Вход на сайт

Просмотр новости

Найдите то, что Вас интересует

Mein KI-Set-up für Product-Discovery: Wie ich Kundeninterviews und „Opportunity-Mining“ nie wieder manuell auswerte

Дата публикации: 28-07-2026 06:00:00

Produktentdeckung auf das Wesentliche reduziert:Mit einem angestrebten Impact beginnen – also mit messbarem GeschäftswertUnerfüllte Kundenbedürfnisse, Probleme und Wünsche entdecken – wir nennen sie Möglichkeiten oder OpportunitiesLösungen finden, die diese Opportunities so adressieren, dass sie Geschäftswert erzeugenDer Impact beschreibt den Geschäftswert. Die Opportunities stellen den Kundenwert dar. Product-Ownern müssen sicherzustellen, dass mögliche Lösungen beidem gerecht werden.So einfach ist es in der Theorie.In der Praxis kostet Produktentdeckung viel Zeit. Heute stelle ich dir vor, wie ich KI nutze, um Kundeninterviews und „Opportunity-Mining“ zu beschleunigen. Los geht’s.Schritt #1: So bereite ich Interviews vor – mit KI als Sparringspartner Eine Warnung vorweg:Menschen wollen dir gefallen, sie spekulieren, sie sagen dir, was sie glauben zu tun, statt was sie wirklich tun, und sie teilen Wünsche statt Erfahrungen.Das macht gute Interviews schwierig. Um diese Effekte zu minimieren, greife ich nur auf eine Handvoll ausgewählter offener Fragen zurück.Hier sind bewährte Fragen:Erzähl mir, wie du [Aufgabe] erledigst.Wie oft machst du [Aufgabe]?Gibt es etwas Bestimmtes, das du immer vor oder nach [Aufgabe] tust?Nutzt du andere Tools oder hast du bestimmte Tipps und Tricks, die dir dabei helfen?Du sagst, du würdest dir [Feature] wünschen – kannst du mich durch einen konkreten Moment führen, wann und wie du es nutzen würdest?Wenn du mit einem Zauberstab alles verändern könntest – egal ob realistisch oder nicht –, was würdest du an [Problembereich] ändern?Mehr braucht es aus meiner Sicht nicht. Die Qualität deiner Discovery hängt nicht von weiteren Fragen ab, sondern von deiner Fähigkeit, dich empathisch in die Situation eines Kunden einzudenken und dich dann von deiner Neugier leiten zu lassen.Wenn du hierbei KI nutzen willst, dann als Sparringspartner. Erzähle ihr, wen du interviewen willst, was du lernen willst, und frage dann:„Woran sollte ich noch denken?“So deckst du blinde Flecken auf, bevor das Interview beginnt.Und eins noch:Finger weg von synthetischen Interviews. Eine KI anstatt wirklicher Nutzer zu interviewen klingt erst mal verlockend. Aber lass es. Das ist nur gefährlich. Die KI simuliert Kundenfeedback, ohne echte Kundenerfahrung zu liefern.Nach dem Interview kommen wir nun zu dem Schritt, bei dem uns KI sehr viel Zeit einsparen kann.Schritt #2: Vom Transkript zur Zusammenfassung in Sekunden Früher habe ich bei Interviews selbst mitgeschrieben.Oder wir mussten für Interviews immer zu zweit sein. Einer hat Fragen gestellt, der andere mitgeschrieben. Da ein Interview typischerweise 30 bis 60 Minuten dauert, habe ich im Anschluss bisher die wichtigen Punkte noch einmal zusammengefasst:Fakten zur Person: Name und Foto helfen dir, die interviewte Person schnell wiederzuerkennen. Ergänze weitere Schlüsseldetails, etwa Familiensituation, Alter oder Beruf, falls es für dein Produkt relevant ist.Ein Zitat: Halte ein prägnantes Zitat aus dem Interview fest. Es hilft dir, dich an die Geschichte dahinter wieder zu erinnern, auch wenn das Interview bereits Monate her ist. Ein gutes Zitat bringt dich sofort zurück in den Moment des Gesprächs.Frustration und Nutzen: Wenn Kunden von konkreten Erlebnissen erzählen, tauchen fast automatisch unerfüllte Bedürfnisse, Schmerzpunkte und Wünsche auf. Diese sind spezifisch und greifbar – sie sind deine Opportunities.Sonstiges: Manchmal erfährst du im Interview etwas Interessantes, das sich nicht direkt als Bedürfnis, Schmerzpunkt oder Wunsch einordnen lässt. Halte es trotzdem fest – es könnte später relevant werden.All das lässt sich – dank KI – mittlerweile in Sekunden erledigen:Zeichne das gesamte Interview auf.Füge die Datei in ein Wissensmanagementsystem ein.Lass dir eine Zusammenfassung erstellen.Ich nutze dazu NotebookLM.Die Fähigkeit, Videos in Sekunden zu transkribieren und multimodale Analysen durchzuführen, ist die beste, die ich bisher finden konnte. Im Wesentlichen verwandelt das Tool Quellen (Dokumente, Videos, Webseiten) in eine durchsuchbare Datenbank, die als „KI-Gehirn“ fungiert.Die Benutzung in Kürze:Links: Aufzeichnungen der Interviews als Quellen hinzufügenMitte: mit den „Quellen“ chattenRechts: Möglichkeiten, deine Ergebnisse zu visualisierenNachdem ich Interviews als Quellen hinzugefügt habe, lasse ich mir eine Zusammenfassung erstellen.Hier mein Prompt zum Download.Die KI erspart dir jetzt viel Zeit beim Zusammenfassen von Interviews. Allerdings steckt der wirkliche Hebel im Prompt. Je besser du den Prompt an deine Situation anpasst, desto relevanter werden die Zusammenfassungen.Schritt #3: Interview analysieren und Opportunities finden Lass uns kurz innehalten:Warum haben wir ein Interview geführt?Wir wollen aus Interviews lernen, was uns helfen könnte, einen Impact zu erreichen. Angenommen, der Impact ist, die Abwanderungsrate zu reduzieren. Dann wollen wir lernen, warum unsere Kunden kündigen. Was frustriert sie an unserem Produkt? Wie lösen sie ihr Problem, wenn sie unser Produkt nicht mehr nutzen können?Die Antworten auf diese Fragen sind Opportunities, die wir verfolgen könnten, um unser Produkt zu verbessern. Deshalb geht es unterm Strich darum, ein Gespräch mit einem Kunden in etwas zu verwandeln, was unser Scrum Team bei der Entwicklung nutzen kann.Typische Beispiele sind:PersonasHypothesen für ExperimenteUser-StoriesHow-might-we-FragenCustomer-Journey-MapsOpportunity-Solution-TreesOutcome-MapsMindmap…Opportunity-Solution-TreeAll das sind letztlich nur verschiedene Darstellungsformen der Informationen, die du bereits gesammelt hast. Die harte Arbeit – das Gespräch, das Zuhören, das Verstehen – ist bereits erledigt. Was bleibt, ist das Umstrukturieren und Aufbereiten.Genau das kann eine KI übernehmen und hierfür ist NotebookLM wie gemacht.Hier ein Beispiel: ein Interview-Snapshot als Grafik visualisiert.Und hier habe ich mir eine Mindmap erstellen lassen.Ein Klick auf „Machtkämpfe“ zeigt mir als Zitat alle Interviewstellen, die darauf hinweisen.Achtung: KI irrt sich – und du musst das wissen KI spart viele Stunden Arbeit:Du musst nicht mehr zu zweit im Interview sein.Zusammenfassungen werden in Sekunden angefertigt.Personas lassen sich auf Knopfdruck erstellen.Aber sie macht auch Fehler.Hier die wichtigsten Einschränkungen, die du kennen solltest:Bias-Warnung: KI-Modelle wurden auf riesigen Datenmengen trainiert – und diese Daten bringen Vorurteile mit. Das beeinflusst, wie die KI Aussagen interpretiert und zusammenfasst.Zusammenfassungen kürzen zu stark: Wenn du ein 30-minütiges Interview auf einen Absatz reduzierst, gehen Kontext, Nuancen und die Geschichte dahinter verloren. Genau das macht einen Kundenmoment aber einzigartig.Körpersprache und Tonfall fehlen: KI analysiert nur das Transkript, also den Text. Wie jemand etwas sagt – ob zögerlich, aufgeregt oder frustriert – bleibt unsichtbar. Dabei kann das die Bedeutung einer Aussage komplett verändern.Empathie fehlt: KI versteht keine Zwischentöne. Sie erkennt nicht, wenn jemand eigentlich etwas anderes meint, als er sagt.Deshalb: Verifiziere alle Ausgaben.Zwei einfache Prompts helfen dabei:„Nenne mir die Stelle im Interview, in der du diese Frustration gefunden hast.“„Bist du dir bei dieser Frustration sicher? Prüfe es noch einmal.“Das zwingt die KI, ihre Aussagen zu belegen – und deckt Fehler auf, bevor sie in deine Discovery einfließen.Ersetzt KI die Zusammenfassung von Kundeninterviews? Wahrscheinlich nicht.Aber sie gibt dir Optionen, wie du vorgehen kannst.Es gibt im Wesentlichen drei Ansätze:Nur du (ohne KI): Du entwickelst das tiefste Verständnis für deine Kunden, erkennst Muster am besten und baust echte Empathie auf. Der Nachteil: Es kostet viel Zeit und wird bei großen Interviewmengen schnell überwältigend. Sinnvoll, wenn du Discovery gerade erst lernst oder es um besonders wichtige Entscheidungen geht.KI übernimmt alles: schnell und skalierbar, aber gefährlich. Du verlierst den direkten Draht zu deinen Kunden, übst keine Empathie und die Ergebnisse sind fehleranfälliger und weniger handlungsrelevant. Vielleicht ein Ansatz, wenn dein Team noch keinerlei Erfahrung in Discovery hat.KI als Sparringspartner: Das ist mein Ansatz. Du machst die Synthese selbst und fragst danach die KI, was sie noch entdeckt. Sie findet Muster, die du übersehen hast, liefert eine frische Perspektive und beschleunigt die Arbeit, ohne sie zu ersetzen. Empathie bleibt erhalten, deine Fähigkeiten wachsen.Bisher habe ich und ein anderes Teammitglied das Interviews separat durchgearbeitet. Zwei Perspektiven auf dasselbe Gespräch. Genau diese zweite Meinung kann jetzt auch KI liefern.Das ist besonders nützlich beim Opportunity-Mining.Immer wenn sich der Impact ändert, lohnt es sich, alte Interviews neu zu analysieren. Wenn wir uns etwa statt auf die Minimierung der Abwanderung nun auf die Gewinnung von Neukunden konzentrieren wollen. Die Fragen, die du stellst, bleiben gleich, aber was relevant ist, verschiebt sich. Und hier hilft KI enorm: Sie durchsucht deine gesamte Interviewbibliothek in Sekunden nach neuen Mustern.Das Gespräch mit dem Kunden bleibt deine Arbeit. Die Auswertung muss es nicht mehr sein.
PS: Mehr davon – live und mit KI? In meinen “Scrum mit KI“-Trainings arbeiten wir genau an diesen Themen. Hier findest du die nächsten Termine.

Схожие новости

#Наименование новостиТональностьИнформативностьДата публикации
1Vibe-Coding für Anforderungen – geht das? Wie Prototypen das Refinement retten, bevor es peinlich wird08.621-07-2026
2Wird Product-Ownership zum Flaschenhals im KI-Zeitalter? Warum viele Product-Owner schlecht priorisieren, warum KI das sichtbar macht und 10 Werkzeuge, um besser zu entscheiden0707-07-2026
3Generative KI-Anwendung entwickeln: Mein ehrlicher Leitfaden für Product-Owner – von der ersten Idee bis zum laufenden Betrieb0607-07-2026
4Der häufigste Fehler bei Produkt-Zielen Wie du mit KI bessere Produkt-Ziele formulierst, die nicht nur Features beschreiben, sondern die Unternehmensstrategie umsetzen015.4614-07-2026
5Sie haben bereits eine KI-Arbeitsvereinbarung. Schreiben Sie sie auf. 🇩🇪07.6716-07-2026
6Nach 100 Stellenanzeigen: So verändert KI die Rolle des Product-Owners – 3 neue Karrieren, die sich 2026 im DACH-Raum herausbilden0823-06-2026
7Der heimliche Feind jedes Product-Owners: 5 Mythen, die Karrieren ruinieren015.2327-07-2026
8Wie drei Jira-Spalten Release-Prognosen sabotieren – und wie Scrum Teams ihr Board reparieren011.7128-07-2026
9Warum Aufwandsschätzungen in der Softwareentwicklung gleichzeitig sinnvoll und gefährlich sind06.528-07-2026
10Understand Yourself Deeply: Why Scrum Masters Decide to Learn AI010.9427-07-2026

Классификация: Мнения. Схожих патентов: 0. Схожих новостей: 10. Тональность: 0. Информативность: 15.82. Источник: www.scrum.org.