Produktexperte teilt den Vibe-Coding-Arbeitsablauf, der technische Übergaben ersetzt

Anton Ingachev ist der Gründer von Mini Apps Builder, einer No-Code-Plattform zur Erstellung von Telegram-Apps, bei der er für das Produkt verantwortlich ist. Zuvor hatte er mehrere Positionen als CPO und Produktleiter inne.

Wir haben mit Anton gesprochen, um zu erfahren, wie er technische Übergaben reduziert, indem er kleine Funktionen selbst per Vibe-Coding entwickelt. Das hat er uns erzählt.

Aus der Notwendigkeit heraus in die KI eintauchen

Ich arbeite seit über zehn Jahren im Produktbereich – in den Bereichen Fintech, Schachplattformen, Blockchain und Gesundheitstechnologie. Zweimal war ich als CPO und einmal als Produktleiter tätig.

Meine Reise mit KI begann aus einem praktischen Bedarf heraus, nicht als Teil einer Strategie. Vor etwa eineinhalb Jahren habe ich Mini Apps Builder mitgegründet – eine B2B2C-No-Code-Plattform zur Erstellung von Telegram-Apps. Als CPO ohne technischen Hintergrund musste ich Funktionen schnell veröffentlichen, ohne auf einen vollständigen Entwicklungszyklus zu warten. Damals begann ich, Claude Code und Cursor täglich zu nutzen – nicht nur für Dokumentation oder Prototyping, sondern für die Arbeit an produktiven Systemen.

Um das volle Potenzial zu demonstrieren, entwickelte ich allein ein produktionsreifes Produkt – Architektur, Backend, Frontend, alles – mithilfe von KI-Tools und ohne Entwicklerteam. Damit wurde aus „Ich nutze KI, damit ich schneller arbeiten kann“ die Erkenntnis: „Ich kann selbst echte Produkte entwickeln und veröffentlichen.“

Jetzt wende ich denselben Ansatz bei Mini Apps Builder an – ich entwickle einige Funktionen direkt, anstatt sie lediglich für Entwickler zu spezifizieren.

Mein Weg war also nicht: „Ich habe über die KI-Transformation gelesen und beschlossen, sie anzuführen.“ Stattdessen musste ich mich ohne ein großes Team schnell bewegen; KI machte das möglich, und deshalb denke ich heute anders über Produktstrategie nach – jede Entscheidung zum Produktfahrplan beinhaltet nun die Frage: „Kann KI diesen Schritt übernehmen oder ihn nur unterstützen?“

Wie KI das alte Übergabemodell in Produktarbeitsabläufen ersetzt

Jahrelang war ich überzeugt, dass die Aufgabe eines PMs bei der Spezifikation endet. Man schreibt die Anforderungen, fasst den Code aber nicht an – das ist die Aufgabe der Entwickler. Diese Grenze zu überschreiten, fühlte sich wie ein Übergriff an.

Das ist die größte Veränderung, die KI in der Produktwelt bewirkt hat. Jetzt kümmere ich mich selbst um einfache Funktionen. Ich entwickle sie mit Claude Code und veröffentliche sie direkt, ohne auf Kapazitäten in der Entwicklung zu warten.

Dadurch können wir einen vollständigen Übergabeschritt einsparen. Anstatt von der Spezifikation über die technische Prüfung und die Entwicklung bis zur Qualitätssicherung zu gehen, entwickle und teste ich häufig direkt.

Unser Veröffentlichungszyklus umfasst mittlerweile zwei oder drei veröffentlichte Funktionen pro Woche – mit einem zweiköpfigen Team und verteilt auf die Website, das Händler-Dashboard, die Telegram-Mini-App selbst und unser internes Administrationspanel. Dieses Tempo wäre mit dem alten Übergabemodell nicht möglich.

Auch meine Vorstellung von der Teamstruktur hat sich dadurch verändert. Die entscheidende Einschränkung lautet nicht mehr: „Wie viele Entwickler haben wir?“ Stattdessen lautet sie: „Wie gut kann ich spezifizieren, was ich möchte?“

Ein durch KI unterstützter Arbeitsablauf für die Funktionsentwicklung

So sieht die Entwicklung von Funktionen aus:

1. Ich beschreibe die Aufgabe einem Spitzenmodell wie Claude Code. Ich teile mit, was mir gefällt, was mir nicht gefällt, welches Problem wir lösen und was nicht vergessen oder beschädigt werden darf. Ich gebe Referenzen an – manchmal von direkten Wettbewerbern, aber nicht immer.
2. Das Modell erstellt einen detaillierten Plan. Ich lese ihn. Falls nötig, nehme ich Änderungen vor oder stelle den Plan infrage.
3. Ich bitte Claude, den Plan als Code umzusetzen.
4. Ich erstelle einen PR, der automatisierte Prüfungen durchläuft, bevor er dem CTO zugewiesen wird.
5. Wenn alles in Ordnung ist, führt der CTO den Code in die Entwicklungsumgebung ein, und ich teste ihn im Produkt.
6. Wenn etwas nicht stimmt, hinterlässt der CTO Kommentare, ich bitte das Modell, sie zu beheben, und der Prozess beginnt von vorn.
7. Wenn etwas völlig danebenliegt, bespreche ich mit dem CTO, wie die an das LLM gegebenen Anweisungen verbessert werden können, und wiederhole den Vorgang.
8. Nach dem Testen in der Entwicklungsumgebung veröffentlichen wir die Änderungen in der Produktivumgebung.

Antons Gedanken

Ich teile mit, was mir gefällt, was mir nicht gefällt, welches Problem wir lösen und was nicht vergessen oder beschädigt werden darf.

Wo KI in Produktarbeitsabläufen eingesetzt werden kann

Die wichtigsten KI-Tools, die ich verwende, sind Claude Code, Codex, Cursor, Gamma, Midjourney und Figma Agent. Hier sind weitere Möglichkeiten, wie ich KI in Produkt-Workflows einsetze, zusammen mit einigen der Vorteile:

1. Unser gesamtes Produkt — Benutzeroberflächen, Blog, Hilfe-Center und Artikel zu Produktaktualisierungen — wird mit einem einzigen Klick nahezu in Echtzeit in 20 Sprachen übersetzt.
2. Von einem LLM verfasste Blogartikel haben unseren Suchverkehr ungefähr verdoppelt — und die Artikel benötigen nur einen Bruchteil der Zeit.
3. Als Produktmanager macht es mir KI leichter, meine eigenen Ideen zu hinterfragen — ich kann sie auffordern, Daten zu finden, die diese entweder stützen oder widerlegen.
4. Das Verfassen von Versionshinweisen ist kein Problem mehr, da KI dies nahezu automatisch erledigt.

Ehrlich gesagt kann ich keinen Bereich nennen, in dem KI nicht hilft. Fast überall bringt ihr Einsatz einen klaren Vorteil. Ja, Menschen müssen die Ergebnisse überprüfen, anpassen und die KI trainieren, aber überall dort, wo es ein klares Ziel und ein Verständnis dafür gibt, wie es mit KI erreicht werden kann, verbessert sich der Prozess.

Warum KI den richtigen Kontext benötigt, bevor sie in Workflows integriert wird

Wenn es um KI geht, ist Kontext alles.

Früher schrieb ich Blogartikel auf Grundlage eines Briefings von einem SEO-Spezialisten. Das dauerte zwei bis drei Stunden. Dann lud ich den Projektkontext in ein LLM und gab ihm das Briefing direkt — jetzt benötigen die Artikel 5–7 Minuten. Und wie bereits erwähnt, sind sie von höherer Qualität, was zu doppelt so viel Traffic führt.

Als ich den SEO-Spezialisten jedoch bat, die Artikel mithilfe von KI zu schreiben, war ich überrascht, wie schlecht die Ergebnisse waren. Der Grund? Sein LLM hatte deutlich weniger Projektkontext als meines.

Unabhängig vom Workflow: Investiert in die Bereitstellung von Kontext für eure KI-Tools!

Warum Produktverantwortliche einige Produkt-Workflows grundlegend überarbeiten müssen, aber nicht unbedingt alle

Mein Rat? Integriert KI jetzt in die meisten eurer Prozesse. 2022 ist vorbei; der Nutzen ist inzwischen eindeutig. KI ist unverzichtbar.

Produktverantwortliche sollten jeden Prozess und jedes Tool erneut prüfen, die zuvor als optimal galten. Das bedeutet jedoch nicht zwangsläufig, dass alle mit KI grundlegend überarbeitet werden müssen. Ihr müsst die Grenzen von KI, eure eigenen Stärken und Schwächen, das Produkt, an dem ihr arbeitet, Budgets und vieles mehr verstehen.

Die Einrichtung wird bei jedem einzelnen Projekt anders aussehen. Alles ist flexibel. Und es gibt keine etablierten bewährten Vorgehensweisen. Das macht die Sache komplizierter.

Der einzige Weg, es für euer Produkt herauszufinden, ist praktische Experimente durchzuführen.

Antons Gedanken

Mein Rat? Integriert KI jetzt in die meisten eurer Prozesse. 2022 ist vorbei; der Nutzen ist inzwischen eindeutig. KI ist unverzichtbar.

Folgt seinen Aktivitäten

Ihr könnt Anton Ingachevs Arbeit auf LinkedIn und GitHub verfolgen. Schaut euch auch Mini Apps Builder an.

Weitere Experteninterviews folgen im The CPO Club!