ai-lead-story-mapping

name	ai-lead-story-mapping
description	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).

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.json
• story_map.enrich(story_map.json, hints?) -> story_map.json
• story_map.validate(story_map.json) -> validation_report
• story_map.slice(story_map.json, strategy?) -> slices.md
• story_map.visualize(story_map.json) -> storymap.mmd
• story_map.export_backlog(story_map.json) -> backlog.csv

Workflow/Anweisungen

1. Vorbereitung (Framing)
   Ziel/Outcome und Persona klären (Elevator Pitch), Teilnehmer cross‑funktional festlegen (7–10 ideal), physisch/digital planen.

2. Backbone aufbauen (horizontale Achse)
   Große Benutzeraktivitäten von links nach rechts in chronologischer Reihenfolge. Horizontale Frage: Haben wir die gesamte Reise?

3. 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?

4. Strukturieren, Lücken/Abhängigkeiten aufdecken
   Gemeinsames „Durchwandern" der Map deckt Gaps, technische Stories und Abhängigkeiten auf; Entwickler*innen müssen anwesend sein.

5. 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.

6. 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.