Die Einflüsse von Arbeitsbelastung auf die Arbeitsqualität agiler Software-Entwicklungsteams

Die Arbeitsbelastung ist durch die Covid 19 Pandemie in den Fokus vieler Unternehmen gerückt. Das Arbeiten in sitzender Haltung (Metz und Rothe 2017, S. 27) oder die ständige Kommunikation und Erreichbarkeit über digitale Plattformen und Messenger (Sykes 2011, S. 389 f.) sind nur einige der Faktoren, die im Umfeld der Softwareentwicklung zu einer hohen Arbeitsbelastung führen können (Mojtahedzadeh et al. 2021).

Der Grad der Arbeitsbelastung kann Effekte auf die Leistungsfähigkeit von Arbeitnehmenden ausüben und das Wohlbefinden beeinträchtigen. Diese Effekte führen zudem zu Auswirkungen in Unternehmen. Hierzu gehören erhöhte Fehlzeiten, reduzierte Produktivität, vermehrte Fehler und ein schlechteres Betriebsklima (Metz und Rothe 2017), was insgesamt die Arbeitsqualität negativ beeinflussen kann. Eine hohe Arbeitsqualität ist jedoch entscheidend für die Produktqualität und beeinflusst darüber auch die Kundenzufriedenheit. Die erforderliche Arbeitsqualität muss gegeben sein, um Kundenanforderungen erfüllen zu können und so die Kundenbeziehung zu festigen. Daher ist eine hohe Arbeitsqualität erstrebenswert. Bisherige Studien haben sich unter anderem mit dem Einfluss der Workload auf die Performance bei standardisierten Aufgaben (Fan und Smith 2017) beschäftigt oder verschiedene Einflussfaktoren auf die Softwarequalität (Acuña et al. 2009) untersucht.

Es stellt sich daher die Frage, ob sich Arbeitsbelastung und Arbeitsqualität tatsächlich beeinflussen und verringerte Arbeitsbelastung zu höherer Arbeitsqualität führt. Diese Fragestellung haben wir in einer Fallstudie untersucht und präsentieren in diesem Artikel die Ergebnisse.

Dieser Artikel ist wie folgt aufgebaut: Zunächst erläutern wir die Grundlagen zur Arbeitsbelastung und die Auswirkungen als Einflussfaktor für die Arbeitsqualität. Im Folgenden stellen wir unsere Forschungsmethodik dar, bevor wir die Ergebnisse der Studie diskutieren und den Artikel mit einem Fazit abschließen.

Arbeitsbelastung wird in der Norm DIN ES ISO 6385:2016-12 als die „Gesamtheit der äußeren Bedingungen und Anforderungen im Arbeitssystem, die auf den physiologischen und/oder psychologischen Zustand einer Person einwirken“ (Hasselhorn und Müller 2004, S. 18) definiert. Da es sich bei Tätigkeiten im Umfeld der agilen Softwareentwicklung um Wissensarbeit handelt, stehen dort vor allem die psychischen Belastungsfaktoren im Vordergrund. Einflüsse, die von außen auf die Psyche einer Person einwirken, können sowohl aus dem Arbeitsinhalt, den Ausführungsbedingungen, der Arbeitsorganisation als auch aus den sozialen Beziehungen resultieren (Metz und Rothe, S. 7). Die Auswirkungen dieser Faktoren auf den Arbeitenden sind psychische Beanspruchungen (Metz und Rothe, S. 17). Die Stärke der Beanspruchung einer Person hängt dabei von ihren individuellen Bewältigungsfähigkeiten ab (Metz und Rothe, S. 11 f.). Eine kurzfristige Folge von psychischer Beanspruchung, die im Laufe eines Arbeitstages auftritt, kann unter anderem psychische Ermüdung sein (Metz und Rothe, S. 13). Diese kann die Informationsverarbeitung des Arbeitenden beeinträchtigen und zu Leistungsschwankungen, verminderter Konzentration, Fehlhandlungen und Erleben von Müdigkeit führen (Metz und Rothe, S. 13). Der Einfluss der Workload auf die Performance bei der Ausführung von verschiedenen Aufgaben, wie Reaktionstests oder visuellen Suchaufgaben, wurde in der Literatur bereits ausführlich behandelt. Die Ergebnisse von Fan und Smith (2017) zeigen, dass eine erhöhte Workload mit einer erhöhten Müdigkeit der Teilnehmenden einhergeht, die wiederum einen negativen Einfluss auf die Performance hatte. Ein direkter Zusammenhang zwischen der Workload und der Performance konnte nicht festgestellt werden. Die Ergebnisse der Studie decken sich folglich mit der Theorie von Belastung, Beanspruchung und deren Folgen.

Der wesentliche Bestandteil der Ergebnisse in der Softwareentwicklung ist das auslieferbare Artefakt. Entscheidend für den Erfolg dieser Artefakte ist deren Qualität. Der Einfluss verschiedener Faktoren auf die Softwarequalität war in der Vergangenheit bereits Gegenstand von Veröffentlichungen. Acuña et al. untersuchten den Einfluss von Persönlichkeit, Team-Prozessen und Aufgabencharakteristiken auf die Softwarequalität und die Jobzufriedenheit. Dabei verwendeten sie verschiedene Qualitätskriterien, wie die Anzahl und Verknüpfung von Modulen (Modularisierung), die Anzahl der durch Tests erkannten Fehlern (Testbarkeit), die Anzahl an erfüllten Anforderungen (Funktionalität) und die Anzahl an wiederverwendeten Modulen (Wiederverwendbarkeit) (Acuña et al. 2009). Die Studie von Bettenburg und Hassan (2013) betrachtete den Einfluss von sozialen Interaktionen und Kollaboration auf Versionsverwaltungsplattformen während des Entwicklungsprozesses auf die Anzahl an gemeldeten Fehlern in großen Open Source Softwareprojekten.

In diesem Abschnitt werden das deduktive Forschungsdesign und das dazugehörige methodische Vorgehen dieser wissenschaftlichen Arbeit aufgezeigt (siehe Abb. 1).

Wir haben die Fallstudie auf Basis der Guidelines von Runeson und Höst (2009) konzipiert. Mit Hilfe der Goal-Question-Metric-Plus-Methode (GQM+), wurde zunächst die übergeordnete Forschungsfrage in sich daraus abzuleitende Forschungsfragen unterteilt¹. Die GQM+ Methode ist ein Ansatz zur systematischen Strukturierung von übergeordneten Zielen, Teilzielen, daraus abgeleiteten Unterfragen und eigens aufgestellten Metriken zur Beantwortung der Fragen (Basili et al. 2014). Die Methode eignet sich nach diversen Guidelines (vgl. Jedlitschka et al. 2008; Runeson und Höst 2009; Wohlin et al. 2012) für die Konkretisierung von Forschungszielen und der Ableitung konkreter Forschungsfragen.

Die Forschungsfragen haben wir wie folgt definiert:

Während der Recherche wurden mehrere Faktoren für Arbeitsbelastung definiert. Wir möchten mit dieser Forschungsfrage klären, welche der möglichen Faktoren im Software-Entwicklungsteam bei Otto für Arbeitsbelastung sorgen.

Diese Frage impliziert auch die Frage, ob sich die Arbeitsbelastung verursachenden Faktoren per se reduzieren lassen. Auf Basis dieser Forschungsfrage entwickeln wir das Experiment.

Unsere dritte Forschungsfrage zielt darauf ab zu analysieren, inwiefern eine reduzierte Arbeitsbelastung eine Auswirkung auf die Arbeitsqualität des agilen Software-Entwicklungsteams hat.

Zur Beurteilung der These, dass eine reduzierte Arbeitsbelastung zu erhöhter Arbeitsqualität führt, wurden zunächst aus der Literatur Definitionen und Faktoren von Arbeitsbelastung und Arbeitsqualität entnommen. Das zur Beantwortung der Forschungsfrage entwickelte Experiment wurde in einem agilen Softwareentwicklungsteam der E‑Commerce-Abteilung der Otto GmbH & Co KG, eines in Deutschland ansässigen, international agierenden Einzelhandelskonzerns, durchgeführt. Durch die Covid-19-Pandemie arbeitete das Team remote, weshalb auch sämtliche Interaktionen, wie z. B. die Datenerhebung, remote erfolgten.

Die qualitative Datenerhebung fand von April bis Juli 2021 statt. Vor Beginn des Experiments sollte festgestellt werden, in welchen Bereichen und in welchem Umfang Arbeitsbelastung in dem zugewiesenen Softwareentwicklungsteam vorliegt, um mögliche Entlastungsmaßnahmen zur vorliegenden Arbeitsbelastung zu entwickeln. Zu Beginn wurde ein Workshop mit dem gesamten Team durchgeführt, um das Team kennenzulernen und sich einen Überblick über vorliegende Arbeitsbelastung zu verschaffen. Während des Workshops wurden die Teammitglieder nach vorhandener Arbeitsbelastung in den Bereichen des Screenings psychischer Arbeitsbelastung von Metz und Rothe (2017, S. 47 ff.) befragt. Während des Workshops wurde jedoch genannt, dass das Team in keinem der Bereiche Arbeitsbelastung verspüre. Dadurch konnte das Ziel des Workshops nicht erreicht werden und die Durchführbarkeit eines Experiments zur Senkung der Arbeitsbelastung nicht gewährleistet werden. Daher erfolgte daraufhin ein Wechsel des Teams. Ebenfalls fand ein methodischer Wechsel statt, indem vier Mitglieder einzeln in einem semi-strukturierten Interview befragt wurden, um gezielter nach möglichen belastenden Eigenschaften ihrer Arbeit fragen zu können. In den Interviews wurde im Gegensatz zum Workshop konkretisierte Fragen zu den einzelnen Arbeitsbelastungsbereichen gestellt, um besser zu beurteilen ob und wie ausgeprägt Arbeitsbelastung in den Bereichen vorliegt. Zudem wurde durch den methodischen Wechsel sichergestellt, dass die interviewten Personen unabhängig des Teams ihre individuelle Arbeitsbelastung äußern konnten. Der Interviewleitfaden² orientierte sich ebenfalls an den Fragen des Fragebogens von Metz und Rothe 2017. Nach dem zweiwöchigen Experiment wurden dieselben Personen erneut mittels semi-strukturiertem Interview³ befragt. Zusätzlich fand ein Retrospektiven-Workshop⁴ mit dem gesamten Team statt, um auch nicht interviewten Teammitgliedern einen Anreiz zur aktiven Teilnahme am Experiment zu bieten, indem sie ebenfalls über die gesammelten Erfahrungen berichten können. Mithilfe der Interviews und dem Retrospektiven-Workshop nach dem Experiment wurde untersucht, ob die Teammitglieder die Maßnahmen umsetzen konnten und welche Änderungen bezüglich Arbeitsbelastung und Softwarequalität dadurch erzielt wurden. Da das Team keine der in vergleichbaren Studien verwendeten Metriken zur Bewertung von Softwarequalität einsetzt, musste man sich im Weiteren auf die subjektive Wahrnehmung der Arbeitsqualität der Teammitglieder stützen (siehe Abschn. 2). Die erhobenen Daten wurden mithilfe einer Inhaltsanalyse anhand der Analysebereiche von Metz und Rothe (2017) aus dem Screening psychischer Arbeitsbelastung ausgewertet. Für die Auswertung der Interviewreihe nach Durchführung der Maßnahmen wurden übergeordnete Kategorien gebildet, zu denen die beobachteten Effekte zugeordnet worden.

Trotz eines methodischen Vorgehens basierend bestehender und validierter Guidelines (siehe Abschn. 3), sind einige Limitationen zu berücksichtigen.

Der Grad der Arbeitsbelastung seiner Beschäftigten ist für ein Unternehmen von großer Bedeutung, da er sich sowohl auf das Wohlbefinden als auch die Arbeitsergebnisse auswirkt. Daher sollte Ziel jedes Unternehmens sein, die Belastung der Mitarbeitenden so gut wie möglich zu reduzieren. Mit Hilfe des ersten Interviews wurden die belastenden Faktoren des betrachteten Teams identifiziert. Neben Überstunden und mangelnder Informationsverfügbarkeit wurden dabei vor allem Belastungen im Bereich der parallelen Aufgabenbearbeitung und häufige Unterbrechungen festgestellt.

Anhand der ermittelten Belastungsfaktoren wurde eine geeignete Maßnahme abgeleitet, um die Arbeitsbelastung der Mitarbeitenden zu verringern. Mit Hilfe von Ruhearbeitsslots konnten die Unterbrechungen während zwei Stunden am Tag eliminiert werden. Auch die parallele Arbeit konnte in einigen Fällen reduziert werden, da sich in terminfreien Zeiten nur auf eine Aufgabe konzentriert werden konnte. Das Anregen eines bewussteren Arbeitsverhaltens und -umfelds ist zudem ein Nebeneffekt, der weitere Belastungsfaktoren reduzieren kann. Mittels des Workshops und der zweiten Interviews nach der Durchführung der Maßnahme wurden die Effekte auf die Arbeit der Teilnehmenden untersucht (siehe Abschn. 4.3). Dabei wurde eine höhere Konzentration auf die aktuelle Aufgabe und ein entspannteres Arbeiten festgestellt. Daraus kann man ebenfalls auf eine höhere Arbeitsqualität schließen, was in zwei der Interviews bestätigt wurde. Die Überlegung, dass eine Reduzierung der Arbeitsbelastung zu einer höheren Arbeitsqualität führt, lässt sich daher, unter Berücksichtigung des Kontexts und der Limitierungen unserer Arbeit, bestätigen. Des Weiteren haben wir ein vier Maßnahmen herausgearbeitet und beschrieben, die zur Reduzierung von Arbeitsbelastung führen:

Wir empfehlen die Erkenntnisse unserer Arbeit auf andere Forschungskontexte zu überführen, um zu überprüfen, ob diese Effekte auch bei anderen agilen Software-Entwicklungsteams in anderen Branchen und Unternehmen beobachtet werden können.

Die folgenden Anhänge sind unter folgendem Link in der AcademicCloud abrufbar: https://​sync.​academiccloud.​de/​index.​php/​s/​yGHv1QJFZMzqI92