11 KI-Use-Cases für Product Manager

01 Kundenfeedback clustern

Feedback kommt aus fünf Kanälen: Support-Tickets, App-Store-Reviews, Notizen aus dem Vertrieb, NPS-Kommentare und das, was im Kundencall hängen geblieben ist. Jeder im Team hat ein Bauchgefühl, was die Kunden am meisten stört. Belegen kann es keiner. Genau hier spart KI die meiste Zeit, weil sie hunderte Aussagen in Minuten nach Themen sortiert.

Du brauchst

Einen Export der Rohtexte aus dem letzten Quartal, ohne Kontaktdaten, dazu eine Zeile pro Aussage mit Quelle und Kundensegment.

Du bekommst

Fünf bis sieben Themen mit Anzahl der Belege, je zwei Originalzitaten und einer ersten Einschätzung der Dringlichkeit.

So gehst du vor

1. Exportiere nur die Aussagen und die nötigen Spalten in eine Tabelle. Ohne lokale oder freigegebene KI entfernst du zusätzlich Namen, E-Mail-Adressen und Kundennummern.
2. Lass die KI clustern und verlange pro Thema die Zahl der Belege und wörtliche Zitate.
3. Prüfe drei Themen stichprobenartig: Passen die Zitate wirklich zum Thema?
4. Gleiche die Themen mit Nutzungsdaten ab, bevor du daraus eine Priorität ableitest.

Achte darauf: Häufig ist nicht gleich wichtig. Zehn Beschwerden von Testnutzern wiegen weniger als zwei von Kunden, die gerade kündigen wollen. Gib der KI deshalb das Segment mit.

Passende Prompts: 01 Feedback-Cluster

Vertiefung: Kundenfeedback mit KI analysieren

02 Interviews verdichten

Nach einer Interviewrunde hat jeder im Team andere Sätze im Kopf. Die Transkripte liegen irgendwo, gelesen hat sie keiner komplett. KI kann aus allen Gesprächen dieselbe Struktur ziehen: Auslöser, Job, Pain Point, heutiger Workaround. Das macht die Interviews vergleichbar.

Du brauchst

Transkripte oder ausführliche Notizen, pro Interview mit Rolle und Segment der Person.

Du bekommst

Eine Tabelle mit Jobs-to-be-Done, Belegzitaten und einem Vertrauensniveau pro Aussage, getrennt nach Segment.

So gehst du vor

1. Lade die Transkripte einzeln hoch und lass pro Interview dieselbe Tabelle erstellen.
2. Führe die Tabellen danach zusammen und lass Muster über alle Gespräche suchen.
3. Frage gezielt nach Aussagen, die dem Muster widersprechen.
4. Plane mit dem Interviewleitfaden-Prompt die nächste Runde für die offenen Fragen.

Achte darauf: Die KI glättet. Sie macht aus einem zögerlichen „vielleicht“ schnell ein klares Bedürfnis. Verlange deshalb immer das Originalzitat und lies es selbst.

Passende Prompts: 02 Jobs-to-be-Done, 03 Interviewleitfaden

Vertiefung: Product Discovery mit KI

03 Support-Signale sortieren

Support-Tickets sind die ehrlichste Quelle, die ein Produktteam hat. Leider sind sie nach Dringlichkeit sortiert und nicht nach Ursache. KI hilft, die Tickets auf wenige wiederkehrende Ursachen zurückzuführen und zu zeigen, welche Segmente und Produktbereiche betroffen sind.

Du brauchst

Ticket-Export mit Betreff, Beschreibung, Kategorie, Datum und Kundensegment. Ein Monat reicht für den Anfang.

Du bekommst

Eine Liste der häufigsten Ursachen mit betroffenem Produktbereich, Segment und einem möglichen Produkthebel.

So gehst du vor

1. Exportiere die Tickets und lass Signaturen, Grußformeln und Kundendaten entfernen.
2. Frage nach der Ursache hinter dem Symptom: Was steckt hinter „Login geht nicht“?
3. Lass für jede Ursache den Produkthebel vorschlagen: Fehler beheben, Text ändern, Prozess ändern oder Hilfeartikel.
4. Bespreche die Liste mit dem Support-Team, bevor sie ins Backlog geht.

Achte darauf: Ticket-Kategorien sind oft falsch gepflegt. Lass die KI den Text lesen und die vorhandene Kategorie nur als Hinweis nutzen.

Passende Prompts: 01 Feedback-Cluster, 19 Metrik-Diagnose

04 Wettbewerbssignale einordnen

Ein Wettbewerber kündigt ein neues Feature an, und plötzlich steht die Roadmap zur Diskussion. Hilfreich ist ein ruhiger Blick: Was wissen wir wirklich, was vermuten wir nur? KI kann Webseiten, Release Notes und Pressemitteilungen in Hypothesen zu Positionierung und Zielgruppe übersetzen.

Du brauchst

Öffentliche Informationen der Wettbewerber: Webseite, Preisseite, Release Notes, Stellenanzeigen, Reviews.

Du bekommst

Hypothesen zu Positionierung, Zielsegment und Differenzierung, jeweils mit der Frage, wie du sie prüfen kannst.

So gehst du vor

1. Sammle die Quellen und gib sie der KI mit Datum.
2. Verlange ausdrücklich Hypothesen. Tatsachenbehauptungen haben hier nichts zu suchen.
3. Lass vergleichen, wo sich euer Nutzenversprechen überschneidet und wo nicht.
4. Leite zwei bis drei Fragen ab, die ihr in den nächsten Kundengesprächen klärt.

Achte darauf: Sprachmodelle kennen Wettbewerber oft nur aus alten Trainingsdaten. Arbeite deshalb mit aktuellen Quellen, die du selbst mitgibst.

Passende Prompts: 17 Wettbewerb als Hypothesen

Vertiefung: Produktstrategie mit KI

05 Opportunity-Solution-Tree vorbereiten

Im Backlog stehen viele gute Ideen. Welches Kundenproblem sie lösen, steht selten daneben. Der Opportunity-Solution-Tree von Teresa Torres ordnet das: Ziel, Chancen, Lösungen, Tests. KI erstellt aus deinen Research-Signalen einen ersten Entwurf, den ihr im Team schärft.

Du brauchst

Ein messbares Ziel (zum Beispiel Aktivierung in den ersten 7 Tagen) und die Ergebnisse aus Feedback und Interviews.

Du bekommst

Einen Entwurf des Baums mit klarer Trennung zwischen beobachtetem Problem, Chance, Lösung und Annahme.

So gehst du vor

1. Formuliere das Ziel so konkret, dass man es messen kann.
2. Gib die Research-Ergebnisse mit und lass Chancen aus Kundensicht formulieren.
3. Lass alles markieren, wofür es keinen direkten Beleg gibt.
4. Nehmt den Entwurf in den Team-Workshop und streicht, was nicht trägt.

Achte darauf: Der Baum ist ein Denkwerkzeug fürs Team. Wenn die KI ihn allein baut und keiner darüber spricht, ist der Nutzen weg.

Passende Prompts: 05 Opportunity-Solution-Tree

Vertiefung: Product Discovery mit KI

06 Hypothesen challengen

Wenn alle im Raum nicken, fehlt meist eine Gegenstimme. KI eignet sich gut als Advocatus Diaboli: Sie formuliert die stärksten Gegenhypothesen und fragt, welche Evidenz eure Annahme stützt oder widerlegt. Das tut niemandem weh und verhindert teure Umwege.

Du brauchst

Die Annahme in einem Satz und das, was ihr bisher an Belegen habt.

Du bekommst

Drei Gegenhypothesen, die fehlende Evidenz und den schnellsten fairen Test für jede.

So gehst du vor

1. Schreibe die Annahme so auf, dass sie falsch sein kann.
2. Lass die drei stärksten Gegenhypothesen formulieren.
3. Frage für jede: Was müssten wir sehen, damit wir unsere Meinung ändern?
4. Für große Entscheidungen zusätzlich ein Pre-mortem machen.

Achte darauf: Die KI ist von sich aus eher höflich. Bitte ausdrücklich um die stärksten Gegenargumente, sonst bekommst du nur sanfte Einwände.

Passende Prompts: 04 Gegenhypothese, 21 Pre-mortem

07 Experimentbriefs erstellen

Ein Experiment ohne vorher festgelegtes Erfolgssignal endet fast immer mit „war ganz interessant“. Ein kurzer Brief klärt vorher: Wen testen wir, was ist der kleinste Test, ab wann gilt er als bestanden und was entscheiden wir danach?

Du brauchst

Die Hypothese, die Zielgruppe und eine grobe Vorstellung vom Test.

Du bekommst

Einen einseitigen Brief mit Testaufbau, Erfolgssignal, Abbruchkriterium, Risiken und der Entscheidung nach dem Test.

So gehst du vor

1. Gib die Hypothese und lass den kleinstmöglichen Test vorschlagen.
2. Lege Erfolgssignal und Abbruchkriterium fest, bevor der Test startet.
3. Schreibe auf, was ihr bei jedem möglichen Ergebnis entscheidet.
4. Lege den Brief dort ab, wo das Team ihn nach dem Test wiederfindet.

Achte darauf: Die Zahl für das Erfolgssignal muss vom Team kommen. Lass dir von der KI Vorschläge machen, aber entscheide selbst.

Passende Prompts: 06 Experimentbrief

Vertiefung: Product Discovery mit KI

08 PRDs vorbereiten

Ein leeres PRD-Dokument ist einschüchternd. KI liefert in wenigen Minuten eine Struktur mit Nutzerproblem, Zielen, Nicht-Zielen, Risiken und offenen Entscheidungen. Den Inhalt musst du weiterhin liefern. Aber du sparst dir die Stunde vor dem leeren Blatt.

Du brauchst

Problem Statement, Zielgruppe, Ergebnisse aus Discovery und bekannte technische Rahmenbedingungen.

Du bekommst

Einen PRD-Entwurf mit klarem Scope, Nicht-Scope, Akzeptanzkriterien, Risiken und einer Liste offener Fragen.

So gehst du vor

1. Schärfe zuerst das Problem Statement mit dem passenden Prompt.
2. Lass die KI vor dem Schreiben nach fehlenden Informationen fragen.
3. Prüfe besonders die Nicht-Ziele: Dort entstehen später die meisten Missverständnisse.
4. Gib den Entwurf an Engineering und Design und sammle die offenen Fragen.

Achte darauf: Ein PRD von der KI klingt schnell vollständig. Ob es stimmt, merkst du erst, wenn Engineering Fragen stellt. Hol die Fragen früh ein.

Passende Prompts: 07 Problem Statement, 08 PRD-Entwurf

09 Backlog verfeinern

Wenn Stories im Sprint zurückkommen, liegt es oft an unklaren Begriffen oder fehlenden Akzeptanzkriterien. KI kann Backlog-Items vor dem Refinement prüfen und präzisere Formulierungen vorschlagen. Das Refinement wird kürzer und die Diskussion besser.

Du brauchst

Die Backlog-Items im Wortlaut, dazu die Definition of Ready eures Teams.

Du bekommst

Pro Item die unklaren Begriffe, fehlende Kriterien, Abhängigkeiten und eine präzisere Formulierung.

So gehst du vor

1. Exportiere die Items für das nächste Refinement.
2. Lass sie prüfen, ohne dass die KI priorisiert.
3. Übernimm die Vorschläge, die dir einleuchten, und markiere offene Punkte.
4. Nimm die offenen Punkte als Agenda mit ins Refinement.

Achte darauf: Bei sensiblen Produktdetails gilt: Nutze eine lokal laufende KI oder ein freigegebenes Tool ohne Training auf deinen Daten.

Passende Prompts: 09 User Stories, 10 Backlog-Review

10 Priorisierung begründen

Wenn die Reihenfolge der Roadmap ständig wackelt, fehlt meist eine nachvollziehbare Begründung. KI hilft, Optionen nach Wirkung, Evidenz, Aufwand, Risiko und Umkehrbarkeit vergleichbar zu machen. Die Entscheidung bleibt bei dir, aber sie ist danach erklärbar.

Du brauchst

Die Optionen, das Ziel, vorhandene Daten und grobe Aufwandsschätzungen aus dem Team.

Du bekommst

Eine Vergleichstabelle und ein kurzes Priorisierungs-Memo mit Empfehlung, Trade-offs und Gegenargument.

So gehst du vor

1. Lass die Optionen in einer Tabelle vergleichen und unsichere Werte markieren.
2. Frage nach der wichtigsten offenen Frage pro Option.
3. Schreibe mit dem Memo-Prompt eine Empfehlung inklusive Gegenargument.
4. Schick das Memo vor dem Meeting, damit im Meeting Zeit für die Entscheidung bleibt.

Achte darauf: Scores wie RICE wirken genau, sind aber nur so gut wie die Schätzungen dahinter. Lass die KI die unsichersten Werte benennen.

Passende Prompts: 11 Optionenvergleich, 12 Priorisierungs-Memo

Vertiefung: Priorisierung mit KI

11 Strategie erklären

Die Geschäftsführung will Wirkung sehen, der Vertrieb wissen, was er verkaufen kann, und Engineering, was wegfällt. KI kann dieselbe Strategie für unterschiedliche Zielgruppen formulieren, ohne die Fakten zu ändern. Dazu kommen Roadmap-Szenarien, die Trade-offs sichtbar machen.

Du brauchst

Das Quartalsziel, die Strategie in Stichpunkten und die Zielgruppen, die sie verstehen müssen.

Du bekommst

Drei Roadmap-Szenarien mit Trade-offs, ein Entscheidungs-Memo und Fassungen für zwei Zielgruppen.

So gehst du vor

1. Lass drei unterschiedliche Szenarien entwickeln, jeweils mit dem, was bewusst nicht passiert.
2. Entscheide dich für ein Szenario und lass ein einseitiges Memo schreiben.
3. Lass die Botschaft für zwei Zielgruppen anpassen und prüfe, ob die Fakten gleich bleiben.
4. Teste die Fassung an einer Person aus der Zielgruppe, bevor sie breit rausgeht.

Achte darauf: Die KI formuliert gern zu glatt. Lies die Fassung laut vor. Wenn du so nicht reden würdest, kürze sie.

Passende Prompts: 13 Roadmap-Szenarien, 14 Leadership-Entscheidung, 16 Strategisches Narrativ

Vertiefung: Produktstrategie mit KI