Genau darin liegt gerade das große Versprechen von KI in der Produktentwicklung: Wir können schneller werden.

Das Problem: Was, wenn wir dadurch nur schneller in die falsche Richtung laufen?

Wir haben vor Kurzem beschrieben, wie Agentic Development die Arbeit unserer Entwickler:innen verändert hat. Bei bestimmten Aufgaben kommen sie schneller voran. Gleichzeitig bleibt mehr Zeit für die Teile eines Produkts, die menschliche Kreativität brauchen: Architektur, UX und Produktentscheidungen.

Doch neue Arbeitsweisen bringen auch neue Risiken mit sich. Eines davon ist besonders relevant: Mit KI lässt sich auch das Falsche schneller bauen. Und das kann sehr schnell sehr teuer werden.

Darüber habe ich in der neuesten Folge von Digital Product Talks mit Wolf Brüning, Lead User Experience Designer B2B bei OTTO, einem der bekanntesten deutschen Onlinehändler, gesprochen.

Wolf stieß bei OTTO den Aufbau der Design Systems an. Aus anfangs drei Produktteams wurden schließlich rund hundert. Außerdem leitet er eine interne Product Discovery School. In den vergangenen zehn Jahren haben dort rund 600 bis 700 Menschen einen kompletten Discovery-Zyklus durchlaufen, also einen Prozess, in dem sie gemeinsam ein Problem genauer verstehen, verschiedene Perspektiven einbeziehen und mögliche Lösungen entwickeln und ausprobieren.

Wolf hat selbst erlebt, was es bedeutet, wenn eine Organisation in die falsche Richtung arbeitet und erst spät merkt, dass sie am eigentlichen Problem vorbeigearbeitet hat.

Warum die Feature Factory mit KI noch schneller wird

Viele Produktteams entwickeln sich unbemerkt zur Feature Factory: Das Produkt wächst Funktion für Funktion, während Erfolg vor allem daran gemessen wird, wie viele Punkte auf der Liste abgehakt werden, statt daran, welchen konkreten Nutzen die Funktionen für die Nutzer schaffen.

Dieses Muster stammt aus einer stärker projektgeprägten Arbeitswelt: Auftraggeber:innen definieren einen detaillierten Anforderungskatalog, den das Team innerhalb eines festen Zeit-, Budget- und Leistungsrahmens umsetzt.

Für Führungskräfte wirkt diese Arbeitsweise erstmal beruhigend: Eine Checkliste und eine steigende Prozentanzeige machen Fortschritt sichtbar und lassen sich leicht kommunizieren.

Bei der Produktentwicklung ist der Weg jedoch selten vollständig planbar. Oft zeigt sich erst im Prozess, welche Richtung sinnvoll ist. Trotzdem greifen Teams unter Unsicherheit schnell auf bekannte Projektstrukturen zurück, weil sie Orientierung und Kontrolle geben, auch wenn sie nicht zum eigentlichen Problem passen.

KI kann diesen Effekt verstärken: Wenn sich Funktionen schneller entwickeln lassen, entsteht leicht der Eindruck, dass mehr Features automatisch mehr Fortschritt bedeuten.

Wer zehnmal schneller in die falsche Richtung baut, spart weder Zeit noch Geld. Das Team entfernt sich nur weiter vom eigentlichen Problem und der Weg zurück kostet am Ende zehnmal mehr.

Warum Product Discovery Risikomanagement ist

Wolfs Ansatz lässt sich einfach zusammenfassen: Bevor ein Team eine Lösung entwickelt, sollte es zunächst herausfinden, welches Problem es tatsächlich lösen muss.

Ein Beispiel aus unserem Gespräch macht das greifbar: Ein Team möchte ein Rennen gewinnen und baut sofort einen Formel-1-Wagen. Erst später stellt sich heraus, dass das Rennen auf einer Schotterpiste stattfindet. Der Wagen kann technisch hervorragend sein, für dieses Rennen ist er trotzdem ungeeignet.

Product Discovery ist deshalb kein zusätzliches Designritual, sondern ein Teil des Risikomanagements. Software zu entwickeln und zu betreiben kostet Zeit und Geld. Umso wichtiger ist es, früh zu prüfen, ob ein Team überhaupt am richtigen Problem arbeitet.

Denn eine falsche Produktentscheidung kann weitreichende Folgen haben: Kund:innen wenden sich ab, oder Unternehmen investieren über Jahre in ein Produkt, das kein relevantes Problem mehr löst.

„Verlieb dich in das Problem, nicht in die Lösung.“ Wolf Brüning, Lead UX Designer B2B bei OTTO

Zwei Beispiele aus unserem Gespräch zeigen, was auf dem Spiel steht.

Das erste ist Sonos. Auf dieses Beispiel komme ich beim Thema Produktqualität immer wieder zurück. Im Mai 2024, kurz vor der Markteinführung eines neuen Kopfhörers, veröffentlichte Sonos eine vollständig neu entwickelte App.

Eigentlich sollte das Redesign ein Fortschritt sein. Stattdessen verschwanden täglich genutzte Funktionen. Setups, die jahrelang funktioniert hatten, funktionierten plötzlich nicht mehr.

Bis Januar 2025 hatte der misslungene Launch den Börsenwert von Sonos um fast 500 Millionen US-Dollar reduziert. Rund elf Wochen nach dem Launch entschuldigte sich der CEO öffentlich, weitere Produkteinführungen wurden verschoben.

Für ein Unternehmen, dessen Marke stark vom Nutzungserlebnis lebt, hatte der Fehler damit Folgen, die über ein einzelnes Produkt hinausgingen. Vor allem bleibt die Frage: Wie gewinnt ein Unternehmen nach einem solchen Schaden das Vertrauen seiner Kund:innen zurück?

Ein anderes Beispiel ist Duolingo. Im April 2025 kündigte das Unternehmen an, künftig stärker nach einem „AI-first“-Ansatz zu arbeiten, KI verstärkt einzusetzen und die Zusammenarbeit mit externen Mitarbeitenden zurückzufahren, die zuvor an den Inhalten gearbeitet hatten.

Bei vielen Nutzer:innen stieß diese Entscheidung auf Kritik. Einige löschten die App oder beendeten ihre über lange Zeit aufgebauten Streaks. Ein Video, in dem eine Person einen 1.500 Tage langen Streak aufgab, wurde millionenfach angesehen.

Gleichzeitig stiegen Umsatz und Abonnentenzahl von Duolingo im selben Quartal. War das also ein Misserfolg? Rein finanziell war die Entwicklung daher zunächst positiv. Aber die Marke hatte sich über Jahre Vertrauen erarbeitet und in nur wenigen Wochen einen großen Teil davon verspielt.

Gleichzeitig zeigt das Beispiel, dass Produktentscheidungen nicht nur messbare Geschäftszahlen beeinflussen, sondern auch die Beziehung zwischen einer Marke und ihren Nutzer:innen.

Der Schaden muss nicht sofort sichtbar werden. Gerade deshalb lässt er sich leicht abtun. Was langfristig an Vertrauen verloren geht, kommt womöglich nicht zurück.

Genau solche Risiken lassen sich durch frühzeitige Nutzerforschung erkennen. Wolf führt seit 15 Jahren Nutzertests durch und erlebt dabei immer wieder, dass selbst seine eigenen Einschätzungen von den tatsächlichen Reaktionen der Nutzer:innen abweichen.

Warum KI im Silo kein Team schneller macht

Wolf möchte, dass Produktteams KI nicht länger getrennt nach Rollen einsetzen. Designer:innen können beispielsweise prüfen, wie KI ihre Arbeit in Figma unterstützt, während Entwickler:innen untersuchen, wie sie damit schneller Code schreiben.

Beides kann wertvolle Erkenntnisse liefern. Der größere Nutzen entsteht jedoch dort, wo die Arbeit zwischen den Rollen ineinandergreift.

Ein Beispiel dafür sind Design Systems. Damit sie langfristig funktionieren, sollten sie wie ein eigenes Produkt behandelt werden, mit klarer Verantwortung und einem festen Team, das sie kontinuierlich weiterentwickelt. Ein einmal abgeschlossenes Projekt reicht dafür nicht aus.

„Ein solides Design System ist wie ein Vokabelheft für die KI.“ Wolf Brüning, Lead UX Designer B2B bei OTTO

Ohne klare Vorgaben erzeugt KI häufig uneinheitliche Lösungen und entwickelt beispielsweise unterschiedliche Varianten für dieselbe Funktion. Ein Design System schafft einen gemeinsamen Rahmen und reduziert damit die Zahl möglicher Fehlentscheidungen.

Was bedeutet das für die Ausgangsfrage, ob KI Teams schneller gemacht hat? Die ehrliche Antwort lautet: vor allem verändern sich die Aufgaben der einzelnen Rollen.

Designer:innen, Konzeptioner:innen und Produktverantwortliche verbringen weniger Zeit damit, Screens in Figma zu zeichnen. Ihre Arbeit verlagert sich vom Zeichnen hin zum Kuratieren und Beraten.

Entscheidend bleibt dabei, dass Menschen zuerst die Richtung eines Produkts klären. KI kann die Umsetzung beschleunigen, ersetzt aber nicht die Frage, welches Problem überhaupt gelöst werden sollte.

Du bist dir nicht sicher, ob das Produkt auf eurer Roadmap überhaupt gebraucht wird? Über genau solche Fragen sprechen wir gern, bevor die erste Zeile Code entsteht.

Du möchtest das ganze Gespräch mit Wolf Brüning hören? Die Folge von Digital Product Talks findest du auf Spotify oder bei Apple Podcasts.

‍

Kurz zusammengefasst

Keine Zeit für den ganzen Artikel? Hier sind die wichtigsten Antworten.

Was ist Product Discovery? Herausfinden, was das Richtige ist, bevor ein Team baut. Dazu prüft es, welches Problem gelöst werden soll und welches Produkt dafür tatsächlich geeignet ist. Kurz gesagt: Product Discovery ist Risikomanagement.

Ersetzt KI Product Discovery? Nein. KI kann die Entwicklung schneller und günstiger machen. Dadurch kann ein Team aber auch schneller in die falsche Richtung arbeiten, wenn das eigentliche Problem vorher nicht ausreichend verstanden wurde.

Was ist eine Feature Factory? Eine Arbeitsweise, bei der vor allem zählt, wie viele Aufgaben oder Funktionen ein Team umsetzt. Dabei kann aus dem Blick geraten, ob das Produkt tatsächlich ein relevantes Problem für die Nutzer:innen löst.

Wie helfen Design Systems Teams bei der Arbeit mit KI? Ein Design System schafft gemeinsame Regeln und Komponenten für die Produktentwicklung. Dadurch hat KI einen klareren Rahmen und kann konsistente Lösungen erzeugen, statt Funktionen und UI-Elemente immer wieder neu zu entwickeln.