Die Produktwerker

Dominique und Tim sprechen im dieser Folge über ein Problem, das fast jede Produktverantwortung kennt. Wenn das Operative das Strategische verhindert, drehen sich Teams im Kreis. Bugs beheben, Kundenwünsche erfüllen und laute Stakeholder bedienen fühlt sich fleißig an. Das Team ist ausgelastet und die Velocity stimmt. Aber trotzdem entwickelt sich das Produkt in Richtungen, die niemand geplant hat. Am Ende steht dann ein Produkt, das überall ein bisschen mitmischt und dessen Richtung keiner mehr klar erklären kann. Beschäftigung ist eben nicht unbedingt Fortschritt.

Das Operative gewinnt, weil es laut, konkret und dringend ist. Meldet der Kundenservice den zehnten betroffenen Nutzer des Tages, verlangt das sofortige Reaktion. Strategische Arbeit ist wichtig, aber selten dringend, und das Wichtige kann ja auch morgen noch warten. Dazu kommt die soziale Seite. Wer schnell hilft, erntet direkt Dank und Anerkennung. Wer eine strategische Wette vorbereitet, hört erst nach anderthalb Jahren die Frage, was sich bewegt hat. Wer es allen recht machen will, schiebt die eigene Arbeit in Nachtschichten oder lässt sie liegen. Der Schmerz bleibt dabei klein, denn strategische Entscheidungen wirken zeitverzögert. Strategische Arbeit dageben braucht Raum, und zwar doppelt. Ein Blocker im Kalender macht klarer sichtbar, wie viel Zeit das Thema tatsächlich bekommt. Dazu gehört ein Raum ohne Ablenkung. Hilfreich sind feste Kanten, etwa der Montagmorgen vor der ersten Mail oder zwei Stunden vor dem Wochenende. Der "Nicht stören"-Modus am Handy hält andere fern, und für echte Notfälle gibt es klare Ausnahmen. Wer allein nachdenkt, sortiert Gedanken und bewertet Optionen. So geht niemand unvorbereitet in den Austausch mit anderen. Trotzdem bleibt Strategie aber weiterhin ein Teamsport. Regelmäßige Termine mit Stakeholdern oder einem Product Advisory Board schaffen Verbindlichkeit, denn wer etwas vorstellen muss, bereitet sich vor. In der Runde selbst hilft Timeboxing. Operative Themen rutschen in die letzte Viertelstunde, die Strategie kommt zuerst. Nichts fällt weg, doch nichts frisst den Termin auf. Damit alle dasselbe unter Strategie verstehen, helfen greifbare Ergebnisse. Ein Product Goal für sechs bis zwölf Monate, eine Produktvision oder die Frage, welchen Horizont das Team gerade betrachtet, geben Orientierung. Auch Roadmap oder Six Pager setzen eine Frist und machen Strategie dringlich.

Führungskräfte entscheiden mit, ob strategische Arbeit Platz bekommt. Loben sie nur schnelle operative Reaktionen, richtet das Team sich danach aus. Fragen sie dagegen nach Erkenntnissen statt nur nach Sprintergebnissen, ändert sich das Verhalten. Gelebte Strategie zeigt sich in Entscheidungen, also im begründeten Nein zu manchen Dingen und im begründeten Ja zu anderen. Ein Papier im Schrank bringt nichts. Der Decision Stack prüft die Kette: Die User Story dient dem Sprintziel, das Sprintziel dem Produktziel, das Produktziel der Vision. Selbst ein Bugfix zahlt darauf ein, denn Menschen sollen das Produkt nutzen können.

Dominique und Tim geben euch am Ende drei Reflexionsfragen mit: Wie viel Zeit fließt wirklich in strategische Arbeit? Eine Strichliste über zwei, drei Wochen liefert die Antwort. Zeigen Führungskräfte, dass ihnen diese Arbeit wichtig ist, und bitten sie ihr Team um Hinweise auf operative Ablenkung? Und hängt das Tagesgeschäft sichtbar mit der Ausrichtung zusammen? Operative Arbeit geht nie aus. Wenn das Operative das Strategische verhindert, hilft deshalb vor allem eine bewusste Entscheidung für feste Zeiten. Zum Schluss lohnt die Frage: Was antwortet ihr nach anderthalb Jahren, wenn jemand wissen will, was ihr am Produkt verändert habt?

Was sind synthetische Nutzer? Peter Rochel von Oberwasser Consulting und führender "Jobs-to-be-Done"-Experte ist in dieser Folge erneut bei Tim zu Gast und erklärt was genau synthetische Nutzer sind und was sie taugen. Klassische Jobs to be done Interviews liefern tiefe Einblicke, kosten aber viel Zeit. Ein Gespräch dauert rund anderthalb Stunden (je nach B2C oder B2B) und die Auswertung schluckt noch einmal das Doppelte. Kein Wunder, dass KI als Abkürzung lockt. Bei synthetischen Nutzern übernimmt ein Sprachmodell die Rolle des Kunden, ein zweiter Bot führt das Interview. Peter Rochel nennt das Ergebnis "Synterview", eine Mischung aus synthetisch und Interview. Schon seit 2023 probiert er das intensiv aus, zunächst mit Custom GPTs, die sein gesamtes Beratungswissen kennen, inzwischen mit agentischer KI.

Die Ergebnisse überraschen durchaus positiv. Beim Nachstellen echter Projekte liefern synthetische Nutzer brauchbare Muster, vor allem bei den Pains und Gains in Bezug auf die Jobs für die sie Produkte und Services "beauftragen". Trotzdem bleibt ein ungutes Gefühl, denn die Antworten klingen zwar plausibel, wirken aber oft so glatt als stünden sie in einem Marketingprospekt. Hinzu kommt die Neigung der Modelle zu halluzinieren, was sich je nach Anbieter unterscheidet. Peter Rochel empfiehlt: Wer ernsthaft damit arbeiten möchte, baut am besten mehrere Kontrollschichten ein und gleicht alles ab, was sich automatisch prüfen lässt. Ohne Interviewerfahrung fällt es jedoch schwer, solche Schwächen überhaupt zu bemerken. Wobei wir wieder bei einer der Kernthesen der Arbeit mit AI Systemen wären: Du musst wissen "How good looks like"!

Die Grenze liegt für Peter bei den Auslösern von Progress. Warum jemand genau in diesem Moment wechselt, bleibt für synthetische Nutzer fast unerreichbar. Trigger Events wie ein Umzug, eine Trennung oder die Geburt eines Kindes erklären z.B., warum jemand plötzlich den höhenverstellbaren Schreibtisch kauft, über den er seit Jahren nachdenkt. Ein Modell kennt nur, was in seinen Daten steckt. Wirklich Neues entdeckt es nicht, und Verhalten sagt es kaum voraus. Deshalb lohnt die Kombination: Synthetische Interviews liefern allgemeine Muster, echte Gespräche den spezifischen Kontext. Beim Aufbau des Kandidatensets hilft die Taguchi Methode, die gezielt die Ausreißer an den Rändern abdeckt, denn dort steckt der größte Lerneffekt.

Billiger sind synthetische Interviews nicht in jedem Fall. Der echte Hebel liegt in der Auswertung. Wo früher drei gut ausgebildete Personen eine Woche lang Muster aus zehn Interviews herausarbeiten, erledigt die KI das in wenigen Stunden, und selbst 200 Euro für Token fallen da kaum ins Gewicht. Die Projektkosten sinken so auf rund 16.000 Euro - früher lagen sie fast beim Dreifachen. Vollautomatische Anbieter aus Nordamerika liefern fertige Studien in Minuten, verlangen dafür aber etwa 30k Dollar im Jahr. Auftraggeber trauen synthetischen Ergebnissen zudem weniger, denn ein echter Mensch mit echter Erfahrung berührt stärker als eine Berechnung.

Dazu kommt der Aufbau von Empathie bei der Auswertung. Teams, die Muster selbst auswerten, verinnerlichen die Sicht ihrer Kunden. Eine automatisierte Auswertung, die man nur überfliegt, ersetzt das nicht. Zwei Charts in einer Präsentation reichen nicht, um zu wissen, wie Kunden ticken.

Sinnvoll sind synthetische Nutzer laut Peter Rochel in jedem Fall dort, wo echte Kandidaten fehlen. Aber natürlich auch bei kleinen Unternehmen mit knappem Budget. Dort ist ein günstiger Einstieg besser als gar keiner, solange man weiß, dass er nur der Anfang ist.

Doch sollte jetzt jeder auf synthetische Interviews umsteigen? Wer kann, führt Interviews weiter selbst und lässt sich bei der Auswertung von KI helfen, denn dort steckt der meiste Aufwand. Fehlen Zugang oder Know how, taugen eingekaufte Interviews synthetischer Nutzer als Start. Vorher steht immer die Frage nach dem Ziel. Bleibt die Antwort offen, spart man sich das Projekt besser.

Wie wissenschaftlich muss Produktarbeit eigentlich sein? Dieser Frage gehen Oliver und Dominique in der aktuellen Folge nach. Denn Product Owner verlassen sich häufig auf Erfahrung, bewährte Methoden und Bauchgefühl. Doch wie belastbar sind Entscheidungen, die vor allem auf Intuition beruhen?

Wissenschaftliches Arbeiten kann helfen, bessere Entscheidungen zu treffen, ohne gleich jedes Product Backlog Item zur Forschungsstudie zu machen. Dazu gehört, selbst Erkenntnisse durch User Research, Datenanalysen und Experimente zu gewinnen, aber auch vorhandene Forschung kritisch zu nutzen. Dabei lauern zahlreiche Denkfallen. Aus einzelnen Erfolgsgeschichten werden vermeintliche Best Practices, Korrelation wird mit Kausalität verwechselt und persönliche Überzeugungen verdrängen belastbare Erkenntnisse. Gleichzeitig halten sich längst überholte Modelle wie Persönlichkeitstypologien mit Farben hartnäckig in der Praxis.

Doch wissenschaftliche Genauigkeit hat auch ihren Preis. Nicht jede Produktentscheidung rechtfertigt aufwendige Untersuchungen. Entscheidend ist vielmehr, wie hoch das Risiko einer Fehlentscheidung ist und wie viel Evidenz benötigt wird, um dieses Risiko verantwortungsvoll einzugehen. Oliver und Dominique diskutieren deshalb, wie evidenzinformierte Produktarbeit gelingen kann, warum kritisches Denken wichtiger ist als die perfekte Methode und wie Product Owner mit HIPPOs, ZEBRAs und organisatorischem Gegenwind umgehen können.

Hackathons bieten Product Ownerinnen und Product Ownern einen geschützten Rahmen, um Ideen jenseits des Sprintalltags zu erproben. Oliver spricht mit Andrea aus dem IT-Portfoliomanagement und Tech Lead Lukas über die internen Hackathons bei OBI: Wie entstehen aus Ideen Prototypen, welche Rolle übernehmen Product Owner und was lässt sich in die tägliche Produktentwicklung mitnehmen? Außerdem geht es um die Weiterverfolgung der Ergebnisse und praktische Learnings zu Organisation, Kommunikation und Verpflegung.

Tim und Dominique werfen in dieser Folge die Frage auf was passiert, wenn KI unsere Juniors ersetzt und wo dann die Seniors von morgen herkommen. Recherche, Protokolle, Backlog-Pflege und erste Analysen übernimmt eine KI heute schnell und schon recht brauchbar. Genau diese Aufgaben waren lange der Einstieg für Berufsanfänger:innen auf dem Weg hin zum Product Owner oder Product Manager (genauso in der Projektarbeit). Solche zuarbeitenden Aufgaben und Rollen boten Gelegenheit, eine Fähigkeit nach und nach zu durchdringen, Fehler zu machen und zu beobachten, wie andere auf Basis der eigenen Arbeit entscheiden. Fällt dieser Einstieg weg, bleibt offen, wie Erfahrungen im Berufseinstieg überhaupt erworben werden kann. Irgendwann gehen dann die heutigen Seniors in Product Leadership und C-Level (oder auch in Rente).

Und was passiert dann? Senior wird niemand durch die nächste Weiterbildung. Erfahrung wächst durch viele kleine Entscheidungen, durch Feedback und durch Fehler. Man kann sie weder herunterladen, noch per Knopfdruck abrufen. Das Wissen dahinter ist implizit, ähnlich wie beim Fahrradfahren, denn wer das Gleichgewicht hält, kann kaum erklären, wie er das macht. Mit explizitem Wissen geht eine KI natürlich souverän um. Sobald Menschen zusammenarbeiten, braucht es aber ein Gespür für Kontext, für Konflikte mit und zwischen Stakeholdern und dafür, Unsicherheit auszuhalten.

Dazu kommt ein leicht zu übersehendes Risiko: Wer neu im Beruf ist, erzeugt mit KI in kurzer Zeit User Stories, Konzepte, Interview-Leitfäden und Protokolle, die erstaunlich gut aussehen mögen. Ob sie taugen, beurteilt nur, wer solche Arbeit schon einmal selbst gemacht hat. Der Automation Bias verschärft das Problem nochmal, denn Menschen vertrauen automatisierten Ergebnissen schnell und prüfen sie zu selten. Brüche und offene Schnittstellen fallen dann spät auf und kosten richtig Geld.

Wenn KI unsere Juniors ersetzt, braucht es einen neuen Weg, um Erfahrung aufbauen zu können. Der Ausweg liegt im Wechsel von der Produktionskompetenz zur Entscheidungskompetenz auf Basis von Urteilsvermögen. Ein Ansatz könnte der folgende sein: Berufseinsteiger bekommen besser echte, klar abgesteckte Probleme statt billiger Zuarbeitsaufgaben. Sie nutzen die KI als Werkzeug, begründen ihre Entscheidungen und vergleichen Alternativen. Die Verantwortung wächst Schritt für Schritt, ähnlich wie bei Delegation Poker: erst beobachten, dann mitreden, schließlich selbst entscheiden. Dafür eignen sich kleinere Produkte mit wenigen Stakeholdern. Zwei Jahre als Junior abzusitzen und nur AI-Tools zu bedienen, garantiert dagegen keine Reife.

Damit verändert sich die Rolle von Seniors und Führungskräften. Unser Rat: Sie delegieren nicht alle lästige Aufgaben und machen stattdessen ihr Denken sichtbar. Sie fragen die Juniors, warum eine Lösung gut ist, welche Alternativen existieren und was dagegen spricht und sie erklären ihre eigenen Entscheidungen ganz explizit.

Das kostet natürlich Zeit, denn über ein Ergebnis nachzudenken dauert länger, als es zu erzeugen. Die Juniorphase wird kürzer, das Mentoring dafür intensiver. Organisationen müssen Nachwuchsentwicklung deshalb als bewusste Investition begreifen, auch wenn der wirtschaftliche Druck zu kurzfristiger Produktivität drängt.

Juniors werden nicht verschwinden, es wird sich lediglich ihr Einstieg verändern. Statt kleiner Aufgaben bekommen sie Entscheidungsräume und dazu Reflexionsräume, in denen sie mit erfahrenen Kolleginnen und Kollegen auswerten sollten, was funktioniert hat. Die Leitfrage für jedes Unternehmen lautet daher: Wer ist in drei bis fünf Jahren unser Senior?

Folgende ältere Episoden unseres Podcasts passen zu diesem Thema:
- Karrierepfad als Product Owner
- Sei dein eigenes Produkt! – als PO seine Weiterentwicklung steuern

Wird KI via Automatisierung den Einsteigern wichtige Erfahrungen rauben und dadurch das Wachstum bzw. die Lernreise von Juniors behindern? Was glaubt Ihr?