Wie KI Product Ownership verändert – und warum gute Entscheidungen wichtiger werden als schneller Output.
KI kann in Sekunden liefern, wofür Teams früher Workshops, Post-its und viel Kaffee brauchten. Doch mehr Output beantwortet noch nicht die entscheidende Frage: Sollten wir all diese Dinge überhaupt bauen?
Stell dir vor, du hast eine neue Produktidee.
Du öffnest ein KI-Tool und gibst ein: „Erstelle mir 100 User Stories für eine App, mit der Nutzer ihre Einkäufe planen, Preise vergleichen und ihre Einkaufslisten automatisch optimieren können.“
Ein paar Sekunden später steht da eine Liste.
100 User Stories.
Sauber formuliert. Mit Akzeptanzkriterien. Nach Themen sortiert. Auf Wunsch sogar priorisiert.
Was früher mehrere Workshops, viele Post-its und einige Liter Kaffee gebraucht hätte, erledigt KI heute teilweise in weniger als einer Minute.
Klingt ziemlich gut.
Und genau hier beginnt das Problem.
Wir haben plötzlich sehr viel Output
Produktentwicklung war lange auch durch Kapazität begrenzt. Ideen mussten beschrieben, Anforderungen ausgearbeitet, Konzepte geschrieben und Informationen gesucht werden. Viele dieser Aufgaben können KI-Systeme heute erheblich beschleunigen.
Ein Product Owner kann sich beispielsweise in kurzer Zeit:
- User Stories vorschlagen lassen
- Personas erstellen
- Marktinformationen zusammenfassen
- Produktideen vergleichen
- Hypothesen und Akzeptanzkriterien formulieren
- Feedback kategorisieren
- erste Prototypen konzipieren lassen
Das klingt nach einem enormen Produktivitätsschub. Und das ist es auch.
Mehr Output bedeutet nicht automatisch mehr Wert.
Eine KI kann dir innerhalb von Sekunden 100 User Stories erstellen. Aber sie beantwortet damit noch lange nicht die wichtigste Frage:
Sollten wir diese 100 Dinge überhaupt bauen?
Vielleicht ist die wichtigste User Story Nummer 101
Nehmen wir unser Beispiel mit der Einkaufs-App. Die KI schlägt möglicherweise vor:
- Nutzer können Einkaufslisten teilen.
- Nutzer können Produkte favorisieren.
- Nutzer können verschiedene Supermärkte hinterlegen.
- Nutzer können Einkaufslisten per Sprache erstellen.
- Nutzer erhalten Rezeptvorschläge.
- Nutzer können Preise vergleichen.
- Nutzer können vergangene Einkäufe analysieren.
Alles klingt sinnvoll. Vielleicht sogar ziemlich überzeugend.
Jetzt stellen wir aber eine andere Frage:
Welches Problem versuchen wir eigentlich zu lösen?
Vielleicht wollen Nutzer gar keine intelligentere Einkaufsliste. Vielleicht wollen sie einfach weniger Zeit damit verbringen, darüber nachzudenken, was sie einkaufen müssen. Vielleicht nervt sie vor allem, dass sie regelmäßig Lebensmittel vergessen oder Dinge doppelt kaufen, die längst zu Hause liegen.
Plötzlich verändert sich der Blick auf das Produkt. Einige der 100 hervorragend formulierten User Stories werden vollkommen irrelevant.
KI macht Produktion günstiger und Entscheidungen nicht einfacher
Genau hier verändert KI die Arbeit in der Produktentwicklung. Der Engpass verschiebt sich. Früher lautete die Frage häufig: Wie bekommen wir all diese Arbeit erledigt? Heute wird eine andere Frage wichtiger: Welche Arbeit sollten wir überhaupt erledigen?
Wenn es immer leichter wird, Ideen zu formulieren, Anforderungen zu erstellen und Lösungsvarianten zu generieren, wächst gleichzeitig die Gefahr, die falschen Dinge nur effizienter zu tun.
Das ist ein bisschen so, als würden wir einem Menschen, der in die falsche Richtung läuft, bessere Laufschuhe geben. Er kommt schneller voran. Nur leider weiterhin zum falschen Ziel.
Der Product Owner als Feature Verwalter
Product Ownership wird gelegentlich sehr stark mit dem Product Backlog verbunden: Tickets erstellen, User Stories formulieren, Backlog Items sortieren und Prioritäten festlegen. Diese Aufgaben gehören zum Alltag vieler Product Owner. Sie beschreiben aber nur einen Teil der Rolle.
Denn ein Product Backlog ist kein Wunschzettel. Und ein Product Owner ist auch kein möglichst effizienter Übersetzer von Stakeholder-Wünschen in Anforderungen. Die spannendere Aufgabe beginnt viel früher.
Für wen entwickeln wir dieses Produkt?
Welches Problem ist wirklich relevant?
Welche Annahmen treffen wir gerade?
Welche davon können wir überprüfen?
Welches Ergebnis wollen wir erreichen?
Woran erkennen wir, ob tatsächlich Wert entstanden ist?
Was bauen wir bewusst nicht?
KI kann bei fast all diesen Fragen unterstützen. Die Verantwortung für die Entscheidung kann sie nicht übernehmen.
Der Stakeholder möchte Feature X
Eine Situation, die viele Product Owner kennen dürften: Ein Stakeholder kommt mit einer scheinbar einfachen Anforderung.
Wir brauchen einen Excel Export.
Früher hätte man daraus vielleicht eine User Story gemacht. Eine KI kann heute in Sekunden eine sauber formulierte Story samt Akzeptanzkriterien erzeugen. Die interessantere Reaktion wäre jedoch:
Warum brauchen Sie den Export?
Vielleicht lautet die Antwort: „Ich muss jeden Freitag einen Bericht an meine Führungskraft schicken.“ Jetzt haben wir plötzlich kein Excel-Problem mehr. Wir haben ein Reporting-Problem.
Damit werden andere Lösungen denkbar: ein automatischer Bericht, ein Dashboard, eine E-Mail-Zusammenfassung oder eine Schnittstelle. Vielleicht stellen wir sogar fest, dass dieser Bericht überhaupt nicht mehr benötigt wird.
Die ursprünglich gewünschte Funktion verschwindet. Nicht weil jemand gegen Excel ist, sondern weil wir das eigentliche Bedürfnis verstanden haben.
Gute Product Owner produzieren nicht möglichst viele Antworten
KI könnte paradoxerweise dazu führen, dass einige sehr menschliche Fähigkeiten wichtiger werden: zuhören, nachfragen, Zusammenhänge erkennen, Annahmen hinterfragen, Widersprüche sichtbar machen, Entscheidungen unter Unsicherheit treffen und Stakeholder zusammenbringen.
Je billiger Antworten werden, desto wertvoller werden gute Fragen.
Ein KI-System kann uns innerhalb weniger Sekunden zehn Lösungsvarianten liefern. Es kann Personas, Produktvisionen, Risiken oder eben 100 User Stories erzeugen. Die entscheidende Fähigkeit besteht künftig möglicherweise weniger darin, all diese Dinge selbst zu produzieren. Entscheidend ist, beurteilen zu können, welche davon uns wirklich weiterhelfen.
Geschwindigkeit hilft nur wenn die Richtung stimmt
Natürlich bedeutet das nicht, dass KI in der Produktentwicklung keine enorme Chance darstellt. Richtig eingesetzt kann sie Teams dabei helfen, deutlich schneller zu lernen.
- eine Hypothese formulieren
- einen Prototyp erstellen
- Kundenfeedback strukturieren
- Marktinformationen analysieren
- Alternativen entwickeln
- ein Experiment vorbereiten
- Ergebnisse zusammenfassen
Viele Arbeitsschritte können beschleunigt werden. Und genau das ist spannend.
Vielleicht sollte KI gar nicht in erster Linie dazu dienen, mehr zu produzieren. Vielleicht sollte sie uns helfen, schneller herauszufinden, was wir nicht produzieren müssen. Das wäre ein ziemlich großer Unterschied.
Was das für Product Owner bedeutet
Product Ownership verändert sich dadurch nicht plötzlich vollständig. Viele grundlegende Fragen bleiben dieselben: Was schafft Wert? Welche Bedürfnisse haben unsere Nutzer? Welches Problem wollen wir lösen? Welche Ziele verfolgen wir? Welche Risiken bestehen? Welche Annahmen müssen wir überprüfen?
Neu ist vor allem die Geschwindigkeit, mit der wir mögliche Antworten erzeugen können. Das macht gute Entscheidungen nicht weniger wichtig. Es macht sie wichtiger.
Wenn jedes Team innerhalb weniger Minuten Hunderte Ideen erzeugen kann, entsteht der Wettbewerbsvorteil nicht automatisch durch mehr Ideen. Er entsteht möglicherweise durch die Fähigkeit, schneller zu erkennen, welche Idee überhaupt verfolgt werden sollte.
Der Product Owner der Zukunft braucht bessere Fragen
Woher wissen wir das eigentlich?
Welches Verhalten wollen wir verändern?
Was müsste passieren, damit unsere Annahme falsch ist?
Wie können wir das testen, bevor wir viel investieren?
Welches Ergebnis wäre für unsere Nutzer wirklich wertvoll?
Was passiert, wenn wir dieses Feature einfach nicht bauen?
Solche Fragen klingen zunächst weniger beeindruckend als 100 perfekt formulierte User Stories. Für ein Produkt können sie deutlich wertvoller sein. Am Ende zählt nicht, wie schnell ein Team sein Backlog füllt. Es zählt, ob etwas entsteht, das Menschen tatsächlich brauchen.
Product Ownership wird anspruchsvoller
KI kann Product Owner unterstützen. Sie kann Recherche beschleunigen, Ideen erzeugen, Informationen strukturieren und Experimente vorbereiten. Gerade weil diese Möglichkeiten immer leichter verfügbar werden, rücken andere Fähigkeiten stärker in den Vordergrund: Produktdenken, Empirie, Stakeholder Management, Validierung, strategisches Entscheiden und der bewusste Umgang mit Unsicherheit.
Genau darum geht es in modernem Product Ownership. Die Aufgabe besteht nicht darin, möglichst viele Anforderungen zu verwalten. Gemeinsam mit dem Team gilt es herauszufinden, was es wert ist, überhaupt gebaut zu werden.
Wenn Antworten immer schneller verfügbar werden, werden gute Fragen umso wertvoller.
Product Ownership lernen
In unseren Weiterbildungen rund um Scrum und Product Ownership beschäftigen wir uns genau mit diesen Fragen: Wie entsteht Wert? Wie lassen sich Annahmen überprüfen? Wie treffen Product Owner Entscheidungen unter Unsicherheit? Und wie können moderne Werkzeuge wie KI dabei sinnvoll unterstützen?
Denn moderne Produktentwicklung braucht nicht einfach mehr Features. Sie braucht Menschen, die wissen, warum ein Feature überhaupt entstehen sollte.
Quellen und weiterführende Literatur
Schwaber, K. und Sutherland, J.: Der Scrum Guide, 2020.
Scrum.org: Evidence-Based Management Guide.
Scrum.org: Professional Scrum Product Owner AI Essentials.
Microsoft Research: The Impact of AI on Developer Productivity: Evidence from GitHub Copilot.
