Als Product Managerin hast Du die Möglichkeit, schnell mit Claude Prototypen zu bauen. In dreißig Minuten schaffst Du es, Deine Idee funktional mit simplem Design umzusetzen. Der Mehrwert: Du kannst dem Team Deine Idee zeigen, statt nur zu erklären. Das beschleunigt die Diskussion enorm und bringt sie schnell zu den relevanten Punkten. Nicht weil der Prototyp perfekt ist, sondern weil alle dasselbe sehen. Kein Interpretationsspielraum, kein "ich stelle mir das aber anders vor". Ergebnis statt Idee.

Das ist die Verschiebung, die ich gerade erlebe. Nicht als großes Transformationsprojekt. Sondern als stille Veränderung in meinem Arbeitsalltag als Product Managerin.

Drei Verschiebungen, die ich beobachte

Ich war schon vor KI eine operative Schnittstelle. Meine Aufgabe als Product Managerin ist es, Strategien in operative Tätigkeiten zu übersetzen. Wir bekommen als Team Vision und Strategie mit klaren Zielen, die wir erreichen sollen. Ich sitze kommunikativ zwischen den Anforderungen von Geschäftsführung und Markt und dem Team, das die Arbeit erledigt. Ich helfe dabei, dass jeder die Strategie und den eigenen Beitrag zum Ziel versteht. Das hat sich nicht geändert. Was sich geändert hat, ist die Art, wie ich übersetze.

Von Erklären zu Zeigen. PM rückt näher an den Code, nicht weil ich programmiere, sondern weil ich am Prototyp diskutiere, statt strategisch zu erklären. Das verschiebt nicht nur die Gesprächsdynamik. Es verändert die Reihenfolge: zuerst das Sichtbare, dann die Argumente.

Ich lehne mich stärker an Design-Kompetenz an, nicht weniger. Klarheit wird für mich teurer, wenn ich jede Design-Variante selbst bewerten muss. Sie wird günstiger, wenn ich mit Designern arbeite, die mit ihrem Handwerk und ihrer Expertise die richtigen Optionen herausarbeiten. Die Kernkompetenz von UX liegt beim Designer, und das ist gut so. Ein Designer, der sein Handwerk gelernt hat, holt mit KI mehr heraus als jemand ohne diese Grundausbildung. KI macht eben nicht jeden zum Designer, sie macht den Unterschied sichtbarer. Ich kann als PM schnell etwas Funktionales bauen, und für viele Diskussionen reicht das. Aber funktional ist nicht dasselbe wie gestaltet. Ob ein Kunde einer Oberfläche vertraut, entscheidet sich an genau den Details, die ein Designer sieht und ich nicht. Das ist keine Geschmacksfrage, sondern Handwerk: ergebnisorientiert, nicht nur chic.

Regelwerke pflegen wird Daueraufgabe. Der Mensch sollte Beurteiler des Ergebnisses bleiben. Er allein kann beurteilen, ob etwas Output oder Outcome ist. Das Ergebnis der KI ist nur so gut wie die Regeln, die der Mensch definiert hat. Und diese Regeln müssen permanent angepasst werden. Nicht einmal aufsetzen und vergessen, sondern beobachten, nachjustieren, hinterfragen. Die Arbeit verschwindet nicht, sie verschiebt sich. Das gilt für mein persönliches Wissenssystem genauso wie für Produktteams: Wer glaubt, KI einmal konfigurieren zu können und dann laufen zu lassen, wird schnell merken, dass der Output veraltet, bevor er ankommt.

Verstehen durch Bauen

Ich bleibe bei Verstehen vor Handeln. Aber ich nutze KI, um besser zu verstehen. Und verstehen kann man wunderbar, indem man ein Ergebnis baut aus dem, was man befunden hat. Ich teste das gerade als persönliche Arbeitsweise. Wenn ich ein neues Thema durchdringe, baue ich früher als vorher etwas Sichtbares daraus. Nicht um es fertig zu haben, sondern um zu prüfen, ob ich es verstanden habe. Der Prototyp als Erkenntnistool, nicht als Lieferobjekt.

Das verändert auch meine Rolle im Team. Früher war ich eher Trägerin: ich musste alles kontrollieren, alles durchsteuern. Jetzt versuche ich bewusst, Facilitatorin zu sein. Ich schaffe den Rahmen, in dem alle selbst laufen können. Ein System, das auch ohne mich funktioniert. Ich bin ersetzbar, zur Not auch durch gute Struktur. Aber nicht beim Zusammenbringen von Menschen. Zwischen den Zeilen lesen, Gruppendynamik verstehen, den richtigen Ton finden: das bleibt menschlich. Und wenn KI irgendwann Machtlinien dokumentiert oder Konflikte sichtbar macht, kann ich das als Werkzeug für mehr Transparenz nutzen. Aber die Interpretation bleibt bei mir.

Prototypen helfen auch hier. Wenn ein Team sich über die richtige Lösung streitet, hilft es, beim Ergebnis zu starten. Visuell diskutieren statt abstrakt argumentieren. Man kommt schneller zu einer Entscheidung, manchmal auch zu einer unvorhergesehenen Variante, die vorher niemand auf dem Tisch hatte.

Was ich mir vornehme

Drei Dinge, die ich bewusst anders machen will:

Zuhören als Kernkompetenz schützen. Eine Kernkompetenz wird auch mit KI immer wichtig bleiben: Intuition. Das Zwischen-den-Zeilen-Lesen stärkt eine Intuition, die im Alltag Entscheidungen befähigt. Diese gewinnt man nicht durch das Generieren von mehr KI-Output, sondern vom Zuhören, vom Austausch mit Menschen, von Gesprächen mit Marktakteuren. Zuhören ist eine Kernkompetenz von Product Management. Genauso wie Punkte zu Linien zusammenführen.

Demütig Strukturen schaffen statt Methodik stapeln. Eine Fülle an Wissen oder Methodik hilft nicht. Es bleibt wichtig, demütig gute Strukturen zu schaffen, mit KI als Werkzeug, nicht als Ersatz für Denken.

KI als Werkzeug für Transparenz einsetzen. Der Spirit innerhalb einer Organisation bleibt. Ich muss trotzdem zwischen den Zeilen lesen, Menschen verstehen, Gruppendynamik lesen. Das ist meine Stärke, die mich von KI unterscheidet. Aber ich kann KI nutzen, um Dinge sichtbar zu machen, die sonst in Meetings untergehen. Wenn eine KI mir zeigt, dass in den letzten vier Retrospektiven dasselbe Thema ungelöst blieb, ist das kein Ersatz für meine Einschätzung, aber ein besserer Ausgangspunkt, als mich nur auf mein Gedächtnis zu verlassen.

Kritische Einordnung

Ob das alles eine echte Transformation ist oder eine gefühlte, weiß ich nicht. Kann gut sein, dass wir es überschätzen, wie stark die Rollen tatsächlich miteinander verwachsen. Dass PM, Design und Engineering durch KI so nah zusammenrücken, wie es gerade diskutiert wird, muss sich erst zeigen. Vielleicht bleibt am Ende mehr beim Alten, als wir denken. Die Werkzeuge sind neu, aber die Grundfragen, wer entscheidet was, wer versteht den Kunden, wer hält das Team zusammen, sind dieselben wie vor zehn Jahren. Hier hilft es, Verantwortlichkeiten wie mit der DACI-Methode noch klarer rauszustellen. Denn KI lässt es so aussehen, als könne jeder alles übernehmen. Kann er nicht. Es gibt aus guten Gründen klare Perspektiven und Kompetenzen, und die verschwinden nicht, sie werden nur leichter übersehen.

Und es gibt eine echte Gefahr, über die wenig gesprochen wird. Wenn Berufsstarter mit KI sozialisiert werden, bevor sie gelernt haben, echten Kunden zuzuhören, fehlt die Grundlage. Man liest KI-Output, aber nie die Unsicherheit im Gesicht eines Nutzers. Man kennt Daten, aber nicht die Geschichte dahinter. Intuition entsteht nicht am Bildschirm, sie entsteht in Gesprächen, in wiederholter Erfahrung, im langsamen Aufbau von Mustererkennung. Wer diesen Schritt überspringt, wird effizient, aber nicht klug.

Trotzdem: Besser überschätzen als unterschätzen und sich kritisch damit auseinandersetzen. Die Verschiebungen, die ich beschrieben habe, sind real, zumindest in meinem Alltag. Ob sie sich in anderen Kontexten genauso zeigen, ob die Prototyping-Fähigkeit von PMs wirklich die Teamdynamik verändert oder nur eine nette Ergänzung bleibt, wird sich in den nächsten Monaten klären. Was ich sicher sagen kann: Die Fähigkeit, beim Ergebnis anzufangen statt bei der Idee, hat meine Gespräche verändert. Der Rest bleibt abzuwarten.