Wie ich mir mit KI-Skills den PO-Alltag leichter mache
Wie ich mir mit KI-Skills den PO-Alltag leichter mache
Weniger Copy-Paste, weniger Formulararbeit, mehr Fokus auf das eigentliche Produkt.
Als Product Owner verbringe ich einen überraschend großen Teil meiner Zeit nicht mit Produktstrategie, Discovery oder Priorisierung, sondern mit Übersetzungsarbeit.
Ich sammle Gedanken ein. Ich formuliere Rohideen um. Ich bringe Anforderungen in ein Format, das für Team, Stakeholder und Tools funktioniert. Und sehr oft lande ich am Ende in Jira.
Nicht, weil Jira das Problem ist. Sondern weil strukturierte Dokumentation eben dazugehört.
Was mich daran lange genervt hat:
- Die eigentliche Denkarbeit passiert vorher
- Der administrative Teil kommt danach
- Und genau dieser Teil frisst unverhältnismäßig viel Energie
Also habe ich angefangen, mir mit KI kleine, sehr konkrete Helfer zu bauen. Keine riesige Plattform. Kein „AI Transformation Program“. Sondern pragmatische Skills für genau die Aufgaben, die mich im Alltag Zeit kosten.
Der wichtigste Gedanke dabei: Ich will keine Magie, ich will Entlastung
Viele KI-Demos sehen beeindruckend aus, helfen im Alltag aber kaum. Da wird dann ein „autonomer Agent“ gezeigt, der angeblich das halbe Produktmanagement übernimmt.
Mein Anspruch war deutlich kleiner und dadurch am Ende viel nützlicher:
Ich will weniger Reibung zwischen Idee und sauber dokumentiertem Ergebnis.
Genau dafür sind solche Skills aus meiner Sicht stark. Nicht als Ersatz für Denken. Sondern als Übersetzer, Strukturierer und Ausführer.
Ein Beispiel aus meinem Alltag: Von Spracheingabe zu einem sauberen Jira-Ticket
Eine Situation, die ich gut kenne: Ich habe zwischen zwei Meetings eine Idee im Kopf. Oder ich komme aus einem Gespräch mit Support, Vertrieb oder einem Stakeholder und weiß:
Das müssen wir festhalten, bevor es wieder im Tagesgeschäft verschwindet.
Früher hätte ich mir schnell ein paar Stichpunkte irgendwo notiert und später versucht, daraus ein ordentliches Ticket zu bauen. Das Problem: Später fehlt oft Kontext. Oder die Motivation.
Heute spreche ich die Idee einfach per Sprache ein. Ganz unperfekt. Eher so:
„Wir brauchen wahrscheinlich eine bessere Lösung für die Rückfrage beim Lizenzablauf. Der Support bekommt dazu viele Tickets. Wichtig wäre, dass der Nutzer früher erinnert wird und dass wir unterscheiden können zwischen Testlizenz und bezahlter Lizenz.“
Das landet dann nicht einfach als Transkript in irgendeiner Notiz, sondern läuft durch einen Skill, den ich mir genau für diesen Zweck gebaut habe.
Dieser Skill macht aus meinem Rohtext ein vordefiniertes Jira-Format. Zum Beispiel mit:
- Titel
- Problem
- Ziel
- Kontext
- Akzeptanzkriterien
- offene Fragen
Und genau das ist für mich der eigentliche Hebel: Ich starte nicht mehr mit einer leeren Jira-Maske, sondern mit einem ersten brauchbaren Entwurf.
Der entscheidende Punkt: Die KI schreibt nicht „fertig“, sie macht den ersten strukturierten Aufschlag
Mir ist wichtig, das nicht romantisch zu erzählen. Die KI ersetzt an dieser Stelle nicht meine Verantwortung als PO.
Sie kennt nicht automatisch alle fachlichen Abhängigkeiten. Sie weiß nicht von allein, was politisch heikel ist. Und sie entscheidet natürlich auch nicht, ob ein Thema wirklich priorisiert werden sollte.
Aber sie ist erstaunlich gut darin,
- unstrukturierte Sprache in Struktur zu überführen
- unklare Formulierungen sichtbar zu machen
- Lücken oder Widersprüche aufzudecken
- aus einer groben Idee einen diskutierbaren Arbeitsstand zu erzeugen
Das ist für mich der Unterschied zwischen „nette Spielerei“ und echter Hilfe.
Danach beginnt die eigentliche Zusammenarbeit
Sobald der erste Entwurf da ist, arbeite ich ihn gemeinsam mit der KI weiter aus. Nicht blind, sondern im Dialog.
Ich lasse mir zum Beispiel helfen bei Fragen wie:
- Ist das eher ein Problem-Statement oder schon eine vorweggenommene Lösung?
- Fehlen Akzeptanzkriterien?
- Ist das zu groß für ein einzelnes Ticket?
- Welche Rückfragen sollte ich vor dem Refinement noch klären?
Gerade dieser Zwischenschritt ist für mich im Alltag extrem wertvoll. Denn ich muss nicht mehr alles alleine in die perfekte Form bringen, bevor ich weiterdenken kann. Ich kann mit einer groben Idee starten und sie iterativ schärfen.
Im Prinzip so, wie man es bei guter Produktarbeit sowieso tun sollte.
Wenn ich zufrieden bin, sage ich einfach: Füge das in Jira ein
Der letzte Schritt war für mich der, der den Unterschied zwischen „schön vorbereitet“ und „wirklich nützlich“ gemacht hat.
Denn seien wir ehrlich: Auch ein gutes KI-Ergebnis bringt mir nur begrenzt etwas, wenn ich danach trotzdem wieder Felder kopieren, Labels setzen, Inhalte formatieren und alles manuell in Jira einpflegen muss.
Deshalb habe ich den Workflow so gebaut, dass ich nach der Verfeinerung sinngemäß sagen kann:
„Füge das in Jira ein.“
Dann übernimmt die KI den operativen Teil:
- passendes Projekt wählen
- Felder befüllen
- Beschreibung in meinem gewünschten Format eintragen
- gegebenenfalls Labels oder Ticket-Typ setzen
Damit spare ich nicht nur Zeit. Ich spare vor allem mentale Kontextwechsel.
Und genau diese Kontextwechsel sind im PO-Alltag aus meiner Sicht ein unterschätzter Energiefresser.
Warum das für mich als Product Owner so gut funktioniert
Ich glaube, solche KI-Skills sind gerade für Product Owner spannend, weil unsere Arbeit stark aus drei Dingen besteht:
- Informationen verdichten
- zwischen Menschen und Systemen übersetzen
- Entscheidungen vorbereiten
Genau in diesen Zwischenräumen entsteht viel Reibung. Nicht schwer genug für ein großes Projekt. Aber nervig genug, um über Wochen spürbar Zeit zu kosten.
Ein paar typische Beispiele, bei denen ich ähnliches Potenzial sehe:
- Meeting-Notizen in ein sauberes Entscheidungsprotokoll überführen
- lose Stakeholder-Anforderungen in Story-Entwürfe übersetzen
- Support-Feedback clustern und in Muster aufteilen
- aus Sprachmemos strukturierte Refinement-Vorlagen erzeugen
- Tickets vor dem Anlegen auf Unklarheiten prüfen
Das sind keine glamourösen Use Cases. Aber genau deshalb bringen sie im Alltag oft den größten Nutzen.
Wichtig: Das ist kein ChatGPT-spezifischer Trick
Ich habe mir das mit ChatGPT gebaut, weil ich damit in meinem Alltag schnell ins Machen gekommen bin. Aber die Grundidee hängt nicht an einem einzelnen Anbieter.
So ein Setup lässt sich im Prinzip genauso mit anderen Modellen und Plattformen denken, zum Beispiel mit Claude, Gemini oder vergleichbaren Lösungen.
Entscheidend ist aus meiner Sicht nicht der Markenname. Entscheidend ist:
- dass du wiederkehrende Muster in deiner Arbeit erkennst
- dass du den gewünschten Output klar definierst
- und dass du die KI nicht allgemein „intelligent“, sondern ganz konkret nützlich machst
Was ich daraus gelernt habe
Die größte Veränderung ist für mich nicht, dass ich jetzt „mit KI arbeite“. Sondern dass ich genauer hinschaue, welche Teile meiner Arbeit eigentlich standardisierbar sind, obwohl sie sich im Alltag immer individuell anfühlen.
Gerade als Product Owner gibt es viele Aufgaben, die nach Denken aussehen, in Wahrheit aber oft Übersetzungs- und Strukturarbeit sind. Und genau dort kann KI enorm entlasten.
Nicht, indem sie mir die Verantwortung abnimmt. Sondern indem sie mir die Reibung aus dem Prozess nimmt.
Fazit
Ich würde KI-Skills im PO-Alltag nicht als Zukunftsthema beschreiben. Für mich sind sie längst ein praktisches Werkzeug.
Immer dann, wenn ich etwas schnell festhalten, strukturieren, verfeinern und sauber in ein Arbeitssystem überführen will, nehme ich mir damit unnötige Handarbeit aus dem Prozess.
Das Ergebnis ist nicht, dass ich weniger nachdenken muss. Das Ergebnis ist, dass ich meine Energie stärker auf die Teile der Arbeit richten kann, die wirklich meine Aufgabe sind: Priorisieren, klären, entscheiden und mit Menschen sprechen.
