Profi-Tipps zum Aufbau Ihres KI-Produktmanagement-Skillsets

Last updated on 4. Nov. 2026

In einer Ära, in der KI Branchen in rasantem Tempo transformiert, gehören Produktrollen mit KI-Fähigkeiten zu den gefragtesten im Technologiebereich. Wenn Sie in diesem Bereich Fuß fassen oder Ihre bestehenden Fähigkeiten verbessern möchten, kann es äußerst vorteilhaft sein, die Reise und Strategien derjenigen zu verstehen, die an vorderster Front stehen.

In dieser Episode wird Hannah Clark von Lorilyn McCue—AI-Produktmanagerin bei Superhuman—begleitet, um ihre Einblicke in die Navigation der sich entwickelnden Landschaft des KI-Produktmanagements zu teilen.

Interview-Highlights

Lorilyns Karriereweg und Schlüsselkompetenzen [01:06]
- Lorilyn begann ihre Karriere als Apache-Hubschrauberpilotin in der Armee für sechs Jahre.
- Danach unterrichtete sie Sport an der Militärakademie West Point.
- Nach dem Verlassen der Armee besuchte sie eine Business School.
- Sie kam zu Slack als Produktmanagerin, zunächst im Wachstumsteam, dann im Plattformteam.
- Später arbeitete sie bei einem Machine-Learning-Startup, Impira.
- Derzeit ist Lorilyn leitende AI-Produktmanagerin bei Superhuman.
KI bei Superhuman: Verbesserung der Benutzererfahrung [02:08]
- Lorilyn schätzt die Fähigkeit der KI, den Nutzern Zeit zu sparen, damit sie sich auf wichtige Aufgaben konzentrieren können.
- Sie erzählt eine Geschichte aus dem Irak, wo ein Flug mit einem Apache-Hubschrauber bei einer langweiligen Mission die Ineffizienz sich wiederholender Aufgaben aufzeigte.
- Eine spannendere Mission zeigte ihr den Wert der Nutzung von Technologie für komplexe Aufgaben anstelle von banalen.
- Sie bezieht dies auf KI, die Routineaufgaben übernimmt, damit Nutzer sich auf bedeutungsvolle Arbeit konzentrieren können.
- Superhumans „Instant Reply“-Funktion spart Nutzern beispielsweise zwei Minuten pro E-Mail, indem Routineantworten automatisiert werden.
- Dieser „Aha“-Moment bestätigte die Rolle der KI bei der Beseitigung von Mühsal und der Steigerung der Produktivität.

KI kann die Mühsal von Ihrem Teller nehmen. Weisen Sie alle Routineaufgaben der KI zu, lassen Sie sie drei Stunden lang die Basis umkreisen, und machen Sie selbst die coolen Sachen.
Lorilyn McCue

Karrierefortschritt und KI-Integration [04:19]
- Lorilyn priorisiert das Optimieren für Lernen, eine Lektion, die bei Slack verstärkt und in der KI entscheidend ist.
- Superhumans „Ask AI“-Funktion ermöglicht es Nutzern, direkt Fragen zu stellen und spart Zeit bei der Suche.
- Ursprünglich für drei Monate geplant, startete das Team eine vorläufige Version in einem Monat, um Feedback zu sammeln.
- Diese phasenweise Veröffentlichung—zuerst an das KI-Team, dann intern und schließlich an Beta-Nutzer—bot Einblicke, die das Endprodukt formten.
- Iterative Entwicklung war der Schlüssel, um das Produkt basierend auf dem Nutzerverhalten anzupassen und effektiver zu gestalten.
- Die unvorhersehbare Natur der KI erfordert wiederholte Lernzyklen, um sich an die Nutzerbedürfnisse anzupassen.

KI ist ein so unbekanntes Terrain, dass man oft keine Ahnung hat, wie Menschen sie nutzen werden. Daher muss man für Lernen optimieren. Man muss ein wenig starten, dann iterieren und diesen Prozess wiederholen.
Lorilyn McCue

Die Bedeutung nahtloser KI-Integration [06:46]
- Lorilyn betont die tiefe Integration von KI in das Produktdesign, um ein „Add-on“-Gefühl zu vermeiden.
- Ideale KI-Integration lässt Funktionen natürlich erscheinen und nicht als „KI“ von Nutzern wahrgenommen werden.
- Superhumans „Instant Event“-Funktion veranschaulicht diesen Ansatz und ermöglicht es Nutzern, Kalendereinträge aus E-Mails mit einem Klick zu erstellen.
- Ursprünglich war die Funktion zu Testzwecken an einem weniger zugänglichen Ort, im Superhuman-Befehlsmenü „Command K“.
- Nach Tests und Feedback wurde die Funktion an intuitivere Stellen verlegt, wie einen Button in E-Mails und eine Kalenderschnellwahl.
- Diese nahtlose Integration stellt sicher, dass KI-Funktionen nützlich und zugänglich sind, wenn sie benötigt werden.
- Die „Instant Event“-Funktion ermöglicht es nun Nutzern, Ereignisse einfach durch Klicken auf Daten in E-Mails zu erstellen, wobei der Cursor sich in ein Hand-Symbol verwandelt, um diese Aktion anzuzeigen.
- Ursprünglich im Befehlsmenü getestet, ist die Funktion nun vollständig integriert und benutzerfreundlich.
- Nutzer entdecken und nutzen die Funktion auf natürliche Weise ohne explizite Anweisungen, was Lorilyns Ziel einer nahtlosen KI-Integration entspricht.
Optimierung der KI für Geschwindigkeit und Genauigkeit [10:54]
- Superhuman priorisiert proaktive Funktionen wie Auto-Zusammenfassung und Sofortantworten, die sofort für den Benutzerkomfort angezeigt werden.
- Die Auto-Zusammenfassungsfunktion bietet eine einzeilige Zusammenfassung jeder E-Mail, was einen schnelleren Informationszugriff ohne Benutzeraktion ermöglicht.
- Bei Sofortantworten stand das Team vor einem Kompromiss zwischen einem „Schildkröten-Bot“ (intelligent, aber langsam) und einem „schnellen, unbeholfenen Onkel“-Modell (schnell, aber weniger genau).
- Trotz der höheren Qualität des Schildkröten-Bots entschied sich das Team für das schnellere Modell, wobei Geschwindigkeit und Benutzererfahrung priorisiert wurden.
- Sie optimierten das schnellere Modell, um die Genauigkeit zu verbessern und sicherzustellen, dass die Antworten schnell und angemessen genau sind.
- Die Balance zwischen Qualität und Geschwindigkeit ist entscheidend, um zu entscheiden, ob Funktionen proaktiv oder benutzerinitiiert sein sollten.
Technische Entscheidungsfindung in der KI [14:24]
- Lorilyn verwendet ein Tool, um mehrere Eingabeaufforderungen und Modelle nebeneinander zu vergleichen und die Leistung mit realen Daten zu bewerten.
- Sie erstellt einen Datensatz aus internem Nutzerfeedback (Daumen hoch/runter), um reale Szenarien widerzuspiegeln.
- Die Bewertungen konzentrieren sich auf die Latenz, wobei Antworten innerhalb von 1–2 Sekunden angestrebt werden, um den Benutzeranforderungen gerecht zu werden.
- Durch wiederholte Tests identifiziert sie Probleme (z. B. Missverständnisse im Kontext von Antworten) und verfeinert die Eingabeaufforderungen, um die Genauigkeit zu verbessern.
- Iterative Tests helfen, Erfolgskriterien zu etablieren, die Geschwindigkeit mit Genauigkeit ausbalancieren und die spezifischen Arten der benötigten Genauigkeit zu lernen.
Beherrschung der Eingabeaufforderungs-Entwicklung [16:38]
- Lorilyn entwickelte ihre Fähigkeiten in der Eingabeaufforderungs-Entwicklung durch Lernen am Arbeitsplatz und Experimentieren.
- Gelegentlich recherchierte sie online nach spezifischen Lösungen.
- Sie erhielt auch Tipps von OpenAI, wie die Verwendung von Techniken wie Befehlen in Großbuchstaben, Wiederholung von Anweisungen und Einbeziehung von Einzelschuss-Beispielen.
- Das Feinabstimmen beinhaltete das Hinzufügen von Beispielen, um schwierige Fälle zu adressieren und die Genauigkeit zu verbessern.
- Lorilyn verwendete eine Technik, bei der sie das LLM seine Argumentation erklären ließ, um Eingabeaufforderungen zu verfeinern.
- Zum Beispiel fragte sie das LLM, an wen es antwortete und warum.
- Dieser Prozess enthüllte Missverständnisse in den Antworten des LLM, was ihr ermöglichte, spezifische Anpassungen an den Eingabeaufforderungen vorzunehmen.
- Die Methode „erkläre dich selbst“ half, den Denkprozess des LLM zu klären und unterstützte eine effektivere Eingabeaufforderungs-Abstimmung.
Geschäftliche Herausforderungen bei der KI-Integration bei Superhuman [18:54]
- Die Integration von KI in Superhuman beinhaltete das Ausbalancieren von Komplexitäten und Herausforderungen.
- Lorilyn verglich KI-Modelle: GPT-4 (langsam, aber hohe Qualität) vs. GPT-3.5 (schneller, aber weniger intelligent).
- Anfangs stellte die Langsamkeit von GPT-4 erhebliche Herausforderungen bei der Skalierung der E-Mail-Zusammenfassung dar.
- Superhuman priorisierte Qualität und Benutzerbedürfnisse, wobei Geschwindigkeit und Korrektheit berücksichtigt wurden.
- Sie entschieden sich für GPT-3.5 für eine bessere Latenz, während sie Eingabeaufforderungs-Entwicklung einsetzten, um Qualitätsstandards zu erfüllen.
- Der geschäftliche Fokus lag darauf, sicherzustellen, dass die Benutzerbedürfnisse erfüllt wurden, unabhängig von den Kosten.
Praktisches Lernen und praktische KI-Fähigkeiten [20:54]
- Praktisches Lernen ist für das KI-Produktmanagement unerlässlich.
- Es ist entscheidend, über wöchentliche Trends und Veröffentlichungen auf dem Laufenden zu bleiben.
- Experimentieren Sie mit KI-Tools im täglichen Leben für ein praktisches Verständnis.
- Beispiel: Verwenden von ChatGPT, um personalisierte Malvorlagen für Kinder zu erstellen.
- Wenden Sie KI in beruflichen Umgebungen an, wie z. B. bei der Erstellung prägnanter Benutzerhinweise.
- Der Umgang mit neuen Technologien erweitert das Wissen über die Möglichkeiten der KI.
- Kein spezifischer Kurs ist notwendig; praktische Anwendung ist der Schlüssel.

Unser Gast

Lorilyn McCue ist AI-Produktmanagerin bei Superhuman, der produktivsten E-Mail-App, die je entwickelt wurde. Gemeinsam mit Superhuman-CEO Rahul Vohra hat Lorilyn dazu beigetragen, die KI-Produkt-Roadmap des Unternehmens zum Leben zu erwecken und elegante und praktische Funktionen zu entwickeln, die es Nutzern ermöglichen, alles zu tun, von der Erstellung von E-Mails in ihrer eigenen Stimme und ihrem eigenen Ton bis hin zur Zusammenfassung langer Threads und der Nutzung der natürlichen Sprachsuche, um Dinge in ihrem Posteingang leicht zu finden. Bevor sie zu Superhuman kam, arbeitete Lorilyn in Produktteams bei Slack und Impira, einem KI-Startup, das von Figma übernommen wurde.

Lorilyn hat einen faszinierenden und unkonventionellen Weg in das Produktmanagement eingeschlagen.

Sie diente ein Jahrzehnt lang im Militär, flog Apache-Hubschrauber im Irak und unterrichtete Kadetten in West Point, bevor sie sich entschied, einen Karrierewechsel zu vollziehen und in ihren frühen 30ern als Produktpraktikantin bei Google zu arbeiten. Sie hat einen BA von West Point und einen MBA von Stanford.