The Great Rest - für Product Managers und Product Owners

Diese Präsentation zeigt, warum traditionelle Produktmanagement- und Organisationsmodelle im Zeitalter von AI-gestützter Softwareentwicklung nicht mehr mithalten können. Während Engineering-Teams durch Coding-Agents, automatisierte Tests, parallele Prototyping-Workflows und AI-basierte Research-Methoden 10x schneller werden, bleiben Produkt- und Entscheidungsprozesse oft auf dem Stand von 2019 – mit langen Approval-Ketten, dokumentengetriebenen Abläufen und Wochen-langen Discovery- und Validation-Phasen. Der Vortrag erklärt das entstehende Velocity-Paradox, analysiert strukturelle, kulturelle und datenbezogene Blockaden, und zeigt anhand konkreter Methoden, Tools und Vorgehensweisen, wie Product Manager den Sprung vom klassischen Modell zu AI-nativem Arbeiten schaffen können. Im Kern geht es nicht um Schuld, sondern um Systemdesign: Wer künftig erfolgreich Produkte bauen will, benötigt AI-Literacy, Working-Prototype-First-Mindset, automatisierte Research-Pipelines und organisatorische Befähigung statt Kontrolle.

Transcript

1. ⇈ PAGE 1 ⇈ DER GROSSE RESET - AI & PM/PO AI OR DIE Willkommen beim Great Reset für Product {Manager|Owner} Showtime!
2. ⇈ PAGE 2 ⇈ DER GROSSE RESET - AI & PM/PO Wie fühlt es sich an, plötzlich der Langsamste im Raum zu sein? 🐌
3. ⇈ PAGE 3 ⇈ DER GROSSE RESET - AI & PM/PO Wer nutzt noch Jira, Confluence & Co. für “Requirements”? 🙋󰢢
4. ⇈ PAGE 4 ⇈ DER GROSSE RESET - AI & PM/PO Wer arbeitet SAFe? 🙋󰢢 Sorry, kleiner Kalauer. 🤭
5. ⇈ PAGE 5 ⇈ DER GROSSE RESET - AI & PM/PO Wer macht Quarterly Roadmaps (OKR) und Abstimmungsrunden mit (vielen) Stakeholdern? 🙋󰢢
6. ⇈ PAGE 6 ⇈ DER GROSSE RESET - AI & PM/PO “ Engineers are 10x faster. Product managers haven’t sped up at same rate. Now they are the bottleneck. – Andrew Ng, Stanford Professor, AI Pioneer, Mitgründer Coursera
7. ⇈ PAGE 7 ⇈ DER GROSSE RESET - AI & PM/PO Ironische Antwort: Während der Coding Agent baut, warten wir. Also machen wir parallel weitere nützliche Dinge fürs Produkt. ;-) Arbeit parallelisieren. Warum sind wir Engineers nun so schnell?
8. ⇈ PAGE 8 ⇈ DER GROSSE RESET - AI & PM/PO Warum sind wir Engineers nun so schnell? /myrepo/ -> /myrepo-worktree1/ /myrepo-worktree2/ /myrepo-worktree3/ 3 Feature-Ideen parallel auf identischen Kopien realisieren lassen und verproben - beste Idee wird integriert
9. ⇈ PAGE 9 ⇈ DER GROSSE RESET - AI & PM/PO Warum sind wir Engineers nun so schnell? Kambrische Explosion von Tools wie Claude Flow, autocode usw. 100% Test Coverage und Auto-Doku ist real geworden Etwas mehrmals hintereinander auszuführen “kostet nix mehr” Trend: Von supervised zu unsupervised Development
10. ⇈ PAGE 10 ⇈ DER GROSSE RESET - AI & PM/PO Warum sind wir Engineers nun so schnell? Security-Tests? Inklusive. “/security-agent check repo on OWASP flaws” PS: Die Top 2 der besten Security Hacker sind AI-Systeme.
11. ⇈ PAGE 11 ⇈ DER GROSSE RESET - AI & PM/PO Warum sind wir Engineers nun so schnell? (Praxis) AgenticAI-basierte Modernisierung von Altsystemen? Beschleunigung um Faktor 6-10? Portierung von Sprache X nach Sprache Y? Mehr dazu auf unserem Stand
12. ⇈ PAGE 12 ⇈ DER GROSSE RESET - AI & PM/PO 3Realitäten: 1. Discovery, Validation, Delivery verschmelzen zu AI-getriebener Loop 2. Klassische PM-Setups werden übersprungen 3. Organisation bremst, was Tech beschleunigen könnte
13. ⇈ PAGE 13 ⇈ DER GROSSE RESET - AI & PM/PO Ihr seid nicht das Problem. Euer System ist es. Systeme kann man ändern.
14. ⇈ PAGE 14 ⇈ DER GROSSE RESET - AI & PM/PO Engineering 2019 vs. 2025 1x -> 10x Das Paradox: Schneller werden, langsamer wirken. Product Management 2019 vs. 2025 1x -> 1.2x 👉 Was passiert hier gerade?
15. ⇈ PAGE 15 ⇈ DER GROSSE RESET - AI & PM/PO 75%+ der Engineers arbeiten mit AI Coding Assistants/Agents Sie sagen, sie arbeiten schneller Aber: Companies sehen keine messbare Verbesserung in der Delivery Velocity Der Grund? Downstream-Bottlenecks absorbieren den AI-Value Quelle: Faros AI Research 2025, 2000+ Engineering Organizations
16. ⇈ PAGE 16 ⇈ DER GROSSE RESET - AI & PM/PO Der typische Alltag: Verzögerungen 7 Teams/Abteilungen koordinieren 15 Approval-Hops >40% der Engineering-Zeit in Meetings verbrannt Quelle: Product & Leadership Substack 2024
17. ⇈ PAGE 17 ⇈ DER GROSSE RESET - AI & PM/PO “ When I build, sometimes I’ll explore three completely different architectures in one day. Maybe next week, I’ll say, ‘Let’s abandon my codebase. Let’s rebuild everything from scratch.‘ – Andrew Ng, Stanford Professor, AI Pioneer Sind Eure Prozesse dafür gebaut? New normal!
18. ⇈ PAGE 18 ⇈ DER GROSSE RESET - AI & PM/PO Die 70-20-5 Realität
19. ⇈ PAGE 19 ⇈ DER GROSSE RESET - AI & PM/PO 70-75%: TRADITIONELL Jira-Workflows Quarterly Roadmaps Multi-Stage Approvals (Stakeholder-Liebe ❤) Sprint-Planning Rituale Das sind wahrscheinlich die meisten von Euch. Und das ist (noch) okay.
20. ⇈ PAGE 20 ⇈ DER GROSSE RESET - AI & PM/PO 20-25%: HYBRID ChatGPT etc. für Research AI-gestützte Analytics Klassische Planungszyklen bleiben “We’re experimenting, but we’re not transforming” / Den kleinen Zeh ins Wasser halten.
21. ⇈ PAGE 21 ⇈ DER GROSSE RESET - AI & PM/PO 4-5%: AI-NATIVE Bolt, Lovable, Claude Code für Prototyping (Figma, PS, …) Dovetail AI, Claude, Kimi K2, Deep Agents etc. für Research “Continuous everything” AI-Morning-Briefing erzeugt Vorschläge für neue Features, Daten-basiert Die Pioniere. 2-3 Jahre voraus. Wahre Pioniere. Mayflower im Hafen von Plymouth.
22. ⇈ PAGE 22 ⇈ DER GROSSE RESET - AI & PM/PO Die unbequeme Wahrheit in DE/AT/CH: Innovation Gap USA/UK: AI-native Workflows DACH: Viele Jahre hinter US-Adoption ProductCon SF 2024: “AI-native product teams” PM1 Summit Köln 2024: “Jumpstart AI journey” Dieser Gap ist nicht nur ein Problem. Lasst uns daraus eine Chance machen!
23. ⇈ PAGE 23 ⇈ DER GROSSE RESET - AI & PM/PO Prototyping: - Bolt.new/Lovable - Oder lieber gleich Claude Code Während des Gesprächs mit dem Userinternal Stakeholder einen Prototype generieren und darüber iterieren. Impact: Idea2Prototype in Stunden statt in Wochen Fundamental neue Workflows: Was die 4% anders machen
24. ⇈ PAGE 24 ⇈ DER GROSSE RESET - AI & PM/PO Research: - Dovetail AI - Deep Research Agents (ChatGPT/Claude/Kimi K2) - Maze - Deep Agents/LangChain (Researcher selbst entwickelt) Den Research an die AI geben. Nur noch orchestrieren und auswerten (lassen). Impact: Manuelle Research-Zeit sinkt um 80-90% Fundamental neue Workflows: Was die 4% anders machen
25. ⇈ PAGE 25 ⇈ DER GROSSE RESET - AI & PM/PO Priorisierung: - Productboard Pulse & Co - AI-gestützt Änderungs-Vorschläge durch AI generieren lassen Flywheel-Effekt: Wenn du Daten+Research hast, kannst du dir daraus auch Ideen generieren lassen. Impact: Weekly(Daily) Insights statt Quarterly Reviews. Fundamental neue Workflows: Was die 4% anders machen
26. ⇈ PAGE 26 ⇈ DER GROSSE RESET - AI & PM/PO Wie Discovery, Validation & Delivery verschmelzen
27. ⇈ PAGE 27 ⇈ DER GROSSE RESET - AI & PM/PO Der traditionelle Agile Wasserfall: Trotz Agilität wird sequenziell gedacht und gehandelt. Discovery(Wochen) - Validation(Wochen) - Delivery(Monate) - Testing - Launch Meetings PRDs/Specs Dev Sprints à 2 Wochen
28. ⇈ PAGE 28 ⇈ DER GROSSE RESET - AI & PM/PO Die AI-native Loop: AI erzeugt automatisierte Tests, deployed automatisch, misst automatisch, berichtet automatisch, schlussfolgert automatisch, macht automatischen Research, erstellt automatische Vorschläge. Alles läuft parallel. Alles informiert sich gegenseitig. Discovery Continuous (AI-Auto) Synthetic Testing Real-time Deploy Validation Delivery
29. ⇈ PAGE 29 ⇈ DER GROSSE RESET - AI & PM/PO Traditionell: - Discovery: 8-10 Wochen - Nutzer verwirrt durch Policy-Sprache - Entscheidungen auf Basis von Meinungen (HiPPO) Ergebnis: 4+ Monate bis Insights Quelle: Agilemania 2024 Wie sieht das konkret aus? AI-NATIVE: - AI analysiert 3.200+ Survey Antworten - AI-simulierte Personas testen Prototypen - Discovery: 2-3 Wochen - Research Planning: <1 Woche Ergebnis: +35% User Satisfaction, +28% Conversion
30. ⇈ PAGE 30 ⇈ DER GROSSE RESET - AI & PM/PO Es gilt jetzt, die Chancen zu nutzen! Was ist der Impact? Echte Schnellere TimeToMarket Produkte liefern Kundenwert viel früher Mehr Ideen sehen das Licht, weil: Ausprobieren “kostet nicht mehr soviel” (Daten > Meinungen) Discovery passiert “on the fly” Working-Prototype-first statt Document-first
31. ⇈ PAGE 31 ⇈ DER GROSSE RESET - AI & PM/PO “ Sometimes I’ll explore three completely different architectures in one day. Be willing to throw everyhing away and rebuild from scratch. – Andrew Ng, Stanford Professor, AI Pioneer Das ist die Geschwindigkeit, mit der moderne Teams experimentieren. Es “kostet nichts mehr”, parallel 3 verschiedene Varianten eines Features zu bauen und zu verproben (verproben zu lassen). Ist Eure Organisation dafür gebaut?
32. ⇈ PAGE 32 ⇈ DER GROSSE RESET - AI & PM/PO It’s not you. It’s the system. Was ich Euch sagen will. Und das ist wichtig.
33. ⇈ PAGE 33 ⇈ DER GROSSE RESET - AI & PM/PO Ein typischer Approval-Flow: Idea - Team Lead - PM Lead - Design Review - Engineering Review - Architecture Review - Security Review - Compliance/Security Review - Budget Approval - Executive Review - Stakeholder Sign-off - Release Planning - GO! 10+ Hops. 50% der Engineering-Kapa in Koordination verbrannt. Nicht Ihr seid langsam. Euer System ist langsamkaputt.
34. ⇈ PAGE 34 ⇈ DER GROSSE RESET - AI & PM/PO Strukturelle Barrieren in Organisationen: - Quarterly Planning / OKR - Legacy-Systeme (auch dafür gibt’s Lösungen ;-) ) - Fragmentierte Tool-Landschaften - Hierarchische Approval-Strukturen
35. ⇈ PAGE 35 ⇈ DER GROSSE RESET - AI & PM/PO Kulturelle Barrieren in Organisationen: - Risk Aversion: “Haben wir immer so gemacht” - Leadership Gap: 63% der Devs “Die Führung versteht unsere Challenges nicht” - Job-Displacement-Fears: “Werde ich ersetzt?” - Silohafte Organisations-Strukturen
36. ⇈ PAGE 36 ⇈ DER GROSSE RESET - AI & PM/PO Daten-Barrieren in Organisationen: - 80% unstructured data, weggeschlossen - Nicht-standardisierte Formate - Fehlende AI-Infrastruktur (Siloed AI-Tooling) - Daten-Governance-Komplexität Data Pipelines bauen, Daten transformieren und mit LLMs unlocken. Fragt uns. :-)
37. ⇈ PAGE 37 ⇈ DER GROSSE RESET - AI & PM/PO Das Velocity-Paradox in Organisationen: - ~70% der Devs sparen 10+h wöchentlich durch AI - ABER: Sie fühlen sich nicht produktiver - Organisationelle Bottlenecks fressen es auf Ergebnis: PR-Review-Time steigt um 91%! <delay!> Geschwindigkeit von AI wird absorbiert von der Langsamkeit der Organisation / Quelle: Harness Report 2025 Automations-Reife ist der Geschwindigkeits-Treiber!
38. ⇈ PAGE 38 ⇈ DER GROSSE RESET - AI & PM/PO Das Leadership-Problem in Organisationen: 63% der Devs glauben: Seniors Leaders verstehen meine täglichen Herausforderungen nicht “Too many AI tools brought in through top-down enthusiasm rather than bottom-up validation. – Andrew Zigler, LinearB Leaders mandatieren Tools. Aber sie fixen nicht die Systeme.
39. ⇈ PAGE 39 ⇈ DER GROSSE RESET - AI & PM/PO Deine Roadmap für den Reset Genug der Probleme. Lasst uns über Lösungen sprechen.
40. ⇈ PAGE 40 ⇈ DER GROSSE RESET - AI & PM/PO Hier baust du die erste Basis für dich. Individual Level: Was kannst du tun? AI Literacy: - Prompt Trainings - ChatGPT/Claude täglich nutzen (parallel!) - Impersonation ausprobieren (“Du bist ein Weltklasse Product Manager Coach. Du arbeitest nach den Methoden von …”) Ziel: Prompt Engineering als Kern-Skill etablieren, als deine neue “lingua franca”
41. ⇈ PAGE 41 ⇈ DER GROSSE RESET - AI & PM/PO Ideen werden besprechbar und glaubhaft, wenn sie in “working software” existieren. Individual Level: Was kannst du tun? Prototype first: - Überspringe Lovable / Bolt ;-) - Nutze Claude Code, um kleine (UI-)Prototypes zu bauen, direkt im git (Lass dir vom Engineering dabei helfen) - Nutze die Erkenntnisse beim nächsten Gespräch mit den Usern / Stakeholdern und lasse dort kleine visuelle Prototypes bauen Ziel: Idea2Prototype in Stunden. Direkt in der (Teil-)Umgebung der Engineers arbeiten.
42. ⇈ PAGE 42 ⇈ DER GROSSE RESET - AI & PM/PO Long Form Research ist nett. Noch netter ist es, wenn daraus gleich Vorschläge für neue Features werden. Individual Level: Was kannst du tun? Automate Research: - Erstelle Deep Researches mit ChatGPT oder Claude - Next Level: Erstelle DR mit GPT UND Claude. Gib beides an zB Claude mit dem Auftrag die Synthese zu bilden, den Report zu kritisieren und zu überarbeiten - Next Level++: Lass dir von Claude ein PowerPoint erstellen in EUREM Design (PPT-Creation-Skill) - Vergiss nicht, dir auf Basis der Ergebnisse Ideen für euer Produkt liefern zu lassen Ziel: Markt-Recherche, Einordnungen (Impersonation) automatisieren und gleich Feature-Vorschläge generieren lassen.
43. ⇈ PAGE 43 ⇈ DER GROSSE RESET - AI & PM/PO Ein bisschen tiefer in die Technik hinein schnuppern … Individual Level: Was kannst du tun? Kleine Workflow-Orchestration: - n8n / Make / Zapier / whatever - Wöchentlichen Status Report generieren auf Basis verbundener Systeme (Slack Conversations, Jira Ticketing, git commits, …) - Claude mit SKILL anweisen, PPT daraus zu generieren Ziel: Simpel starten, Zeit fürs Wesentliche zurückgewinnen
44. ⇈ PAGE 44 ⇈ DER GROSSE RESET - AI & PM/PO Keine Daten, keine Kekse. Team Level: Was könnt ihr zusammen tun? Data Points sammeln: - Observability-Systeme am Start? (inkl. langfuse für LLM-Observability?) Usage Patterns, Anomalies, … - Eher technisch orientierte Datentöpfe nun strategisch für die Produktarbeit nutzen Ziel: Nutzungs-Verhalten, Nutzer-Feedback etc. sammeln
45. ⇈ PAGE 45 ⇈ DER GROSSE RESET - AI & PM/PO Das, was ChatGPT Nutzer halt auch machen: Erstmal bißchen analysieren und viel Text generieren ;-) Team Level: Was könnt ihr zusammen tun? Data Points auswerten (lassen): - LLMs über die Daten jagen und Daten interpretieren lassen, Ergebnisse wegspeichern - Tägliche Analysen fahren (zB mit n8n orchestriert) - Morning Briefing für dich Product Manager generieren lassen
46. ⇈ PAGE 46 ⇈ DER GROSSE RESET - AI & PM/PO Kraft der Automatisierung nutzen: - Ideen automatisch schon mal als Jira-Ticket anlegen - Idea/Ticket von dir approved? Lass den AI Coding Agent schon mal das Feature bauen, der menschliche Dev schaut sich das erste Ergebnis dann an Ziel: Data2Idea2WorkingPrototype in wenigen Stunden Baut Kreisläufe und Systeme! Team Level: Was könnt ihr zusammen tun?
47. ⇈ PAGE 47 ⇈ DER GROSSE RESET - AI & PM/PO Analytical Interface: - Schnallt euren eigenen LLM-Chat vor die Daten - Evtl. ergänzt mit Dingen wie “dynamic code generation” für Auswertungen oder Toolings wie metabase (dynamic BI) Ziel: Baut euren eigenen Datacube auf Basis der von LLMs gesammelten Daten und Auswertungen. Flexibilität und Autonomie zurückgewinnen. Team Level: Was könnt ihr zusammen tun?
48. ⇈ PAGE 48 ⇈ DER GROSSE RESET - AI & PM/PO Gemba Walks: - Hackathons Leadership mit euch + Team (Idea2Approval2Software, Research2Ideas2Approval2Software in wenigen Stunden) - “Englisch” ist die neue Programmiersprache - Vertrauen aufbauen, um die Approval-Schleife wegzubekommen ;-) Ziel: Leadership versteht, dass AI mehr als nur ChatGPT mit Chat-Interface ist. Englisch als neue Programmiersprache. Gemeinsames mentales Modell aufbauen. Org Level: Wie die Organisation beeinflussen?
49. ⇈ PAGE 49 ⇈ DER GROSSE RESET - AI & PM/PO Dein Reset startet JETZT. Weil du es nicht riskieren kannst, abgehängt zu werden
50. ⇈ PAGE 50 ⇈ DER GROSSE RESET - AI & PM/PO 2027: Nichts geschah - Approval flows >10 hops - Kaum Value aus AI generiert - PM bleibt Bottleneck - Dev-Team frustriert (“Wir könnten ja …”) - Brain Drain: Die besten gehen zu AI-natives Sei nicht töricht. Wo willst du stehen? 2027: Aktion seit 2025 - Approval flows <5 hops oder full empowerment - PM = strategic orchestrator (weniger doing) - AI-fluent PM - AI-native Dev-Team - Observability+Research2Ideas2Soft ware in wenigen Tagen
51. ⇈ PAGE 51 ⇈ DER GROSSE RESET - AI & PM/PO Dokumentiert die Reibungspunkte Zeigt den Business Case auf (lost velocity, Konkurrenz im Nacken, …) Liefert Research2Ideas2Workingprototype als kleines Beispiel Stakeholder-Management: Verbündete unter den Stakeholdern finden, die das erkennen und Freiräume schaffen Die beste Idee, über etwas zu sprechen, ist es zu tun. Ich will ja, aber meine Org lässt mich nicht …
52. ⇈ PAGE 52 ⇈ DER GROSSE RESET - AI & PM/PO Die Zukunft gehört denen, die strategisch in der Schnelligkeit von Code denken können Und diese Zukunft beginnt heute. Bei euch.
53. ⇈ PAGE 53 ⇈ DER GROSSE RESET - AI & PM/PO Zukunfts-Luft mit Mayflower schnuppern State-of-the-art Voice Assistant on premise in IT-Systeme integriert Aktives Lernen AI-Stack mit Dynamic Code Generation, Skills, … Automatisierte Legacy-Modernisierung / Architektur-Erstellung Self-trained LLMs / Agentische Fernsteuerung von Computern/Betriebssystemen AI-empowered PM
54. ⇈ PAGE 54 ⇈ DER GROSSE RESET - AI & PM/PO Q&A! Björn Schotte bjoern.schotte@mayflower.de Linkedin