Dann habe ich es an meiner eigenen Arbeit ausprobiert

Also gab ich ihr ein Problem, das mir wirklich am Herzen lag. Ich hatte rund 50 Kundeninterviews aus einem Kundenprojekt in einem Ordner liegen. Diese Art von Schatz, von dem man weiß dass er wertvoll ist und den man nie richtig hebt, weil das vollständige Lesen eine Woche kostet die man nie hat. Ich habe in Claude ein Repository aufgesetzt, um die Jobs to be done aus diesen Interviews zu ziehen und sie auf eine Customer Journey zu mappen. Auch hier war ich überrascht. Man prüft das Ergebnis, man gibt sein Urteil nicht aus der Hand. Aber aus einer Woche Arbeit wurde ein Nachmittag.

Die Lücke ist Befähigung, nicht Technik

In beiden Geschichten war die Technik schon eine Weile bereit. Was fehlte, war jemand der sich hinsetzt und ihr an der eigenen Arbeit eine faire Chance gibt. Das ist die Lücke die ich in den meisten Produktteams sehe. Das Problem ist Befähigung, nicht Technik.

Es kommt auf drei Dinge an.

1. Zeit

Das erste ist Zeit. Die meisten Produktmanager hatten noch nie eine Stunde, die ausdrücklich dafür reserviert war, KI an einem Problem auszuprobieren das ihnen wichtig ist. Adoption beginnt mit einem Anwendungsfall den jemand für sich selbst findet und über den er sich ein bisschen freut. Als wir beschlossen, AI first zu arbeiten, haben wir einen internen Hackathon rund um ein kleines, konkretes Problem gemacht. Bei uns wurde daraus das Interview Repository. Ein geschützter Block Zeit, ein Anwendungsfall, und plötzlich gab es einen Schatz den vorher niemand hatte.

2. Sichtbarkeit

Das zweite ist Sichtbarkeit. Nichts bewegt einen Skeptiker so sehr, wie jemandem den er respektiert bei einem Ergebnis zuzusehen. Mein Wochenende mit Thomas ist genau das. Ich habe kein Whitepaper über KI und Code gelesen. Ich habe Thomas dabei zugesehen, und dann habe ich seinen Code selbst geöffnet. Macht das in eurem Team sichtbar. Ein Kollege mit einem funktionierenden Ergebnis überzeugt schneller als jeder Pitch.

3. Werkzeuge

Das dritte sind die Werkzeuge, und hier stoßen die meisten an eine Wand. Viele Organisationen stellen noch immer keine ordentlichen Werkzeuge bereit, und das wird zum Grund, warum niemand anfängt. Schaut genauer hin, was eure Organisation tatsächlich erlaubt. Fast alle lassen euch mit KI an öffentlichen Informationen arbeiten, und sie hindern euch nicht daran, öffentliche Informationen in ein beliebiges Werkzeug zu geben, weil das ohnehin jeder könnte. Wir sehen das ständig in der Product Masterclass. Menschen die noch keine internen Daten verarbeiten dürfen, holen trotzdem viel aus dem heraus was öffentlich ist. Eure eigene Produktdokumentation. Eure Website. Gebt das hinein und ihr könnt Positionierung, Vision und die Form der Geschichte die ihr dem Markt erzählt herausziehen. Es funktioniert gut genug, dass der Groschen fällt. Und sobald ihr das intern zeigen könnt, habt ihr das Argument geliefert. Das Gespräch verschiebt sich von der Frage ob sich das lohnt hin zu der Frage wie ihr an die Werkzeuge kommt die weit mächtiger sind als der öffentliche Umweg.

Geht voran, oder geht gemeinsam

Für Führungskräfte ist die Aufgabe klar: geht voran. Lernt selbst mit diesen Werkzeugen zu arbeiten und zeigt eurem Team was möglich ist. Sobald eine Führungskraft das tut, ändert sich das Gespräch im Team. Die Leute fragen nicht mehr ob es die Zeit wert ist, sondern was sie sonst noch damit tun können.

Ihr müsst das nicht allein tun. Es gemeinsam als Team zu durchlaufen ist oft das, was es nachhaltig macht, eine einzelne Person die es in einer Ecke für sich herausfindet trägt es selten weiter. Genau das ist die Idee hinter unseren Company Cohorts, in denen ein ganzes Produktteam Seite an Seite lernt so zu arbeiten. Bringt es in euer Team.

Christoph Leonhardt, der bei Siemens ein funktionsübergreifendes Team von Produktmanagern leitet, ist das klarste Beispiel das ich habe. Er ist selbst vorangegangen, hat einen Stakeholder Feature Request in Minuten neu gebaut und seinem Team gezeigt was das bedeutet. Von dort aus haben sie ein gemeinsames KI Repository für ihre Roadmaps gebaut und ein Prediction Game in fünf Tagen ausgeliefert, für das sie sonst sechs Wochen gebraucht hätten. Seine ganze Geschichte könnt ihr hier lesen: Leading by Example: KI im Produktmanagement bei Siemens einführen.

Das Ganze passt in einen Nachmittag. Eine Stunde, ein Problem das euch wichtig ist, eine Person die vorangeht, und die Ehrlichkeit sich das Ergebnis anzusehen und zu sagen wann es gut ist.

Bei Product Masterclass bilden wir Produktmanager aus, die im KI Zeitalter wirksam arbeiten. Unser achtwöchiges Intensivprogramm deckt alles ab, von Kundeninterviews über Vibe Coding bis zum Aufbau deines persönlichen KI Workflows. Sieh dir die nächsten Kohorten an