Technische CPO erklärt, wie ihr Team KI-Agenten in der Projektabwicklung einsetzt
Erfahren Sie, wie eine CPO KI-Agenten einsetzt, um Aufgaben im Projektmanagement zu automatisieren, die Lieferung zu beschleunigen und sich auf Ergebnisse zu konzentrieren – mit echten Beispielen für Arbeitsabläufe, die Verzögerungen reduzieren und die Teamleistung verbessern.
KI-Wartung: Product People setzt KI ein, um Wartungsaufgaben zu übernehmen, sodass der Fokus auf Geschäftsergebnissen liegt.
Menschliche Faktoren: Empathie, Urteilsvermögen und Strategie bleiben menschliche Stärken, die KI im Produktmanagement nicht nachbilden kann.
Agentische Lösungen: Der Einsatz von KI-Agenten hat Arbeitsabläufe beschleunigt und die Geschwindigkeit sowie die Zufriedenheit der Stakeholder verbessert.
Wartungsarme Tools: Kundenunabhängige Tools wie Notion und Figma unterstützen ein verteiltes, effizientes Arbeitsmodell.
Zukünftige PM-Rolle: KI wird das Projektmanagement neu definieren; strategische Fähigkeiten und Systemdesign rücken dabei in den Mittelpunkt.
Mirela Mus ist die Gründerin und CPO von Product People. Sie hat einen MBA und einen Hintergrund in Informatik sowie mehr als ein Jahrzehnt Erfahrung im Produktmanagement — die Hälfte davon auch in einer Führungsrolle.
Wir haben uns mit ihr getroffen, um mehr darüber zu erfahren, wie die Wartung an KI delegiert werden kann, damit Menschen sich auf echte Ergebnisse konzentrieren können. Das ist ihre Sicht:
Unternehmerische Ergebnisse liefern
Ich bin Mirela Mus, die Gründerin und CPO von Product People. Wir sind die führende Adresse für Produktmanagement- und Produktwachstums-Services in Europa. Zu unseren Kunden zählen unter anderem Amazon, Zalando, eBay, DeepL und die Weltgesundheitsorganisation.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Auch wenn wir zustimmen, dass Umsetzung ein hervorragender Wettbewerbsvorteil ist, überwachen oder managen wir nicht nur Projekte; wir liefern unternehmerische Ergebnisse wie Umsatzsteigerungen und Kostensenkungen.
Warum manche Elemente nicht von KI nachgebildet werden können
Wir betrachten die KI-First-Evolution durch unser Kernprinzip: "Wenig Wartung, maximaler Output". KI kümmert sich um die Wartung, sodass wir uns komplett auf die Ergebnisse konzentrieren können.
Wir setzen konsequent Tools ein, die unsere Basisausführung beschleunigen, damit wir weniger Zeit mit unattraktiver, praktischer Arbeit verbringen müssen wie z. B.:
- Qualitative Datensynthese: Wir nutzen KI, um öffentliche Marktdaten, Nutzerbewertungen und Support-Tickets sofort zusammenzufassen. Das unterstützt unsere "GSD (Get Sh*t Done) Einstellung." Wir verschwenden keine Zeit damit, auf leere Seiten zu starren.
- Erstellung von Entwürfen: KI eignet sich hervorragend dafür, den ersten Entwurf von PRDs oder Release Notes zu erstellen. Das unterstützt unsere aktuellen Methoden und stellt sicher, dass Nachwuchs-PMs mit einer Struktur anfangen, die unseren hohen internen Standards entspricht und so den manuellen Review-Zyklus verkürzt.
- Schnelle Kontexterfassung: Statt langer Discovery-Phasen nutzen wir KI, um unser Verständnis für neue Branchen und Marktstandards zu beschleunigen. Das ermöglicht uns, schnell einzusteigen und sofort Mehrwert zu liefern.
Wir sehen die KI-First-Revolution durch unser Kernprinzip: ‘Wenig Wartung, maximaler Output.'
Da die Arbeit automatisiert ist, investiere ich verstärkt in die menschlichen Faktoren, die KI nicht nachbilden kann:
- Tiefes Einfühlungsvermögen (das "Warum jetzt?" herausfinden): KI kann Daten analysieren, aber keine Stimmung im Raum erfassen. Ein Mensch muss Stakeholder direkt ansehen und den wirklichen Druck hinter einer Anfrage verstehen — ob es sich um ein echtes Marktbedürfnis oder eine Panikreaktion auf einen Wettbewerber handelt. Nutzen Sie die Zeit, um Stakeholder zu beeinflussen und durch das politische Umfeld zu navigieren, das die Umsetzung in komplexen Organisationen oft blockiert.
- Unvoreingenommenes Urteilsvermögen ("Söldner-Mentalität"): Wir nutzen die gewonnene Zeit, um das anzuwenden, was ich "Söldner-Mentalität" nenne – wir nehmen Emotionen aus der Entscheidungsfindung, um klares Urteil zu gewährleisten. So schneiden wir Störgeräusche im Unternehmen aus und arbeiten strikt auf die Geschäftsziele des Kunden hin, anstatt auf interne Beliebtheit zu schielen.
- Vision und strategische Wetten: Wie ich oft sage, "Nur unbeirrbare Optimisten sind für das Produktmanagement geeignet." KI kann auf Basis von Vergangenem Prognosen treffen, aber sie kann kein demoralisiertes Team für eine bessere Zukunft begeistern oder die gegen den Mainstream gerichteten Wetten eingehen, die zur Unternehmens-Transformation nötig sind.
- Navigieren in komplexer Organisation: Das ist der schwierigste Teil des Jobs. Abteilungen, die sich querstellen, oder Stakeholder mit widerstreitenden Interessen zu managen, erfordert viel emotionale Intelligenz und Söldner-Fokus.
- Entscheidungsgeschwindigkeit (OODA-Loop): Wir nutzen Effizienzgewinne, um unseren "OODA-Loop" (Observe-Orient-Decide-Act) zu verkürzen und unsere Strategien schneller anzupassen als traditionelle interne Teams.
KI kann aus vergangenen Daten Vorhersagen treffen, aber sie kann kein demoralisiertes Team zu einer besseren Zukunft motivieren oder die kontraintuitiven Entscheidungen treffen, die für die Transformation eines Unternehmens nötig sind.
Wie agentische Lösungen Geschwindigkeit und Zufriedenheit erhöhten
Wir haben kürzlich agentische Lösungen eingesetzt, als wir mit einem klassischen Engpass konfrontiert waren. Die Zeitspanne zwischen Ideenfindung und Entwicklung war aufgebläht. Unsere Projektmanager steckten enorm viel Energie in das manuelle Überprüfen rechtlicher Vorgaben und den mühsamen Einholen von Freigaben bei Stakeholdern. Diese aufwendigen Aufgaben brachten keinen strategischen Mehrwert.
Wir setzten ein System interner KI-Agenten ein, um die wenig attraktiven, praktischen Aufgaben zu übernehmen:
- Die Compliance-Schutzschranke: Wir konfigurierten einen internen Agenten mit Kontext aus den internen Rechts- und Compliance-Datenbanken des Kunden. Bevor ein PRD (Product Requirements Document) zur Überprüfung gesendet wurde, prüfte der Agent es vorab und markierte sofort regulatorische Risiken. So wurde ein sofortiges Qualitätsniveau erreicht und sichergestellt, dass die Projektmanager des Kunden keine Zeit mit nicht-konformen Entwürfen verschwendeten.
- Der Stakeholder-Nachfasser (über Slack): Wir automatisierten den Freigabe-Workflow. Statt dass ein Projektmanager sein sowieso begrenztes politisches Kapital dafür einsetzt, einen Direktor nach einer Unterschrift zu fragen, übernahm der Agent das Nachfassen via Slack. Hartnäckig, aber höflich forderte er Freigaben ein und entlastete die Projektmanager emotional.
- Automatisierte Fortschrittsmeldungen: Ein Agent fasste Fortschritts- und Entwicklungsdaten zusammen und versandte proaktive Statusberichte.
Die Ergebnisse:
- Geschwindigkeit: Wir konnten die durchschnittliche Zeit zwischen Ideenfindung und Entwicklung signifikant reduzieren. Die „tote Zeit“ beim Warten auf Freigaben fiel weg, und der Agent validierte PRDs als „kritischer Gegenpart“ deutlich schneller.
- Zufriedenheit: Die Zufriedenheit der Stakeholder stieg. Sie schätzten die Proaktivität und Pünktlichkeit der automatisierten Berichte, sodass unsere Projektmanager sich auf Ergebnislieferungen statt administratives Nachhaken konzentrieren konnten.
Warum agentisches Experimentieren im Projektmanagement so wichtig ist
Hier sind einige weitere Agenten, mit denen wir experimentiert haben. Wir verwenden Claude Code, Make.com, Glean, NotebookLM, n8n und/oder Notion AI.
- Artefakt-Standardisierer: Trainiert mit den „Besten PRDs“, um Dokumente und Jira-Tickets neu zu formatieren. Dies ist auf den Produkttyp, Bereich (intern, extern) und die Phase (Wartung, Investition, Innovation) zugeschnitten.
- Kritischer Gegenpart: Prüft PRD-Dokumente anhand von Compliance-Regeln, reichert Benutzerwissen, Wettbewerberinformationen und Unternehmenskontext an. Spart fünf Stunden pro Woche und PM ein.
- Dev-Kickoff: Liest Jira-Tickets und startet Entwicklungsprozesse durch das Aufsetzen der Umgebung und Repositories sowie das Laden relevanter Bibliotheken. Spart drei Stunden pro Woche und Entwickler.
- Vorfalltriage: Sorgt für zeitnahe und akkurate relative Priorisierung eingehender Support- oder Bug-Tickets.
- Stakeholder-Updater: Kartiert Stakeholder und versendet wöchentliche Zusammenfassungen und/oder Berichte entlang des Produkt-Funnels. Spart drei Stunden pro Woche und PM bei Auswahl und Kommunikation. Beispiel für einen Bericht an einen CEO: „Prognostizierter ROI auf €3 Mio. gesunken (-15 %). Ursache: Initiative 1 verzögert sich in Nordeuropa um 3 Monate wegen einer Abhängigkeit zu Initiative 2 und Missverständnissen mit dem Softwareanbieter. Zwei Eskalationen auf VP-Ebene zur Klärung. Geschätzte Lösung in einer Woche.“
- Single Source of Truth: Mitarbeiter fragen Notion AI. Diese sucht nicht nur in Notion, sondern auch in Slack, Google Drive, Jira und anderen angebundenen Anwendungen.
Ich habe persönlich auch mit OpenClaw auf einem neuen Mac Mini experimentiert.
Wie ein wartungsarmer Stack ein verteiltes Setup unterstützt
Unser Stack ist client-agnostisch — wir arbeiten mit allem, was der Kunde nutzt. Intern betreiben wir jedoch einen durchdachten, wartungsarmen Stack, der unser Arbeitsmodell und das verteilte Setup unterstützt.
Tool: Notion
- Kategorie: Interne Wissensdatenbank und Handbücher
- Auswirkung: Die zentrale Quelle für unser proprietäres Delivery-Modell. Es beinhaltet unsere gesamten Arbeitsweisen, Richtlinien und Enablement-Funktionen.
- Entwicklung im vergangenen Jahr: Einsatz verstärkt. Wir nutzen sie jetzt nicht nur zur Ablage, sondern als aktiven Trainingsbereich, um neue Mitarbeitende blitzschnell einzuarbeiten und spezifische Methoden (wie "Optimismus als Betriebssystem") sofort zu vermitteln.
Tool: Figma
- Kategorie: Design und Prototyping
- Auswirkung: Wir können Ideen mit Low-Fidelity-Prototypen validieren, statt mit langen Spezifikationen.
- Entwicklung im vergangenen Jahr: KI-Integration. Wir sind vom manuellen Wireframing zur KI-gestützten Vorlagenerstellung übergegangen, was die frühe, „chaotische“ Designphase beschleunigt.
Tool: Miro
- Kategorie: Visuelle Zusammenarbeit und Strategie
- Auswirkung: Die Arbeitsfläche für das „Chaos-Management“. Wir nutzen es intensiv für Opportunity Solution Trees (OSTs) und um Stakeholder abzustimmen, die „in unterschiedliche Richtungen ziehen“.
- Entwicklung im vergangenen Jahr: Standardisierung. Wir sind von spontanen Brainstormings zu strikten, vordefinierten Workshop-Vorlagen übergegangen. So stellt jeder PM die gleiche hohe Moderationsqualität sicher – auch ohne eine erfahrene Führungskraft.
Tool: Slack
- Kategorie: Kommunikation und Community
- Auswirkung: Das Rückgrat unseres Zusammenhalts und Unterstützungsnetzwerks. Unsere PMs können darin offen Probleme diskutieren und Blockaden lösen.
- Entwicklung im vergangenen Jahr: Diszipliniert asynchron. Wir setzen verstärkt auf asynchrone Arbeitsweisen, um fokussiertes Arbeiten zu ermöglichen. Weniger Smalltalk in Echtzeit, mehr strukturierte Updates – das reduziert Störungen durch politische Einflüsse.
Wie asynchrone Videoformate das Team-Coaching unterstützen
Asynchrone Videoformate, zum Beispiel über Loom und Miro TalkTrack, gehören zu den unterschätztesten Tools, die wir einsetzen. Sie ermöglichen unser „Lehrkrankenhaus“-Modell in großem Maßstab.
In unserer Organisation sind „Vier-Augen-Reviews“ entscheidend für Qualität, aber ihre synchrone Planung verursacht Engpässe. Anstatt jetzt ein 30-minütiges Meeting zum Prüfen eines PRD oder einer Strategiepräsentation zu vereinbaren, nehmen unsere Senior Consultants eine fünfminütige Loom-Kritik auf. So erhalten PMs Coaching, ohne ihren Arbeitsfluss zu unterbrechen.
Außerdem lesen zögerliche Stakeholder selten ein fünfseitiges Dokument – ein dreiminütiges Video sehen sie sich aber an. Das erzwingt Alignment in komplexen politischen Umfeldern, in denen wir Ordnung ins Chaos bringen müssen, ohne noch ein weiteres Meeting in ihren Kalender einzutragen.
Das verkörpert perfekt unsere Haltung „geringer Aufwand, hohe Wirkung“. Wir reduzieren die Meetingzeit um 80% und verbessern dabei die Aussagekraft der Kommunikation.
Warum PMs den „Cargo-Kult“ von Agile vermeiden müssen
Was Projektmanagement-Methoden betrifft, bewegen wir uns weg von schwerfälligen Prozessen und hin zu dem, was ich den „gesunden Menschenverstand“-Ansatz nenne. Wir vermeiden bewusst den „Cargo-Kult“ von Agile, wo Prozesse um ihrer selbst willen existieren.
Davon haben wir uns entfernt:
- Starre Planung: Wir vermeiden langfristige Gantt-Diagramme und eine „Feature-Factory“-Mentalität, bei der Erfolg am Datum statt an der Kennzahl gemessen wird.
- Prozessaufblähung: Wir führen keine komplexen Frameworks ein, nur weil sie im Trend liegen. Viele Unternehmen scheitern daran, dass ihre Prozesse das ihnen aufgebürdete Gewicht nicht tragen können.
Dazu sind wir übergegangen:
- Leichtgewichtige Strategie: Wir setzen Opportunity Solution Trees (OSTs) und OKRs ein, aber nur verantwortungsvoll. Das Ziel ist die Ausrichtung auf das Ergebnis (z.B. 'etwas identifizieren, das $10M ARR bringt'), statt die perfekte Aufgabenliste zu verwalten.
- Operative Exzellenz: In der Praxis nutzen wir einen eigens entwickelten Review-Prozess, um die Ergebnisorientierung der PMs zu bewerten. Erfolg messen wir daran, ob der Kunde wieder mit uns arbeiten würde oder einen Meilenstein erreicht hat – nicht an der Geschwindigkeit der Dokumentation.
Wie KI die Rituale der Projektabwicklung neu definiert
Auch wir haben einige Rituale, die wir mit KI neu gestaltet haben:
- Definition des Umfangs: KI übernimmt die wenig glamouröse, praktische Arbeit beim Erstellen von Standard-Feature-Spezifikationen. Dadurch kann sich der Projektmanager mit einer „Söldner“-Mentalität ganz auf die 20 % des Umfangs konzentrieren, die das Geschäftsergebnis vorantreiben, statt einen überfrachteten Backlog zu verwalten.
- Validierung der Arbeit: Wir nutzen KI, um Ergebnisse aus unterschiedlichen Tools sofort zusammenzufassen, sodass wir den Observe-Orient-Decide-Act-Zyklus schneller durchlaufen können. Statt eine Woche auf die Auswertung eines Tests zu warten, können wir unmittelbar umschwenken. Das hilft uns dabei, uns schnell in „VUCA“-Umgebungen (Volatilität, Unsicherheit, Komplexität, Mehrdeutigkeit) zurechtzufinden.
- Teams ausrichten: KI entwirft routinemäßige Kommunikationszusammenfassungen. Dadurch kann sich der Projektmanager auf "Führung ohne Autorität" konzentrieren. Wir steuern den politischen Kontext und gleichen die Interessenlagen der Beteiligten ab, damit die Erzählung bei den wichtigen Personen ankommt – vor allem auch dann, wenn jemand auf der Bremse steht.
Wie KI die Rollen im Projektmanagement verändern wird
Innerhalb von fünf Jahren wird die Rolle des Junior Project/Product Managers fast vollständig automatisiert oder neu definiert sein. Autonome KI-Agenten werden das routinemäßige Projekt-Monitoring, das Abhängigkeitsmanagement, grundlegende Dokumentationen und einfache Erkenntnisgewinnungen aus Daten übernehmen. Der Einstieg für menschliche Produktverantwortliche wird sich verschieben: Man steigt künftig nicht mehr durch das Schreiben von User Stories in die Branche ein, sondern durch außergewöhnliche Fähigkeiten in strategischem Denken, Systemdesign und menschenzentrierter Führung.
Die PM-Rolle wird sich grundlegend aufteilen in: strategische, KI-unterstützte Führungspersönlichkeiten (fokussiert auf Vision und Menschen) und KI-unterstützte System-/Prozessarchitekten (fokussiert auf das Design des idealen Workflows für die KI-Agenten).
Warum sich Delivery Leader neu ausrichten müssen
Delivery Leader müssen verstehen, dass sich unser Job vom Ausführenden des Prozesses hin zum Gestalter des Systems entwickelt.
Daher mein Rat: Hören Sie auf, Ihre eigene Zeit bei taktischen Aufgaben zu optimieren, und konzentrieren Sie sich darauf, die KI-unterstützten Systeme zu entwerfen, in denen Ihr Team arbeiten wird. Dafür sollten Sie:
- Ihre Exzellenz kodifizieren: Dokumentieren Sie das unternehmenseigene Wissen und die Best Practices klar. Das bildet die essenziellen Trainingsdaten für Ihre KI-Agenten.
- Den Fokus auf das "Warum" legen: Nutzen Sie die durch KI gewonnene Zeit, um ein besserer menschlicher Leader zu werden – mit Blick auf Motivation, Klarheit und das Navigieren der ethischen Implikationen der von Ihrem Team entwickelten Produkte.
Es geht nicht darum, Ihr Team zu ersetzen, sondern KI zu nutzen, um die Definition von Exzellenz Ihres Unternehmens in großem Maßstab durchzusetzen.
Es geht nicht darum, Ihr Team zu ersetzen, sondern KI zu nutzen, um die Definition von Exzellenz Ihres Unternehmens in großem Maßstab durchzusetzen.
Bleiben Sie dran
Sie können Mirela Mus auf LinkedIn folgen und sich ihr Unternehmen Product People ansehen.
Weitere spannende Expert:innen-Interviews folgen auf The Digital Project Manager!
