Produktmanagement und KI: Evolution oder Revolution?

Der Einsatz von KI ist nicht länger ein futuristisches Konzept, sondern eine Realität, die sich auch immer stärker im Arbeitsalltag etabliert. Sie verändert, wie wir recherchieren, Daten analysieren, Produktideen entwickeln, Kundenfeedback sammeln und Strategien erarbeiten. Doch was bedeutet diese Transformation für Produktmanager und Product Owner? Erleben wir eine Evolution oder stehen wir am Anfang einer Revolution?

Vom Trend zur Notwendigkeit: KI im Produktmanagement

Die Integration von KI in das Produktmanagement hat sich in den letzten Jahren von einem Trend zu einer gewissen strategischen Notwendigkeit entwickelt. Denn Unternehmen, die KI effektiv einzusetzen wissen, können Effizienz gewinnen und potenzielle Wettbewerbsvorteile erzielen – sei es durch tiefere Analysemöglichkeiten, Automatisierung oder neue Produktlösungen (auf Basis von KI oder KI-First).

Aktuelle Anwendungsbereiche von KI im Produktmanagement

Die Einsatzmöglichkeiten von KI im Produktmanagement sind vielfältig und wachsen kontinuierlich, ein paar Besipiele:

• Datengetriebene Marktanalyse: KI-Systeme und damit verbundene Technologien wie etwa Vektor-Datenbanken können dabei helfen, riesige Datenmengen analysieren, um Markttrends, Kundenbedürfnisse und Wettbewerbslandschaften präziser zu identifizieren.
• Kundenfeedback-Analyse: Sentiment-Analysen und Natural Language Processing (NLP) ermöglichen die Auswertung von Kundenfeedback aus verschiedenen Quellen in Echtzeit. Gleichzeitig können etwa über Agenten neue Techniken der Feedbackerhebung und -analyse entwickelt werden.
• Prädiktive Produktentwicklung: KI-Modelle / Machine Learning Ansätze können auf Basis historischer (sowie synthetischer) Daten und messbaren Markttrends bei der Vorhersage und Simulation eingesetzt werden und ermöglichen neue Rückschlüsse für die Produktstrategie und -entwicklung.
• Personalisierte User Experience: Maschinelles Lernen ermöglicht die Anpassung von Produkten an individuelle Nutzerbedürfnisse und Präferenzen in bisher unerreichter Präzision.
• Optimierung der Ressourcenplanung: KI-Tools helfen bei der Planung und Zuweisung von Ressourcen im Produktentwicklungsprozess.
• Kollaboration mit KI: KI-Systeme und insbesondere Agenten-Systeme können immer effizienter bestimmte Aufgaben übernehmen und so dabei helfen, dass sich Produktmanager stärker auf strategische Aufgaben konzentrieren können.
• Prototypen-Entwicklung: KI-basierte Codegenerierung und Tools für Designprozesse können bei der frühen Entwicklung von Prototypen unterstützen und dabei helfen, Produktideen schnell durchzuspielen, zu qualifizieren und auf Basis von Feedback zu optimieren.

Wie Dr. Marily Nike, AI-Produktleiterin bei Meta, treffend formuliert:

“All Product Managers will be AI Product Managers in the future”.

Diese plakative Aussage unterstreicht die fundamentale Veränderung, die wir derzeit erleben.

Die transformierte Rolle des Product Owners

Während KI zunehmend repetitive oder einfache Routineaufgaben übernimmt, entwickelt sich die Rolle des Product Owners weiter – weg vom operativen Manager hin zum strategischen Orchestrator.

Was bleibt menschlich, was wird automatisiert?

Die Frage ist letztlich nicht mehr, ob KI die Arbeit von Produktmanagern und Product Ownern beeinflussen wird, sondern wie diese Zusammenarbeit perspektivisch aussehen wird. Betrachten wir mögliche Veränderungen in den Kernbereichen:

1. Strategische Planung

Früher: Basierend auf begrenzten Marktdaten und persönlicher Erfahrung

Heute: Datengetriebene Strategieentwicklung, evtl. mit (KI-gestützten) Interpretationen, Prognosen und Szenarien

Morgen: Kollaborative Strategieentwicklung zwischen Mensch und KI, wobei die KI Ableitungen aus der Realität und strategische Optionen vorschlägt, für die der Mensch die finale Entscheidung trifft

2. Kundenbedürfnisse verstehen

Früher: Fokusgruppen, Interviews, Umfragen

Heute: Zusätzliche Analyse von Kundenfeedback aus sozialen Medien, Support-Tickets, A/B Tests und App-Reviews

Morgen: Agentenbasierte Kundeninteraktion und Vorhersage von Kundenbedürfnissen, bevor sie artikuliert werden, durch fortschrittliche prädiktive Modelle

3. Priorisierung

Früher: Subjektive Bewertung basierend auf Stakeholder-Input, strategischer Vorgaben und z.B. Kosten-Nutzen-Analysen

Heute: (Datengetriebene) Inkrementelle oder kontinuierliche Priorisierung

Morgen: Dynamische Priorisierung in Echtzeit, die sich automatisch an Rahmenbedingungen und Marktveränderungen anpasst

4. Produktdokumentation

Früher: Manuelle Erstellung von Dokumentationsmaterialien

Heute: Inkrementelle (KI-unterstützte) Erstellung und Aktualisierung von Dokumentation

Morgen: Automatische Generierung, Übersetzung und Aktualisierung von Dokumentation

5. Tägliche Aufgaben

Früher: Manuelle Pflege von Anforderungskatalogen, Spezifikationen und Zielsetzungen

Heute: (KI-unterstützte) Inkrementelle Pflege von Backlogs, Anforderungen und Akzeptanzkritieren

Morgen: Automatische Generierung und Aktualisierung von sämtlichen Planungsassets in Echtzeit

Die menschliche Domäne bleibt den Bereichen der strategischen Planung, der Kundeninteraktion und der kreativen Produktentwicklung bestehen, allerdings werden KI-Systeme und Agenten zunehmend dabei helfen, alle praktischen Vorgänge (~ das Schreiben von Etwas) zu beschleunigen. Folgerichtig wird die Hauptaufgabe von Produktleuten nicht “das Schreiben von Etwas” sein, sondern vielmehr “die Entscheidung, was zu schreiben ist”. Jemand muss einerseits Vorgänge verantworten und andererseits kritisch überprüfen, ob die Vorgänge überhaupt sinnvoll sind. Zudem bleibt menschliche Kommunikation und die Arbeit mit Menschen unverzichtbar, selbst dann wenn KI Agenten und Chatbots hierbei helfen können.

Für die Produktarbeit entsteht insgesamt jedoch eine neue Möglichkeit, strategischere oder kreativere Aufgaben stärker in den Blick zu nehmen. Denn KI kann beim Durchspielen von Möglichkeiten einerseits helfen, schafft aber auch neue Freiräume, indem stumpfe Aufgaben durch KI automatisiert werden können.

Neue Kompetenzen für das KI-Zeitalter

KI verändert einerseits die Ausübung von Produktrollen, aber andererseits wird es auch vermehrt Produkte geben, die KI oder Machine Learning Technologien nutzen. Hierfür ist eine generelle Kompetenz im Bereich KI und Machine Learning notwendig. Mit der Verbreitung von KI-Technologien und der Evolution der Produktrollen ändern sich also auch die erforderlichen Fähigkeiten innerhalb der Produktentwicklung. Welche Skills sind also relevant?

Technisches Verständnis

• Grundlegendes Verständnis von KI-Konzepten und -Technologien
• Fähigkeit, mit Data Scientists und KI-Experten zu kommunizieren
• Bewertungskompetenz für KI-Lösungen, deren Einsatzmöglichkeiten und Limitierungen
• Erfahrung mit KI-Tools und ihrem effizienten Einsatz

Datenqualifikation und -analyse

• Qualifikation verwendeter Daten und Datenquellen
• Interpretation und Kontrolle komplexer Datenanalysen
• Kritische Analyse von KI-generierten Aussagen
• Kenntnis der relevanten Rechtsvorschriften und -best Practices
• Kompetenz im Bereich datengestützter Methoden

Ethik und Verantwortung

• Bewusstsein für ethische Implikationen bei dem Einsatz von KI
• Verantwortungsvoller und rechtlich korrekter Umgang mit Kundendaten
• Sicherstellung von Qualität und Objektivität der KI-generierten Ergebnisse
• Identifikation und Bewertung von ethisch/moralischen und rechtlichen Risiken

Menschliche Intelligenz

• Empathie und emotionale Intelligenz
• Kreatives Denken und Innovation
• Konfliktlösung und Verhandlungsgeschick

KI-Technologien

• Kenntnis der relevanten KI-Technologien und deren Einsatzmöglichkeiten
• Fähigkeit, mit KI-Experten zu kommunizieren
• Fähigkeit, hybride Teams (bestehend aus Mensch und KI-Systemen, etwa Agenten) anzuleiten
• Kompetenz im Umgang mit KI-Systemen

Wie eine Studie des Deutschen Instituts für Marketing zeigt, wird das Produktmanagement sich von einem erfahrungsbasierten zu einem immer stärker datengetriebenen Feld entwickeln. Produktmanager müssen dabei nicht nur die Fülle an Daten im Blick behalten, sondern diese auch korrekt analysieren und in effektive Strategien umsetzen.

Die Zukunft: Kooperation statt Konkurrenz

Die Frage “Wird KI Produktmanager ersetzen?” greift zu kurz und ist zu absolut. Stattdessen sollten wir uns fragen:

• “Wie können Produktzuständigkeiten und KI optimal zusammenarbeiten?”
• “Welche Fähigkeiten werden Produktorganisationen in Zukunft aufbauen müssen?”
• “Wie verändert künstliche Intelligenz den Bedarf und die Natur von Produkten?”
• “Wie können hybride Teams (bestehend aus Mensch und KI-Systemen, etwa Agenten) sinnvoll entwickelt werden?”
• “Welche Möglichkeiten enstehend, um qualitativ bessere Produkte zu entwickeln?”

Das Konzept des “Augmented Product Manager”

Der “Augmented Product Manager” nutzt KI als digitales Exoskelett, das seine Fähigkeiten erweitert und verstärkt. Diese Symbiose ermöglicht es, sowohl von der analytischen Stärke der KI als auch von der kreativen und empathischen Intelligenz des Menschen zu profitieren.

Peter Kairies, ein Experte im Bereich Produktmanagement, beschreibt diesen Ansatz treffend: “Machen Sie die generative KI zu Ihrem digitalen Exoskelett im Produktmanagement und werden Sie dadurch nicht nur effizienter, sondern auch innovativer und kreativer.”

Ich glaube nicht daran, dass sich Produktmanager per se in Augmented Product Manager verwandeln, weil KI-Technologien auf den Plan getreten sind. Ich glaube vielmehr, dass sich Produktzuständigkeiten evolutionär verändern werden und dass sich die Kollaboration mit KI-Systemen und Agenten für Produktrollen ebenso wie für andere an der Produktentwicklung beteiligte Rollen lohnen kann.

Konkrete Anwendungsbeispiele dieser Zusammenarbeit

• Ideenfindung: KI generiert basierend auf Marktdaten und Trends Produktideen, während der Product Owner diese auf Machbarkeit, strategische Passung und ethische Aspekte prüft. Oder umgekehrt: der Product Owner gibt Ideen und vor und mit KI-Tools entwickelt er diese in frühen Phasen, um deren Eignung zu prüfen.
• Roadmap-Planung: KI schlägt Zeitpläne, Meilensteine und Projektphasen vor, der Product Owner prüft diese, bringt sie in Abstimmung und präzisiert die finalen Prioritäten unter Berücksichtigung qualitativer Faktoren.
• Stakeholder-Management: KI-Tools helfen bei der Analyse von Stakeholder-Präferenzen und Agenten können parallel mit Kunden kommunizieren, der Product Owner nutzt diese Erkenntnisse bei der Planung und Kommunikation.
• A/B-Testing: KI identifiziert kontinuierlich vielversprechende Testvarianten und analysiert die Ergebnisse, der Product Owner interpretiert die Daten im Gesamtkontext der Produktstrategie.
• Dokumentation: LLMs eignen sich zur Textgenerierung und Agenten bzw. Tools, die auf Informationen der Produktentwicklung zugreifen, können für die Dokumentation verwendet werden. Agenten können Dokumente reviewen, aktualisieren, übersetzen und für eine Zielgruppe optimieren.
• Recherche: RAG-Systeme können für die interne Recherche hervorragend verwendet werden. Agenten können zudem via MCP (https://en.wikipedia.org/wiki/Model_Context_Protocol ) standardisiert mit anderen Systemen kommunizieren und z.B. Daten austauschen. Viele Models unterstützen inzwischen auch die Internet-Suche. Somit ist KI inzwischen dafür geeignet, Informationen zu recherchieren, Datenbanken und interne Systeme zu durchsuchen und so Informationen für die Produktentwicklung zu sammeln.
• Prototypen-Entwicklung: Mit Tools wie Windsurf oder Cursor kann Code generiert werden. Vibe Coding hat sich hier als Schlagwort etabliert. Besonders interessant ist die Möglichkeit, schnell Prototypen zu entwickeln, um früh Feedback zu sammeln und so früh die Qualität der Produktideen zu verbessern.

Natürlich ist KI nicht unbedingt das ultimative Werkzeug für alle Produktentwicklungsprozesse. Doch bietet KI hier ein Werkzeugkasten, der die Effizienz und Qualität der Produktentwicklung verbessern kann.

Herausforderungen und Grenzen

Trotz aller Fortschritte stehen wir bei der Integration von KI in das Produktmanagement vor signifikanten Herausforderungen:

Datenschutz und -sicherheit

Der Umgang mit sensiblen Kundendaten erfordert robuste Sicherheitsmaßnahmen und transparente Datenschutzrichtlinien. Organisationen und Produktverantwortliche müssen sicherstellen, dass KI-Lösungen z.B. die geltenden Datenschutzbestimmungen einhalten.

Ethische Entscheidungsfindung

KI-Systeme können Vorurteile verstärken oder ethisch fragwürdige Entscheidungen treffen. Die Verantwortung für ethische Produktentscheidungen bleibt beim Menschen und der Einbezug von ‘smarten’ Maschinen lässt neue Herausforderungen entstehen. Die Überprüfung von Entscheidungen und die Berücksichtigung ethischer Aspekte ist daher unerlässlich.

Übermäßiges Vertrauen in Daten

Die Gefahr, sich zu stark auf KI-generierte Erkenntnisse zu verlassen und intuitive oder kreative Aspekte zu vernachlässigen, ist real. Ein ausgewogener Ansatz ist entscheidend und Fachkompetenz bleibt notwendig. Die Ergebnisse generativer KI-Modelle können zwar helfen, sollten aber auch immer gründlich hinterfragt werden. Ein holistischer Ansatz und eine gesicherte Datenqualität sind daher unerlässlich.

Limitierungen

Trotz beeindruckender Fortschritte hat KI weiterhin Schwächen in Bereichen wie Kreativität, Kontextverständnis und ethischer Beurteilung. In einer längeren Arbeitssession mit KI-Tools kann es zu zunehmenden Fehlern und Verzerrungen kommen. LLMs können Informationen halluzinieren. Der Zugriff auf beliebige öffentliche Daten via Scraping kann nicht nur zu Fehlern führen, sondern auch zu Verstößen der Datenschutzbestimmungen, der Rechtsvorschriften oder der Nutzungsbedingungen von Dienstleistern führen. Nicht alle KI-Lösungen können lokal in gesicherten Umgebungen betrieben werden. Europäisches Recht sieht zudem Regeln vor, die die Verwendung von KI-Technologien einschränken. Es gibt also sehr viele Limitierungen, die zu beachten sind.

Know-How für Produktleute

Wie können Produktmanager und Product Owner sich auf diese neue Ära vorbereiten?

1. Bildung und Weiterbildung: Investieren Sie in Aufbau von praktischer Erfahrung und Weiterbildung. Bei der Praxis geht es nicht nur um pfiffiges Prompten, sondern auch um das Ausprobieren verschiedener Tools und Technologien. Man sollte ein Gespür dafür entwickeln, welche Ansätze für welche Aufgaben gut geeignet und welche nicht.
2. Kreatives Experimentieren: Am ergiebigsten sind häufig kreative Experimente, wenn es um den Aufbau von Erfahrung geht. Ob es um den cleveren Einsatz eines RAG-Systems zur Wettbewerbsanalyse oder um die Entwicklung eines Konzeptes geht, der kreative und ergebnisoffene Einsatz von Tools ist nützlich, wenn es darum geht, neue Optionen und Best Practices zu erkennen.
3. Austausch mit anderen: Tauschen Sie sich mit Kunden, anderen Produktmanagern, Stakeholdern und Kollegen über deren Erfahrungen mit KI aus. Denn beim Thema KI geht es nicht nur um unfaire Wettbewerbsvorteile, es geht auch um Akzeptanz, Standard, gemeinsame Prinzipien und die Entwicklung von Best Practices. Zudem lohnt sich der Austausch, da jeder einen anderen Blick auf die Möglichkeiten und Risiken hat.
4. Übertragsleistung: Die Verbreitung von LLMs, genAI, Agenten-Schwärmen und vielen anderen Tools wird nicht nur verändern, wie wir arbeiten, sondern auch verändern, was wir produzieren. Produktleute sollten sich mit dieser Fragestellung auseinandersetzen. Dies, liegt zumindest meiner Meinung nach, im Zentrum ihrer Verantwortung als Produktmensch.
5. Prinzipien entwickeln: Etablieren Sie klare Prinzipien für den Einsatz von KI im Kontext der Produktentwicklung oder dem Produktmanagement. Denn es wird sinnvoll sein, sich mit prinzipiellen Fragen auseinandersetzen. Die Einordnung von Methoden und Praktiken kann den qualitativen Unterschied machen.
6. Selbstreflexion: Denken Sie über ihre Rolle im KI-Zeitalter nach. Wird alles so bleiben oder wird sich das Aufgabenfeld verändern? Welche Aufgaben kann man sehr gut an Maschinen delegieren? Welche neuen Möglichkeiten enstehen, wenn man individuell etwa mit ein paar Agenten arbeitet, die Informationen aus verschiedenen Quellen sammeln und auswerten, Texte generieren und Pläne entwickeln? Es gibt individuell sicherlich ganz verschiedene Antworten auf diese Fragen, je nach Person, Rolle, Umfeld. Aber es erscheint mir ratsam, sich mit den Möglichkeiten und neuen Herausforderungen auseinandersetzen, um aktiv der Gegenwart zu begegnen.

Fazit: Evolution UND Revolution

KI im Produktmanagement und der Produktentwicklung ist sicherlich beides zugleich: Evolution und Revolution.

Evolutionär, weil mit neuen “schlauen” Werkzeugen viele Prozesse optimiert und (semi-) automatisiert werden können, weil neue Möglichkeiten enstehen, das Tradierte zu optimieren. Ob es um das Produkthandwerk selbst oder die Produkte geht. KI bietet das Potential für eine evolutionäre Weiterentwicklung.

Doch KI ist auch revolutionär, weil sie grundlegend völlig neue Produkte möglich macht und bestehende Paradigmen in Frage stellt. Das Bild des Augmented Product Manager klingt nach einem omnipotenten Produktguru, der geradezu ob seiner KI-fizierten, digitalen Aura zu Unvorstellbarem imstande ist. Andere meinen, dass alle Produktmanager irgendwann KI-Produktmanager seien. Bauen sie nur noch oder sind sie selbst nur noch KI? Vielleicht ersetzt KI also auch viele Rollen in der Produktentwicklung, da sie Scheibchen für Scheibchen das menschliche Zutun ersetzt. Aber vor allem schafft KI viel Raum für Neues. Dieser Raum muss gefüllt werden. Mit Ideen und vielem anderen. So ist durchaus anzunehmen, dass KI auch für die Produktdisziplin letztlich revolutionär sein wird. Zumal: jeder könnte bald Produkte generieren. Es ist endlich wieder alles in Unordnung.

Die Zukunft gehört jenen Produktleuten, die KI nicht nur als Bedrohung, sondern als leistungsstarken Partner betrachten. Indem sie die Stärken der KI mit den eigenen kreativen, empathischen und strategischen Fähigkeiten kombinieren, können sie Produkte entwickeln, die nicht nur technologisch fortschrittlich, sondern auch menschenzentriert und ethisch verantwortungsvoll sind. Ich glaube, dass KI gerade das Profane skalieren wird und dem Menschen so das Kreative deutlich härter abverlangt. Hierin liegt auch eine Chance für Produktmacher, denn Ideen können heute schneller getestet und realisiert werden. Ein gutes Ziel könnte es sein, KI-Systeme dafür zu kultivieren, bessere Produkte zu entwickeln. Produkte, die nicht bloß rumiterieren, kostendeckend sind, ein Pitch-Deck füllen und nett aussehen können, sondern solche, die Menschen und Organisationen in die Lage versetzen, ihre speziellen Fähigkeiten voll einzusetzen.

Dieser Artikel wurde im März 2025 verfasst und spiegelt den aktuellen Stand der KI-Integration im Produktmanagement wider. Die rasante Entwicklung auf diesem Gebiet könnte dazu führen, dass einige der beschriebenen Zukunftsszenarien schneller eintreten als erwartet.