert man dann allerdings vertiefte Einsichten aus Erfahrungen, die bei FLOW im Rahmen von Interviews erfasst und integriert werden. Für die Beobachtung und vertiefte Analyse realer Projekte über mehrere Monate eignen sich Fallstudien. Sie führen zu qualitativen Einsichten, während statistische Aussagen in realen Projekten kaum zu erreichen sind, ganz im Gegensatz zu den kleinen, dafür aber umso besser vergleichbaren Studierendenprojekten in TeamFLOW. Die Fallstudien haben ergeben, dass sich sozio-technische Abhängigkeiten zwischen den Projektfortschrittsdaten, der Stimmung und Kommunikation ableiten lassen. Man kann sie dann in System Dynamics bzw. Machine Learning modellieren und zu Erklärungen oder Prognosen verwenden, Wir haben dies exemplarisch als Sprint-Feedbacks in zwei agilen Softwareprojekten aus der Industrie demonstriert. Damit die wissenschaftlich erarbeiteten Modelle und Verfahren effektiv eingesetzt werden konnten – in den Fallstudien und ggf. später im Projekt-Einsatz – war es ausdrückliches Ziel, Vereinfachungen und automatische Unterstützung zu entwickeln. Wir haben erprobt, ob diese den Aufwand für den Einsatz reduzieren können, ohne die Aussagekraft zu stark zu schmälern. Das ist durch das Verfahren act4teams-SHORT zur Meeting-Codierung und durch die Integration der Modelle und Datenerhebung in JIRA geschehen. Die letzten Fallstudien zeigen, dass damit erhebliche Vorteile erreicht werden können, und dass auch in den praktischen Projekten die Simulationsergebnisse auf viel Interesse gestoßen ist. Es konnte somit gezeigt werden, dass die Verfahren und Erkenntnisse aus der Grundlagenforschung prinzipiell auch in der Praxis nutzbar und nützlich sind.

Projektbezogene Publikationen (Auswahl)

 
 

Zusatzinformationen

Textvergrößerung und Kontrastanpassung