"Durch KI werden Produktmanager überflüssig."
"Projektmanager müssen Experten für KI werden."
"Wer KI nicht nutzt, verpasst den Anschluss."
Das sind nur einige der vielen Schlagzeilen zum Thema KI aus LinkedIn-Feeds und Branchen-Newslettern. Als Produktmanager hast du wahrscheinlich schon oft Behauptungen dieser Art gehört und gelesen und fühlst dich in deiner ohnehin anspruchsvollen Rolle zusätzlich unter Druck gesetzt. Wenn ich mit Produktteams spreche, höre ich oft Ähnliches: Sie berichten von Verwirrung, Skepsis und manchmal sogar Schuldgefühlen, weil sie KI in ihrer täglichen Arbeit nicht umfassender nutzen.
Die Realität hinter dem Hype
Das Ergebnis einer vom MIT durchgeführten Studie unter mehr als 1.000 Wissenschaftlern, die KI-Tools einsetzten, war überraschend: Während die Produktivität deutlich stieg, sank die Arbeitszufriedenheit. Ganze 82 % der Wissenschaftler vermeldeten eine geringere Zufriedenheit mit ihrer Arbeit.
Dieses Paradoxon aus erhöhter Produktivität und geringerer Zufriedenheit sagt uns etwas Wichtiges über die menschliche Seite der Einführung von KI.
"Ich hatte den Eindruck, dass ein Großteil meiner Ausbildung jetzt wertlos ist", merkte ein Wissenschaftler an.
Dieses Gefühl kennen wahrscheinlich auch viele Produktmanager, die die aktuellen Entwicklungen im Bereich KI mit einer Mischung aus Faszination und Unbehagen beobachten.
Trotz dieser Herausforderungen ist der potenzielle Einfluss der KI auf unsere Arbeit zu groß, um ihn zu ignorieren.
Aktuelle Untersuchungen des Teamwork Lab von Atlassian zeigen, dass die Einstellung gegenüber KI eine viel größere Rolle spielt als die Einführung an sich, wenn es darum geht, KI optimal zu nutzen – und dass sie für den Reifegrad entscheidend ist.
Die Ergebnisse sind eindeutig: Die Zukunft der Arbeit besteht in der Mensch-KI-Kooperation. Unsere Daten belegen, dass Mitarbeiter, die KI strategisch einsetzen, Folgendes erreichen:
- Sie erzielen durch den Einsatz von KI den doppelten ROI mit ihrer Arbeit.
- Sie sparen täglich 105 Minuten ein, was einem ganzen Arbeitstag pro Woche entspricht.
- Sie investieren die gesparte Zeit mit 1,5-mal höherer Wahrscheinlichkeit in das Erlernen neuer Fähigkeiten.
- Sie gelten im Team mit 1,8-mal höherer Wahrscheinlichkeit als innovativ.
Wir haben Muster identifiziert, wie KI-Tools die Arbeit im Produktmanagement sowohl verbessern als auch potenziell behindern können. In diesem Artikel untersuchen wir ein Modell, das darauf ausgerichtet ist, das menschliche Urteilsvermögen und die Kreativität zu bewahren und gleichzeitig die analytischen Fähigkeiten der KI zu nutzen – eine Kombination, die laut Studien entscheidend für eine erfolgreiche Einführung von KI ist.
Wenn du in der neuen durch KI gestützten Arbeitsumgebung Aussicht auf Erfolg haben möchtest, empfehlen wir Folgendes:
- Lerne, wie KI funktioniert und wo ihre Grenzen liegen.
- Kooperiere mit KI-Teamkollegen, um Erfahrung mit dieser Art von Interaktion zu sammeln.
- Antizipiere, wo KI bei deiner Arbeit den größten Mehrwert bieten kann.
Wie ticken deine KI-Teamkollegen?
Bevor du KI gewohnheitsmäßig einsetzen kannst, solltest du zunächst nachvollziehen können, wie sie funktioniert.
Stell dir vor, du bist auf einer Party, auf der jeder mehrere Gespräche gleichzeitig führt. Du versuchst, einer bestimmten Unterhaltung zu folgen, musst dabei aber verschiedene Aspekte berücksichtigen: das gesprochene Wort, den Tonfall, frühere Kommentare und den allgemeinen Kontext. Diese Situation ist vergleichbar mit der Art und Weise, wie Transformatormodelle – das Rückgrat moderner KI – Informationen verarbeiten.
Transformatormodelle gibt es seit 2017. Sie haben die KI revolutioniert, weil sie in der Lage sind, mehrere Teile der Eingabe gleichzeitig zu berücksichtigen, ähnlich wie du verschiedene Aspekte einer Unterhaltung gleichzeitig verarbeiten kannst. Diese Fähigkeit, mit dem Kontext und den Beziehungen zwischen verschiedenen Informationen umzugehen, ist das Erfolgsgeheimnis moderner KI-Tools.
Große Sprachmodelle (Large Language Models, LLMs) bauen auf dieser Grundlage auf. Als Hilfe kannst du dir vorstellen, sie hätten praktisch das ganze Internet gelesen – Bücher, Artikel, Code, Konversationen. Aus dieser riesigen Datenmenge haben sie Muster erlernt, sodass sie Kontext und Nuancen verstehen, menschenähnlichen Text erstellen, Muster und Beziehungen erkennen und ihre Antworten auf Grundlage der Konversation anpassen können.
In diesem Artikel gehen wir speziell auf KI-Agenten ein. Sie sind eine der gängigsten Schnittstellen für die Interaktion mit LLMs. Diese Agenten dienen als Konversationsschnittstellen, die es uns ermöglichen, auf natürliche, dialogbasierte Weise mit LLMs zu interagieren. LLMs können zwar auf viele Arten in Produkte und Workflows integriert sein (wie Codevervollständigung, Inhaltsgenerierung oder automatisierte Analyse), aber Agenten stellen immer ein bestimmtes Paradigma dar, in dem die KI eine eher kollaborative, assistenzähnliche Rolle einnimmt. Das ist die Schnittstelle, mit der die meisten Produktmanager in ihrer täglichen Arbeit direkt interagieren, sei es über allgemeine Tools wie ChatGPT und Claude oder spezialisierte Agenten für die Arbeit wie Rovo.
Möglichkeiten und Einschränkungen
Die große Stärke von KI-Agenten liegt darin, Muster zu erkennen. Daher können sie aus großen Datenmengen Trends und Zusammenhänge herausfiltern, die einem Menschen vielleicht nicht auffallen würden. Sie sind auch bemerkenswert gut darin, Sprache zu verarbeiten und auf dieser Basis menschenähnlichen Text in verschiedenen Stilen und Formaten zu verstehen und zu generieren. Ihre Fähigkeit, den Kontext über lange Konversationen hinweg aufrechtzuerhalten und mehrere Aspekte eines Problems gleichzeitig zu berücksichtigen, macht sie für komplexe Aufgaben wie das Produktmanagement besonders wertvoll.
Es ist jedoch wichtig, auch die Einschränkungen von KI-Agenten zu kennen. Unter Umständen verkaufen sie uns völlig falsche Informationen als die reine Wahrheit. Sie können Ursache und Wirkung nicht richtig nachvollziehen und haben kein echtes Verständnis, sondern setzen allein auf Mustererkennung. Ihr Wissensstand ist oft auf ihre Trainingsdaten beschränkt, was bedeutet, dass sie Marktveränderungen oder neue Trends nicht in Echtzeit berücksichtigen können, besonders wenn sie keinen Zugang zum Internet und zu Suchfunktionen haben.
Wenn wir diese Stärken und Einschränkungen im Kopf behalten, können wir KI als wirkungsvolle Ergänzung zu unserer Arbeit betrachten und nicht als Ersatz für unsere Kernkompetenzen. Sehen wir uns vor diesem Hintergrund nun an, wie sich effektive Arbeitsbeziehungen mit KI-Tools aufbauen lassen.
Die nuancierte Wirkung verstehen
Kurzer Blick zurück: 15 Jahre lang war Google das unangefochtene Tool für Online-Suchanfragen. Wer Informationen brauchte, dachte nicht lange nach, sondern fragte Google. Dieser Reflex schien unerschütterlich. Doch gerade im letzten Jahr hat sich dieses jahrzehntelang übliche Verhalten komplett verändert. Zuerst kam Arc Search mit "Browse for me", dann eine schnelle Weiterentwicklung durch ChatGPT, Claude, Perplexity und jetzt DeepSeek R1 für arbeitsbezogene Suchanfragen.
Dieser Wandel veranschaulicht etwas Entscheidendes im Zusammenhang mit der Akzeptanz der KI: Wenn KI-Tools tatsächlich eine bessere Benutzererfahrung bieten – das heißt, wenn sie schneller, effizienter, aufschlussreicher sind –, ändern wir sogar unsere jahrelang gepflegten Gewohnheiten innerhalb bemerkenswert kurzer Zeit. Wir schwenken nicht auf andere Tools um, weil wir dazu aufgefordert werden oder weil sie im Trend liegen, sondern weil diese neuen KI-gestützten Lösungen unsere Anforderungen deutlich besser erfüllen.
Wir sollten KI weder als Bedrohung noch als Wunderwaffe betrachten, sondern als eine neue Art Teamkollege. Wie jeder gute Kollege hat KI bestimmte Stärken und Einschränkungen. Der Schlüssel ist, zu lernen, wie wir effektiv zusammenarbeiten können.
Zusammenarbeit mit deinen KI-Teamkollegen
Bei der Nutzung von KI fällt derzeit ein bestimmtes Muster auf: Die meisten Menschen nutzen universelle KI-Agenten, die mit allgemeinen Daten trainiert wurden, wenn es um spezifische Fragen zu ihrer Arbeit geht. Diese Diskrepanz sorgt oft für Enttäuschung und Unzufriedenheit.
Die Zukunft der effektiven Zusammenarbeit mit KI liegt in spezialisierten Agenten, die mit speziellen Daten trainiert wurden. Ein Beispiel ist Rovo von Atlassian. Dieser KI-Assistent hat Zugriff auf deinen gesamten Arbeitskontext: die Confluence-Wissensdatenbank mit Strategiepapieren und PRDs, Jira-Projekte, die aktuelle Teamaufgaben und Fortschritte zeigen, Unternehmensziele und Artefakte zur Quartalsplanung. Wenn du dem Agenten eine Frage zu deiner Arbeit stellst, basieren die Antworten auf deinem spezifischen Unternehmenskontext.
Das ist ein grundlegender Wandel in der Art und Weise, wie KI unsere Arbeit unterstützen kann. Statt generischer Antworten, die auf Trainingsdaten aus dem gesamten Internet basieren, können diese spezialisierten KI-Teamkollegen Einblicke liefern, die für die konkreten Herausforderungen, Prioritäten und Arbeitsweisen deines Unternehmens relevant sind. Unternehmen, die diesen Unterschied kennen und danach handeln – also in KI-Systeme investieren, die eng in ihre Wissensdatenbanken und Workflows integriert werden –, können in Bezug auf die Arbeitsweise und Entscheidungsfindung ihrer Teams erhebliche Wettbewerbsvorteile erzielen.
Auch wenn spezialisierte KI-Tools immer beliebter werden, nutzen die meisten Produktteams bei ihrer täglichen Arbeit noch keine KI.
Der Schlüssel zur Akzeptanz liegt in der Entwicklung einer auf KI ausgerichteten Mentalität. Das heißt: Grundsätzlich sollte bei jeder Aufgabe oder Herausforderung zuerst überlegt werden, wie KI zur effektiven Bewältigung beitragen könnte.
Es geht nicht darum, KI für alles zu verwenden, sondern darum, ein Urteilsvermögen aufzubauen und zu wissen, wann und wie KI deine Arbeit wirklich verbessern kann.
Nachhaltige KI-Gewohnheiten
Wenn Unternehmen ihre Mitarbeiter über die grundlegende Nutzung von KI hinaus zu einer strategischen Zusammenarbeit mit der KI bewegen, können sie das volle Potenzial von KI ausschöpfen und einen signifikanten ROI erzielen. Bei der neuen KI-Mentalität geht es aber nicht nur um die Zeitersparnis, sondern um viel mehr. Die Zusammenarbeit mit KI kann Unternehmen einen zusätzlichen Wettbewerbsvorteil verschaffen, wenn sie kontinuierliche Verbesserungen fördert, die Arbeitsqualität verbessert und bedeutende Innovationen vorantreibt.
Der Schlüssel zu einer sinnvollen Einführung von KI liegt in der Schaffung nachhaltiger Gewohnheiten.
Den ganzen Tag über kannst du KI als Resonanzboden verwenden, um verschiedene Herangehensweisen für Benutzerprobleme zu erkunden oder deine Kommunikation mit Stakeholdern zu optimieren.
Hier einige praktische Möglichkeiten und Beispiele, um diese Gewohnheiten zu entwickeln:
Während der Produktfindung
Nutze künstliche Intelligenz, um Interviewprotokolle auf Muster zu analysieren, die du vielleicht übersehen hast, generiere neue Hypothesen für Tests und identifiziere aktuelle Themen im Benutzerfeedback.
Tools wie Sauce AI können zum Beispiel Feedback aus mehreren Quellen sammeln und analysieren, um die Entscheidungsfindung zu unterstützen. Dabei werden Themen und gemeinsame Herausforderungen in allen Community-Gruppen identifiziert.
Bei der Produktstrategie
Nutze künstliche Intelligenz, um verschiedene Marktszenarien zu erkunden, die Wettbewerbslandschaft aus neuen Blickwinkeln zu analysieren und alternative strategische Narrative zu entwickeln.
Tools wie Perplexity Pro ermöglichen unglaublich schnelle Recherchen in einer Vielzahl von Quellen. Es nimmt dir die Recherchearbeit nicht ab, bietet aber einen Einstiegspunkt für dein weiteres Vorgehen.
Am effektivsten sind KI-Teamkollegen oft am Anfang oder am Ende eines Workflows – zu Beginn der Ideenfindung, um neue Ideen zu entwickeln, oder am Ende der Inhaltserstellung, um den Content zu verfeinern. Überprüfe immer die Recherchequellen, die du an KI-Agenten auslagerst.
Während der Produktentwicklung
Produktmanager können viele alltägliche Workflows an die künstliche Intelligenz delegieren:
- Produktanforderungen schreiben
Durch den Einsatz spezialisierter Agenten kannst du dir viele Stunden Arbeit sparen, die du in wertvollere Aktivitäten investieren kannst.
- Versionshinweise verfassen
Künstliche Intelligenz kann aus Jira-Vorgängen Versionshinweise generieren, indem sie gemeinsame Themen in allen Vorgängen identifiziert und eine Zusammenfassung und Liste der veröffentlichten Vorgänge in einem Problemlösungsformat präsentiert.
Das Entscheidende ist, künstliche Intelligenz während dieser Prozesse als Partner zu verwenden, nicht als Ersatz. So kannst du sicherstellen, dass die künstliche Intelligenz die Kreativität fördert, anstatt sie zu verringern, wodurch die in der MIT-Studie aufgezeigten Bedenken hinsichtlich der Arbeitszufriedenheit berücksichtigt werden.
Die Entwicklung von KI-Teamkollegen antizipieren
Die MIT-Forschungsergebnisse geben uns wertvolle Hinweise darauf, wohin sich unsere KI-Partnerschaften entwickeln könnten. Speziell Produktmanager sollte Folgendes beachten:
Spezialisierte künstliche Intelligenz
Wir werden wahrscheinlich eine zunehmende Kommodifizierung der zugrunde liegenden Modelle erleben, wobei mehr Verarbeitung auf Kundenseite erfolgt. Um wettbewerbsfähig zu bleiben, werden KI-Funktionen spezialisierter werden und "im Stack nach oben rücken". Sie werden Entwicklern und Endbenutzern fein abgestimmte und personalisierte Funktionen bieten. Wir haben diese Entwicklung bereits mit Tools wie Cursor erlebt, die das transformative Potenzial spezialisierter künstlicher Intelligenz demonstrieren, indem sie kontextsensitive Informationen direkt in die Workflows der Entwickler einbetten und allgemeine KI-Funktionen in speziell entwickelte Assistenten verwandeln, die sowohl Code als auch Absicht verstehen.
Die Gewinner sind dann nicht unbedingt die Benutzer mit den leistungsfähigsten Modellen, sondern diejenigen, die künstliche Intelligenz am besten in bestehende Workflows und Benutzererlebnisse integrieren.
Mixture of Experts-Modelle (MoE)
Ein Mixture of Experts-Modell ist wie ein Unternehmen mit unterschiedlichen Fachabteilungen.
Anstatt jede Frage wie bei herkömmlichen LLMs durch das gesamte System zu senden, gibt es hierbei einen sogenannten "Router", der schnell entscheidet, welche "Experten"-Teilmenge des Modells die Aufgabe erledigen sollen. Das bedeutet, dass nur die relevanten Teile für den jeweiligen Job aktiviert werden – zum Beispiel Physikexperten für wissenschaftliche Fragen und Sprachexperten für Schreibaufgaben.
Der Vorteil? Eine deutlich höhere Effizienz bei niedrigeren Kosten, sodass du spezialisiertere, effizientere Produkte entwickeln kannst, mit denen vielfältige Aufgaben bewältigt werden können, ohne das Budget zu sprengen.
Das menschliche Element im Produktmanagement
Der vielleicht wichtigste Punkt: Wenn künstliche Intelligenz allgegenwärtig wird, werden sich die Menschen zunehmend nach Authentizität, Qualität und Bedeutung sehnen. Daraus ergibt sich wahrscheinlich Folgendes:
- Eine Renaissance individueller Kundenbetreuung und individueller Angebote
- Ein stärkerer Fokus auf erstklassiges Storytelling und emotionales Engagement
- Ein Wiederaufleben kleiner Unternehmen, die einzigartige, personalisierte Erlebnisse anbieten
- Neue Möglichkeiten für die Nutzung einzigartiger menschlicher Fähigkeiten
Die ultimativen Gewinner dieser neuen Ära werden die Unternehmen und Individuen sein, die verstehen, dass es in der Geschäftswissenschaft zwar um Skalierung geht, die Kunst des Geschäfts jedoch oft in den Dingen liegt, die nicht skalierbar sind – den menschlichen Aspekten, die künstliche Intelligenz nicht replizieren kann.
Was das für Produktmanager bedeutet
Wir haben besprochen, wie Produktmanager künstliche Intelligenz einsetzen können, um ihre Arbeit zu erleichtern. Zusätzlich stellt sich aber die Frage, wie sie künstliche Intelligenz besser in das Produktangebot einbauen können. Dafür wird wahrscheinlich Folgendes erforderlich sein:
- Die Orchestrierung mehrerer KI-Funktionen verstehen, anstatt sich auf einzelne Modelle zu verlassen
- Den Fokus auf die wichtigen Unterscheidungsmerkmale des Schnittstellendesigns und der Benutzererfahrung zu legen
- Personalisierung in zentrale Produkterlebnisse einbauen
- Beibehaltung der menschlichen Elemente, die Produkten Bedeutung und emotionale Resonanz verleihen
- Workflows erstellen, die menschliche Fähigkeiten optimieren, statt sie zu ersetzen
Wir sind noch dabei, den Umgang mit künstlicher Intelligenz zu erkunden. Und natürlich ist die Grundlagentechnologie ein bewegliches Ziel, während sie sich weiter verbessert. Es gab bereits echte Fortschritte, aber wir stehen noch am Anfang dieser Reise.
Das Wichtigste ist, dass wir jetzt ein besseres Gefühl dafür haben, welche Fragen wir stellen müssen und wie wir die Antworten ermitteln können.
Bei der vor uns liegenden Reise geht es nicht darum, KI-Experte zu werden oder nicht den Anschluss zu verlieren. Es geht darum, zu lernen, ein besserer Produktmanager zu werden – in einer Welt, in der künstliche Intelligenz einfach ein weiteres Werkzeug ist, das uns zur Verfügung steht. Und obwohl sich diese Reise manchmal unangenehm anfühlt, lohnt es sich, sie zu unternehmen.
