Die Produktwerker

In dieser Folge sprechen Oliver und Dominique über die fünf Funktionen von Produktvisionen. Sie erklären, warum viele Teams ihre Vision nach der Erstellung schlicht vergessen. Dominique begleitet seit vielen Jahren Produktteams als Coach und Trainer. Dabei hat er sich intensiv mit der Frage beschäftigt, was eine Produktvision eigentlich leisten muss, damit sie im Alltag wirkt. Genau darum dreht sich das Gespräch. Es geht nicht um die Erstellung eines Vision Statements, sondern um die Funktionen, die eine Vision danach erfüllen sollte.

Am Anfang steht das Klären. Bevor ein Team eine knackige Formulierung sucht, muss es einiges klären. Für wen baut es das Produkt, welches Problem löst es dabei und unter welchen Bedingungen entsteht daraus Wert? Teams gehe hier oft zu schnell über konkrete Menschen hinweg. Stattdessen bemühen sie abstrakte Zielgruppen wie junge Erwachsene mit mittlerem Einkommen. Solche Beschreibungen helfen bei Entscheidungen kaum weiter. Wer dagegen über echte Bedürfnisse, Nutzungskontexte und die eigenen Organisationsziele spricht, schafft eine Basis für spätere Entscheidungen.

Aus dem Klären wird noch keine Vision. Dafür braucht es die zweite Funktion, das Verdichten. Ein Team führt die gesammelten Erkenntnisse, Wünsche und teils widersprüchlichen Meinungen zusammen und wählt daraus eine gemeinsame Richtung aus. Verdichten bedeutet nicht, alles unterzubringen, sondern sich für eine Richtung zu entscheiden. Am Ende dieser Phase steht meist ein Satz oder ein Bild, das als Erinnerungsanker dient. Es hilft dem Team, sich immer wieder klarzumachen, wofür es eigentlich arbeitet.

Damit dieser Anker im Alltag ankommt, braucht es die dritte Funktion: das Übersetzen. Eine Vision allein lässt praktisch jede Entscheidung zu, weil sie meist viel zu weit weg vom operativen Geschäft formuliert ist. Oliver und Dominique sprechen deshalb über die Verbindung zwischen Produktvision, Produktstrategie, Zielen und Roadmaps. Erst wenn eine Strategie erkennbar auf die Vision einzahlt und daraus ein Product Goal abgeleitet wird, entsteht eine Brücke. Sie verbindet den Alltag mit der langfristigen Richtung. Ohne diese Übersetzung bleibt die Vision ein hübscher Satz ohne Wirkung auf reale Entscheidungen.

Die vierte Funktion, das Anwenden, prüft, ob die Vision tatsächlich in echten Produktentscheidungen sichtbar wird. Das betrifft die Priorisierung im Backlog, Gespräche in der Discovery, Sprintziele und die Einleitung eines Reviews. Hält sich ein Team an seine Vision, wenn ein wichtiger Termin, ein Wettbewerber oder ein großer Kunde Tempo verlangt? Genau in solchen Momenten zeigt sich, ob eine Vision wirklich handlungsleitend ist oder nur an der Wand hängt. Sichtbarkeit allein reicht dafür nicht, erst die tägliche Nutzung macht den Unterschied.

Zum Schluss kommt das Lernen als fünfte Funktion ins Spiel. Dabei geht es darum, die Annahmen hinter der Vision regelmäßig zu überprüfen. Neue Erkenntnisse aus Research, Nutzung oder Marktbeobachtung fließen ein, während der eigentliche Erinnerungsanker meist stabil bleibt. Bleibt diese Funktion aus, entsteht mit der Zeit eine Art Visionsschuld. Veraltete Annahmen und widersprüchliche Zielbilder passen dann längst nicht mehr zur Realität. Wie oft ein Team diesen Check braucht, hängt von der Lebensphase des Produkts ab. Junge Produkte mit vielen neuen Erkenntnissen reflektieren häufiger, etablierte Produkte reichen oft schon vierteljährliche Runden.

Die fünf Funktionen von Produktvisionen bilden kein Phasenmodell, das man einmal durchläuft, sondern ein Modell in dem sie sich gegenseitig andauernd beeinflussen. Ein Team kann in einer Funktion stark und in einer anderen schwach sein. Genau dieser Blick lohnt sich als Reflexionsübung. Ist das Verdichten gut, das Klären aber schwach, klingt eine Vision oft überzeugend, obwohl sie zu wenig fundiert ist. Sind Anwenden und Lernen niedrig, entsteht schnell der bekannte Wandpostereffekt, schön anzusehen, aber ohne echten Nutzen.

In dieser Folge ist Alexander Sprogis bei Tim zu Gast. Gemeinsam sprechen die beiden über Produktentwicklung mit einem agentischen Team und über die Frameworks die man kennen sollte. Alex kommt ursprünglich aus der Softwareentwicklung und dem Produktmanagement. Früher gründete er mit Lilith Brockhaus die No-Code & Low-Code Ausbildung und KI-Beratung VisualMakers. Inzwischen baut er unter eigenem Namen seinen YouTube Kanal rund um AI Coding auf. Seine Leidenschaft gilt seit jeher dem Befähigen von Menschen. Heute geht es dabei vor allem um Coding Agents wie Claude Code.

Wer einfach drauflos promptet, landet schnell im klassischen Vibe Coding. Viele Ergebnisse wirken gut, sind aber kaum reproduzierbar. Die KI trifft munter eigene Annahmen, ohne dich zu fragen. Alex vergleicht Coding Agents gern mit einem hastigen Junior Entwickler. Der liefert zwar schnell, neigt aber zum Overengineering. Auch Widerspruch legt so ein Agent nur selten ein. Dazu kommt ein Problem namens Context Rot. Je länger eine Session dauert, desto voller wird das Kontextfenster. Und desto öfter verliert die KI den roten Faden.

Um dieses Chaos einzufangen, kann man vier Ebenen unterscheiden: Ganz unten steht das Sprachmodell (LLM) selbst, etwa Claude Opus oder Fable. Darüber liegt der Harness, also die Konfigurationsschicht, zum Beispiel Claude Code. Darüber wiederum sitzt das Framework als methodischer Rahmen für die eigentliche Arbeit. Innerhalb dieses Rahmens übernehmen einzelne Agenten oder Skills konkrete Rollen. Genau hier zeigt sich der Kern von Produktentwicklung mit einem agentischen Team. Ein gutes Framework bringt Struktur und wiederholbare Qualität in die tägliche Arbeit mit Coding Agents.

Am ausführlichsten sprechen die beiden über die BMad Methode. BMad steht mittlerweile meist für "Breakthrough Method for Agile AI Driven Development" - manchmal aber auch für seinen Erfinder Brian Madison. Das Framework stellt ein komplettes agentisches Team aus neun Personas bereit. Die Business Analystin Mary erstellt mit dir zusammen ein Product Brief. Ein Produktmanager übersetzt das anschließend in ein PRD. Der Architekt Winston plant danach Technik und Stack. Am Ende entstehen daraus Epics und Storys mit klaren Akzeptanzkriterien. Es ist fast vergleichbar mit einem Team, das sich Dokumente zuwirft. Von echter gemeinsamer Arbeit an einem Inkrement (im Sinne von Scrum) bleibt allerdings wenig übrig. Ein sogenannter Party Mode bringt immerhin mehrere Agenten an einem Artefakt zusammen.

Alex nutzt BMad selbst produktiv, sieht aber auch klare Grenzen. Für einzelne Personen entsteht schnell zu viel Dokumentation. Ein Project Brief kann schon mal mehrere Seiten lang werden. Ein Architekturdokument wird schnell zu einem kleinen Buch. Wer allein arbeitet, muss all das lesen und pflegen. Bei jeder Änderung fällt zusätzlich noch ein Review an. In kleinen Teams führt das schnell zu Overhead statt zu Tempo. Deshalb setzt Alex das Framework heute nur noch punktuell ein. Parallel schaut er sich längst andere Ansätze an.

Als leichtere Alternative gibt es auch 'Get Shipped Done', früher bekannt als 'Get Shit Done'. Es läuft in einer kurzen Schleife aus fünf Phasen. Erst wird besprochen, dann geplant, dann umgesetzt, geprüft und ausgeliefert. Einzelne Unteragenten starten dabei mit einem leeren Kontextfenster. Sie melden am Ende nur ihr fertiges Ergebnis zurück. Ein Befehl namens Map Codebase schickt gleich sieben Unteragenten los. Die analysieren eine bestehende Codebasis aus verschiedenen Blickwinkeln. Das hilft besonders bei Legacy Projekten ohne gute Dokumentation. Superpowers verfolgen einen ähnlichen Ablauf, arbeiten aber testgetrieben. Erst entstehen die Tests, dann nur so viel Code wie nötig. So bremst das Framework Overengineering von vornherein aus.

Neben BMad, Get Shipped Done und Superpowers fallen in der Folge noch weitere Namen. SpecKit von GitHub gehört dazu, ebenso Kiro von Amazon und AgentOS.

Product Backlog priorisiert, im Refinement alles erklärt und trotzdem diskutiert das Team jede Entscheidung oder macht am Ende etwas ganz anderes als vereinbart. Tim und Oliver gehen in dieser Folge der Frage nach, was hinter diesem Verhalten stecken kann und was Product Owner in dieser Situation wirklich tun können.

Am Anfang steht eine Reflexion darüber, was "Folgen" als Product Owner überhaupt bedeutet. Product Owner sind Führungskräfte, aber keine Vorgesetzten. Und echte Zustimmung und Mittragen von Entscheidungen lassen sich nicht per Titel verordnen, sondern müssen durch Vertrauen, Kompetenz und Verständnis erarbeitet werden.

Tim und Oliver sprechen über die häufigsten Ursachen, wenn Teams nicht folgen wollen, z.B mangelnde Problemempathie, ein unklares gemeinsames Ziel oder eine fehlende Entscheidungslogik von der Produktvision bis zum Sprint Goal. Sie zeigen, warum typische Reflexe wie mehr Kontrolle, detailliertere Tickets oder zusätzliche Meetings selten helfen und dass Klarheit über das Warum geschaffen, situativ geführt und bei der eigenen Kommunikation mit der Reflexion begonnen werden sollte.

Eine Folge für alle Product Owner, die merken, dass ihr Team nicht mitzieht, und verstehen wollen, woran das wirklich liegt.

Kann man Priorisierung objektiv machen? Tim und Oliver gehen dieser Frage in dieser Folge auf den Grund – und zeigen, warum der Wunsch nach objektiver Priorisierung im Alltag von Product Ownern regelmäßig an seine Grenzen stößt.

Frameworks wie ICE, RICE, Kano oder WSJF versprechen Struktur und Nachvollziehbarkeit. Sie helfen, Argumente zu sortieren und Annahmen sichtbar zu machen – schaffen aber keine objektive Wahrheit. Denn Priorisierung findet immer in einem Umfeld statt, das von Unsicherheit, Abhängigkeiten und unterschiedlichen Interessen geprägt ist.

In der Folge sprechen Tim und Oliver darüber, warum sich Priorisierung nicht berechnen lässt, welche Rolle Bewertungsmodelle wirklich spielen können und warum der Versuch, jede Diskussion durch ein Framework zu vermeiden, selten zu besseren Entscheidungen führt. Stattdessen plädieren sie dafür, unterschiedliche Sichtweisen bewusst einzubeziehen, Entscheidungen transparent zu machen und Prioritäten immer wieder anhand neuer Erkenntnisse zu überprüfen.

Eine Folge für alle Product Owner, die nicht die perfekte Formel suchen, sondern besser mit Unsicherheit umgehen wollen.

Jan Werner spricht in dieser Folge mit Tim darüber, wie AI im Produktmanagement seinen Arbeitsalltag als Lead Product Manager von Instaffo massiv verändert hat und dass der größte Gewinn nicht in spektakulären Demos, sondern in vielen kleinen Verbesserungen liegt. Seine Erfahrungen stammen aus der täglichen Arbeit in der Praxis und zeigen, wie sich der Einsatz von AI Schritt für Schritt entwickelt. Der Einstieg in das Thema begann wie so oft mit einfachen Aufgaben wie Produkttexten und wuchs mit jeder neuen Erfahrung. Dadurch entstand nach und nach ein Arbeitsstil, bei dem AI selbstverständlich zum Werkzeugkasten in Jans Umfeld gehört, ohne dass die AI dabei Verantwortung für Entscheidungen oder Produktstrategie übernimmt.

AI im Produktmanagement entfaltet ihren Wert dort, wo viel Zeit in wiederkehrende Denk- und Schreibarbeit fließt. Wer Anforderungen vorbereitet, Produkttexte formuliert oder umfangreiche Informationen zusammenführt, kennt den mental Load vor einem Refinement oder einer wichtigen Abstimmung. Genau an diesen Stellen schafft AI Freiräume. Statt Stunden in die Formulierung von Tickets oder Dokumenten zu investieren, bleibt mehr Zeit für Recherche, Bewertung von Erkenntnissen und den Austausch mit dem Team. Der Fokus verschiebt sich auf die Qualität der Entscheidungen und nicht auf die reine Produktion von Texten.

Mit wachsender Erfahrung verändert sich auch die Art der Zusammenarbeit mit AI. Aus einzelnen Prompts entstehen persönliche Werkzeuge, die den eigenen Arbeitskontext kennen und auf bestehendes Wissen zugreifen. Repositories, wiederverwendbare Skills und agentische Arbeitsweisen sorgen dafür, dass Ergebnisse nicht jedes Mal neu aufgebaut werden müssen. Dadurch wächst das Vertrauen in den Einsatz und gleichzeitig steigen die Erwartungen an die eigene Arbeitsweise. AI im Produktmanagement entwickelt sich damit von einer Unterstützung für einzelne Aufgaben zu einem festen Bestandteil des gesamten Produktprozesses.

Diese Entwicklung verlangt allerdings mehr als die Auswahl eines guten Modells. Wer AI sinnvoll einsetzen möchte, braucht Klarheit über den eigenen Arbeitsablauf und über die Qualität des vorhandenen Wissens. Schlechte Dokumentation oder fehlender Kontext lassen sich nicht durch bessere Prompts ausgleichen. Erst wenn Produktwissen sauber strukturiert vorliegt, kann AI darauf aufbauen und wirklich nützliche Ergebnisse liefern. Genau deshalb verändert sich mit dem Einsatz von AI im Produktmanagement nicht nur die tägliche Arbeit, sondern auch der Blick auf Dokumentation, Zusammenarbeit und kontinuierliches Lernen.

Interview Guide Skill Jan hat uns im Nachgang auch noch seinen Interview Guise Skill für euch zur Nutzung oder Nachahmung bereitgestellt. Es ist ein Workflow, der Produktmanager durch den gesamten Lebenszyklus von Nutzerbefragungen begleitet: Vorbereitung, Analyse und Integration. Entwickelt für Claude Code. Funktioniert mit jedem Produkt, jedem Nutzertyp und jeder Teamzusammensetzung: https://github.com/jnwrnr/user-interview-guide-skill

Umfrage: “Hands-on mit AI” – oder nur KI-Theater? Jan Werner checkt mit einer Survey, wie PMs und PO in der täglichen Arbeit wirklich mit AI arbeiten. Das ganze dauert nur ca. 10 Minuten und die Ergebnisse gibt’s exklusiv für Teilnehmende an der Umfrage. Wenn Du als Produktmanager:in oder Product Owner:in arbeitest, mach also bitte noch mit: https://handsonproduct.de/survey

Folgende Episoden wurden von Tim im Laufe des Gesprächs erwähnt bzw. empfohlen:
- Was kann AI im Produktmanagement heute schon wirklich?
- Nutze Story Mapping, um mit Stakeholdern über Outcome zu sprechen
- Seine Stakeholder kennen und richtig analysieren

Wer weitere Fragen an Jan Werner hat oder mit ihm in Kontakt treten will, erreicht ihn am besten über sein LinkedIn-Profil.