Meetings in der Softwareentwicklung

Wie beeinflussen Meetings die Produktivität, den Flow und das Wohlbefinden von Softwareentwickelnden? Eine Mixed-Method-Studie mit begleitender Webapplikation liefert überraschende Antworten.

Meeting Impact: Logo und Titel der entwickelten Webapplikation

Ausgangslage

Softwareentwickelnde verbringen durchschnittlich über fünf Stunden pro Woche in Meetings. Was auf den ersten Blick nach wenig klingt, hat weitreichende Folgen: Jedes Meeting unterbricht die Konzentration, und die Erholungszeit danach beträgt oft 15 bis 20 Minuten. An Tagen mit vielen Meetings berichten fast 80% der Entwickelnden von spürbar geringerer Produktivität. Gleichzeitig fehlt es an Werkzeugen und Daten, um Meeting-Praktiken systematisch zu hinterfragen. Nur 5.5% der Teams diskutieren ihre Meeting-Kultur regelmässig, obwohl zwei Drittel der Befragten sich kurze Feedback-Mechanismen nach Meetings wünschen.

Zielsetzung

Diese Bachelorarbeit verfolgt zwei Ziele. Erstens untersucht sie empirisch, wie Meeting-Eigenschaften wie Häufigkeit, Dauer und Zeitpunkt mit Produktivität, Flow und Wohlbefinden zusammenhängen. Zweitens wurde eine Webapplikation entwickelt, die objektive Kalenderdaten automatisch mit subjektivem Echtzeit-Feedback kombiniert und so eine datengestützte Reflexion der eigenen Meeting-Praxis ermöglicht.

Kalender-Synchronisation

Wochenansicht des Kalenders mit automatisch kategorisierten Meetings

Der persönliche Kalender wird via OAuth synchronisiert und Meetings automatisch durch ein lokales KI-Modell kategorisiert. Der Feedback-Status jedes Tages ist direkt sichtbar.

Meeting-Feedback in Sekunden

Feedback-Dialog mit vier kurzen Fragen zu Fokusunterbrechung, Stimmung, Energie und Nützlichkeit

Nach jedem Meeting erscheint ein kurzer Feedback-Dialog: vier Fragen zu Fokusunterbrechung, Stimmung, Energie und Nützlichkeit, ausfüllbar in unter 30 Sekunden. In der Feldstudie lag die Compliance bei 96%.

Analyse-Dashboard

Structure-Dashboard mit Meeting-Statistiken, Tagesübersicht und Intensitäts-Heatmap

Das Dashboard aggregiert Kalenderdaten und Feedbacks zu interaktiven Visualisierungen: Meeting-Verteilung, Intensitäts-Heatmap, Flow-Potenzial und Typ-Analyse auf einen Blick.

Ergebnisse

Die Studie kombiniert eine Online-Befragung mit 55 Softwareentwickelnden und eine zweiwöchige Feldstudie mit drei Teilnehmenden, die das entwickelte Tool im Arbeitsalltag einsetzten. Dabei zeigte sich ein zentraler Befund: Meetings können gleichzeitig als nützlich und als störend empfunden werden. Diese beiden Dimensionen sind weitgehend unabhängig voneinander und lassen sich nur durch mehrdimensionale Echtzeitmessung aufdecken.

  • Die Anzahl Meetings pro Tag ist der stärkste objektive Prädiktor für den Verlust von Deep-Work-Phasen.
  • Die empfundene Meeting-Belastung korreliert am stärksten mit dem Energielevel am Tagesende, stärker als jede objektive Metrik.
  • Meetings am Morgen reduzieren den Deep-Work-Anteil des gesamten Tages signifikant.
  • Retrospektiv wird der Einfluss auf das Wohlbefinden als neutral eingeschätzt, in Echtzeit zeigt sich jedoch der stärkste Effekt der gesamten Studie.
  • Klare nächste Schritte nach einem Meeting sind der dominierende Erfolgsfaktor für als nützlich bewertete Meetings.

Die praktische Erprobung der Webapplikation bestätigte ihre Alltagstauglichkeit. Die Teilnehmenden beschrieben das Feedback-Ritual als wertvollen Anstoss zur Selbstreflexion und den Aufwand als vernachlässigbar gering.

Aus der Feldstudie
«Ich fand es ein gutes Ritual, darüber zu reflektieren, wie Meetings meine Konzentration und Stimmung beeinflusst haben.»
Teilnehmender der Feldstudie

Technische Schlüsselbegriffe

  • MeetingkulturSystematische Reflexion von Meeting-Praktiken in Softwareteams
  • Attention ResidueKognitive Nachwirkung von Meetings auf die Konzentration
  • Experience SamplingForschungsmethode zur Erfassung von Erleben im Moment des Geschehens
  • Mixed-MethodKombination quantitativer Befragung mit qualitativer Feldforschung
  • OAuth 2.0 KalenderintegrationSichere Kalender-Synchronisation mit Google und Microsoft
  • LLaMA 3.1Lokales KI-Modell zur automatischen Meeting-Kategorisierung

Team

Xeno Isenegger
Gideon Monterosa

Betreuung
Nitish Patkar
Norbert Seyff