Wir haben einzelne Rollen schneller gemacht. Engineers shippen Code schneller. PMs schreiben Specs schneller. Designer erstellen Prototypen schneller. Aber niemand hat die Kommunikationsschicht und die Prozesse dazwischen angefasst.

Der traditionelle Produktentwicklungsfluss sieht immer noch so aus:

Sales spricht mit einem Kunden. Schreibt eine Zusammenfassung. PM interpretiert sie, schreibt Anforderungen. PO zerlegt sie in Stories. Designer erstellt Screens. Engineer baut es. QA testet es.

Das sind fünf Übergaben. Bei jeder geht Kontext verloren. Jede kostet Tage. Und jede übersetzt Information von einem Format in ein anderes.

Jetzt überleg dir, was passiert, wenn du AI in diese Kette einfügst. Jede Person wird 20 bis 30 Prozent schneller bei ihrem Schritt. Aber der Staffellauf selbst? Gleiche Anzahl an Übergaben. Gleiche Übersetzungsschichten. Gleiche verlorene Tage zwischen den Schritten.

Man kann einen Staffellauf nicht schneller machen, indem man jeden Läufer schneller macht. Man muss hinterfragen, ob man all diese Läufer überhaupt braucht.

Jede Übergabe verliert Signal

Jedes Mal, wenn Information von einer Person zur nächsten wandert, gehen Zeit und Kontext verloren. Ein Kunde sagt: "Ich breche das Onboarding bei Schritt 3 ab, weil mich die Benachrichtigungen überfluten." Bis das beim Engineering ankommt, steht im Ticket: "Benachrichtigungseinstellungen."

Das ursprüngliche Problem? Nicht mehr erkennbar.

In einem traditionellen Workflow passiert dieses Signal vier bis fünf Personen. Jede übersetzt. Jede verliert etwas. Discovery Insight wird zu Anforderung wird zu Story wird zu Screen wird zu Code wird zu Test.

AI kann jede Übersetzung schneller machen. Aber schnellere Übersetzung in einem kaputten Stille Post Spiel produziert immer noch Müll.

Die Unternehmen, die echte Ergebnisse erzielen, machen etwas anderes. Sie bauen das, was ich einen Shared Context Layer nenne: einen strukturierten, zugänglichen Ort, an dem Strategiedokumente, Kundenforschungstranskripte, technische Architektur und das Product Backlog zusammenleben. Kein Wiki, das niemand liest. Kein Confluence Friedhof. Ein funktionierendes Repository, aus dem sowohl Menschen als auch AI das Gesamtbild abrufen können.

Wenn AI das originale Kundengesprächstranskript UND die Codebase UND das bestehende Backlog lesen kann, braucht es keine fünf Menschen mehr zum Übersetzen. Es verbindet die Punkte selbst.

Zwei Teams, gleiches AI Budget, unterschiedliche Ergebnisse

Hier ist ein Vergleich, den ich immer wieder beobachte.

Team A hat AI Lizenzen für alle gekauft. PMs nutzen es für schnellere PRDs. Designer für Textvorschläge. Engineers für Code Reviews. Alle sind vielleicht 20 Prozent schneller bei ihren individuellen Aufgaben.

Team B hat etwas anderes gemacht. Sie haben ein Shared Context Repository aufgebaut. Kundenforschung, technische Architektur, Roadmap, Strategie, alles strukturiert und zugänglich. Wenn jemand im Team AI promptet, hat es das vollständige Bild.

Ihr PM schreibt keine PRDs von Grund auf und isoliert. Sie reviewen AI generierte Entwürfe gemeinsam mit Engineering und Design, Entwürfe, die bereits die richtigen Kundeninterviews und technischen Constraints referenzieren. Ihr Designer bastelt nicht alleine in Figma. Sie bauen Design Systeme, die AI interpretieren und Engineers direkt nutzen können. Sie prototypen direkt im Code neben dem Engineer, beide arbeiten vom gleichen Kontext aus.

Team A hat jede Rolle 20 Prozent schneller gemacht. Team B hat die meisten Übergaben überflüssig gemacht.

Beide Teams haben die gleichen Tools. Der Unterschied: Team A hat Aufgaben automatisiert. Team B hat den Workflow neu designt.

Übergaben bremsen, wie ihr baut. Aber es gibt einen zweiten Engpass.

Übergaben bremsen die Umsetzung. Aber es gibt eine Ebene darüber, die genauso kaputt ist: wie ihr entscheidet, was ihr baut.

Die Execution Engine ging von sechs Wochen auf sechs Tage. Die Decision Engine blieb bei 90 Tage Zyklen.

Wir machen immer noch Quartalsplanung. Wir setzen immer noch Jahresziele. Wir haben immer noch monatliche Stakeholder Reviews. Die organisatorische Taktung rund um Produktentwicklung hat sich überhaupt nicht verändert. Features liegen im Backlog und warten auf das nächste Planungsfenster, während der Markt weiterzieht.

Ein Senior Product Leader in einem großen deutschen SaaS Unternehmen sagte uns: "Engineering ist zum ersten Mal seit 20 Jahren nicht mehr der Engpass."

Der neue Engpass? Wir. Die Menschen, die Entscheidungen treffen.

Produktdenken war schon immer die wertvollste Arbeit. Aber 20 Jahre lang war Engineering Kapazität die Ausrede. "Wir können die Idee nicht testen, das Team ist bis Q3 ausgebucht." Jetzt ist diese Ausrede weg. Und das ist unbequem. Weil es bedeutet, dass das Einzige zwischen einer Idee und einem Prototyp ist, ob man das Problem wirklich gut genug verstanden hat.

Der Engpass ist also zweifach. Übergaben fressen die Geschwindigkeit auf dem Weg nach unten. Langsame Entscheidungen fressen die Geschwindigkeit auf dem Weg nach oben. AI legt beides offen, löst aber keines von beidem.

Eine 15 Minuten Übung, um deinen Engpass zu finden

Willst du herausfinden, wo AI deinem Team wirklich Zeit sparen kann? Versuch das hier.

Schritt 1. Zeichne deinen Produktentwicklungsfluss auf ein Whiteboard. Vom Kundeninput bis zum gelieferten Feature. Jede Rolle, jede Übergabe, jedes Dokument, das unterwegs entsteht.

Schritt 2. Kreise jeden Punkt ein, an dem Information von einem Format in ein anderes übersetzt wird. Kundenworte zu PM Dokument. PM Dokument zu User Story. User Story zu Design. Design zu Code.

Schritt 3. Frag dich bei jedem Kreis: "Wird hier eine gemeinsame Entscheidung getroffen, oder ist das nur eine Übergabe?"

Wenn es nur eine Übergabe ist, hast du deinen Engpass gefunden. Diese Übersetzung existiert wegen des Prozesses, nicht wegen einer Urteilsentscheidung.

Genau da kann AI helfen. Es gibt keinen Grund für eine Übersetzung, wenn du den gesamten Kontext weitergeben kannst. Gib der nächsten Person direkten Zugang zur Quelle.

Ein praktisches Beispiel: Statt dass der PM ein Sales Gespräch in Anforderungen zusammenfasst, gib dem PM und AI Zugang zum eigentlichen Gesprächstranskript plus Codebase plus Backlog. AI synthetisiert und entwirft aus der Quelle. Meetings mit Sales werden zu reinen Entscheidungsmeetings, nicht zu monatlichen Übergaben der "wichtigsten Probleme." PM reviewt und entscheidet, statt in endlosen Abstimmungsmeetings festzustecken. Ein Kreis weniger. Tage gespart. Null Kontextverlust.

Die meisten Teams haben drei bis fünf solcher ungeprüften Übersetzungsschichten. Jede davon bedeutet Tage oder Wochen Verzögerung (wir wissen alle, wie schwer es ist, einen Slot im Kalender anderer Leute zu finden) und Signalverlust, der darauf wartet, hinterfragt zu werden. Manche werden sich als essentiell herausstellen. Andere als Gewohnheiten aus einer Zeit, bevor Shared Context möglich war.

Das ist kein Technologieproblem

Ein CPO sagte mir kürzlich: "Wir haben noch kein 'So macht man das'."

Das ist das eigentliche Problem. Nicht die Tools. Das "Wie."

Die Unternehmen, die ich gewinnen sehe, designen neu, wer mit wem spricht und wie Kontext zwischen ihnen fließt. Das hat nichts mit Technologie zu tun. Das ist eine Organisationsdesign Veränderung. Kombinier das mit der Befähigung von Menschen, AI wirklich zu nutzen und neugierig auf die Möglichkeiten zu sein, und du bist Meilen voraus.

Die meisten Unternehmen führen diese Konversation noch nicht einmal.

Also hier ein Anfang: Zähle heute deine Übergaben. Wie viele davon sind Entscheidungen, und wie viele sind nur Übersetzungen? Wenn sie nur Übersetzungen sind, fang dort an.

Bei der Product Masterclass trainieren wir Produktmanager:innen für effektives Arbeiten im AI Zeitalter. Unser 8 wöchiges Intensivprogramm deckt alles ab, von Kundeninterviews über Vibe Coding bis zum Aufbau deines persönlichen AI Workflows. Schau dir die nächsten Kohorten an