Warum KI Produktverantwortliche dazu zwingt, die Organisation und nicht nur das Produkt neu zu gestalten

Lukas Egger ist VP für Produktstrategie und Innovation bei SAP Signavio. Außerdem ist er der Schöpfer des Podcasts „Process Transformers“.

Wir haben uns mit Lukas zusammengesetzt, um zu erfahren, wie AI die Leitung seiner Produktorganisation verändert und wie sie sich auf das Produkt selbst auswirkt. Das hat er mit uns geteilt.

Nachhaltigen Wert von Rauschen trennen

Ich bin Lukas Egger, VP für Produktstrategie und Innovation bei SAP Signavio. Meine Arbeit verbindet Produktstrategie, Geschäftstransformation und AI, insbesondere die Frage, wie große Organisationen aufkommende Technologien in nützliche, vertrauenswürdige und wirtschaftlich relevante Produkte verwandeln können.

Mein Weg bis zu diesem Moment ergibt sich weniger aus einem einzelnen „AI-Erweckungserlebnis“ als aus einem langjährigen Interesse daran, wie Organisationen Komplexität bewältigen. Zu Beginn meiner Laufbahn arbeitete ich in den Bereichen Daten, Analytik, Produkt und Strategie und interessierte mich zunehmend für die Lücke zwischen technologischen Möglichkeiten und organisatorischer Realität. Viele Ideen wirken in einer Demo oder einem Prototyp überzeugend, aber der echte Test besteht darin, ob sie Anreizsysteme, Governance, Kundenabläufe, technische Einschränkungen und die tatsächliche Akzeptanz überstehen.

So denke ich auch über AI in der Produktführung. Der spannende Teil besteht nicht einfach darin, dass Modelle Texte, Code, Bilder oder Analysen erzeugen. Die tiefgreifendere Veränderung ist, dass AI die Kostenstruktur geistiger Arbeit innerhalb von Unternehmen verändert. Sie senkt die Kosten für das Erstellen, Vergleichen, Zusammenfassen, Simulieren und Koordinieren von Arbeit. Das hat weitreichende Auswirkungen auf Produktteams, denn es verändert nicht nur, was wir entwickeln können, sondern auch, wie schnell wir Ideen testen können, wie wir Kunden verstehen, wie wir Abläufe gestalten und wie wir Wert definieren.

Bei SAP Signavio beschäftige ich mich intensiv mit der Frage, wie AI die Geschäftstransformation in einem anspruchsvollen Unternehmensumfeld unterstützen kann. Das bedeutet, über allgemeine Produktivitätsversprechen hinauszugehen und präzisere Produktfragen zu stellen: Welche neuen Kundenprobleme werden lösbar? Welche Abläufe verbessern sich wesentlich? Wo schafft AI messbaren Geschäftswert? Wo entstehen neue Risiken? Und wie können wir Innovation in Bezug auf Erwünschtheit, Machbarkeit, Wirtschaftlichkeit und organisatorische Akzeptanz risikoärmer gestalten?

Für Produktverantwortliche ist dies ein seltener Moment. AI ist nicht einfach nur eine weitere Funktionsebene. Sie zwingt uns, Annahmen über Benutzererfahrung, Differenzierung, Entwicklungsgeschwindigkeit, Daten, Vertrauen und die Rolle von Software selbst zu überdenken. Die Aufgabe der Produktführung besteht daher nicht darin, dem lautesten AI-Anwendungsfall hinterherzulaufen, sondern das Urteilsvermögen, die Systeme und die Betriebsmodelle zu entwickeln, die Teams dabei helfen, nachhaltigen Wert von Rauschen zu trennen.

Veränderungen leichter machen

Zur Einordnung: Mein Team unterstützt LabSpace, eine wichtige innovationsorientierte Umgebung mit direktem Kundenkontakt. Die einfache Idee hinter LabSpace besteht darin, Unternehmenskunden zu ermöglichen, sich frühzeitig, sicher und mit sehr geringem Aufwand mit Innovation zu beschäftigen. In traditioneller B2B-Software, insbesondere im Umfeld von ERP und Geschäftstransformation, sind Veränderungen oft teuer, langsam und mit operativen Risiken verbunden. LabSpace senkt diese Hürde. Statt Kunden zu Beginn zu einer schwierigen Veränderung aufzufordern, schaffen wir einen Raum, in dem sie erkunden können, wie ein besserer zukünftiger Arbeitsablauf aussehen könnte, bevor sie sich für Einführung, Implementierung oder Skalierung entscheiden.

Unsere Organisation hat zwei Arten von Nutzern. Extern nutzen Kunden die Plattform, um zu verstehen, was neue Funktionen für ihr Unternehmen bedeuten könnten. Intern nutzen Produkt-, Entwicklungs- und Innovationsteams sie, um frühe Ideen echtem Kundenfeedback auszusetzen, ohne jedes Experiment vorschnell in eine vollständige Produktzusage zu verwandeln.

In diesem Sinne ist LabSpace sowohl eine Präsentationsplattform als auch ein Lernsystem. Es hilft uns, Erwünschtheit, Machbarkeit, Wirtschaftlichkeit und organisatorische Passung auf deutlich konkretere Weise zu testen. Das Spektrum ist breit: Wir wollen Innovation für die gesamte Kundenbasis von SAP Signavio zugänglich machen und internen Teams zugleich einen wiederholbaren Weg bieten, um von vielversprechenden Ideen zu einer validierten Produktrichtung zu gelangen.

Das Bereitstellungsmodell ist bewusst schlank. Wir zwingen Kunden nicht dazu, umfangreiche Implementierungszyklen zu durchlaufen, nur um Innovation zu erleben. Wir schaffen strukturierte, risikoarme Möglichkeiten, sich mit neuen Funktionen auseinanderzusetzen, Feedback zu sammeln und zu erkennen, wo tatsächlich Wert entsteht. Die zugrunde liegende Produktphilosophie lautet, dass Unternehmenssoftware Unternehmen nicht nur dabei helfen sollte, sich zu verändern, sondern auch den Veränderungsprozess selbst leichter machen sollte.

Wie sich das Produktmodell durch AI neu gestaltet

Vor Kurzem haben wir begonnen, das minimal notwendige Team für Produktinnovation in frühen Phasen neu zu überdenken.

Historisch gesehen erforderte bereits die Entwicklung eines glaubwürdigen ersten Konzepts für Unternehmenssoftware häufig eine kleine funktionsübergreifende Gruppe: Produktmanagement, Design, Entwicklung, Fachwissen aus dem jeweiligen Bereich und manchmal Unterstützung in den Bereichen Daten oder Architektur. Das war sinnvoll, weil jede Rolle spezialisierte Aufgaben umfasste, die sich nur schwer verdichten ließen. Doch AI begann, diese Rollen in Aufgaben mit sehr unterschiedlichen Automatisierungsgraden aufzuspalten.

Im vergangenen Jahr haben wir erlebt, wie die Zeit von der Idee bis zu einem erstmals durch Kunden validierbaren Konzept dramatisch geschrumpft ist. Produktmanager und Ingenieure können inzwischen selbst einen viel größeren Teil der frühen Innovationsarbeit abdecken: Kundensignale zusammenführen, alternative Konzepte entwickeln, Prototypen erstellen, Grenzfälle untersuchen, Narrative entwerfen und kohärentere Gespräche mit Kunden vorbereiten. Dadurch entfällt nicht der Bedarf an Fachwissen, Urteilsvermögen oder funktionsübergreifender Zusammenarbeit. Es verändert jedoch, wann – und wofür – diese Personen einbezogen werden müssen.

Das Ergebnis ist nicht nur höhere Geschwindigkeit oder eine Kostenreduzierung. Die interessantere Veränderung betrifft die Verantwortung. Kleinere Gruppen und in manchen Fällen einzelne Personen können eine Idee inzwischen weit genug vorantreiben, um aussagekräftige Erkenntnisse zu gewinnen, bevor ein größeres Team zusammengestellt wird. Dadurch werden Barrieren zwischen den Rollen abgebaut und Menschen mit guten Ideen erhalten mehr Freiheit, Wirkung zu erzielen.

Für mich ist dies eine der spannendsten Veränderungen, die KI für die Produktarbeit mit sich gebracht hat. Wir liefern nicht einfach nur mehr Ergebnisse nach dem alten Modell. Stattdessen verändert sich die Struktur des Modells selbst: weniger Übergaben, schnellere Lernschleifen und mehr Handlungsspielraum für die Menschen, die der Chance am nächsten sind.

Wie KI die Entscheidungsgrundlage erweitert, während Menschen entscheiden

Ich denke zunehmend weniger in Kategorien wie „Welche Produktaktivität nutzt KI?“ und mehr in Kategorien wie „Welche Art von Entscheidung treffen wir?“

KI wird bei Aktivitäten, die informativ, generativ, vergleichend oder reversibel sind, immer effektiver. KI unterstützt inzwischen intensiv die Marktforschung, die Recherche aus verfügbaren Quellen, die Zusammenführung von Kundensignalen, Wettbewerbsanalysen, erste Entwürfe von Narrativen, die Erkundung von Konzepten, alternative Perspektiven und sogar die frühe Ideenfindung für Prototypen. In vielen dieser Bereiche macht KI die Arbeit nicht nur schneller; sie verändert auch die grundlegende Erwartung daran, wie viel Kontext eine Produktleitung oder ein Team verarbeiten sollte, bevor eine Entscheidung getroffen wird.

Bei Entscheidungen, die unter echter Unsicherheit Urteilsvermögen erfordern, bin ich deutlich vorsichtiger. KI kann diese Entscheidungen informieren, sollte sie aber nicht selbst treffen. Priorisierung, Ausrichtung der Roadmap, strategische Zielkonflikte, Zusagen gegenüber Kunden, Preislogik, organisatorische Verpflichtungen und technische Wetten erfordern weiterhin Menschen, die dafür Verantwortung übernehmen. Dies sind nicht bloß Optimierungsprobleme. Sie beinhalten unvollständige Informationen, konkurrierende Werte, politische Einschränkungen, das Vertrauen der Kunden, den richtigen Zeitpunkt und Konsequenzen, die wir im Voraus nicht vollständig modellieren können.

Einfach gesagt: KI ist hervorragend darin, die Entscheidungsgrundlage zu erweitern. Sie kann mehr Optionen, mehr Belege, mehr Gegenargumente, mehr Risiken und mehr Muster aufzeigen, als ein Team möglicherweise selbst hervorbringen würde. Menschen müssen jedoch weiterhin entscheiden, was wichtig ist, worauf es sich zu setzen lohnt und welches Risiko die Organisation bereit ist zu tragen.

Diese Unterscheidung wird umso wichtiger, je günstiger Inhalte werden. Wenn jedes Team ausgefeilte Forschung, plausible Strategien und überzeugende Narrative erstellen kann, ist der knappe Faktor nicht mehr der Inhalt. Es ist Vertrauen. Produktführung bedeutet daher weniger, mehr Artefakte zu produzieren, und mehr, das Urteilsvermögen, die Governance und die Glaubwürdigkeit aufzubauen, um zu wissen, welche Artefakte Maßnahmen rechtfertigen.

Wie KI Produktverantwortlichen helfen kann, ihre Kommunikation mit Teams zu verbessern

Ein KI-gestützter Arbeitsablauf, den ich fast täglich nutze, ist kein klassischer Produktarbeitsablauf, aber er hat mich zu einer besseren Führungskraft im Produktbereich gemacht: ungefilterte Gedanken in Kommunikation zu verwandeln, die andere aufnehmen können.

Produktführung umfasst Mehrdeutigkeit, Spannungen und Feedback. Manchmal reagiere ich stark auf etwas: eine Strategie, einen Vorschlag, ein Meeting, eine Entscheidung oder ein Muster, das sich abzeichnet. Früher habe ich diese Reaktion sofort in etwas Ausgefeiltes und Diplomatisches übersetzt. Das kann nützlich sein, aber es kann auch dazu führen, dass man das ursprüngliche Signal verliert.

Jetzt nutze ich KI häufig als Übersetzungsebene. Zunächst halte ich meine Gedanken ehrlich und unverfälscht fest: Was frustriert mich? Was ist falsch? Was ist das eigentliche Problem? Welchen Zielkonflikt vermeiden wir? Diese Version sende ich niemandem. Sie ist die private, ungefilterte Analyse.

Dann bitte ich die KI, daraus etwas für das jeweilige Publikum Nützliches zu machen: eine E-Mail, eine Slack-Nachricht, Feedback zu einem Meeting, ein Entscheidungsdokument oder eine Reihe von Fragen. Der Ablauf ist: roher Gedanke → strukturierte Analyse → zielgruppengerechte Kommunikation → menschliche Prüfung → endgültige Nachricht.

KI ersetzt nicht mein Urteilsvermögen; stattdessen hilft sie dabei, die Wahrheit des Feedbacks zu bewahren und gleichzeitig unnötige Schärfe herauszunehmen. Sie ermöglicht es mir, zunächst ehrlicher mit mir selbst und anschließend wirksamer mit anderen zu sein.

Für Produktverantwortliche ist das wichtig, weil es bei ihrer Arbeit nicht nur darum geht, die richtige Analyse zu haben. Es geht darum, anderen zu helfen, sie zu verstehen, sich damit auseinanderzusetzen und danach zu handeln, ohne defensiv zu werden. KI ist zu einer nützlichen Brücke zwischen authentischer Reaktion und konstruktiver Kommunikation geworden.

Warum die Arbeit an KI-Produkten organisatorische Veränderungen erfordert

Die Arbeit an KI-Produkten ist nicht nur eine Produkt- oder technologische Herausforderung. Sie ist eine Herausforderung des organisatorischen Wandels.

Eine kleine Gruppe von Menschen zu finden, die sich für KI begeistert, ist nicht schwierig. Frühe Prototypen zu entwickeln, ist ebenfalls nicht der schwierigste Teil. Innovation im KI-Tempo durch Anreizstrukturen, Governance-Modelle, Genehmigungswege und Bereitstellungsprozesse zu führen, die für eine andere Softwareära entwickelt wurden, ist deutlich schwieriger.

Viele dieser Strukturen bestehen aus guten Gründen. Sie schützen Qualität, Sicherheit, Konsistenz, Marke, Compliance und das Vertrauen der Kunden. KI verändert jedoch Geschwindigkeit, Umfang und Chancen grundlegend, sodass einige dieser Strukturen zu Engpässen werden können, wenn Organisationen sie nicht überprüfen.

Sie brauchen also ein Mandat, nicht nur Werkzeuge zu kaufen, sondern auch Menschen zu schulen oder KI-Funktionen zu entwickeln. Außerdem benötigen Sie ein Mandat, um zu verändern, wie Arbeit durch die Organisation fließt: Wer darf experimentieren, wie werden Entscheidungen und Risiken bewertet, wie wird Feedback einbezogen und wie schnell kann eine Idee von der Erkundung zum Lernen mit Kunden gelangen?

Wenn ich das früher klarer verstanden hätte, hätte ich noch mehr Zeit in die „unspektakulären“ Grundlagen investiert: Anreize, Berechtigungen, Prüfmodelle, Lernschleifen und organisatorisches Vertrauen. Diese Arbeit führt nicht immer zu einem spektakulären Moment bei der Markteinführung. Ohne sie können Prozesse, die nicht für die Geschwindigkeit von KI entwickelt wurden, Innovationen im KI-Bereich jedoch leicht ausbremsen.

Und wir hätten auch einen Teil der Reibung vermeiden können, die dadurch entstand, dass wir Menschen aufforderten, mit KI zu innovieren, sie aber weiterhin durch operative Einschränkungen aus der Zeit vor der KI führten.

Warum Produktverantwortliche neu gestalten müssen, wie Wertströme fließen

Produktverantwortliche müssen schwierige Fragen stellen: Wo fließt Wert? Welche Teile der Produktoberfläche bleiben wertvoll, wenn Agenten zu Nutzern werden? Welche Arbeitsabläufe werden zur austauschbaren Massenware? Welche Engpässe verlagern sich von der Erstellung hin zu Verifizierung, Vertrauen, Integration und Einführung? Methoden wie Wardley-Mapping und die Analyse von Wertströmen werden wichtiger, weil sie dazu zwingen, zu erkennen, wo sich Produkt und Organisation möglicherweise verändern müssen – nicht nur, wo KI eingefügt werden kann.

Wir haben neu gestaltet, wie Innovation Kunden erreicht. Historisch konnte sich Innovation leicht in einem spezialisierten Team konzentrieren, fast wie in einer Boutique, die Ideen für den Rest der Organisation risikoärmer macht. Das kann in kleinem Maßstab funktionieren, aber KI verändert die Größenordnung der Chance. Ein kleines Innovationsteam sollte nicht interessante KI-Arbeit leisten, während alle anderen zuschauen. Das Ziel besteht darin, Innovation zu einer umfassenderen organisatorischen Fähigkeit zu machen.

Das bedeutet, Systeme zu schaffen, in denen sich mehr Menschen mit neuen Ideen auseinandersetzen, sie mit Kunden testen, aus Feedback lernen und zur Produktrichtung beitragen können. In der Praxis bedeutet das eine Verlagerung von „Innovation als Team“ hin zu „Innovation als wiederholbarem Betriebsmodell“.

Lukas States

Das Ergebnis ist wichtiger als die Geschwindigkeit allein. Mehr Menschen können sich beteiligen und Ideen früher validieren, sodass die Organisation effektiver zwischen echtem Wert und beeindruckenden Demos unterscheiden kann.

Das Ergebnis ist wichtiger als die Geschwindigkeit allein. Mehr Menschen können sich beteiligen und Ideen früher validieren, sodass die Organisation effektiver zwischen echtem Wert und beeindruckenden Demos unterscheiden kann. Für eine durch KI erweiterte Zukunft könnte dies eine der wichtigsten Neugestaltungen sein: kein weiteres Feature, sondern ein Produktsystem, das der gesamten Organisation hilft, schneller zu lernen.

Warum Produktorganisationen neue Verhaltensweisen belohnen müssen, um das Beste aus KI herauszuholen

Die größte Lücke lag bei der Gestaltung von Anreizen.

Zu verändern, was die Organisation belohnt, ist schwieriger. Auf KI-Werkzeuge kann leicht zugegriffen werden, und begeisterte Menschen sind leicht zu finden. Wenn Menschen weiterhin dafür belohnt werden, enge Rollengrenzen zu schützen, Experimente zu vermeiden, langsamen Genehmigungswegen zu folgen und eine planbare Umsetzung zu optimieren, wird die Einführung von KI oberflächlich bleiben.

KI schafft Wert, wenn Menschen sich über Grenzen hinweg bewegen, schnell testen und mehr Verantwortung von Anfang bis Ende übernehmen können. Dafür braucht es Erlaubnis, Vertrauen und Anreize, die zur neuen Arbeitsweise passen.

Die Frage lautet also nicht nur, ob Menschen KI nutzen. Die bessere Frage ist, ob die Organisation die Verhaltensweisen belohnt, die KI nützlich machen.

Wie fehlender Kontext den ROI ausbremsen kann

Ein großer Teil des Unternehmenswerts hängt von implizitem Wissen ab: davon, wie Prozesse ablaufen, wo Ausnahmen auftreten, welche Übergaben wichtig sind, welche Regeln formal und welche informell sind und wo organisatorische Anreize stillschweigend das Verhalten prägen. Systeme, Dokumentationen oder Daten erfassen dieses Wissen oft nicht vollständig. Wenn Unternehmen also KI hinzufügen, kann die KI auf der Schnittstellenebene beeindruckend wirken, aber sie erreicht nicht unbedingt den Kern dessen, wie die Arbeit erledigt wird.

Das ist ein Grund dafür, warum der ROI schwieriger zu erzielen war, als viele erwartet hatten. Die Chance ist real, und die Modellkosten werden weiter sinken, aber der Engpass liegt oft nicht im Modell selbst. Der Engpass ist der Kontext. Wenn die Organisation Prozesse, Entscheidungen, Daten und Verantwortlichkeiten nicht nachvollziehbar gemacht hat, besitzt KI nur begrenzte Hebelwirkung.

Meine Enttäuschung besteht also nicht darin, dass KI schwach ist. Sie besteht darin, dass KI offengelegt hat, wie viel organisatorisches Wissen Unternehmen überhaupt nie richtig strukturiert haben.

Lukas States

Wenn die Organisation Prozesse, Entscheidungen, Daten und Verantwortlichkeiten nicht nachvollziehbar gemacht hat, besitzt KI nur begrenzte Hebelwirkung. Meine Enttäuschung besteht also darin, dass KI schwach ist. Sie besteht darin, dass KI offengelegt hat, wie viel organisatorisches Wissen Unternehmen überhaupt nie richtig strukturiert haben.

Warum Sie KI nicht einfach an ein Produkt anflanschen sollten

Schlechte Ergebnisse entstehen häufig, wenn KI als Zusatz behandelt wird. Die offensichtlichste Variante fügt einem bestehenden Arbeitsablauf eine Chat- oder Eingabeaufforderungsoberfläche hinzu, nur um zu zeigen, dass KI vorhanden ist. Das kann ein falsches Versprechen erzeugen. Eine Eingabeaufforderungsoberfläche suggeriert offene, uneingeschränkte Fähigkeiten, doch Unternehmenssoftware benötigt in der Regel begrenzte, gesteuerte, arbeitsablaufspezifische Intelligenz. Wenn die KI-Oberfläche ihre tatsächlichen Fähigkeiten übersteigt, schwindet das Vertrauen schnell.

Ich betrachte KI nicht als einen Lego-Baustein, den man einfach an ein Produkt anfügen kann. Für mich ist es eher so, als würde man einen Spieler in einer Mannschaftssportart austauschen. Sobald sich ein Spieler verändert, ändern sich auch die Strategie, die Interaktionen, die Abhängigkeiten und die Fehlerarten. Wenn Sie das umliegende System nicht neu gestalten, erhalten Sie vielleicht eine beeindruckende Demo, schaffen später aber oft zusätzliche Komplexität.

Die besten Integrationen sind oft die unauffälligsten. KI hilft den Nutzern, schneller voranzukommen, den Kontext zu verstehen, bessere Entscheidungen zu treffen oder unnötige Arbeit zu vermeiden – ohne dass sie KI als eigenständige Komponente verwalten müssen.

Warum Produkte nicht mehr nur für Menschen entwickelt werden

Produkte werden nicht mehr nur für menschliche Nutzer entwickelt. KI bringt eine neue Art von Nutzer hervor: Agenten, Automatisierungen und maschinelle Akteure, die anders mit Produkten interagieren als Menschen.

Jahrzehntelang haben Produktteams mit dem menschlichen Kunden begonnen: mit seinen Zielen, Problemen, Arbeitsabläufen, seiner Aufmerksamkeit, Geduld und seinen Erwartungen. Das bleibt unverzichtbar. Doch in vielen Unternehmenskontexten entwickeln wir nun für eine gemischte Umgebung, in der sowohl Menschen als auch Agenten Produktfunktionen nutzen, interpretieren und auf ihrer Grundlage handeln.

Das verändert subtile, aber wichtige Annahmen. Nehmen wir etwas so Einfaches wie die Suche. Eine Antwortzeit, die sich für einen Menschen sofort anfühlt, kann für einen Agenten, der innerhalb eines größeren Arbeitsablaufs arbeitet, zu langsam sein. Ein Benutzeroberflächenelement, das einer Person hilft, den Kontext zu verstehen, kann für einen Agenten irrelevant sein, während strukturierte Metadaten, API-Konsistenz, Berechtigungsverwaltung, Nachvollziehbarkeit und maschinenlesbare Semantik wichtiger werden.

Die Annahme, die ich also aufgegeben habe, lautet nicht „Entwickle für Menschen“. Sie lautet: „Menschen sind die einzigen relevanten Nutzer.“ KI fügt einen neuen Nutzertyp mit anderen Anforderungen hinzu: Geschwindigkeit, Zuverlässigkeit, Kombinierbarkeit, Beobachtbarkeit und Kontextzugriff.

Drei Ratschläge für Produktverantwortliche, die KI implementieren

Hier ist mein Rat an Produktverantwortliche:

1. Behandeln Sie AI nicht als Beschaffungsmaßnahme. Der Kauf von Tools, das Hinzufügen von Copiloten oder die Einführung von Agenten ist nicht die Transformation. Die Transformation besteht darin zu verstehen, wie AI die Aufteilung der Arbeit, die Grenzen zwischen Rollen, die Übergaben im Arbeitsablauf und die Art und Weise verändert, wie Wert für Kunden geschaffen wird.
2. Optimieren Sie zunächst die Effektivität und erst danach die Effizienz. AI sollte nicht nur den Aufwand reduzieren, sondern Produktteams dabei helfen, Probleme zu lösen, deren Bearbeitung bisher zu langsam, zu teuer oder zu komplex war. Die Frage sollte nicht nur lauten: „Können wir das günstiger erledigen?“ Sie sollte lauten: „Können wir jetzt ein besseres Ergebnis erzielen, das bisher unerreichbar war?“
3. Messen Sie vertrauenswürdige Ergebnisse, nicht AI-Aktivitäten. Das Zählen von Prompts, Tokens, Copiloten, Agenten oder Prototypen kann leicht zu Produktivitätstheater werden. Produktverantwortliche sollten stattdessen fragen: Hat der Kunde schneller einen Mehrwert erhalten? Hat sich der Arbeitsablauf verbessert? Haben sich Durchlaufzeit, Qualität, Risiko, Compliance oder Kundenerfahrung in die richtige Richtung entwickelt? Haben wir eine bessere Entscheidung getroffen oder lediglich mehr Artefakte produziert?

Kurz gesagt: AI sollte Produktverantwortliche dazu bringen, ambitionierter zu werden, nicht lediglich effizienter. Die Chance besteht nicht darin, das bestehende System um Intelligenz zu ergänzen. Die Chance besteht darin, das System neu zu gestalten, damit Intelligenz einen verantwortbaren, messbaren und nachhaltigen Wert schaffen kann.

Auf dem Laufenden bleiben

Sie können Lukas Eggers Arbeit auf LinkedIn und X verfolgen. Hören Sie sich auch seinen Podcast Prozess-Transformatoren an.

Weitere Experteninterviews folgen im The CPO Club!