Mit dem Einsatz von künstlicher Intelligenz lassen sich Ergebnisse nicht nur deutlich schneller erzielen, sondern auch in besserer Qualität. Das belegen verschiedene Studien (Shakked Noy & Whitney Zhang, 2023; Erik Brynjolfsson & Lindsey Raymond, 2023). Demnach konnten Probanden unter Zuhilfenahme von KI-Tools wie LLMs ihre Produktivität um 14 bis 40 Prozent steigern und das bei gleichzeitig besserem Output. Was für die Arbeitswelt im Allgemeinen gilt, gilt insbesondere in der Produktentwicklung. Gerade hier bietet KI enormes Potenzial.
Welche Tools dabei helfen, dieses zu heben und wie sie die Rolle des Produktmanagers grundlegend verändern, haben wir im Folgenden zusammengefasst.
Claude, ChatGPT und Co. als Sparringspartner
Sei es um Hypothesen für A/B-Tests zu entwickeln, zum Schreiben von User Stories oder zur Analyse von Kundenfeedback – während es für einzelne Anwendungsfälle in der Produktentwicklung spezialisierte Tools gibt, sind Large Language Models wie ChatGPT, Gemini, Claude und Co. das Schweizer Taschenmesser.
Dabei gilt auch hier: Input gleich Output. Oder anders gesagt: Entscheidend für gute Ergebnisse sind die richtigen Prompts. Mit seinen Prompt Packs hat ChatGPT Anwendungsfälle für bestimmte Berufsgruppen zusammengestellt, darunter auch eine Prompt-Sammlung für Product Teams.
Welches LLM das beste für den Alltag im Produktmanagement ist, ist abhängig vom Use Case. Zudem liefern sich die großen LLMs gerade ein Kopf-an-Kopf-Rennen, was Performance angeht. Aufschluss darüber, welches Modell für welchen Anwendungsfall gerade die Nase vorn hat, liefern unabhängige Benchmark-Tests wie das LLM Leaderboard von Scale AI.
Claude Code und Cowork
Einen Schritt weiter gehen Claude Cowork und Claude Code. Während klassische LLMs wie ChatGPT oder Claude als Gesprächspartner im Browser funktionieren, integrieren sich diese beiden Tools direkt in die Arbeitsumgebung. Claude Cowork ist ein KI-Assistent, der sich mit bestehenden Diensten wie Gmail, Slack oder Notion verbindet und dort kontextbezogen arbeitet. Das Ganze ohne Copy-Paste zwischen Tools.
Wer Cowork bereits nutzt, ist mit Claude Code schnell startklar: Dasselbe Modell, dieselbe CLAUDE.md, dieselben Web-Connectors laufen weiter. Claude Code geht dabei noch einen Schritt weiter in Richtung Autonomie. Das Tool läuft direkt in der Entwicklungsumgebung VS Code und ermöglicht Produktmanagern, ohne Programmierkenntnisse Daten zu analysieren, Prototypen zu bauen, PRDs zu schreiben oder Retro-Zusammenfassungen aus Notion zu ziehen. Statt Anforderungen zu formulieren und auf Umsetzung zu warten, können PMs selbst zum Builder werden. Ein Wandel, der sich mit der zunehmenden Verbreitung von Vibe Coding beschleunigt.
Cheat-Sheet für Product Manager, die mit Claude Code anfangen wollen
KI-gestützte Kollaboration mit Miro
Miro ist ein visuelles Kollaborations-Tool, das bereits viele Product Teams nutzen. Es bietet eine zentrale Arbeitsumgebung, in der Nutzer Ideen sammeln, Roadmaps modellieren und Strategien entwickeln können.
Während dieser Tage nahezu jedes Tool auf die Hype-Welle aufspringt und sich das Label „AI” gibt, bietet KI im Fall von Miro einen echten Mehrwert. Workshops, Brainstormings und Discovery-Sessions produzieren oft eine große Menge an unstrukturierten Informationen. Die Herausforderung für Produktmanager besteht darin, Muster zu erkennen und Prioritäten abzuleiten. Miro AI kann große Mengen an Ideen automatisch clustern, thematische Zusammenhänge erkennen und Vorschläge für Kategorien oder Prioritäten liefern. Ein weiterer Mehrwert besteht in der Exploration. So leitet das KI-Feature von Miro offene Fragen, Risiken und alternative Lösungsansätze aus bestehenden Inputs ab.
Der KI-Kollege in Miro
Rapid Prototyping und Experimentation mit Lovable
Für Einsteiger komplett kostenlos und dabei nicht minder hilfreich ist Lovable. Dabei handelt es sich um einen KI-Assistenten, der basierend auf Bild- und Text-Prompts Web-Anwendungen baut. Auch ohne Coding-Skills lassen sich so innerhalb kurzer Zeit Prototypen für digitale Produkte bauen, von einzelnen UI-Komponenten über Klickdummys bis hin zu voll funktionsfähigen Anwendungen.
Product Manager beschreiben eine Idee in natürlicher Sprache, etwa ein neues Dashboard, ein Onboarding-Flow oder eine Pricing-Seite. Innerhalb weniger Sekunden generiert Lovable eine visuelle Oberfläche, die direkt angepasst und iteriert werden kann. Änderungen erfolgen dabei ebenfalls über Spracheingaben. Bevor Design- und Engineering-Ressourcen gebunden werden, lassen sich so Produktideen validieren und früh an Nutzern testen.
Rapid Prototyping mit Lovable
Rapid Prototyping ist ein Beispiel dafür, wie KI die Rolle von Produktmanagern verändert. So werden diese immer mehr selbst zum Builder. Das Formulieren von Anforderungen und das Managen von Prozessen gerät in den Hintergrund, während exploratives Arbeiten an Bedeutung gewinnt.
Figma AI
Figma AI schließt die Lücke zwischen Idee und validiertem Konzept. Statt auf Design-Ressourcen zu warten, können PMs selbst Prototypen aus Prompts generieren, mit echten Daten anreichern und direkt an Nutzern testen. Ergänzend zu Lovable, das eher auf funktionsfähige Web-Apps zielt, ist Figma Make stärker auf Design-System-konforme UI-Prototypen ausgerichtet, die nahtlos in den bestehenden Design-Workflow passen.
Figma Make unterstützt Daten über JSON und CSV, beispielsweise für ein Dashboard mit echten Verkaufszahlen und Filteroptionen nach Region und Produkt. Das macht Prototypen deutlich realistischer für Nutzertests
UI Design per Prompt mit Figma Make
Kontext und Wissensmanagement mit Notion AI
Kontext ist ein häufig unterschätzter Teil der Produktentwicklung. Produktentscheidungen entstehen selten im luftleeren Raum, sondern basieren auf Nutzerfeedback, vergangenen Experimenten, Marktveränderungen und strategischen Prioritäten. Das Problem: In vielen Unternehmen kommt es zu Silo-Situationen. Wissen bleibt in einzelnen Abteilungen und Teams isoliert.
Hier kommt Notion ins Spiel: Im Kern handelt es sich dabei um ein Intranet, mit dem sich das Wissen einer Organisation zentralisieren lässt. Aufgrund der Menge an Daten fällt es jedoch oft schwer, alle Informationen bei Entscheidungsfindungen zu berücksichtigen. Mit Notion AI lässt sich genau das vereinfachen. Dabei handelt es sich um einen Layer, der sich über das gesamte Wissen einer Organisation legt. Im Grunde funktioniert es wie ein LLM, jedoch mit dem großen Vorteil, dass es direkt auf den bestehenden Arbeitskontext Zugriff hat.
Ein typischer Anwendungsfall von Notion AI liegt in der Auswertung qualitativer Nutzerforschung. Mit der Zeit entstehen hier oft Berge an Informationen. Der KI-Assistent von Notion kann eine große Anzahl an Dokumenten durchforsten, wiederkehrende Probleme identifizieren, Muster erkennen und daraus Hypothesen für neue Features ableiten. Das gilt nicht nur retrospektiv, sondern lässt sich auch als fester Workflow installieren, um neue Feedbacks kontinuierlich auszuwerten und in Echtzeit zu monitoren.
User Research mit Notion AI automatisch zusammen fassen
KI-gestützte Note-Taker
Wohl jeder Produktmanager kennt es: Das Spannungsfeld aus Moderieren, Zuhören und Mitschreiben in Meetings. Note-Taker transkribieren Meetings nicht nur, sondern nutzen KI, um Inhalte zu strukturieren, Zusammenhänge zu erkennen und To-Do-Listen abzuleiten.
Note-Taker wie Fireflies.ai, Grain und Otter.ai besitzen zudem eine direkte Integration zu Notion, wo sich die Notizen archivieren und auswerten lassen. Statt loser Meeting-Notizen ist es so möglich, eine kontinuierlich wachsende Wissensdatenbank aufzubauen. Das hilft bei der Recherche ebenso wie bei der Dokumentation von Entscheidungen.
Von der Delivery zur Systemverantwortung: Wie KI Produktmanagement verändert
Bisher galt Softwareentwicklung als teuer, komplex und risikoreich. Deshalb konzentriert sich ein Großteil der Produktentwicklung darauf, begrenzte Kapazitäten in der Entwicklung möglichst effizient einzusetzen, beispielsweise durch Roadmaps, Priorisierung und Stakeholder-Management.
Durch KI verändert sich dieses Rollenverständnis grundlegend. So wird das Schreiben von Code zunehmend zur Commodity. LLMs und Tools wie Lovable, Claude Code und Figma AI ermöglichen es Produktentwicklern, auch ohne Programmierkenntnisse erste Prototypen und MVPs zu bauen. Gleichzeitig entlasten KI-Assistenten wie in Notion und Miro bei der Analyse von Daten, der Priorisierung von Aufgaben und der Dokumentation von Produktentscheidungen.
Der Prozess rückt damit in den Hintergrund, Fähigkeiten wie Kontextaufbau, Hypothesenbildung und systemisches Verständnis gewinnen an Bedeutung. Der Fokus im Produktmanagement verschiebt sich somit von der Delivery hin zur ganzheitlichen Systemverantwortung. Davon zeugen auch verschiedene Bildungsangebote wie die Product Management Weiterbildung der Digitale Leute School. Ein wesentlicher Inhalt besteht hier in der Anwendung relevanter KI-Tools wie AI-driven Prototyping, AI Writing Assistants sowie KI-gestütztes Roadmapping und Forecasting.
