Productmanagement ist tot – was machen wir stattdessen? | Lenny & Friends Summit 2024
Produktmanagement für „tot“ zu erklären, ist bewusst provokant. Die beim Lenny & Friends Summit 2024 vorgebrachte These lautet nicht, dass Unternehmen plötzlich keine Produktentscheidungen mehr treffen werden. Sie besagt vielmehr, dass viele Routinen, die mit der Rolle des Produktmanagers verbunden sind – Strategiedokumente schreiben, Folien vorbereiten, Feedback zusammenstellen, Wireframes erstellen und Übergaben koordinieren –, durch KI komprimiert oder automatisiert werden.
Dieser Wandel wirft eine sinnvollere Frage auf als die, ob die Berufsbezeichnung überleben wird: Welche Art von Produktarbeit wird wertvoll bleiben? Die Antwort des Sprechers weist auf KI-gestützte Teams hin, deren Mitglieder über traditionelle Grenzen hinweg arbeiten, spezialisiertes Urteilsvermögen mit generalistischer Umsetzung verbinden und weniger Zeit damit verbringen, Artefakte rund um die eigentliche Arbeit zu produzieren.
Produktstrategie muss über den heutigen Workflow hinausblicken
Der Vortrag beginnt mit einer Warnung vor dem Tempo des technologischen Wandels. KI hat sich so schnell weiterentwickelt, dass Annahmen über Produktdesign, Engineering und Management innerhalb weniger Monate veralten können. Produktorganisationen sollten sich deshalb dagegen wehren, ausschließlich für das aktuelle Kundenverhalten oder die heutige Teamstruktur zu planen.
Bei der Festlegung der Richtung empfiehlt der Sprecher, zu berücksichtigen, was Kunden in drei, fünf oder sogar zehn Jahren benötigen könnten. Dieselbe Übung sollte intern angewendet werden: Wie könnte ein Produktteam in 18 Monaten, drei Jahren oder fünf Jahren arbeiten? Welche Verantwortlichkeiten werden eindeutig menschlich bleiben, und welche Prozesse werden an Software delegiert?
Das bedeutet nicht, so zu tun, als ließe sich die Zukunft präzise vorhersagen. Es bedeutet, explizite Wetten einzugehen, statt das gegenwärtige Betriebsmodell als dauerhaft zu behandeln. Teams, die diese Möglichkeiten frühzeitig prüfen, werden besser darauf vorbereitet sein, sich anzupassen, wenn sich Tools, Kundenerwartungen und Wettbewerbsbedingungen verändern.
KI komprimiert den Strategiezyklus
Traditionelle Produktstrategie kann quälend sequenziell sein. Eine Produktführungskraft interviewt Kunden und Kollegen, sammelt Input aus Vertrieb und Engineering, organisiert die daraus entstandenen Notizen und verbringt Tage oder Wochen damit, ein umfangreiches Dokument zu entwerfen. Dieses Dokument durchläuft anschließend mehrere Runden von Kommentaren und Überarbeitungen.
Ausgehend von einer früheren Erfahrung als Chief Product Officer beschreibt der Sprecher, wie dieser vertraute Prozess zu einem langen, iterativen Vorhaben anwachsen kann. Ein großer Teil des Aufwands fließt in die Synthese von Informationen und die Ausarbeitung des Artefakts, statt zu prüfen, ob die zugrunde liegenden Entscheidungen richtig sind.
Generative KI verkürzt diesen Produktionszyklus drastisch. Ein Tool kann Quellmaterial innerhalb weniger Minuten in einen glaubwürdigen ersten Strategieentwurf verwandeln. Das Ergebnis wird wahrscheinlich noch nicht zur Freigabe bereit sein, kann aber eine nützliche Grundlage von 75 % oder 80 % liefern. Eine Produktführungskraft kann sich dann den schwierigen Teilen widmen: Annahmen korrigieren, Abwägungen schärfen, Kontext anwenden und sich auf eine Richtung festlegen.
Die entscheidende Veränderung besteht nicht darin, dass KI zehn Seiten schreiben kann. Sie besteht darin, dass die Erstellung dieser Seiten nicht länger die knappe Zeit einer erfahrenen Produktführungskraft beanspruchen muss. Urteilsvermögen bleibt zentral; die Dokumenterstellung wird günstiger.
Die Artefaktfabrik des Produktmanagers verschwindet
Strategiedokumente sind nur ein Beispiel. Der Sprecher nennt mehrere weitere Bereiche, in denen KI- und No-Code-Tools den Arbeitsaufwand verringern, der nötig ist, um aus einer Idee etwas zu machen, das andere bewerten können.
Wireframes entwickelten sich früher von Papierskizzen zu spezialisierter Designsoftware. Produktmanager können heute interaktive Prototypen so schnell erstellen, dass sie bereits in den frühesten Phasen der Entdeckung Kollegen oder Kunden ein funktionierendes Erlebnis präsentieren können. Auch die Feedbackanalyse kann über das manuelle Sortieren von Tabellenzeilen hinausgehen. Automatisierte Workflows können wiederkehrende Signale erfassen, klassifizieren, zusammenfassen und priorisieren. Präsentationstools können Folien entwerfen, statt Teams dazu zu zwingen, jedes Deck von einer leeren Seite aus aufzubauen.
Auch gewöhnliche Koordinationsarbeit lässt sich zunehmend leichter automatisieren:
Entwerfen routinemäßiger Dokumente und Statusupdates
Zusammenfassen von Meetings und Entscheidungen
Organisieren von Funktionswünschen und Kundenfeedback
Überwachen von Zielen und OKRs
Beobachten von Wettbewerbern und Marktveränderungen
Vorbereiten einer ersten Analyse zur Überprüfung
Der praktische Maßstab des Sprechers ist die Geschwindigkeit bis zu einem nützlichen Zwischenergebnis, nicht perfekte Automatisierung. Wenn ein System drei Viertel einer Aufgabe zuverlässig erledigen kann, kann eine Person mit ihrer Expertise das verbleibende Viertel abschließen. Über eine Woche hinweg können diese Einsparungen einer Produktführungskraft Tage zurückgeben.
Ein KI-gestütztes Produktteam werden
Automatisierung ist nur der erste Teil der vorgeschlagenen Antwort. Die größere Chance besteht darin, die eingesparte Zeit in Fähigkeiten zu reinvestieren, die erweitern, was Produktleute tun können.
Der Sprecher ermutigt Produktmanager, angrenzende Fähigkeiten wie Rapid Prototyping, Design, Programmieren, Datenanalyse und kommerzielles Denken zu erlernen. Das Ziel ist nicht, in jeder Disziplin gleichermaßen versiert zu werden. Es geht darum, genügend praktische Bandbreite zu entwickeln, um Engpässe zu beseitigen, eine Idee direkt zu testen und ein Projekt voranzubringen, ohne auf jede traditionelle Übergabe warten zu müssen.
Ein Produktleiter namens Cody wird als Beispiel für dieses breitere Profil angeführt. Obwohl er nicht dem konventionellen Produktmanager-Profil entspricht, erlernte er Design- und Programmierfähigkeiten, die ihm halfen, Hindernisse zu überwinden und Ergebnisse zu liefern. Sein Wert lag darin, dass er funktionale Grenzen überschreiten und zugleich Produkturteil anwenden konnte.
Diese Art der Entwicklung sollte nicht von einigen wenigen außergewöhnlich motivierten Personen abhängen. Der Sprecher argumentiert, dass Führungskräfte ganzen Teams helfen müssen, Routinearbeit zu automatisieren und ergänzende Fähigkeiten zu erwerben. Interne Kanäle können dieses Lernen sichtbar machen, indem sie Menschen einen Ort geben, an dem sie Workflows teilen, Experimente demonstrieren und um Hilfe bitten können. Organisationen müssen zudem die notwendigen Tools finanzieren und ihre Nutzung normalisieren; Ermutigung ohne Zugang oder Zeit wird wenig Veränderung bewirken.
Von funktionalen Übergaben zu Generalisten-Spezialisten
Das vertraute Produkt-Trio – Produktmanager, Designer und Engineer – wird oft als Modell der Zusammenarbeit gefeiert. Der Sprecher argumentiert jedoch, dass es zu einem verschleierten Übergabesystem werden kann. Der Produktmanager spezifiziert, der Designer visualisiert und der Engineer baut. Jeder Beteiligte behält seine Spur, aber niemand besitzt zwangsläufig den gesamten Weg vom Problem bis zum Ergebnis.
Die vorgeschlagene Alternative ist ein Generalisten-Spezialisten-Modell. Menschen verfügen weiterhin über tiefes Fachwissen in Produkt, Design oder Engineering, beteiligen sich jedoch breiter an jeder Arbeit, die nötig ist, um das Projekt voranzubringen. Das Prinzip ist einfach: Es gibt keine festen Spuren.
Das macht Spezialwissen nicht irrelevant. Starkes Engineering-, Design- und Produkturteil bleiben unverzichtbar. Was sich ändert, ist die Annahme, dass nur eine Funktion eine bestimmte Aktivität ausführen darf. Ein Designer könnte einen Prototypen bauen, ein Engineer könnte die Positionierung gestalten, und ein Produktspezialist könnte Daten analysieren oder ein kleines Experiment umsetzen.
KI macht diese Überschneidung praktikabler, indem sie die technischen Kosten ungewohnter Arbeit senkt. Sie ermöglicht es Spezialisten, weiter zu reichen, ohne dass jede Aufgabe in der Warteschlange eines anderen Teams landen muss.
Die KI-gestützte „Triple Threat“
Weitergedacht erzeugt dieses Modell das, was der Sprecher als KI-gestützte Triple Threat bezeichnet: eine Person, die über Produkt, Design und Engineering hinweg führen kann und gleichzeitig KI-Tools, Agenten und Plattformen koordiniert.
Eine solche Person erledigt nicht einfach drei Vollzeitjobs. Stattdessen verdichtet KI Teile des Talent-Stacks, indem sie die Umsetzung in angrenzenden Bereichen zugänglicher macht. Eine fähige Einzelperson oder ein sehr kleines Team kann mit deutlich weniger operativem Overhead als früher Prototypen erstellen, analysieren, gestalten, bauen und kommunizieren.
Das daraus entstehende Umfeld begünstigt meinungsstarke Produktführung. Wenn die Produktion schneller wird, kann Unentschlossenheit zu einer größeren Einschränkung werden als die Umsetzung. Führungskräfte müssen Kunden verstehen, eine Richtung wählen, Produktarbeit mit kommerziellen Ergebnissen verbinden und Evidenz nutzen, ohne sich hinter endlosen Prozessen zu verstecken.
Der Vortrag erkennt an, dass diese Aussicht bedrohlich wirken kann. Breitere Rollen könnten weniger konventionelle Positionen im Produktmanagement bedeuten. Der Sprecher stellt Vorbereitung jedoch als konstruktiver dar als Verdrängung: Menschen können jetzt ihre Bandbreite ausbauen, während Organisationen Verantwortlichkeiten bewusst neu gestalten können, statt darauf zu warten, dass Veränderungen eine überstürzte Reorganisation erzwingen.
Auch Product Leadership wird sich verändern
KI betrifft nicht nur einzelne Mitarbeitende. Produktverantwortliche werden ungewohnte Kombinationen aus Menschen, Software-Agenten und externen Tools führen müssen. Ihre Budgets könnten zunehmend Abwägungen zwischen der Einstellung zusätzlicher Mitarbeitender und dem Kauf von Systemen beinhalten, die die Kapazität eines bestehenden Teams erhöhen.
Führungskräfte werden zudem genügend technisches Verständnis benötigen, um Menschen zu führen, die programmieren, sowie ausreichend kommerzielles Bewusstsein, um Produktentscheidungen mit Distribution, Marketing und Umsatz zu verknüpfen. Die Teamgestaltung wird weniger standardisiert werden. Anstatt im gesamten Unternehmen ein universelles Produkt-Trio zu kopieren, könnten Führungskräfte jedes Team anhand der spezifischen Stärken und Einschränkungen seiner Aufgabe zusammenstellen.
Der Sprecher beschreibt dies als einen stärker handwerklichen Ansatz für die Organisationsgestaltung. Eine Initiative könnte sich um eine Person mit außergewöhnlichem Produktverständnis drehen; eine andere könnte ausgeprägte Engineering-Tiefe oder ungewöhnliche Marktexpertise erfordern. Die Aufgabe der Führung besteht darin, die knappe Fähigkeit zu identifizieren und das umgebende Team entsprechend aufzubauen.
Kultur ist ebenso wichtig wie Struktur. Wenn Menschen dafür bestraft werden, funktionale Grenzen zu überschreiten oder mit neuen Tools zu experimentieren, wird die Organisation alte Engpässe beibehalten, selbst nachdem sie KI-Fähigkeiten erworben hat.
Fähigkeiten aufbauen, die KI nicht leicht replizieren kann
Wenn routinemäßige Produktion günstiger wird, verlagert sich nachhaltiger Vorteil hin zu Urteilsvermögen, das durch Erfahrung geformt wurde. Strategisches Denken, Geschmack, Kundenverständnis, organisatorischer Einfluss und die Fähigkeit, unter Unsicherheit Entscheidungen zu treffen, sind schwerer zu reproduzieren als ein Statusbericht oder eine erste Roadmap-Fassung.
Der Sprecher fordert Produktfachleute daher dazu auf, ein unverwechselbares Wertversprechen zu entwickeln. Das könnte bedeuten, zu lernen, KI-gestützte Teams aufzubauen und zu skalieren, echte technische Kompetenz zu erwerben, den kommerziellen Instinkt zu stärken oder tiefes Domänenwissen mit schneller Umsetzung zu verbinden.
Das Ziel ist nicht, mit KI bei Aufgaben zu konkurrieren, die sie sofort erledigen kann. Es geht darum, KI als Hebel zu nutzen und zugleich besser darin zu werden, zu entscheiden, was gebaut werden sollte, zu erkennen, wann eine Antwort falsch ist, und Menschen auf folgenreiche Entscheidungen auszurichten.
Product Management wiederbeleben
Das abschließende Argument des Vortrags ist optimistischer, als sein Titel vermuten lässt. Product Management kann „wiederbelebt“ werden, indem Prozesse aufgegeben werden, deren Kosten sich nicht länger rechtfertigen lassen. Wenn KI mehr Entwürfe, Synthese, Prototyping und Koordination übernimmt, können Produktfachleute mehr Zeit mit Nutzerinnen und Nutzern verbringen und mehr Kreativität auf die Probleme verwenden, die wirklich wichtig sind.
Dieses Ergebnis zu erreichen, erfordert Maßnahmen sowohl auf individueller als auch auf organisatorischer Ebene. Produktverantwortliche müssen Routineaufgaben automatisieren, ihre Fähigkeiten erweitern und Kolleginnen und Kollegen vermitteln, was funktioniert. Führungskräfte müssen Tools, Budgets, psychologische Sicherheit und Entscheidungsbefugnis für Menschen bereitstellen, die domänenübergreifend arbeiten können.
Die hier dargestellte Zukunft ist nicht frei von Umbrüchen. Rollen könnten zusammengeführt werden, Teams könnten schrumpfen und etablierte Karrierewege könnten weniger vorhersehbar werden. Doch die wesentliche Arbeit – Bedürfnisse zu verstehen, strategische Entscheidungen zu treffen und Ideen in wertvolle Produkte zu verwandeln – bleibt bestehen. Die Chance besteht darin, diese Arbeit mit weniger Zeremonie und größerer Bandbreite zu leisten.
