Wir haben beschlossen, dass bis Dezember 2026 jede wiederholbare Aufgabe in unserem Unternehmen von KI erledigt wird. Zwei Monate später verlieren wir bereits den Überblick, was wir noch manuell machen.

Es gibt einen Moment, der sich ständig wiederholt. Ich sitze in einem Meeting, jemand stellt mir eine Frage, und bevor ich die Antwort nachschlagen kann, hat mein KI Assistent sie bereits gefunden. Nicht auf die Art "hier ist ein Google Ergebnis". Sondern auf die Art "Ich kenne deinen Kalender, dein CRM, deine letzten drei Gespräche mit dieser Person und den Projektstatus".

Dieser Moment ist das, wie sich Model First von innen anfühlt. Und er verändert, wie man über Unternehmensaufbau denkt.

Was Model First wirklich bedeutet

Model First ist eine einfache Idee mit unbequemen Konsequenzen. Jeder Prozess in deinem Unternehmen wird so umgestaltet, dass KI der Standardbetreiber ist. Menschen bleiben nur dort im Prozess, wo Urteilsvermögen, Beziehungen oder Kreativität wirklich erforderlich sind.

Thomas und ich führen Product Masterclass zusammen. Wir bilden Product Manager aus, veranstalten eine der größten Produktkonferenzen Europas und machen Beratungsarbeit. Das ist eine große Angriffsfläche für zwei Menschen. Model First ermöglicht es uns, das alles abzudecken, ohne auszubrennen oder das Team zu vergrößern.

Wie mein Tag wirklich aussieht

Ich habe die meiste Zeit drei bis vier KI Agenten parallel laufen. Jeder arbeitet an einer anderen Aufgabe. Einer schreibt einen Blogartikel. Ein anderer verarbeitet Meeting Transkripte und aktualisiert Personenseiten. Ein dritter erstellt Folien für einen Workshop. Ich prüfe die Ergebnisse, gebe Feedback und treffe Entscheidungen. Es fühlt sich an wie die Führung eines kleinen Teams, nur dass niemand ein Standup braucht.

Ein konkretes Beispiel. Letzten Freitagmorgen hat mein System gemeldet: "Du hast nächsten Donnerstag einen Vortrag und hast noch nichts vorbereitet. Willst du heute anfangen?" Das passierte, weil die KI meinen Kalender kennt, weiß, dass ich noch keine Dateien zu dieser Veranstaltung erstellt habe, und gelernt hat, dass ich dazu neige, Vortragsvorbereitung aufzuschieben. Das ist keine Erinnerung, die ich gesetzt habe. Das ist kontextuelle Aufmerksamkeit.

Die Workshop Folien, die du gesehen hättest, wenn du gestern bei meiner Session dabei gewesen wärst? In 45 Minuten erstellt. Nicht von einem Designer. Von mir im Gespräch mit Claude, unter Verwendung unseres Design Systems und nach zwei Iterationen. Die KI hat die Struktur aus unserer gemeinsamen Wissensdatenbank gezogen, unsere Markenrichtlinien angewendet und das komplette Deck generiert.

Der Stack ist peinlich einfach

Die Leute erwarten eine ausgefeilte Infrastruktur. Die Realität ist ein Ordner auf meiner Festplatte.

Das war's. Ein lokaler Ordner mit einer bestimmten Struktur. Darin: ein Eingang für erfasste Informationen, Projektordner, Personenseiten, Aufgabenlisten, Quartalsziele und ein Systemkonfigurationsordner. Alles sind einfache Textdateien, hauptsächlich Markdown. Keine Datenbank. Keine Cloud Plattform. Kein Vendor Lock-in.

Die Magie liegt nicht im Ordner. Sie liegt in dem, was daran angeschlossen ist. Mein Kalender synchronisiert sich. Meine CRM Daten fließen durch. E-Mail ist zugänglich. Meeting Transkripte landen automatisch. Analytics Dashboards sind abfragbar. Und Claude Code sitzt auf all dem, liest und schreibt in diese Ordnerstruktur wie ein Teammitglied mit perfektem Gedächtnis.

Der gemeinsame Ordner zwischen Thomas und mir enthält unsere Markenrichtlinien, Kundeninformationen, Inhaltsentwürfe und operative Playbooks. Wenn ich die KI bitte, einen LinkedIn Post zu schreiben, rät sie nicht unseren Ton. Sie liest die Richtlinien. Wenn ich sie bitte, einen neuen Kursteilnehmer aufzunehmen, zieht sie die E-Mail Daten, erstellt den CRM Eintrag, generiert die Rechnung und präsentiert alles zur Prüfung.

Das System baut sich selbst

Das ist der Teil, der mich immer noch überrascht. Als ich Speaker Ankündigungskarten für die Konferenz brauchte, habe ich beschrieben, was ich will, und es hat die Rendering Pipeline gebaut. Als ich CRM Daten in meiner täglichen Planung brauchte, habe ich den Workflow beschrieben und es hat die Teile verbunden.

Ich bin bewusst vom Entwickler zum Prüfer geworden. Der alte Ansatz war: Problem verstehen, Lösung entwerfen, bauen, warten. Der neue Ansatz ist: beschreiben was du brauchst, den Plan prüfen, freigeben, bauen lassen. Wenn etwas kaputt geht, das Problem beschreiben und es sich selbst reparieren lassen.

Dieser Wechsel fühlte sich zunächst seltsam an. Ich bin seit dem Großteil meiner Karriere Softwareentwickler. Den Instinkt loszulassen, "ich muss jede Schicht verstehen", hat Wochen gedauert. Der Moment, in dem es klickte, war als ich das System bat, Gmail anzubinden, und es mir drei klärende Fragen stellte, alles verdrahtete, und es einfach funktionierte. Mir wurde klar, dass ich Jahre damit verbracht hatte, solche Probleme manuell zu lösen. Nicht weil ich musste, sondern weil ich keinen anderen Weg kannte.

Die Kompetenzanforderung dreht sich um. Du musst nicht programmieren können. Du musst klar beschreiben können, was du willst, bewerten können, ob ein Plan Sinn ergibt, und wissen, wann du Einspruch erhebst. Das sind Product Management Skills. Was passend ist, angesichts dessen, was wir lehren.

Warum Kontext alles ist

Der wichtigste Faktor dafür, wie nützlich KI wird, ist wie viel Kontext sie hat. Nicht Prompt Engineering. Nicht welches Modell du benutzt. Kontext.

Ich transkribiere die meisten meiner Meetings. Nicht das Audio, nur das Live Transkript. Denn wenn die KI weiß, was in jedem Gespräch passiert ist, kann sie Verbindungen herstellen, die mir entgehen würden. "Die Person, die du morgen triffst, hat letzte Woche Budgetbeschränkungen erwähnt. Hier ist, was sie gesagt hat." Das ist kein Feature, das ich konfiguriert habe. Es entsteht aus genügend Kontext.

Deshalb ist auch der lokale Ordner Ansatz wichtig. Jede Datei, die ich erstelle, jede Notiz, die ich mache, jeder Plan, den ich aufstelle, wird Teil des Arbeitsgedächtnisses der KI. Nach zwei Monaten kennt das System meine Quartalsziele, meine Kundenbeziehungen, meine Energiemuster und meine Tendenz, wichtige, aber nicht dringende Arbeit aufzuschieben. All das nutzt es, wenn es meinen Tag plant.

Die Implikation für jedes Unternehmen ist klar. Wenn deine KI Tools bei jeder Sitzung bei Null anfangen, verschwendest du den Großteil ihres Potenzials. Der echte Wert entsteht, wenn KI dauerhaften, strukturierten Zugang zu deinem tatsächlichen Geschäftskontext hat.

Was das für Teams bedeutet

Wir sind zwei Personen. Aber das gleiche Prinzip skaliert. Stell dir ein Produktteam vor, in dem die KI deine Roadmap Begründung kennt, deine Interviewtranskripte, deine technischen Einschränkungen und deine Stakeholder Landkarte. Jedes Ticket, das sie schreibt, basiert auf Belegen. Jedes Status Update referenziert tatsächlichen Fortschritt. Jede Entscheidung wird gegen die Strategie geprüft.

Das ist keine Science Fiction. Das ist, was passiert, wenn du dich zu Model First verpflichtest und systematisch Kontext in das System einspeist. Die Technologie ist bereits da. Der Engpass ist die organisatorische Bereitschaft, umzustrukturieren, wie Informationen fließen.

Der ehrliche Teil

Ist es unbequem? Ja. Ich habe Informatik studiert. Ich habe 2011 Machine Learning Kurse belegt, in denen mein Professor sagte, es würde nichts Neues mehr in dem Feld passieren. Jetzt beobachte ich, wie das Feld die Hälfte dessen, was ich gelernt habe, irrelevant macht, und ich baue ein Unternehmen, das es beweist.

Es gibt Momente, die an der Grenze zum Unheimlichen liegen. Wenn das System antizipiert, was ich brauche, bevor ich frage. Wenn es Informationen aus einem Meeting vor drei Wochen mit einer Entscheidung verbindet, die ich heute treffe. Wenn es anmerkt, dass ich eine Aufgabe vermeide, die ich erledigen sollte.

Aber hier ist, was ich gelernt habe: sich in das Unbehagen hineinzulehnen ist die einzige Option, die Sinn ergibt. Die Unternehmen, die darauf warten, dass sich KI bequem anfühlt, werden feststellen, dass sie gegen Unternehmen antreten, in denen zwei Menschen die Arbeit von zehn erledigen. Nicht weil sie härter arbeiten, sondern weil sie der KI genug Kontext gegeben haben, um wirklich nützlich zu sein.

Wir streben Model First bis Dezember an. Zwei Monate rein glaube ich, dass wir schneller dort sein werden.

Alles in diesem Artikel ist das, was wir in der Product Masterclass praktizieren. Jede Woche arbeiten Teilnehmer mit Skills, Prompts und strukturiertem Kontext, um einen KI first Workflow für Product Management aufzubauen. Wenn du deine eigene Version davon bauen willst, schau dir die nächste Kohorte an.