Die Produktwerker

In dieser Podcastfolge sind Tim und Julia Wissel im Gespräch und beschäftigen sich mit der Frage, wie Produktmanagerinnen und Produktmanager führen können, obwohl sie eigentlich ja oft keine formale Macht besitzen. Der Blick richtet sich auf den Alltag jenseits vom Organigram, dort wo Entscheidungen entstehen, beeinflusst werden oder auch blockiert bleiben, obwohl niemand offiziell zuständig zu sein scheint.

Ohne Macht führen bedeutet in diesem Kontext jedoch nicht, ohne Einfluss zu sein. Im Gegenteil. Produktmanagement ist von Natur aus eine Führungsrolle, weil Produkte Orientierung brauchen und Entscheidungen verlangen. Wer Verantwortung für ein Produkt trägt, führt Teams, Stakeholder und Organisationen, auch wenn keine disziplinarische Linie existiert. Führung entsteht hier über Haltung, Klarheit und die Fähigkeit, andere mitzunehmen. Wer glaubt, ohne formale Macht handlungsunfähig zu sein, reduziert die eigene Rolle auf Verwaltung und verliert Gestaltungsspielraum.

Ein zentraler Hebel liegt in Beziehungen. Entscheidungen entstehen selten dort, wo sie im Organigramm verortet sind. Einfluss verläuft über Vertrauen, persönliche Verbindungen und informelle Netzwerke. Wer versteht, wer wessen Meinung hört und wer welche Themen wirklich treiben, gewinnt Handlungsspielraum. Ohne Macht führen heißt deshalb, Zeit in Beziehungspflege zu investieren und diese bewusst als Infrastruktur für Entscheidungen zu begreifen. Gespräche außerhalb formaler Meetings, echtes Interesse an den Herausforderungen anderer und kontinuierlicher Austausch verändern die eigene Wirksamkeit spürbar.

Gleichzeitig braucht Führung ohne Macht eine klare inhaltliche Position. Produktmanagerinnen und Produktmanager können sich nicht darauf verlassen, dass gute Ideen sich von selbst durchsetzen. Sie müssen argumentieren, Prioritäten begründen und zeigen, welchen Beitrag Entscheidungen zum Unternehmenserfolg leisten. Daten, Nutzerfeedback und strategische Einordnung schaffen Glaubwürdigkeit. Wer klar benennen kann, welches Problem gelöst wird und warum das relevant ist, wird gehört, auch ohne formale Autorität.

Ein weiterer Aspekt ist der bewusste Umgang mit Hierarchie. Hierarchie verschwindet nicht dadurch, dass man sie ignoriert. Sie kann Orientierung geben, wenn sie transparent genutzt wird. Führung ohne Macht bedeutet nicht, Hierarchie zu bekämpfen, sondern sie zu verstehen. Wer weiß, welche Themen auf welcher Ebene entschieden werden und welche Zeithorizonte dort relevant sind, kann seine Anliegen besser platzieren. Gespräche auf Augenhöhe entstehen, wenn man die Perspektive des Gegenübers ernst nimmt und dessen Kontext berücksichtigt.

Ohne Macht zu führen fordert aber auch Mut. Konflikte lassen sich nicht vermeiden, wenn Produktverantwortung ernst genommen wird. Wer immer ausweicht, um Harmonie zu bewahren, verzichtet auf Wirkung. Führung zeigt sich darin, unbequeme Themen anzusprechen, Entscheidungen einzufordern und Verantwortung nicht nach oben abzugeben. Gleichzeitig bleibt es wichtig, offen für Feedback zu sein und eigene Annahmen zu hinterfragen.

Der Blick auf diese Form der Führung zeigt, dass Macht im Produktmanagement weniger aus Positionen entsteht als aus Klarheit, Vertrauen und Konsequenz. Wer bereit ist, Verantwortung zu übernehmen, Beziehungen aufzubauen und Entscheidungen fundiert vorzubereiten, führt bereits. Ohne Macht führen heißt nicht, weniger Einfluss zu haben, sondern Einfluss anders zu gestalten und bewusst einzusetzen.

Wer noch weitere Fragen an Julia Wissel hat oder direkt mit ihr in Kontakt kommen möchte, erreicht sie am besten über ihr LinkedIn-Profil.

Auf folgende Podcast-Episoden hat Tim im Gespräch Bezug genommen bzw. passen hierzu:
- Seine Stakeholder kennen und richtig analysieren
- Umgang mit schwierigen Stakeholdern
- Von der Führungskraft zurück zum Product Owner

Wer noch weitere Fragen an Julia Wissel hat oder direkt mit ihr in Kontakt kommen möchte, erreicht sie am besten über ihr LinkedIn-Profil.

Vibe Coding verändert gerade, wie Produkte entstehen.
Produktmenschen bauen selbst. Ideen werden direkt im Code sichtbar. Dokumente, Übergaben und lange Abstimmungen verlieren an Bedeutung.

In dieser Folge sprechen Oliver und Tim darüber, was diese Entwicklung für Product Owner, Developer und die Zusammenarbeit im Team bedeutet.

Sie zeigen, warum Vibe Coding sich so befreiend anfühlt. In kürzester Zeit entsteht funktionierende Software. Lernen passiert unmittelbar. Hypothesen lassen sich ausprobieren, anpassen oder direkt verwerfen.

Gleichzeitig werfen sie einen kritischen Blick auf die Risiken. Wenn Entscheidungen direkt im Code getroffen werden, rückt Product Delivery stark in den Vordergrund. Nutzerfeedback und strukturierte Product Discovery geraten leicht ins Hintertreffen. Bauchgefühl ersetzt dann schnell echte Erkenntnisse.

Auch die Frage nach Verantwortung spielt eine zentrale Rolle. Wenn Produkt und Umsetzung in einer Hand liegen, verschwimmen klassische Rollengrenzen. Das kann effizient sein, birgt aber Risiken für Qualität, Wartbarkeit und langfristige Kosten – vor allem ohne Sparring.

Trotzdem sehen Oliver und Tim große Chancen. Product Owner entwickeln mehr technisches Verständnis. Developer profitieren von klareren, greifbaren Ideen. Diese Nähe kann Zusammenarbeit stärken – wenn sie bewusst gestaltet wird.

Am Ende bleibt eine entscheidende Frage:
Nutzen wir Vibe Coding, um schneller Lösungen zu bauen – oder um schneller herauszufinden, welche Probleme wirklich relevant sind?

Simonetta Batteiger ist erneut zu Gast und sie spricht mit Tim über ein Thema, das in vielen Unternehmen gerade an Bedeutung gewinnt: die Kosten von AI Initiativen.

Es geht um die Frage, wie sich Investitionen in künstliche Intelligenz realistisch bewerten lassen. Der Austausch bewegt sich bewusst weg vom Hype und hin zu einer nüchternen betriebswirtschaftlichen Betrachtung, die Produktmenschen dabei hilft, Verantwortung zu übernehmen.

AI Initiativen entstehen aktuell oft aus Neugier, Innovationsdruck oder dem Wunsch, technologisch nicht abgehängt zu werden. Gleichzeitig bleibt häufig unklar, was diese Vorhaben tatsächlich kosten und welchen Beitrag sie zum Geschäftserfolg leisten sollen. Die Kosten von AI Initiativen beschränken sich dabei selten auf Tool Lizenzen oder Token Nutzung. Schon früh im Gespräch wird deutlich, dass der größte Teil der Ausgaben in Menschen fließt. Machine Learning Engineers, Data Scientists, Produktteams, Governance Rollen und rechtliche Prüfung verursachen laufende Kosten, die dauerhaft eingeplant werden müssen.

Ein zentrales Spannungsfeld liegt in der Erwartungshaltung vieler Organisationen. AI soll Prozesse beschleunigen, Kosten senken oder neue Umsätze ermöglichen. Diese Erwartungen brauchen jedoch eine belastbare Grundlage. Ohne klare Hypothesen bleibt unklar, ob eine Initiative Wert schafft oder lediglich Ressourcen bindet. Die Kosten von AI Initiativen lassen sich nur dann sinnvoll bewerten, wenn sie mit einer konkreten Annahme über Nutzen verknüpft werden. Genau hier kommt das AI Business Case Template von Simonetta ins Spiel, das nicht als finanzmathematisches Artefakt verstanden werden soll, sondern als Denkwerkzeug und Anstoß von Diskussionen. Das AI Business Case Template (inkl. Anleitung) findet ihr in folgendem Blog-Post von Simonetta verlinkt: The RoI of AI initiatives and the realistic cost of AI readiness auf ihrem Blog inclusiveleaders.blog

Im Mittelpunkt steht die Frage, wie ein Return on Investment entstehen kann. Investitionen in Infrastruktur, Datenqualität und Betrieb müssen sich über Zeit rechnen. Dabei ist Geschwindigkeit entscheidend. Je früher sichtbar wird, welchen Effekt eine AI Initiative hat, desto besser lässt sich nachsteuern. Gleichzeitig bleibt Unsicherheit ein fester Bestandteil. Auch bei AI gelten die bekannten Muster aus der Produktentwicklung. Viele Ideen funktionieren nicht wie erhofft. Das ist kein Scheitern, sondern Teil des Lernprozesses. Entscheidend ist, diese Unsicherheit bewusst einzuplanen und transparent zu machen.

Die Kosten von AI Initiativen steigen vor allem dann stark an, wenn aus Experimenten irgendwann produktive Systeme werden. Modelle müssen überwacht werden, Daten verändern sich, regulatorische Anforderungen greifen. Ohne saubere Governance und kontinuierliche Kontrolle entstehen neue Risiken. Diese Aspekte gehören von Anfang an in die Betrachtung, damit AI nicht zur Black Box wird, die sich finanziell und organisatorisch verselbständigt.

Deutlich wird im Gespräch mit Simonetta Batteiger aber auch, dass sich an den Grundprinzipien der Produktarbeit wenig ändert. Discovery bleibt zentral, um echte Probleme zu verstehen. Value entsteht nur dort, wo Nutzer oder Kunden bereit sind, für Lösungen zu bezahlen oder wo Kosten messbar reduziert werden. AI erweitert den Werkzeugkasten, hebt aber betriebswirtschaftliche Logik nicht auf. Wer die Kosten von AI Initiativen realistisch einschätzt, schafft eine solide Basis für Entscheidungen und wird gegenüber Stakeholdern anschlussfähig. Wer die Kosten von AI Initiativen versteht und einordnen kann, verlässt die Rolle des Experimentierenden und übernimmt Gestaltungsspielraum. Genau darin liegt die Chance, AI sinnvoll und wirksam im Unternehmen zu verankern.

Wer überhaupt mal einen Zugang zu Business- und Finanzzahlen bekommen möchte und sich strukturiert Wissen hierzu draufschaffen möchte, dem können wir ihren Kurs sehr empfehlen: Business and Finance Concepts for Product and Tech Leaders.

In dieser Folge sprechen Dominique und Oliver über die Trends, die die Rolle von Product Ownern im Jahr 2026 prägen könnten – und was das für den Arbeitsalltag konkret bedeutet.

Denn: Viele Organisationen spüren längst, dass sich die Erwartungen an Product Owner verändern. Es geht nicht mehr nur um Tools, Methoden oder einzelne Praktiken. Sondern um ein neues Rollenverständnis – mit mehr Verantwortung für echte Produktwirkung.

Dominique und Oliver werfen u.a. einen Blick auf diese Entwicklungen:
• Datenkompetenz als Schlüssel: Daten gibt’s genug – aber welche davon helfen wirklich bei Entscheidungen?
• KI im Produktalltag: Weg vom Tool-Experiment, hin zu sinnvoller Unterstützung bei Analyse, Discovery und Strategie.
• Fokus auf Outcome statt Output: Mehr Features ≠ mehr Wert. Aber wie zeigen wir Wirkung wirklich?
• Neue Formen der Zusammenarbeit: Ownership wird zum Teamergebnis – und braucht Orientierung, Klarheit und Kommunikation.
• Umgang mit Komplexität: Lernen wird wichtiger als Planen. Was bedeutet das für agiles Arbeiten im Jahr 2026?

Am Ende verdichten sich die Trends zu einem klaren Bild: Product Owner entwickeln sich vom Anforderungsmanager zur echten Produktverantwortung. Technologische Möglichkeiten wachsen – aber der Erfolg bleibt menschlich: Klarheit, Haltung und Verständigung sind entscheidend.

Monte-Carlo-Simulation hilft in der Produktentwicklung dabei, Prognosen realistischer zu machen. Nicht als harte Zusage, sondern als Blick auf Wahrscheinlichkeiten und damit auf das Risiko, das in komplexer Arbeit fast immer mitschwingt. Zeit also, sich tiefer damit auseinander zu setzen, weshalb Dominique in dieser Folge mit Felix Rink, Flight Level und Kanban Coach aus Köln, spricht.

Gemeinsam starten sie bei einer Frage, wann ist etwas fertig (dazu hatten wir auch schon eine andere Folge mit Felix) und wie belastbar ist so eine Aussage eigentlich, wenn Teams in unsicheren Umfeldern arbeiten. Von dort geht es zur Idee hinter der Monte-Carlo-Simulation. Sie ist überraschend simpel. Vergangene Ergebnisse geben Hinweise darauf, wie sich Arbeit vermutlich auch künftig verteilt. Statt eine einzelne Zahl zu versprechen, entsteht eine Bandbreite. Fertigstellungen aus der Vergangenheit werden in vielen Durchläufen immer wieder neu kombiniert, bis ein Muster sichtbar wird. Manche Ergebnisse tauchen oft auf, andere sind selten. Genau diese Verteilung ist in der Produktentwicklung hilfreich, weil Schwankungen zum Tagesgeschäft gehören. Schnell wird klar, dass es weniger um exakte Termine geht als um ein besseres Gefühl für Risiko. Die Simulation zeigt, mit welcher Wahrscheinlichkeit ein bestimmter Umfang in einem Zeitraum wirklich geschafft werden kann. Das verändert, wie über Planung gesprochen wird. Zusagen werden zu bewussten Entscheidungen über Risiko und nicht zu Versprechen, die später unter Druck verteidigt werden müssen. Für Product Owner ist das besonders wertvoll, weil Gespräche mit Stakeholdern dadurch sachlicher werden und Erwartungen besser eingeordnet werden können.

Ein weiterer Schwerpunkt liegt auf den Daten. Entscheidend ist nicht, möglichst weit zurückzugehen, sondern eine Vergangenheit zu wählen, die der erwarteten Zukunft ähnelt. Kurze Zeiträume mit ausreichend vielen Datenpunkten liefern oft bessere Prognosen als lange Historien, in denen Sondereffekte alles verzerren. Auch eine feinere Betrachtung auf Tagesbasis kommt zur Sprache, weil sich Forecasts damit schneller aktualisieren lassen und Veränderungen im System früher auffallen.

Spannend wird es dort, wo die Monte-Carlo-Simulation nicht als einmaliger Schritt verstanden wird, sondern als laufendes Werkzeug. Neue Erkenntnisse, zusätzliche Arbeit oder geänderte Rahmenbedingungen fließen direkt in den nächsten Forecast ein. So entsteht ein kontinuierlicher Abgleich zwischen Realität und Erwartung. Das unterstützt aktives Risikomanagement und hilft Teams, Prioritäten immer wieder neu auszurichten, ohne jedes Mal bei null anfangen zu müssen.

Am Ende geht der Blick über die klassische Fertigstellungsfrage hinaus. Überall dort, wo vergangenes Verhalten brauchbare Hinweise auf die Zukunft gibt, kann Monte Carlo helfen, Unsicherheit greifbar zu machen. In der Produktentwicklung ist das oft genau die Art von Pragmatismus, die fehlt. Nicht kompliziert, aber deutlich verlässlicher als Bauchgefühl.