Technik-CPO sagt, dass Produktverantwortliche die falschen Fragen stellen – und die größten Chancen verpassen

Emrecan Dogan ist CPO bei Glean. Zuvor hatte er Führungspositionen im Produktbereich bei Stripe und LinkedIn inne.

Wir haben mit ihm darüber gesprochen, wie sich die Perspektiven von Produktmanagern durch KI verändern müssen. Er sagte, dass die meisten Teams KI noch immer wie eine Funktion behandeln – und dass das ein Fehler ist.

KI bietet die Möglichkeit, kontextbewusste Systeme zu entwickeln

Ich bin Emrecan Dogan, Produktvorstand bei Glean. Ich verantworte Produkt, Datenwissenschaft, Produktbetrieb und technische Programme und konzentriere mich darauf, Teams dabei zu unterstützen, sich im Arbeitsalltag wirklich auf KI zu verlassen.

Mein beruflicher Weg lag schon immer an der Schnittstelle von Systemen, Produkturteil und Skalierung. Vor Glean hatte ich Führungspositionen im Produktbereich bei Stripe und LinkedIn inne. Außerdem war ich in Start-ups und im Investmentbereich tätig. Dadurch konnte ich aus nächster Nähe beobachten, wie sich Plattformen verändern und wie schnell Produktannahmen ins Wanken geraten können, sobald neue Technologien praktikabel werden.

KI hat mich so stark in ihren Bann gezogen, weil sie nicht einfach nur eine weitere Welle neuer Funktionen ist. Sie verändert die Form des Produkts selbst. Jahrelang half Software den Nutzern vor allem dabei, sich in Daten führenden Systemen zurechtzufinden. KI gibt uns jedoch die Möglichkeit, Systeme zu entwickeln, die Kontext verstehen, über verschiedene Werkzeuge hinweg Schlussfolgerungen ziehen und Menschen dabei unterstützen, von einer Absicht zur Umsetzung zu gelangen. Als Produktverantwortlicher interessiert mich dieser Wandel besonders.

Emrecan berichtet

Jahrelang half Software den Nutzern vor allem dabei, sich in Daten führenden Systemen zurechtzufinden. KI gibt uns jedoch die Möglichkeit, Systeme zu entwickeln, die Kontext verstehen, über verschiedene Werkzeuge hinweg Schlussfolgerungen ziehen und Menschen dabei unterstützen, von einer Absicht zur Umsetzung zu gelangen. Als Produktverantwortlicher interessiert mich dieser Wandel besonders.

Die Herausforderung, zugleich breit einsetzbare und präzise Werkzeuge zu entwickeln

Meine Organisation entwickelt KI für sichere Arbeit im Unternehmensmaßstab: Unternehmenssuche, proaktive Assistenten, Agenten sowie eine Kontextebene, die diesen Anwendungen hilft, die Mitarbeiter, das Wissen, die Werkzeuge und die Berechtigungen eines Unternehmens zu verstehen.

Das Produkt ist grundsätzlich horizontal ausgerichtet. Wir entwickeln es für jede Abteilung und jedes Team im gesamten Unternehmen – von Produktentwicklung und Engineering über Vertrieb und Support bis hin zu IT, HR, Finanzen, Recht und weiteren Bereichen. Sie alle teilen dasselbe grundlegende Bedürfnis: Menschen dabei zu helfen, Entscheidungen zu treffen und Arbeit in einer fragmentierten Landschaft aus Apps, Dokumenten, Gesprächen und Systemen zu erledigen.

Wir stellen dies als SaaS-Plattform für Unternehmen bereit, die über eine breite und komplexe Systemlandschaft hinweg funktioniert und gleichzeitig Berechtigungen tiefgreifend berücksichtigt, zuverlässig ist und sich in die täglichen Arbeitsabläufe der Nutzer einfügt. Die Herausforderung – und zugleich die Chance – besteht darin, etwas zu entwickeln, das im gesamten Unternehmen breiten Nutzen bietet und sich dennoch im spezifischen Kontext jedes Teams präzise und relevant anfühlt.

Wie KI Produkte von Funktionen zu Arbeitsabläufen verändert

Wir definieren das Produkt nicht mehr in erster Linie als eine Sammlung isolierter Funktionen. Wir definieren es als einen durchgängigen Produktarbeitsablauf.

Vor einem Jahr dachten viele Teams, auch wir, noch in Kategorien wie: „Wo befindet sich diese Funktion?“ oder „Welche Seite sollte diesen Anwendungsfall abbilden?“ KI hat uns dazu gebracht, eine andere Frage zu stellen: „Wie erledigt der Nutzer seine Aufgabe von der Absicht bis zum Ergebnis?“

Das klingt subtil, verändert aber alles. Es verändert den Umfang, die Kennzahlen, die Bewertung, die Nutzererfahrung und sogar die Organisation von Teams.

Meine nicht mehrheitsfähige Einschätzung: Die meisten Teams unterschätzen noch immer, wie tiefgreifend dieser Wandel ist. Sie nutzen KI, um dem bestehenden Produkt eine Funktion hinzuzufügen. Die größere Chance besteht jedoch darin, den gesamten Arbeitskreislauf neu zu gestalten.

In vielen Fällen lautet die richtige Frage nicht mehr: „Wo platzieren wir diese Fähigkeit?“ Sondern: „Welche bestehende Benutzeroberfläche sollte verschwinden, weil das System die Arbeit nun direkter erledigen kann?“

Wie KI Produktentscheidungen beeinflusst, während Menschen für Vertrauen sorgen

Ich nutze KI intensiv für die Synthese, die Erkundung und die Beschleunigung meiner Arbeit. Zu den Aufgaben gehören:

• Zusammenfassen von Kundenfeedback aus zahlreichen Quellen
• Erkennen von Mustern in Nutzungs- und Workflowdaten
• Erstellen einer PRD-Struktur oder Entwickeln verschiedener Ansätze
• Schnelles Erkunden mehrerer UX-Richtungen
• Überprüfen von Annahmen unter realistischen Bedingungen
• Erstellen erster Entwürfe für Planung, Reviews und Kommunikation

Was ausdrücklich menschlich bleibt, ist das Urteilsvermögen. Viele Menschen ziehen die Grenze zwischen Mensch und Maschine an der falschen Stelle. Die Grenze verläuft nicht zwischen Aufgaben mit geringem Wert, die KI übernimmt, und Aufgaben mit hohem Wert, die Menschen erledigen. Sie verläuft dort, dass KI die umfassende Suche, Verdichtung und Generierung von Optionen übernehmen sollte, während Menschen weiterhin für Gespür, Vertrauen und unumkehrbare Abwägungen verantwortlich bleiben.

Ich würde das Gespür für gute Produkte niemals auslagern. Ich würde auch niemals die Verwaltung von Berechtigungen oder Vertrauensentscheidungen auslagern. Und ich würde ein Modell niemals die endgültige Entscheidung darüber treffen lassen, was entwickelt werden sollte, nur weil es mehrere Optionen begründen kann.

Optionen zu generieren, ist heute günstig. Kohärentes Urteilsvermögen nicht.

Wie KI Workflows für die Produktplanung verbessert

Nehmen wir beispielsweise unseren Workflow für die Produktplanung.

Ich könnte mit einer offenen Frage beginnen wie: „Hilf mir zu beurteilen, ob es sich jetzt lohnt, dieses Problem zu lösen.“

Anschließend trägt das System Kundenfeedback, frühere interne Dokumente, Nutzungssignale, verwandte Arbeiten an der Roadmap und den Wettbewerbs-kontext zusammen. Und ich nutze KI, um diese Informationen zu synthetisieren, die wichtigsten Muster zu erkennen, offene Fragen zu identifizieren und eine erste Einordnung des Produkts zu erstellen.

Als Nächstes nutze ich sie, um diese Einordnung in konkretere Entwürfe zu überführen: einen Spezifikationsentwurf, eine Reihe von Optionen, Abhängigkeiten, Überlegungen zur Einführung und Aufgaben für das Team.

In der stärksten Ausprägung dieses Workflows hört der Assistent nicht beim Erstellen von Entwürfen auf. Er hilft dabei, die zugrunde liegenden Objekte in den Systemen, in denen die Arbeit stattfindet, zu erstellen oder zu aktualisieren – mit einem Menschen im Prozess, bevor etwas verbindlich übernommen wird.

Der Workflow führt von der Recherche über die Synthese bis zur Umsetzung in einer kontinuierlichen Schleife. Genau dort wird KI deutlich wertvoller als ein Chatbot.

Warum KI die Produktentwicklung beschleunigt, aber das Vertrauen auf die Probe stellt

Eine positive Folge all dessen ist, dass die Möglichkeiten deutlich größer werden.

KI kann Workflows verdichten, die zuvor umfangreiches Wechseln zwischen Tabs, manuelle Synthese und wiederholte Abstimmung erforderten. Sie kann Produktteams dabei schneller machen, von der Frage zum Kontext, vom Kontext zur Entscheidung und von der Entscheidung zur Umsetzung zu gelangen. Außerdem erhöht sie die Erwartungen der Nutzer. Sobald Menschen einen Assistenten erleben, der ihre Tools, ihre Historie und ihre Berechtigungen verstehen kann, wollen sie keine Punktlösungen mehr, die nur enge Fragen beantworten.

KI erweitert also schnell die Möglichkeiten, aber dauerhafter Produktwert entsteht weiterhin durch Sorgfalt.

Wie vertrauensorientiertes Design Fallstricke bei KI-Produkten verhindert

Eine negative Folge ist, dass KI es auch einfacher macht, etwas Beeindruckendes zu veröffentlichen, dem noch nicht vertraut werden kann. In der Anfangsphase legen viele Teams zu viel Wert auf den Wert einer Demo und zu wenig auf Evaluierung, Berechtigungen, Zuverlässigkeit und eine klare UX hinsichtlich der Funktion des Systems. Man kann schnell Begeisterung erzeugen, aber wenn die Ergebnisse inkonsistent sind oder der Workflow auf der letzten Meile scheitert, verlieren Nutzer ebenso schnell ihr Vertrauen.

Vertrauen sollte keine Ebene sein, die man später hinzufügt. Es ist vom ersten Tag an Teil des Produkts.

Nutzer stellen fast sofort tiefgreifendere Fragen: Woher stammt das? Warum hat es das getan? Kann ich mich darauf verlassen? Wird es Berechtigungen respektieren? Was passiert, wenn es falsch liegt? Wenn man diese Fragen nicht frühzeitig in das Design einbezieht, muss man später zentrale Teile des Produkts neu entwickeln.

Wenn ich das schon zu Beginn meiner Tätigkeit in der Produktführung so eindringlich verstanden hätte, hätte ich noch früher auf klare Quellenangaben, bessere Evaluierungen, eine größere Transparenz über Fortschritte und engere Kontrollen mit menschlicher Beteiligung gedrängt.

Warum das System rund um KI am wichtigsten ist

KI hat bisher noch nicht durchgängig vollständig autonome Arbeitsabläufe mit langfristigem Zeithorizont geliefert, wie viele Menschen gehofft hatten.

Bei klar abgegrenzten Aufgaben ist sie hervorragend. Bei der Ausführung mehrstufiger Aufgaben wird sie immer besser. Doch bei mehrdeutiger, funktionsübergreifender Arbeit, die anhaltendes Urteilsvermögen, sich verändernde Ziele und ein nuanciertes Verständnis der Beteiligten erfordert, ist die Lücke zwischen einer überzeugenden Demo und einem verlässlichen Nutzen in der Produktion nach wie vor real.

KI bleibt auch dann hinter den Erwartungen zurück, wenn Teams davon ausgehen, dass allein das Modell das Produkt ist. In der Praxis entsteht der tatsächliche Wert durch Kontext, Berechtigungen, Orchestrierung, Evaluierung und eine durchdachte Gestaltung der Arbeitsabläufe. Ohne dieses umgebende System ist das Modell häufig der am wenigsten differenzierte Bestandteil.

Emrecan teilt

Bei klar abgegrenzten Aufgaben ist KI hervorragend. Bei der Ausführung mehrstufiger Aufgaben wird sie immer besser. Doch bei mehrdeutiger, funktionsübergreifender Arbeit, die anhaltendes Urteilsvermögen, sich verändernde Ziele und ein nuanciertes Verständnis der Beteiligten erfordert, ist die Lücke zwischen einer überzeugenden Demo und einem verlässlichen Nutzen in der Produktion nach wie vor real.

Wie KI Produktteams interdisziplinär macht

KI hat die besten Teams interdisziplinärer gemacht. Die Grenzen zwischen Produktmanagement, Design, Entwicklung, Datenwissenschaft und Produktbetrieb sind weniger starr, weil auch das Produkt selbst weniger starr ist.

Die Entwicklung starker KI-nativer Produkte erfordert eine engere Zusammenarbeit bei der Gestaltung von Arbeitsabläufen, der Evaluierung, dem Vertrauen und der Weiterentwicklung. Außerdem steigt die Bedeutung von Menschen, die zwischen Nutzererlebnis und Systemverhalten wechseln können.

Wie sich Produktverantwortliche an den KI-getriebenen Wandel anpassen sollten

Hier ist mein Rat:

1. Gestaltet eure Arbeitsabläufe neu.
2. Betrachtet Kontext als grundlegenden Baustein des Produkts. Bei KI-Produkten liegt der Unterschied zwischen etwas Magischem und etwas Mittelmäßigem oft nicht im Modell. Entscheidend ist, ob das System zum richtigen Zeitpunkt über den richtigen Kontext verfügt und sicher darauf reagieren kann.
3. Investiert früher als gewöhnlich in Evaluierungen und eine Infrastruktur für Vertrauen. Produktverantwortliche sind es gewohnt, Klicks und Trichter zu messen. Bei KI müsst ihr außerdem Qualität, Fundierung, Sicherheit, Berechtigungen und den Aufgabenerfolg messen. Das ist nicht optional. Die Branche investiert nach wie vor zu wenig in diesen Bereich, weil Demos mit Neuartigkeit punkten und Nutzer Zuverlässigkeit honorieren. Kehrt die übliche Reihenfolge der Abläufe um: Wenn euer Team keine Evaluierungen, Berechtigungsvergabe, Quellenangaben und klaren Übergaben eingerichtet hat, seid ihr nicht bereit, das Nutzungserlebnis zu skalieren – ganz gleich, wie gut das Modell in einer Demo aussieht.
4. Wartet schließlich nicht auf Gewissheit. Dies ist ein Moment, in dem man durch die Veröffentlichung von Produkten lernen kann – aber mit Disziplin.

Bleibt auf dem Laufenden

Ihr könnt die Arbeit von Emrecan Dogan auf LinkedIn verfolgen.

Weitere Expertengespräche folgen im The CPO Club!