Diese Arbeitsabläufe brauchen dringend ein KI-Update, sagt Global Product Leader

Tony Pagliocco ist Associate Director of Global Product Management bei Aldar und verantwortlich für Produktstrategie, Betriebsrahmen sowie Arbeitsweisen in 24 produktorientierten Teams.

Er und sein Team konzentrieren sich darauf, KI direkt in ihre Produkt-Workflows zu integrieren. Deshalb haben wir uns mit ihm zusammengesetzt, um zu erfahren, welche Workflows er derzeit optimiert und wie er die Akzeptanz in der gesamten Organisation sicherstellt. Hier ist, was er dazu gesagt hat.

Komplexe Probleme im großen Maßstab

Ich habe die letzten über 20 Jahre damit verbracht, digitale Produkte in verschiedenen Branchen zu entwickeln und zu skalieren – von Medien und Gaming bis hin zu Luftfahrt, Logistik und nun Immobilien hier in den VAE. Ich löse durchgehend komplexe Probleme im großen Maßstab und baue Teams auf, die wirklichen Einfluss erzielen.

Zu Beginn meiner Karriere war ich sehr operativ tätig – habe Produkte gelauncht und gelernt zu liefern. Danach leitete ich größere Produktorganisationen und trieb unternehmensweite Transformationen voran. Einer der prägendsten Abschnitte war bei Boeing, wo ich die Produktverantwortung für digitale Smart-Factory-Plattformen für die Programme 777 und 787 innehatte. Wir arbeiteten mit Multi-Petabyte-Datenumgebungen und setzten NLP und Computer Vision in Fertigungs- und Lieferkettenprozessen ein. Wir entwickelten Systeme zur Vorhersage von Problemen, Optimierung von Abläufen und zum weltweiten Betrieb. Diese Erfahrung hat meine Sicht auf Daten, Plattformen und heute KI maßgeblich beeinflusst.

Bei Aldar ist KI tief in alles integriert, was wir entwickeln – von Smart-City-Plattformen und digitalen Zwillingen bis hin zu Masterplanung und Machbarkeits-Tools. Wir nutzen KI, um Entscheidungen zu simulieren, vorherzusagen und zu optimieren, lange bevor physisch gebaut wird, was die betrieblichen Abläufe grundlegend verändert.

Dieser Moment ist ein Wendepunkt. Wir gehen vom Bau von Software zum Aufbau intelligenter Systeme über – und die Rolle der Produktleitung verschiebt sich von der Roadmap-Verwaltung hin zur Orchestrierung von Daten, KI und realen Resultaten im großen Maßstab.

Produktstrategie führen

Heute bin ich als Associate Director of Global Product Management bei Aldar tätig, dem Chief Digital Officer unterstellt, wo ich die Produktstrategie, Betriebsrahmen und Arbeitsmethoden für 24 produktgetriebene Teams leite.

Unsere Teams sind in einem breit gefächerten Ökosystem tätig, das Immobilienverkauf, Einzelhandel, Gewerbe, Wohnbereich, Treueprogramme und Marketing, E-Commerce, Gastgewerbe und IoT für Smart Cities umfasst – und unsere Vorzeigeplattform, Live Aldar, bildet das Fundament für alles. Wir unterstützen sowohl kundenorientierte Erlebnisse als auch interne Plattformen, mit besonderem Fokus darauf, alles zu einer nahtlosen End-to-End-Reise zu verbinden.

Für die Lieferung arbeiten wir in funktionsübergreifenden Teams, die auf Geschäftsergebnisse ausgerichtet sind, während wir in gemeinsame Plattformen wie Identität, Zahlungen, Daten und KI investieren, um die Skalierbarkeit im gesamten Ökosystem zu gewährleisten. Meine Aufgabe ist es, Konsistenz in der Arbeitsweise sicherzustellen, zugleich aber jedem Bereich die Möglichkeit zu geben, schnell zu agieren und wirksam zu sein.

Warum KI gute Grundlagen braucht

Tonys Gedanken

Teams, die mit KI kämpfen, versuchen meist, diese auf eine defekte Basis aufzusetzen.

Das Erste, was gesagt werden muss: KI ist kein Feature. Es ist eine Fähigkeit, die verändert, wie Ihr gesamtes Produkt und Ihre Organisation funktionieren.

Viele Teams gehen KI an wie jede andere Verbesserung – sie bauen einen Chatbot ein, automatisieren Arbeitsabläufe oder verbessern ein Feature. Diese Denkweise begrenzt den Einfluss. Tatsächlich verändert KI, wie Entscheidungen getroffen, Produkte entwickelt und Wert geschaffen wird.

Gleichzeitig deckt KI die Grundlagen auf. Wenn Ihre Daten fragmentiert, Ihre Arbeitsabläufe unklar oder Ihr Produktdenken schwach ist, verschärft KI diese Probleme noch. Teams, die mit KI kämpfen, versuchen meist, sie auf eine defekte Basis aufzusetzen.

Die eigentliche Aufgabe ist sicherzustellen, dass die richtigen Inputs, Strukturen und Leitplanken gegeben sind. Ohne diese sehen die Ergebnisse vielleicht auf den ersten Blick gut aus, sind aber für den Praxis-Einsatz im Produkt nicht zuverlässig. Hätte ich das frühzeitig gewusst, hätte ich früher in Datenbereinigung, klarere Definition des Problemraums und stärkere Rahmenbedingungen für den KI-Einsatz im Produkt investiert.

Allein das hätte Zeit gespart, da unrealistische Erwartungen vermieden worden wären. Es gibt oft den Druck, schnell zu handeln und KI zu präsentieren, aber ohne die richtigen Grundlagen iteriert man mehr als nötig – oder noch schlimmer, verliert das Vertrauen der Nutzer.

Bevor man sich also in etwas stürzt, sollten Führungskräfte fragen: „Haben wir die Daten, das Betriebsmodell und die Disziplin im Produktmanagement, um davon zu profitieren?“

Wie KI den Produktentwicklungsprozess verändert

Einer der größten Veränderungen, die wir im vergangenen Jahr vorgenommen haben, war der Wechsel von statischer, dokumentenlastiger Produktentwicklung zu KI-gestützter, kontinuierlicher Discovery und Delivery.

Traditionell basierte unser Prozess auf strukturierten Artefakten – PRDs, Business Cases, Forschungsdokumenten – deren Erstellung zeitaufwendig war und die schnell veraltet sind. Wir haben KI direkt in diesen Arbeitsablauf integriert, um Kundenfeedback zu synthetisieren, Supportanfragen zu analysieren, erste Produktanforderungen zu generieren und sogar Annahmen im Rahmen der Discovery zu hinterfragen.

Dadurch haben sich Geschwindigkeit und Qualität der Entscheidungsfindung verändert. Product Manager starten nicht mehr bei null, sondern mit Einblicken. Wir erleben schnellere Zyklen von der Idee zur Validierung, eine bessere Abstimmung über alle Beteiligten hinweg und stärker datenbasierte Priorisierung.

Das hat auch die Arbeitsweise unserer Teams verändert. KI ist jetzt kein separates Tool mehr, sondern fest in die tägliche Arbeit integriert – sei es beim Generieren von Hypothesen, beim Zusammenfassen von Daten oder beim Beschleunigen der Umsetzung. Die Rolle des PM verschiebt sich etwas: weg vom Ersteller, hin zum Kurator und Entscheider.

Wie Produkt-Discovery mit KI neu gestaltet werden kann

Gerade im gesamten Produktlebenszyklus benötigt Discovery die größte Neugestaltung.

Traditionell war Discovery langsam, manuell und basierte stark auf kleinen Stichproben – Interviews, Umfragen, begrenzte Datenanalysen. Mit KI gilt dieses Modell nicht mehr. Wir können jetzt enorme Mengen an Kundenfeedback, Verhaltensdaten und Signalen nahezu in Echtzeit verarbeiten.

Aber die meisten Teams betreiben Discovery immer noch, als wäre es 2015.

Wir haben begonnen, Jira Product Discovery in unseren Workflow zu integrieren, um Ideen, Einblicke und Priorisierung besser zu strukturieren. Das hat uns eine solide Grundlage gegeben, aber wir haben erst dann richtig beschleunigt, als wir Rovo KI-Agenten integriert und sie mit unserem breiteren Ökosystem – Dokumentation, technische Designs, Figma und anderen Delivery-Tools – verbunden haben.

Außerdem haben wir kontinuierliche Datenströme – Umfrageergebnisse, Kundenfeedbackschleifen, Daten aus dem Contact Center und Produktanalysen – integriert und alles in einen einzigen Discovery-Flow eingespeist.

Jetzt können Teams, statt Inputs manuell zusammenzuführen, Signale schnell synthetisieren, erste Anforderungen generieren und Discovery direkt mit der Umsetzung verbinden. Die Lücke zwischen „Einblick“ und „Lieferung“ hat sich deutlich verringert.

Das führt zu schnelleren Zyklen und besserer Qualität. Teams starten von einem stärker informierten Ausgangspunkt, mit einer besseren Abstimmung zwischen Produkt, Design und Engineering.

Warum KI Produktaktivitäten unterstützt, aber Menschen die Entscheidungen treffen

Wir setzen KI gezielt für Skalierbarkeit, Geschwindigkeit und Mustererkennung ein – Discovery, Datenanalyse und frühe Ideenfindung. Es ist mittlerweile unser Standard-Ausgangspunkt, kein „Nice-to-have“.

KI synthetisiert Kundenfeedback, Supporttickets und Verhaltensdaten innerhalb von Minuten, formt Hypothesen und generiert sogar erste Anforderungen. In unserer Arbeit zu Smart Cities und digitalen Zwillingen nutzen wir sie zudem, um Szenarien zu simulieren – und so Planung und Machbarkeitsentscheidungen frühzeitig zu unterstützen.

Aber wir sind sehr klar, wo KI aufhört.

Priorisierung, Fahrplanentscheidungen, UX-Feinheiten und Abwägungen bleiben menschlich, weil dort Kontext, Erfahrung und Verantwortlichkeit zählen. KI versteht weder Strategie, Politik noch Risiko auf sinnvolle Weise. Sie kann Entscheidungen unterstützen, aber sollte sie nicht treffen.

Wir haben beispielsweise KI genutzt, um Kundenfeedback und Support-Tickets zu analysieren und dadurch die Priorisierung zu steuern. Das Modell hat Muster erkannt und häufig erwähnte Probleme effektiv hervorgehoben, konnte aber nicht zwischen dem unterscheiden, was laut und was wichtig war. Weniger bedeutsame Themen waren überrepräsentiert, einfach, weil sie häufiger gemeldet wurden – während kritischere, aber seltenere Probleme unterbewertet waren.

Es fehlte auch der Kontext zur Customer Journey – warum etwas geschah und nicht nur, dass es geschah. Menschliches Urteilsvermögen war entscheidend, um das Signal richtig zu interpretieren.

Aus Vertrauenssicht galt: Wenn KI etwas aufzeigte, das nicht mit der Intuition der Stakeholder übereinstimmte, wurde es von diesen schnell abgelehnt. Genauigkeit allein reichte also nicht – die Ergebnisse mussten erklärbar und im realen Kontext nachvollziehbar sein.

Warum Produktmanager vorsichtig mit zu großer KI-Abhängigkeit sein müssen

Geschwindigkeit und Durchsatz sind die größten Vorteile von KI. Produktmanager kommen vom Konzept zur validierten Richtung deutlich schneller; was früher Tage an Analyse und Ausarbeitung erforderte, geschieht jetzt in Stunden. Über die Teams hinweg schätze ich eine Beschleunigung von 30–50% in den frühen Entdeckungs- und Dokumentationszyklen.

Auch die Qualität hat sich verbessert. KI hilft Teams, mit einer fundierteren Ausgangsbasis zu starten, Kundenhinweise einzubinden, Muster aufzuzeigen und blinde Flecken zu vermeiden. Das führt zu besseren Anfangshypothesen und datenbasierten Diskussionen mit Stakeholdern.

Auf der anderen Seite ist Überabhängigkeit das größte Risiko, das ich beobachtet habe. Einige Teams behandelten KI-Ergebnisse zunächst als „Antworten“ und nicht als Input, was zu oberflächlichem Denken oder generischen Lösungen führte. Wir mussten Teams aktiv dazu anleiten, die KI-Ergebnisse kritisch zu hinterfragen und zu verfeinern, statt sie einfach zu übernehmen.

Es gibt auch eine Konsistenzlücke. KI ist nur so gut wie der Kontext, den man ihr gibt. Starke Produktmanager holen exponentiell mehr Wert heraus, weil sie wissen, wie sie sie steuern. Weniger erfahrene können sich schwertun oder produzieren störende Ergebnisse.

Unterm Strich ist das Potenzial real. Schnellere Zyklen, bessere Startpunkte – aber nur mit starkem Produktdenken. Andernfalls gelangt man nur schneller zur falschen Antwort.

Warum End-to-End-Automatisierung Produktmanager enttäuscht

Anfangs nahm ich an, KI könnte Roadmap-Entscheidungen sinnvoll beeinflussen oder hochwertige, einsatzbereite Lösungen liefern. Tatsächlich sind die generierten Ergebnisse oft hilfreich in der Richtung, bleiben aber generisch. Es fehlt an Geschäftskontext, Verständnis für Kunden und den alltäglichen Abwägungen erfahrener Teams.

End-to-End-Automatisierung ist ein weiterer Bereich, in dem sie noch nicht ihr volles Potenzial entfaltet hat. KI-Agenten versprechen viel bei der Durchführung von Workflows oder der Ersetzung von Teilen der Umsetzung, benötigen in der Praxis aber weiterhin starke menschliche Kontrolle, um auf größerer Skala zuverlässig zu funktionieren.

Die Lücke besteht also zwischen Erwartungen und Realität. KI ist ein unglaublicher Beschleuniger, aber kein Ersatz für Produkturteilskraft – und Teams, die das verkennen, werden meist recht schnell enttäuscht.

Tonys Gedanken

KI ist ein unglaublicher Beschleuniger, aber kein Ersatz für Produkturteilskraft – und Teams, die das verkennen, werden meist recht schnell enttäuscht.

Warum Produktmanager mit KI von Kontrolle zu Vertrauen wechseln müssen

Produktqualität entsteht heute nicht mehr durch vollständig kontrollierte, deterministische Erfahrungen. Wir müssen uns von diesem Gedanken verabschieden.

Traditionell wurden Produkte so gestaltet, dass sie vorhersehbar funktionieren – klare Abläufe, definierte Ergebnisse, alle Sonderfälle abgedeckt. Mit KI, insbesondere generativer KI, bringt man automatisch Variabilität ins Spiel. Die gleiche Eingabe liefert nicht immer exakt dasselbe Ergebnis, und das verändert die Sicht auf Qualität.

Das zwingt zu einem Umdenken: Weg von „Ist das perfekt definiert?“ hin zu „Ist das zuverlässig nützlich und im akzeptablen Rahmen?“

Das ist ein großer Wandel im Denken. Man gestaltet nicht mehr jedes Ergebnis, sondern Systeme mit Leitplanken, Feedbackschleifen und Möglichkeiten zur stetigen Verbesserung. Es bedeutet auch, ein gewisses Maß an Unvollkommenheit zu akzeptieren – solange der Wert stimmt und die Risiken gemanagt werden.

Ich habe also die Kontrolle abgegeben und bin zum Vertrauen gewechselt – dem System zu vertrauen, dass es sich innerhalb der gegebenen Grenzen bewegt, anstatt jedes Ergebnis im Voraus festzulegen.

Wie KI die Dynamik von Produktteams verändert

KI hat die Struktur des Teams nicht so sehr verändert wie seine Arbeitsweise.

Wir haben keine Rollen ersetzt, aber die Erwartungen an diese Rollen haben sich verschoben. Produktmanager verbringen weniger Zeit mit manueller Analyse und Dokumentation und mehr Zeit mit Urteilsvermögen, Priorisierung und dem Vorantreiben von Ergebnissen. Das Anforderungsniveau an das Denken hat sich erhöht.

Auch die Grenzen zwischen einzelnen Rollen verlaufen zunehmend fließend. Produktmanager beschäftigen sich intensiver mit Daten, Designer nutzen KI für schnellere Iterationen und Entwickler setzen sie zur Beschleunigung der Entwicklung ein. Die Kollaborationsschleifen sind enger, da jeder Einzelne schneller agieren kann.

Gleichzeitig beobachten wir eine deutliche Kluft: Menschen, die wissen, wie sie mit KI arbeiten, und solche, die es nicht tun. Die Teams, die sich darauf einlassen, sind deutlich produktiver.

Wie die Integration von KI in Arbeitsabläufe die Akzeptanz erhöht

Die Einführung war eine Herausforderung. Nicht alle bewegen sich im gleichen Tempo. Einige sind offen, probieren aus und passen sich schnell an. Andere zögern, stellen Fragen oder warten darauf, dass alles perfekt ist, bevor sie sich einbringen – und genau dort zeigt sich die Kluft.

Wir haben die Nutzung von KI sichtbar und erwartet gemacht – nicht optional.

Statt es als „Hier ist ein neues Tool“ einzuführen, haben wir es direkt in die Teamabläufe integriert. Zum Beispiel haben wir unsere Produktworkflows so angepasst, dass jeder Discovery- oder PRD-Zyklus einen KI-gestützten ersten Entwurf beinhaltet – sei es für die Zusammenfassung von Kundenfeedback, das Generieren erster Anforderungen oder das Skizzieren von Hypothesen. Es wurde Teil des Ablaufs, kein Zusatz.

Zudem haben wir eine einfache Erwartung gesetzt: Kommt nicht mit einem leeren Blatt zu einem Review oder einer Diskussion. Beginnt mit etwas KI-unterstütztem und zeigt dann, wie ihr es weiterentwickelt habt. Das hat die Denkweise schnell von Widerstand zu praktischem Nutzen verändert.

Zugleich haben wir Erfolge hervorgehoben – beispielsweise, wie ein Team die Discovery-Zeit halbiert oder durch KI die Qualität des ersten Entwurfs verbessert hat. Diese Sichtbarkeit im Team hat für Schwung gesorgt.

Es ging nicht darum, die Einführung zu erzwingen; es ging darum, sie im Arbeitsablauf zu normalisieren und die Vorteile durch reale Beispiele deutlich zu machen.

Warum Produktverantwortliche jetzt auf KI setzen müssen

Mein Rat: Nicht auf Klarheit warten – jetzt einsteigen und loslegen.

Das ist ein Moment, in dem die frühen Anwender entscheiden, wie es weitergeht. Man kann entweder abwarten und analysieren oder die Ärmel hochkrempeln und es in den realen Arbeitsabläufen ausprobieren. Die Kluft zwischen denen, die KI täglich nutzen, und denen, die noch darüber reden, entsteht bereits.

Seien Sie ein:e Vorreiter:in. Wenn Sie glauben, dass dies die Zukunft ist, handeln Sie auch so. Reden Sie nicht nur, nutzen Sie es selbst, fordern Sie Ihr Team heraus, es zu nutzen und integrieren Sie KI in die Abläufe Ihrer Organisation. Dabei geht es nicht um Pilotprojekte am Rande – es geht darum, die Art und Weise, wie Sie Produkte entwickeln, grundlegend zu verändern.

Aber bleiben Sie bodenständig. KI ersetzt das Denken nicht. Sie ist ein Multiplikator. Erfolgreiche Führungskräfte verbinden starke Produktkompetenz mit der Bereitschaft, schnell zu lernen.

Am Ende geht es ums Lernen. Wenn Sie jetzt nicht aktiv lernen, ausprobieren und sich weiterentwickeln, werden Sie zurückfallen. So einfach ist das.

Also: Engagieren Sie sich, bleiben Sie neugierig und führen Sie von vorn.

Bleiben Sie dran

Mehr über die Arbeit von Tony Pagliocco erfahren Sie auf tonypag.com oder Sie vernetzen sich mit ihm auf LinkedIn.

Weitere Experteninterviews folgen im The CPO Club!