Wenn Umsetzung einfacher wird: Was macht gute Produktteams aus?

Teil 2 von 2

Warum sich Produktteams durch KI verändern und teilweise verkleinern werden – und warum unterschiedliche Kompetenzen dadurch nicht automatisch an Bedeutung verlieren.

Seit einigen Monaten beschäftigt mich eine Frage immer wieder: Was bleibt eigentlich vom Produktteam, wenn KI zunehmend Aufgaben übernimmt, für die wir bisher viel Zeit aufgewendet haben?
Code schreiben, Interfaces gestalten, Texte verfassen, Anforderungen definieren, Ergebnisse dokumentieren und analysieren oder Prototypen bauen – all das lässt sich heute in vielen Fällen deutlich schneller erledigen als noch vor Kurzem.

Ich habe das selbst ziemlich unmittelbar erlebt. Mit Unterstützung von KI habe ich innerhalb von zwölf Tagen im August eine native iPhone-App bis zur ersten Einreichung in den App Store entwickelt – ohne selbst Swift programmieren zu können.
In einem anderen Artikel habe ich beschrieben, was danach passiert ist und warum Forschung, fachliche Perspektiven und Verantwortung für mich dadurch nicht unwichtiger, sondern eher wichtiger geworden sind.

→ Wenn KI Teile unserer Arbeit übernimmt: Was wird dann wichtiger? LINK

Aus diesem Experiment ist für mich aber noch eine zweite, größere Frage entstanden: 

Wenn eine einzelne Person plötzlich deutlich mehr umsetzen kann als vorher, was bedeutet das für die Zusammensetzung von Produktteams?

‍

Dabei müssen wir vielleicht auch eine unbequeme Möglichkeit ernst nehmen: Einige Produktteams werden durch den Einsatz von KI wahrscheinlich kleiner.

‍

Die Produktivitätsfrage lässt sich nicht einfach wegdiskutieren

Wenn fünf Menschen mit KI künftig tatsächlich so viel Output produzieren können wie früher zehn, werden Unternehmen irgendwann die Frage stellen, warum sie weiterhin zehn Menschen für dieselbe Menge an Arbeit beschäftigen sollten.

Ich halte es deshalb für wenig hilfreich, auf solche Überlegungen reflexartig mit der Aussage zu reagieren, KI werde unsere Jobs schon nicht ersetzen. Das wissen wir schlicht nicht. Bestimmte Aufgaben könnten tatsächlich weitgehend automatisiert werden, Teile heutiger Rollen könnten wegfallen oder miteinander verschmelzen und Teams könnten kleiner werden. Gleichzeitig werden wahrscheinlich neue Aufgaben und vielleicht auch völlig neue Rollen entstehen.
Wie stark diese Veränderungen ausfallen, wird sehr davon abhängen, über welche Produkte und Organisationen wir sprechen. Bei einem kleinen internen Tool mit überschaubaren Risiken sieht die Situation anders aus als bei medizinischer Software, komplexen Finanzprodukten oder sicherheitskritischen Systemen.

Was mich dabei allerdings immer stärker beschäftigt: Vielleicht haben wir den Wert unserer Rollen selbst zu lange mit dem sichtbaren Output verbunden.

Wenn ich als UX Designerin in kurzer Zeit zwanzig Screens erzeugen kann, werden diese zwanzig Screens dadurch nicht automatisch besser. Wenn Entwicklung mit KI schneller Code produziert, entsteht dadurch noch kein erfolgreicheres Produkt. Und wenn Product Management innerhalb weniger Minuten Epics, User Stories oder Roadmaps erstellen lässt, sind damit noch keine besseren Prioritäten getroffen.

Vielleicht zwingt uns KI deshalb gerade dazu, genauer hinzuschauen:

Wofür brauchen wir die verschiedenen Rollen in einem Projektteam eigentlich wirklich?

Unser Wert steckt nicht nur in dem, was am Ende sichtbar ist

Stellenausschreibungen, Prozesse und teilweise auch unsere eigenen Berufsidentitäten sind stark über Tätigkeiten definiert. Designer gestalten Interfaces, Entwickler schreiben Code, Product Manager formulieren Anforderungen und Researcher führen Interviews.

Wenn wir Rollen auf dieser Ebene betrachten, wirkt KI natürlich schnell wie direkte Konkurrenz. Dabei war genau diese Verkürzung aus meiner Sicht schon vor KI problematisch.

Ich habe in meiner beruflichen Laufbahn immer wieder erlebt, dass sehr viel Energie in den Lösungsraum fließt. Sobald eine Idee auf dem Tisch liegt, werden Teams zusammengestellt, Tickets geschrieben, Designs erstellt und Entwicklungskapazitäten eingeplant. Für Discovery, Research und das Hinterfragen der eigentlichen Problemstellung stehen dagegen oft deutlich weniger Ressourcen zur Verfügung.

Dieser Punkt beschäftigt mich intensiv und das schon sehr lange: Alle reden vom Problemraum, aber sobald es konkret wird, zieht es Organisationen unglaublich schnell in die Lösung. Genau dort wird dann investiert.
KI könnte diese Tendenz noch verstärken, weil Lösungen jetzt noch schneller sichtbar werden.
Wenn ich einen Prompt eingebe und wenige Minuten später bereits einen überzeugenden Prototyp vor mir habe, fühlt sich das nach Fortschritt an. Es ist etwas da, man kann es anklicken, zeigen und diskutieren.
Aber ein sehr guter Prototyp kann immer noch die Antwort auf die falsche Frage sein.
Genau deshalb greift es für mich zu kurz, den Wert einzelner Rollen über ihren Output zu definieren.

Gute Entwickler sind nicht deshalb wertvoll, weil sie möglichst viele Zeilen Code produzieren. Sie treffen Architekturentscheidungen, erkennen technische Risiken, denken Wartbarkeit und Sicherheit mit und können einschätzen, welche Folgen eine Entscheidung möglicherweise erst Monate oder Jahre später hat.

Gute Designer produzieren ebenfalls nicht einfach möglichst viele Screens. Sie versuchen Nutzungskontexte zu verstehen, Komplexität zu reduzieren, Informationen zu strukturieren und Annahmen zu hinterfragen.

Research besteht nicht nur aus Interviews, und Product Management nicht darin, möglichst viele Tickets durch ein Backlog zu bewegen.

Ein großer Teil guter Produktarbeit passiert vor und zwischen den sichtbaren Ergebnissen.

‍

Wenn Produktion einfacher wird, wird die Entscheidung dahinter wichtiger

Bei meiner eigenen App WirkTakt habe ich diese Verschiebung ziemlich deutlich erlebt. Die technische Frage lautete mit zunehmender Unterstützung durch KI immer seltener: Kann ich das überhaupt umsetzen?

Erstaunlich häufig lautete die Antwort darauf inzwischen: ja.

Die schwierigeren Fragen kamen danach. Ist meine Annahme richtig?
Verstehe ich das Problem ausreichend?
Welche Perspektive fehlt mir?
Ist die Darstellung fachlich vertretbar?
Welche langfristigen Konsequenzen könnte meine Entscheidung haben?

Die technische Umsetzung ist dadurch natürlich nicht plötzlich unwichtig geworden. Aber sie war für mich deutlich seltener der erste Engpass.
Genau darin liegt für mich inzwischen die spannendere Veränderung. Wenn Produktion einfacher und günstiger wird, gewinnt die Entscheidung davor an Gewicht.

Und daraus ergibt sich meine zentrale These:

Je billiger Umsetzung wird, desto teurer werden schlechte Entscheidungen.

‍

Damit meine ich nicht unbedingt, dass das einzelne Feature finanziell teurer wird. Im Gegenteil. Gerade weil wir Ideen schneller in funktionierende Lösungen verwandeln können, können wir auch schlechte Entscheidungen viel schneller vervielfachen.

Wir können mehr Features bauen, die niemand braucht. Mehr Komplexität erzeugen. Mehr Produktlogik etablieren, die später wieder aufwendig entfernt werden muss. Und wir können erstaunlich professionelle Lösungen für Probleme produzieren, die wir nie richtig verstanden haben.
KI beschleunigt nicht nur gute Ideen. Sie beschleunigt zunächst einmal Ideen.

‍

Kleinere Teams sind möglich – aber was genau sparen wir eigentlich ein?

Wenn KI Produktteams produktiver macht, folgt daraus durchaus, dass manche Teams mit weniger Menschen auskommen könnten. Diesen Effekt sollten wir meiner Meinung nach nicht kleinreden.

Ein Team, das heute aus zehn Personen besteht, könnte bestimmte Aufgaben künftig vielleicht mit sechs oder weniger erledigen. Vielleicht lassen sich einzelne Rollen zusammenlegen oder Spezialisten müssen nicht mehr in jedem Team dauerhaft vertreten sein. Das halte ich für realistisch.
Daraus folgt für mich aber noch nicht automatisch, dass dieses Team auch mit weniger unterschiedlichen Kompetenzen auskommt.
Headcount und Perspektivenvielfalt sind nicht dasselbe.

Ein kleines Team kann sehr interdisziplinär arbeiten. Ein großes Team kann sich dagegen wunderbar darin bestätigen, gemeinsam in dieselbe Richtung zu laufen.

Die interessantere Frage ist deshalb für mich: 

Welche Perspektiven dürfen bei einer Entscheidung nicht fehlen?

‍

Bei einem einfachen internen Tool kann eine Person mit einem breiten Profil und guter KI-Unterstützung möglicherweise erstaunlich weit kommen. Bei einem komplexen Finanzprodukt, einer medizinischen Anwendung oder einem sicherheitskritischen System sieht das anders aus.
Dort kann eine fehlende technische, fachliche oder Nutzerperspektive schnell erhebliche Folgen haben.

Und genau hier wird die Diskussion über kleinere Teams komplizierter als die einfache Rechnung „zehn Menschen schaffen heute X, fünf Menschen schaffen mit KI ebenfalls X“.

‍

Die Effizienzfalle

Ich sehe dabei eine Gefahr, die eigentlich gar nicht neu ist.
Wenn Organisationen effizienter werden, besteht schnell der Wunsch, diese Effizienz direkt wieder in mehr Output zu übersetzen. Wenn wir ein Feature doppelt so schnell bauen können, bauen wir eben doppelt so viele Features.

Mit KI könnte genau dieser Reflex noch stärker werden.

Dabei habe ich in vielen Projekten nicht erlebt, dass es vor allem an Ideen mangelte. Häufig fehlte auch nicht zuerst die Fähigkeit, etwas technisch umzusetzen. Viel schwieriger waren Fragen wie: Was ist eigentlich das relevante Problem? Welche Nutzer meinen wir überhaupt? Warum glauben wir, dass dieses Feature einen Unterschied macht? Welche Annahmen haben wir nie überprüft?

Genau dort entstand oft die eigentliche Reibung.
Wenn ich auf meine bisherigen Projekte zurückblicke, waren schlechte Produktentscheidungen selten deshalb schlecht, weil jemand ein Interface nicht schnell genug gestalten oder ein Entwickler eine Funktion nicht schnell genug programmieren konnte. Meistens lag das Problem früher.

Deshalb finde ich die reine Produktivitätsdiskussion rund um KI inzwischen etwas zu kurz gegriffen. Geschwindigkeit ist wertvoll. Aber wenn die Richtung nicht stimmt, hilft es nur bedingt, schneller zu werden.

‍

Was machen wir mit der gewonnenen Zeit?

Gerade deshalb finde ich die Frage für Führungskräfte interessant.

Wenn bestimmte Tätigkeiten durch KI tatsächlich deutlich weniger Zeit brauchen, ist die Frage nach Ressourcen selbstverständlich legitim. Unternehmen müssen wirtschaftlich arbeiten und werden Produktivitätsgewinne nutzen wollen.

Die Frage ist nur, wie.
Fließt die gewonnene Zeit ausschließlich in mehr Output oder weniger Personal? Oder nutzen wir einen Teil davon auch für Dinge, für die im heutigen Produktalltag oft angeblich keine Zeit bleibt?

Zum Beispiel für bessere Discovery, mehr Gespräche mit Nutzer, frühere Tests, Accessibility, technische Qualität, das Hinterfragen von Annahmen oder einfach für das gemeinsame Nachdenken über ein Problem, bevor direkt die nächste Lösung gebaut wird.

Ich würde mir wünschen, dass KI nicht nur dazu führt, dass wir denselben Prozess mit weniger Menschen und höherer Geschwindigkeit betreiben.
Eigentlich wäre es doch viel spannender, die frei werdende Kapazität zumindest teilweise dafür zu nutzen, bessere Produktentscheidungen zu treffen.

Natürlich ist mir bewusst, dass Unternehmen nicht alle Produktivitätsgewinne wieder in Research oder Qualität investieren werden. Einige Teams werden kleiner werden, manche Aufgaben vermutlich wegfallen.
Dann wird sich aber langfristig zeigen, ob tatsächlich vor allem Produktionsaufwand reduziert wurde – oder ob gleichzeitig Wissen, Widerspruch und Perspektiven aus den Teams verschwunden sind, deren Wert vorher vielleicht gar nicht so sichtbar war.

‍

Leadership wird nicht unwichtiger – sondern anders

Wenn Teams kleiner werden, Rollen breiter und einzelne Menschen mehr Verantwortung übernehmen, verändert sich aus meiner Sicht auch Führung.

KI kann Aufgaben beschleunigen, Informationen strukturieren und Entscheidungen vorbereiten. Sie kann aber nicht dafür sorgen, dass Teams gut miteinander arbeiten, Konflikte konstruktiv austragen oder Unsicherheiten offen ansprechen.
Gerade in kleineren, stärker KI-gestützten Teams könnte deshalb eine Form von Leadership wichtiger werden, die weniger über Kontrolle funktioniert und stärker über Orientierung, Coaching und gute Rahmenbedingungen.

Denn wenn einzelne Personen größere Verantwortungsbereiche übernehmen und schneller Entscheidungen treffen können, steigt auch die Bedeutung von Widerspruch.
Ein Team braucht Menschen, die sagen können: „Ich glaube, wir lösen gerade das falsche Problem.“ Oder: „Dafür fehlt uns noch eine fachliche Perspektive.“ Oder auch: „Ich bin mir bei dieser Entscheidung nicht sicher.“

Genau hier wird für mich psychologische Sicherheit relevant.
Damit meine ich nicht, dass sich immer alle wohlfühlen oder Entscheidungen möglichst konfliktfrei getroffen werden sollen. Im Gegenteil: Gute Produktteams brauchen Reibung. Sie brauchen unterschiedliche Meinungen und Menschen, die bereit sind, Annahmen infrage zu stellen.

Entscheidend ist, ob diese Stimmen auch tatsächlich gehört werden.
Wenn KI die Geschwindigkeit erhöht, kann ein Team, in dem niemand widerspricht, eben auch sehr viel schneller in die falsche Richtung laufen.

Führung bedeutet für mich deshalb künftig vielleicht noch weniger, selbst für alles die beste Antwort zu kennen. Viel wichtiger könnte es werden, die richtigen Fragen zu stellen, Klarheit über Ziele zu schaffen, Räume für Reflexion zu ermöglichen und Menschen darin zu unterstützen, Verantwortung selbstständig zu tragen.

Und genau dort wird auch Coaching interessanter.
Wenn Rollen breiter werden, kann eine Führungskraft nicht für jedes fachliche Detail die beste Lösung kennen. Aber sie kann Menschen dabei unterstützen, Entscheidungen zu reflektieren, eigene blinde Flecken zu erkennen und sich fachlich wie persönlich weiterzuentwickeln.

Vielleicht wird gute Führung durch KI deshalb nicht weniger wichtig.
Vielleicht wird nur sichtbarer, worin ihr eigentlicher Wert liegt.

‍

Unsere Rollen werden breiter

Eine Entwicklung sehe ich schon heute: Die Grenzen zwischen unseren Rollen werden durchlässiger.

Ich kann als UX Designerin mit KI inzwischen viel weiter in die technische Umsetzung hineingehen als früher. Entwickler können Interfaces erzeugen oder sehr schnell Varianten ausprobieren. Product Manager können selbst Prototypen erstellen, und Researcher können große Mengen qualitativer Informationen schneller strukturieren und analysieren.

Ich finde das grundsätzlich spannend.
Gerade weil ich selbst nie besonders viel mit starren Rollengrenzen anfangen konnte. Auch in meiner bisherigen Laufbahn war Design für mich selten nur Design. Als Gründerin musste ich über Businessmodelle, Strategie und Priorisierung nachdenken, und auch später habe ich immer wieder erlebt, wie stark sich unsere Disziplinen überschneiden.

Trotzdem würde ich aus der neuen technischen Möglichkeit nicht ableiten, dass künftig einfach alle alles können.

Ich kann mit KI Swift-Code erzeugen. Das macht mich nicht zur erfahrenen Softwareentwicklerin.

Ich kann medizinische Informationen recherchieren und strukturieren. Das macht mich nicht zur Ärztin.

Und ein Entwickler kann mit einem KI-Tool ein Interface erzeugen, ohne deshalb automatisch jahrelange Erfahrung in UX Research oder Interaction Design zu besitzen.

Vielleicht werden wir also breiter arbeiten können und gleichzeitig bewusster erkennen müssen, an welchen Stellen wir fachliche Tiefe brauchen.

Das würde unsere Rollenlogik tatsächlich verändern: weniger die Frage „Wem gehört diese Aufgabe?“ und stärker die Frage „Welche Kompetenz brauchen wir für diese Entscheidung?“

‍

Was ich durch WirkTakt über interdisziplinäre Zusammenarbeit gelernt habe

Bei WirkTakt wurde mir das sehr konkret bewusst.

Eine Person mit jahrelanger Erfahrung mit unterschiedlichen Medikamenten stellte Fragen, auf die ich selbst nicht gekommen war. Eine Ärztin brachte einen fachlichen Blick ein, den ich mir nicht einfach selbst aneignen kann. Ein Entwickler lenkte meine Aufmerksamkeit auf technische Verantwortung und langfristige Wartbarkeit.

Keine dieser Personen musste die App für mich bauen. Trotzdem haben ihre Perspektiven das Produkt verändert.

Genau deshalb glaube ich nicht, dass der Wert interdisziplinärer Zusammenarbeit daran hängt, dass jede Disziplin ein bestimmtes Artefakt produziert.
Der Wert kann genauso darin liegen, eine andere Frage zu stellen, eine Annahme infrage zu stellen oder einen blinden Fleck sichtbar zu machen.

Je mehr ich mit KI allein umsetzen konnte, desto deutlicher wurde mir interessanterweise, was ich allein nicht sehe.

‍

Vielleicht brauchen wir weniger Rollenabgrenzung und mehr Orientierung

Wenn Rollen breiter werden und Teams teilweise kleiner, braucht es aus meiner Sicht Menschen, die unterschiedliche Perspektiven miteinander verbinden können.
Damit meine ich nicht die nächste „eierlegende Wollmilchsau“, die UX, UI, Research, Development, Strategie und Product Management gleichzeitig perfekt beherrscht.

Es geht eher darum, zu erkennen, welche Frage gerade wichtig ist und welches Wissen dafür gebraucht wird.

Verstehen wir das Problem überhaupt? Welche Annahme steckt hinter unserer Lösung? Was wissen wir wirklich und was glauben wir nur zu wissen? Fehlt uns eine Nutzerperspektive, technisches Wissen, fachliche Expertise oder vielleicht ein Business-Blick?

Genau diese Orientierung könnte in kleineren und stärker KI-gestützten Teams wichtiger werden.
Nicht weil eine Person alles wissen muss, sondern weil jemand erkennen muss, was das Team gerade nicht weiß.

‍

Müssen wir den Wert von Produktteams neu beschreiben?

Wenn KI große Teile unserer heutigen Produktion unterstützt oder irgendwann übernimmt, werden wir unsere Rollen vermutlich weniger gut über genau diese Produktion begründen können.

„Wir brauchen Designer, weil jemand Screens gestalten muss“ wird schwächer, wenn Interfaces sehr schnell generiert werden können. „Wir brauchen Entwickler, weil jemand Code schreiben muss“ ist ebenfalls nur ein Teil der Wahrheit, wenn große Mengen Code erzeugt werden können.

Das bedeutet für mich nicht, dass diese Disziplinen dadurch wertlos werden. Es zwingt uns vielmehr dazu, genauer hinzusehen, worin ihr Wert tatsächlich liegt.

Vielleicht war der wichtigste Beitrag eines guten UX Professionals nie der fertige Screen, sondern die Frage, die dafür gesorgt hat, dass ein völlig anderer Screen entstand.

Vielleicht war der wichtigste Beitrag eines Entwicklers nicht die Menge an Code, sondern der Hinweis, dass eine vermeintlich einfache Entscheidung später massive technische Probleme verursachen wird.

Und vielleicht ist der Wert eines guten Product Managers nicht die Roadmap selbst, sondern die Entscheidung, welches Problem überhaupt zuerst gelöst werden sollte.

Deshalb beschäftigt mich inzwischen weniger die Frage:

Welche Jobs wird KI ersetzen?

Spannender finde ich:

Welche Entscheidungen müssen Menschen künftig noch treffen – und welche Kompetenzen brauchen wir dafür?

‍

Die Antwort wird vermutlich nicht sein, dass jedes Produktteam genauso aussieht wie heute. Einige Teams werden kleiner werden. Rollen werden sich verändern, manche verschwinden.

Aber wenn wir Teams verkleinern, sollten wir sehr genau darauf achten, was wir eigentlich reduzieren. Produktionsaufwand? Oder Perspektiven, Wissen und Widerspruch?
Das ist für mich ein ziemlich großer Unterschied.

‍

Was bleibt?

Mein Experiment mit WirkTakt begann mit der Frage, ob ich als UX Designerin mithilfe von KI allein eine native App entwickeln kann.
Die Antwort darauf war überraschend schnell: ja.

Danach kamen allerdings die wesentlich schwierigeren Fragen. Welche Annahmen stimmen eigentlich? Was übersehe ich? Wem sollte ich mein Produkt zeigen? Wessen Wissen brauche ich? Welche Entscheidung kann ich selbst treffen und wo reichen meine eigenen Erfahrungen nicht aus?

Genau deshalb hat sich meine Sicht auf Produktteams durch KI nicht einfach in Richtung „Wir brauchen künftig weniger Menschen“ verschoben.

Ich glaube durchaus, dass wir für manche Produkte künftig weniger Menschen brauchen werden. Gleichzeitig glaube ich, dass wir sehr viel bewusster darüber nachdenken müssen, welche Kompetenzen und Perspektiven wir für ein gutes Produkt benötigen – und welche Form von Führung diese Zusammenarbeit überhaupt möglich macht.
Gerade in kleineren Teams wird es aus meiner Sicht wichtiger, dass Menschen Verantwortung übernehmen können, offen widersprechen dürfen und genug psychologische Sicherheit erleben, um Unsicherheiten und Fehler früh sichtbar zu machen.

Und genau an diesem Punkt komme ich wieder zu dem Satz zurück, der für mich inzwischen viel von dieser Entwicklung zusammenfasst:

Je billiger Umsetzung wird, desto teurer werden schlechte Entscheidungen.

‍

Vielleicht wird die große Aufgabe von Produktteams künftig deshalb weniger darin bestehen, möglichst viel zu produzieren, sondern stärker darin, zu erkennen, was überhaupt sinnvoll ist zu produzieren. Und manchmal eben auch, was wir besser nicht bauen.

Die konkrete Geschichte hinter diesen Gedanken erzähle ich in meinem Artikel über die Weiterentwicklung von WirkTakt. Darin geht es darum, warum mich gerade die Geschwindigkeit von KI dazu gebracht hat, Research, fachliche Perspektiven und Verantwortung noch einmal neu zu betrachten:

Zum ersten Artikel → Wenn KI Teile unserer Arbeit übernimmt: Was wird dann wichtiger? LINK

‍