Story Mapping Sub‑Skill (für AI Lead)
Kernidee: Story Mapping verwandelt ein flaches Backlog in eine zweidimensionale, kontextreiche Landkarte mit einer horizontalen Reise (Backbone) und vertikaler Wichtigkeit—und macht so MVP & Releases über Slicing sichtbar.
Wann verwenden
- Wenn Nutzerziele, Backbone‑Aktivitäten und Schritte sichtbar gemacht und in testbare Stories & Slices überführt werden sollen.
- Wenn MVP/Releases als horizontale Cut‑Lines (Slicing) geplant werden, sodass der erste Slice ein Walking Skeleton (dünnster, aber end‑to‑end nutzbarer Weg) ist.
- Wenn der AI‑Lead Orchestrator methodische Sub‑Skills steuert (z. B. Story Mapping → Priorisierung → Delivery), und strukturierte Artefakte benötigt (JSON/CSV/Mermaid).
Inputs (vom Orchestrator)
- context.product (Name, Domäne), context.actor/persona, context.goal/outcome, context.kpis[]
- constraints (Timebox, Non‑Goals, Policies)
- seed_items (vorhandene Stories/Backlog‑Tickets, optional)
- work_mode:
workshop|async (für Moderationstipps siehe Workshop‑Facilitation).
Outputs (an Orchestrator)
- story_map.json (Activities/Steps/Stories inkl. AC)
- slices.md (MVP + Folge‑Releases, inkl. Outcome/Metriken)
- backlog.csv (Export zur Priorisierung z. B. WSJF/RICE im AI‑Lead‑Flow)
- storymap.mmd (Mermaid zur Visualisierung)
- validation_report (Format/Referenz‑Checks)
Aktionen (Sub‑Skill‑Contract)
story_map.create(context, seed_items?) -> story_map.jsonstory_map.enrich(story_map.json, hints?) -> story_map.jsonstory_map.validate(story_map.json) -> validation_reportstory_map.slice(story_map.json, strategy?) -> slices.mdstory_map.visualize(story_map.json) -> storymap.mmdstory_map.export_backlog(story_map.json) -> backlog.csv
Workflow/Anweisungen
Vorbereitung (Framing)
Ziel/Outcome und Persona klären (Elevator Pitch), Teilnehmer cross‑funktional festlegen (7–10 ideal), physisch/digital planen.
Backbone aufbauen (horizontale Achse)
Große Benutzeraktivitäten von links nach rechts in chronologischer Reihenfolge. Horizontale Frage: Haben wir die gesamte Reise?
Stories sammeln (vertikale Achse)
Unter jede Aktivität konkrete Stories/Tasks hängen; nach oben die Must‑haves (INVEST); Alternativen darunter („oder"‑Lesen). Vertikale Frage: Was ist je Schritt am wichtigsten?
Strukturieren, Lücken/Abhängigkeiten aufdecken
Gemeinsames „Durchwandern" der Map deckt Gaps, technische Stories und Abhängigkeiten auf; Entwickler*innen müssen anwesend sein.
Slicing & Releases planen
Nach vertikaler Priorisierung horizontale Cut‑Lines ziehen: oberster Slice = MVP/Walking Skeleton (mind. eine Story aus jedem kritischen Backbone‑Schritt), weitere Slices fügen „Fleisch" hinzu. Jede Slice mit Ziel/Metriken testbar halten.
Artefakte erzeugen
Validator, CSV‑Export, Mermaid‑Diagramm ausführen und an AI‑Lead übergeben.
Leitprinzipien
- Value‑Delivery statt Feature‑Fabrik: Fokus auf Nutzerproblem & vollständige End‑to‑End‑Erfahrung (CPE) statt „Top‑5‑Features‑Liste".
- MVP = Walking Skeleton: Dünnster, funktional vollständiger Durchstich durch die Journey.
- Lebendes Artefakt: Map fortlaufend pflegen, nicht „wegwerfen".
CLI‑Nutzung (lokal)
# Validieren
python scripts/story_map_validator.py assets/examples/example-story-map.json
# Slices vorschlagen (Happy‑Path‑Heuristik)
python scripts/slice_suggester.py assets/examples/example-story-map.json --out assets/examples/example-slices.md
# Backlog exportieren
python scripts/export_backlog_csv.py assets/examples/example-story-map.json --out assets/examples/example-backlog.csv
# Mermaid erzeugen
python scripts/map_to_mermaid.py assets/examples/example-story-map.json > storymap.mmd
Ausgabeformat
- story_map.json gemäß Template (Activities/Steps/Stories, AC im Gherkin‑Stil)
- slices.md (MVP/Follow‑Up mit Outcome & Metriken)
- backlog.csv (id,title,description,depends_on,actor,goal,activity,step,pattern,effort,reach,impact,confidence,bv,tc,rr,js)
- storymap.mmd Mermaid Flowchart
Beispiele
Siehe assets/examples/ für eine Onboarding‑Map mit MVP‑Slice und CSV‑Export (inkl. Abhängigkeiten & ACs).
Hinweise & Quellen
Definition, Anatomie und Nutzen des Story Mappings (Backbone horizontal, Priorität vertikal; Unterschied zu flachem Backlog; MVP/Slicing/Walking Skeleton; Workshop‑Vorgehen & Facilitation) basieren auf etablierten Praktiken nach Jeff Patton und agilen Prinzipien.
1---2name: ai-lead-story-mapping3description: Erstellt und pflegt User‑Story‑Maps als Sub‑Skill des AI‑Lead‑Orchestrators; führt Teams von Ziel & Persona über Backbone/Activities und vertikale Priorisierung zum Slicing (MVP/Walking Skeleton) und exportiert testbare Backlog‑Artefakte (JSON/CSV/Mermaid).4---56# Story Mapping Sub‑Skill (für AI Lead)78> **Kernidee:** Story Mapping verwandelt ein flaches Backlog in eine zweidimensionale, kontextreiche Landkarte mit einer horizontalen Reise (Backbone) und vertikaler Wichtigkeit—und macht so MVP & Releases über **Slicing** sichtbar.910## Wann verwenden1112- Wenn Nutzerziele, Backbone‑Aktivitäten und Schritte **sichtbar** gemacht und in **testbare Stories & Slices** überführt werden sollen.13- Wenn MVP/Releases als **horizontale Cut‑Lines** (Slicing) geplant werden, sodass der erste Slice ein **Walking Skeleton** (dünnster, aber end‑to‑end nutzbarer Weg) ist.14- Wenn der AI‑Lead Orchestrator methodische Sub‑Skills steuert (z. B. Story Mapping → Priorisierung → Delivery), und strukturierte Artefakte benötigt (JSON/CSV/Mermaid).1516## Inputs (vom Orchestrator)1718- **context.product** (Name, Domäne), **context.actor/persona**, **context.goal/outcome**, **context.kpis[]**19- **constraints** (Timebox, Non‑Goals, Policies)20- **seed_items** (vorhandene Stories/Backlog‑Tickets, optional)21- **work_mode**: `workshop|async` (für Moderationstipps siehe _Workshop‑Facilitation_).2223## Outputs (an Orchestrator)2425- **story_map.json** (Activities/Steps/Stories inkl. AC)26- **slices.md** (MVP + Folge‑Releases, inkl. Outcome/Metriken)27- **backlog.csv** (Export zur Priorisierung z. B. WSJF/RICE im AI‑Lead‑Flow)28- **storymap.mmd** (Mermaid zur Visualisierung)29- **validation_report** (Format/Referenz‑Checks)3031## Aktionen (Sub‑Skill‑Contract)3233- `story_map.create(context, seed_items?) -> story_map.json`34- `story_map.enrich(story_map.json, hints?) -> story_map.json`35- `story_map.validate(story_map.json) -> validation_report`36- `story_map.slice(story_map.json, strategy?) -> slices.md`37- `story_map.visualize(story_map.json) -> storymap.mmd`38- `story_map.export_backlog(story_map.json) -> backlog.csv`3940## Workflow/Anweisungen41421. **Vorbereitung (Framing)** 43 Ziel/Outcome und Persona klären (Elevator Pitch), Teilnehmer cross‑funktional festlegen (7–10 ideal), physisch/digital planen.44452. **Backbone aufbauen (horizontale Achse)** 46 Große Benutzeraktivitäten von links nach rechts in chronologischer Reihenfolge. **Horizontale Frage:** Haben wir die gesamte Reise?47483. **Stories sammeln (vertikale Achse)** 49 Unter jede Aktivität konkrete Stories/Tasks hängen; nach oben die Must‑haves (INVEST); Alternativen darunter (**„oder"‑Lesen**). **Vertikale Frage:** Was ist je Schritt am wichtigsten?50514. **Strukturieren, Lücken/Abhängigkeiten aufdecken** 52 Gemeinsames „Durchwandern" der Map deckt Gaps, technische Stories und Abhängigkeiten auf; Entwickler\*innen müssen anwesend sein.53545. **Slicing & Releases planen** 55 Nach vertikaler Priorisierung horizontale **Cut‑Lines** ziehen: oberster Slice = **MVP/Walking Skeleton** (mind. eine Story aus jedem kritischen Backbone‑Schritt), weitere Slices fügen „Fleisch" hinzu. Jede Slice mit Ziel/Metriken testbar halten.56576. **Artefakte erzeugen** 58 Validator, CSV‑Export, Mermaid‑Diagramm ausführen und an AI‑Lead übergeben.5960## Leitprinzipien6162- **Value‑Delivery statt Feature‑Fabrik:** Fokus auf Nutzerproblem & vollständige End‑to‑End‑Erfahrung (CPE) statt „Top‑5‑Features‑Liste".63- **MVP = Walking Skeleton:** Dünnster, funktional vollständiger Durchstich durch die Journey.64- **Lebendes Artefakt:** Map fortlaufend pflegen, nicht „wegwerfen".6566## CLI‑Nutzung (lokal)6768```bash69# Validieren70python scripts/story_map_validator.py assets/examples/example-story-map.json7172# Slices vorschlagen (Happy‑Path‑Heuristik)73python scripts/slice_suggester.py assets/examples/example-story-map.json --out assets/examples/example-slices.md7475# Backlog exportieren76python scripts/export_backlog_csv.py assets/examples/example-story-map.json --out assets/examples/example-backlog.csv7778# Mermaid erzeugen79python scripts/map_to_mermaid.py assets/examples/example-story-map.json > storymap.mmd80```8182## Ausgabeformat8384- **story_map.json** gemäß Template (Activities/Steps/Stories, AC im Gherkin‑Stil)85- **slices.md** (MVP/Follow‑Up mit Outcome & Metriken)86- **backlog.csv** (id,title,description,depends_on,actor,goal,activity,step,pattern,effort,reach,impact,confidence,bv,tc,rr,js)87- **storymap.mmd** Mermaid Flowchart8889## Beispiele9091Siehe `assets/examples/` für eine Onboarding‑Map mit MVP‑Slice und CSV‑Export (inkl. Abhängigkeiten & ACs).9293## Hinweise & Quellen9495Definition, Anatomie und Nutzen des Story Mappings (Backbone horizontal, Priorität vertikal; Unterschied zu flachem Backlog; MVP/Slicing/Walking Skeleton; Workshop‑Vorgehen & Facilitation) basieren auf etablierten Praktiken nach Jeff Patton und agilen Prinzipien.
DYAI2025