Die irreführendsten Taktiken im Produktmanagement — entlarvt

Hannah Clark: Dinge sind nicht immer so, wie sie scheinen. Von Köder-und-Wechsel-Abomodellen bis zu Menschen, die behaupten, Zuckermais schmecke gut, haben wir unzählige Gründe, allem skeptisch gegenüberzustehen—gerade jetzt im Produktmanagement. Die Veränderungen in dieser Branche verlaufen so rasant, dass Trends plötzlich wie Best Practices wirken und wirklich gute Praktiken altmodisch erscheinen können. Doch wenn es unser Ziel ist, ein skalierbares Produkt zu bauen, liegt es an uns, uns davor zu hüten, in den Hype-Zug-Hypnose hineinzugeraten.

Mein heutiger Gast ist Matt Graney, CPO von Celigo. Matt ist seit über 20 Jahren im B2B-Produktbereich tätig und hat beinahe neun Jahre das Produktteam bei Celigo von vier auf über 45 Mitarbeitende skaliert. Und obwohl KI sich für das Unternehmen als außergewöhnliche Chance erwiesen hat, ist ihm eine Lücke zwischen Erwartungen und Realität bei einigen der glänzenden, neuen Taktiken aufgefallen, die zurzeit unsere LinkedIn-Feeds überschwemmen. Von Prototypen, die sich als produktionsreifer Code ausgeben, bis zu Tools, die zu schön sind, um wahr zu sein—Sie hören heute seine Einschätzung, wo Vorsicht geboten ist und auf welche bewährten Prinzipien er vertraut, um diese KI-Transformation erfolgreich zu meistern. Los geht’s!

Übrigens: Solche Gespräche führen wir jede Woche. Wenn Sie das spannend finden, warum nicht gleich abonnieren? Okay, jetzt aber wirklich los.

Willkommen zurück beim Podcast „The Product Manager“. Ich spreche heute mit Matt Graney, dem CPO bei Celigo.

Matt, vielen lieben Dank, dass Sie sich Zeit für dieses Gespräch nehmen.

Matt Graney: Danke, Hannah. Freut mich sehr, mit Ihnen heute sprechen zu dürfen.

Hannah Clark: Erzählen Sie uns ein wenig über Ihren Werdegang und wie Sie CPO bei Celigo geworden sind?

Matt Graney: Ja, ich bin jetzt schon lange im B2B-Produktbereich, etwa die letzten 20 Jahre. Celigo ist eine Integrationsplattform, und ich bin seit achteinhalb Jahren an Bord, direkt nach der Series-A-Finanzierungsrunde eingestiegen.

Und davor war ich viereinhalb Jahre ebenfalls im Integrationsbereich tätig. Das war nicht wirklich geplant, hat sich einfach so ergeben. Davor habe ich Produkte rund um den Softwareentwicklungszyklus gemacht, darunter UML-Modellierungs-Tools – für diejenigen, die sich vielleicht noch daran erinnern. Ursprünglich war ich übrigens Softwareentwickler in Australien im Telekommunikations- und Verteidigungsbereich.

Und ich kam erstmals in die USA, um als Sales Engineer zu arbeiten—tatsächlich für ein Produkt, von dem ich Power-User war, als ich bei Motorola war. Also ein recht vielfältiger Werdegang, und dann ein Zwischenspiel im Produktmarketing gemacht, bevor ich endgültig ins Produktmanagement wechselte.

Hannah Clark: „Zwischenspiel“—das habe ich so noch nie gehört.

Sehr lustig. Heute werden wir auf halb-humorvolle Art eine Ausgabe mit angedeutetem Halloween-Thema machen und uns auf das Thema schlechte Produktpraktiken in Verkleidung konzentrieren. Wir starten mit dem Thema Vibe Coding. Im Produktbereich werden dazu gerade viele Meinungen ausgetauscht.

Ich gebe zu, No-Code-Plattformen sind tolle Werkzeuge. Ich nutze sie ständig, aber sie führen auch gelegentlich zu sehr „Scooby-Doo-haften“ Momenten, Maskenfallen, bei denen wir genauer hinschauen und merken, dass es nicht so ist, wie es scheint. Matt, was sind Ihre Erfahrungen mit Vibe Coding in Produktteams?

Erzählen Sie mir vom Guten, Schlechten und Hässlichen.

Matt Graney: Genau. Und wir wären damit durchgekommen, wenn ihr, diese lästigen Kids, uns nicht erwischt hättet, richtig? Ich denke, es ist eine Demokratisierung, was großartig ist. Aber man muss auch die Selbsttäuschung beachten—etwas gut aussehen zu lassen bedeutet nicht, dass es auch gut gebaut ist.

Es gibt vieles, das im Verborgenen passieren muss. Wir dürfen schnelle Prototypen nicht mit produktionsreifem Code verwechseln. Es reicht nicht nur Bürgerentwickler zu haben, es braucht auch Bürgerarchitekten. Gerade in unserem Geschäft, zum Beispiel B2B, sprechen wir über Infrastruktursoftware—da geht es um Milliarden von Transaktionen im Monat.

Nur bestimmte Teile der Anwendung, vielleicht an der Frontend-Oberfläche, eignen sich für Vibe Coding. Es geht wie immer darum, das richtige Werkzeug für den richtigen Zweck zu nutzen, und dennoch die Experimentierfreude und Risikobereitschaft im Team zu fördern, damit alle mit den neuesten Entwicklungen Schritt halten—gerade, weil wir in einer wirklich bahnbrechenden Zeit für die Branche leben.

Hannah Clark: Um noch etwas tiefer zu gehen: Gerade, weil es ganz unterschiedliche Technologieverständnisse in einer Organisation gibt, kann es sehr verlockend für weniger erfahrene Kolleg:innen—in der Technik oder auch neue Gründer:innen—sein, vorgeblich funktionierenden Code zu sehen und einfach weiterzumachen. Das erzeugt enormen Druck auf die Entwicklerteams, die dann Schritt halten und ebenso schnell Produkte liefern müssen, die genauso glänzen und neu wirken.

Wie können wir Stakeholdern helfen, die echten Unterschiede und Randbedingungen zwischen dem Prototypen aus Vibe Coding-Tools und produktionsreifer Software nachzuvollziehen?

Matt Graney: Ja, das ist ein guter Punkt, denn Geschwindigkeit beim Demo-Bau ist nicht gleich Geschwindigkeit zur Produktion—vor allem, wenn wir über 5.000 Kunden und B2B-Workloads sprechen. Wir sagen intern, was wir tun, ist Infrastruktur; das ist die „Rohrleitung“.

KI kann das Haus streichen, aber nicht die Rohre verlegen—man will sich da sicher sein. Es gibt Herausforderungen, sowohl durch Druck auf das Entwicklerteam als auch von den Führungskräften. Kürzlich habe ich bei uns erlebt, dass auch erfahrene, aber nicht-technische Mitarbeitende Proof-of-Concepts mit Vibe Coding selbst bauen, um neue, dringend benötigte Funktionen demonstrieren zu können.

Das regt die Fantasie an, erzeugt aber auch stillen Druck, dass jeder so etwas machen könne und man schnell in die Produktion gehen kann. Wenn wir beim Hausbeispiel bleiben: Das sind dann Fassade—sieht gut aus, aber hält nichts. Das heißt nicht, dass es keinen Platz dafür gibt: Die Geschwindigkeit für POCs ist fantastisch und wir sollten dies maximal nutzen—zur besseren Anforderungserklärung, für alternative Workflows im Design. Früher mussten Designer viele Screens in ihrem Lieblingstool entwerfen, jetzt überzeugt funktionierender Code. Man muss es nur richtig einordnen: Noch immer ist das kein produktionsreifer Code.

Hannah Clark: Ich denke auch oft daran, dass diese Tools immer ausgereifter werden und wir Anwender:innen ebenfalls. Das bedeutet, die Kosten für Entwicklung sinken gegen null.

Was macht Ihnen dieser Trend als Produktverantwortlicher Kopfzerbrechen und wie gehen Sie bei Celigo damit um?

Matt Graney: Ja, das ist ein gutes mentales Modell—a good thought experiment. Was, wenn die Erstellungskosten nahezu Null werden? Die nächste Generation von Tools kommt, Skills steigen, wie bei ChatGPT sehen wir dramatische Fortschritte. Das Gegenteil von Entlastung ist die Folge: Noch mehr Druck auf Produktmanager:innen, das Richtige zu bauen. Es reicht nicht, sich auf Analysen, Daten, User Research, Kundeninterviews und Advisory Councils zu verlassen—das alles bleibt, und wir müssen uns davor hüten, dass plötzlich überall Zombieprojekte entstehen, weil alles so leicht zu bauen ist.

Der Fokus und die Entscheidungsfindung erhalten noch mehr Bedeutung als früher—es braucht weiter Produktmanagement-Disziplinen und erfahrene Triaden aus Produkt, Design, Entwicklung. Die Grundregeln gelten fort.

Hannah Clark: Ganz genau. Und zum Thema schlecht durchdachte Ideen: Es gibt derzeit eine regelrechte Flut an Tools am Markt, die scheinbar bezaubernde Vorteile bieten—aber gravierende Risiken verbergen oder gar offenbaren.

Manche Konzepte sind so offensichtlich manipulierbar, dass ich fürchte, welche Möglichkeiten sich für böswillige Akteure auftun. Welche Trends machen Ihnen hier Sorgen, und welche Rolle spielt Produkturteilskraft, die nicht automatisierbar ist?

Matt Graney: Wir suchen im Produktmanagement ja immer wieder nach der Kristallkugel, etwa mit Bewertungssystematiken wie RICE.

Auch das kann missbraucht werden—Produktmanager:innen haben immer noch Möglichkeiten, hier am Score zu „drehen“ und die Projekte in die eigene Richtung zu beeinflussen. Die gleichen Risiken sehe ich bei neuen Tools.

Manche Anbieter versprechen, alles an Produkt-Telemetrie einzusammeln, was es gibt. Dabei wissen wir, dass es viele Erkenntnisse nur abseits gibt, etwa aus Beobachtungen oder Session-Replays—das landet nicht automatisch in eine Form, die ein LLM versteht.

Es gibt keinen Ersatz für ein gutes Produkturteil. Trotz immer mehr Daten steht am Ende eine unvollständige Datenbasis. Es braucht Vision, Strategie und ein Verständnis für Wetten im Produktmanagement, wohlwissend, dass wir versuchen, Outcomes zu messen. Aber es bleibt ein iterativer Prozess—KI gibt keine unfehlbare Roadmap.

Hannah Clark: Da stimme ich völlig zu. Ich hatte kürzlich ein Gespräch, das im Podcast bald erscheint, wo wir KI als „zerklüftete“ Technologie beschrieben haben: In manchen Bereichen ist sie exzellent, in anderen sieht sie nur so aus—und täuscht dadurch viele.

Es geht also nicht nur um Produktsinn, sondern auch um genug technisches Verständnis, um zu kontrollieren, worauf man wirklich vertraut.

Matt Graney: Selbst bei einfachen Chat-Interfaces sieht man, dass manche KIs sehr „schleimerhaft“ sind. Wenn man das nicht erkennt, denkt man irgendwann, man habe immer tolle Ideen.

Deshalb hol ich mir regelmäßig alternative, kritische Perspektiven auf meine Ideen und verlasse mich nicht nur auf KI-Lob, sonst klingt man immer wie ein Genie im eigenen Spiegel.

Hannah Clark: Ja, die lieben uns! Kommen wir zu weiteren, scheinbar attraktiven, letztlich aber nicht nachhaltigen Abkürzungen, die wir derzeit bei Produktteams beobachten.

Was sind da aus Ihrer Sicht die größten „Sünder“?

Matt Graney: Ein Lieblingsthema sind OKRs—wir haben ein schwieriges Verhältnis damit. Auf Unternehmensebene klappt es vielleicht, aber im Produktbereich ist das schwierig. Es zeigt: Man kann nicht einfach Methoden von Fang-Unternehmen (großen Tech-Konzernen) kopieren, ohne die Kultur mitzunehmen. Frankenstein lässt grüßen: Ein künstliches Glied lässt sich nicht einfach anwachsen – die Methoden passen sich nicht richtig ein.

Ebenso bekannt: Metrics-Theater—Eitelkeitsmetriken, die nicht wirklich helfen. Wir reden von Feature-Fabriken – und jetzt können wir quasi „Ackerweise“ Features produzieren, weil alles so skalierbar ist. Aber wie stellen wir sicher, dass es das Richtige ist? Viele dieser Dinge sind verkürzte Lösungen, die vielleicht irgendwo funktioniert haben, weil sie in X oder LinkedIn standen—ohne die nötige Tiefe entsteht Vertrauensverlust.

Hannah Clark: Ja, vor allem im UX-Research-Bereich spüre ich das Misstrauen. Die User-Research-Community wurde ohnehin oft stiefmütterlich behandelt, nun kommen LLMs und vernebeln zusätzlich, wie User Research eigentlich korrekt funktioniert und wo KI dabei helfen kann.

Ich möchte regelmäßig laut ausrufen: Nutzerforschung lässt sich nicht durch LLM ersetzen!

Matt Graney: Unser Head of User Research hat mir kürzlich Ähnliches berichtet: KI-Transkripte sind zwar praktisch, weil sie Gesagtes wortgetreu wiedergeben, aber die entscheidenden Nuancen fehlen meist—vielleicht ändert sich das in Zukunft, aber aktuell muss man die Grenzen kennen und mit bewährtem Research dagegen halten.

Hannah Clark: Wechseln wir das Thema: Sie haben viele Teams skaliert—bei Celigo von zwei PMs auf zehnmal so viele. Sicher lief da nicht alles glatt. Was sind Ihre wichtigsten Learnings beim Aufbau wachsender Produktteams in einer schnelllebigen KI-Welt?

Matt Graney: Ja, das war eine echte Reise. Als ich angefangen habe, waren es zwei PMs und zwei technische Redakteure—also vier Leute. Inzwischen sind es etwa 45 bis 50—PMs, Designer, Research, technische Doku, Produktoperations.

Was ich gelernt habe: die richtige Reihenfolge ist wichtig. Am Anfang war alles einfach, wir haben quasi mit dem CTO und wenigen Leuten persönlich den gesamten Backlog priorisiert—das geht auf Dauer aber nicht. Offshore-Teams bei PM und Entwicklung erschweren alles. Stückweise haben wir mehr Prozesse eingeführt. Design war zu Beginn nach „best effort“; Screenshots wurden wie Lösegeldbriefe zusammengebastelt—ziemlich improvisiert.

Unsere ersten externen Designer wurden wie eine Agentur genutzt, nicht als echter UX-Partner. Inzwischen sind wir deutlich weiter. Prozesse haben wir immer so viel wie nötig eingeführt, vielleicht nicht immer mit perfekten Abläufen, aber es hat gut funktioniert. Und dem Team Entwicklungsspielräume gegeben. Ich habe vorher nie so ein großes Team geleitet—es gab also viele erste Male. Meine grauen Haare und ein paar Narben zeugen davon.

Hannah Clark: Ach wirklich? Wo denn?

Matt Graney: Ach, ich gebe die Schuld einfach meinen Kindern, das funktioniert immer.

Hannah Clark: Um das noch zu verbinden: Welche klassischen Produkttools oder -methoden sind für Sie heute wichtiger denn je—gerade im KI-Zeitalter?

Matt Graney: Wie gesagt, je billiger das Bauen wird, desto wichtiger wird Priorisierung. Es geht um Ausrichtung auf Vision und Strategie, damit jeder im Team eigenständig Entscheidungen treffen kann. Kein Ersatz für den direkten Kontakt mit Usern und Kunden—ich habe meine frühen Jahre in „Geiselverhandlungen“ mit unzufriedenen Kunden verbracht. Das prägt und hilft dabei, echte Prioritäten zu erkennen. Letztlich gilt: brutal priorisieren, Kapazitäten sind immer knapp. Auch bei Großkonzernen gibt es das gleiche Problem. Die Tools für Priorisierung bleiben dieselben. KI kann helfen, große Mengen an Informationen zu erfassen und zu verdauen, beim Research, beim schnellen Prototyping (Stichwort Vibe Coding), aber Prototypen sind zum Wegwerfen da (das vergessen viele)—nicht als Basis für die spätere Produktion. Wer das berücksichtigt, kann KI sinnvoll für Geschwindigkeit und Priorisierung nutzen.

Hannah Clark: Sehr schön zusammengefasst. Zum Abschluss: Wo sehen Sie die wirklich vielversprechenden Chancen für KI im Produktmanagement – und welchen Rat hätten Sie für Kolleginnen, die KI sinnvoll und ohne Masken oder Stolperfallen nutzen wollen?

Matt Graney: Ein großes Feld ist ganz klar Research: Wettbewerbsanalysen sind heute mit KI viel einfacher, ich wünschte, das hätte es früher schon gegeben. Viele Informationen sind jetzt öffentlich verfügbar, das muss man voll nutzen. Schnelles Erstellen von Dokumentationen ist ein weiteres Feld—ob Press Releases oder FAQs als Startpunkt, das geht heute dank KI viel effizienter.

KI kann helfen, den eigenen Horizont zu erweitern—stellt man die richtigen Fragen, deckt sie auch blinde Flecken auf. Zwar kann sie halluzinieren, aber daraus entstehen manchmal neue Impulse oder späterales Denken. Man darf KI aber nicht als Zerrspiegel missverstehen: Ist die eigene Disziplin nicht in Ordnung, wird alles noch schlimmer. Aber bei kluger Anwendung bringt KI den nötigen Fokus.

Hannah Clark: Da stimme ich zu. Matt, das war großartig! Danke für Ihre Offenheit und das Prüfen all dieser Themen, die uns aktuell so sehr beschäftigen.

Ich danke herzlich. Wo kann man Sie online finden?

Matt Graney: Am besten auf LinkedIn, dort bin ich am aktivsten. Ich freue mich auf Austausch.

Hannah Clark: Vielen Dank!

Nächste Ausgabe des Podcasts The Product Manager: Wem diese Folge schon Augen geöffnet hat, sollte unbedingt einschalten, wenn wir noch tiefer in LLM-Technologie eintauchen – eine Folge, die alles, was Sie über KI zu wissen glauben, herausfordert. Das Potenzial der Technologie ist grenzenlos, die aktuellen Limitierungen sind komplexer als gedacht – und die Auswirkungen auf uns als Entwickler:innen wie Nutzer:innen von KI-Produkten ebenso. Diese Folge trifft ins Mark. Gleich abonnieren und dabei sein!