Produkt-Vizepräsident warnt, dass die Rolle des „Projektmanagers“ künftig nicht mehr eigenständig sein wird – und erklärt, was PMs jetzt tun müssen
Erfahren Sie, wie KI die Rolle von Produktleitern erweitert, die Markteinführungszeit beschleunigt und traditionelle Projektmanagement-Prozesse durch schnellere, erkenntnisbasierte Entscheidungen ersetzt.
Scott Jones
Vizepräsident für Produkt bei RealEyes
KI-Auswirkungen: KI hat Scott Jones’ Rolle vom Produktleiter zu einer tieferen Einbindung in Spezialgebiete erweitert.
Rollenwandel: Die traditionelle Rolle von Projektmanagern wird sich verändern, was zu mehr individueller Befähigung führt.
KI-Werkzeuge: KI-Tools wie Claude und Cursor erhöhen die Liefergeschwindigkeit und verringern die Komplexität des Projektmanagements.
Kreative Intuition: Intuition und kreative Fähigkeiten bleiben entscheidend, um KI effektiv bei der Produktauslieferung einzusetzen.
Zukunftsvision: KI wird in den nächsten fünf Jahren kleinere, effizientere Teams ermöglichen und die Projektauslieferung neu definieren.
Scott Jones ist ein Produktverantwortlicher mit technischem Know-how. Er hat einen Großteil der letzten zwanzig Jahre damit verbracht, skalierbare Prozesse von Grund auf zu lernen, und hat Produkte von null auf eins in einer Vielzahl von Branchen entwickelt. Derzeit ist er VP of Product bei Realeyes, aber dank KI hat sich sein Aufgabenbereich auch auf die Verantwortung für die Markteinführung ausgeweitet.
Wir haben uns mit Scott zusammengesetzt, um zu verstehen, wie es ihm gelungen ist, seine „Angriffsfläche“ zu vergrößern, ohne dabei an Qualität einzubüßen. Er sagt, es dreht sich alles um KI und Intuition.
Die Verbindung zwischen Produkt und Markt schaffen
Ich habe über 16 Jahre lang Produkte von null auf eins in den unterschiedlichsten Branchen aufgebaut — Adtech, Martech, IoT und Cloud-Infrastruktur bei Unternehmen wie HPE und Lenovo. Jedes Einzelne hat mir eine andere Lektion über die Skalierung aus dem Nichts vermittelt.
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
Heute leite ich Produkt, Marketing, Vertrieb, Geschäftsentwicklung und Partnerschaften bei Realeyes, wo ich VerifEye aufgebaut habe und leite — eine Plattform für die menschliche Verifizierung, die in Sekunden und für Centbeträge anonym Person, Einzigartigkeit und Demografie validiert. Das Produkt entwickelte sich mit einem kleinen Team in 18 Monaten von der Idee zum mittleren siebenstelligen ARR, und KI ist ein wesentlicher Grund für diese Geschwindigkeit.
Ich arbeite eng mit unseren Mitgründern zusammen, und meine Rolle ist es, das gesamte Go-to-Market zu verantworten: Ich sorge dafür, dass unser Produktfahrplan, unsere Kunden, Partner und internen Teams aufeinander abgestimmt sind und in die gleiche Richtung gehen. Es gibt viele Bälle, die gleichzeitig in der Luft gehalten werden müssen, aber genau das liebe ich am meisten — ich kann die Verbindung zwischen dem, was wir bauen, und den Problemen, die wir am Markt lösen, herstellen.
Wie KI die „Angriffsfläche“ von Produktverantwortlichen erweitert
KI hat meine Arbeitsweise als Produktverantwortlicher grundlegend verändert — und zwar nicht nur theoretisch. Ich erlebe das jeden Tag. Gerade in schlanken, von null auf eins ausgerichteten Umgebungen ist dieser KI-Hebel besonders wirkungsvoll. Er ist mein Verstärker.
Kundenerkundung, für die ich früher wochenlang Recherchearbeit am Schreibtisch leisten musste — Wettbewerbslandschaften kartieren, den Tech-Stack eines Interessenten verstehen, analysieren, wo unsere Lösung in deren Arbeitsabläufe passt — das kann ich jetzt in einem Bruchteil der Zeit mit deutlich größerer Tiefe erledigen. Ich betreibe Wettbewerbsanalysen zu Unternehmen wie Onfido oder Entain, bereite mich auf Vertriebsgespräche im Enterprise-Segment mit detailliertem Kontext vor, für den früher ein Analysten-Team nötig gewesen wäre.
Ich entwickle Positionierungen, entwerfe Partnerschaftserzählungen, skizziere Markteinführungsstrategien und erstelle Werbeinhalte – all das schneller, iterativer und offen gesagt besser, als wenn ich früher ständig zwischen zehn verschiedenen Tools und Personen wechseln musste, um einen ersten Entwurf zu erstellen.
KI hat mich nicht nur schneller gemacht, sie hat meinen Wirkungsbereich erweitert. Meine Stellenbeschreibung hat sich nicht geändert, aber meine Angriffsfläche im Job sehr wohl — und zwar drastisch. Ich bin von einem Produktverantwortlichen, der Spezialist:innen koordiniert, zu einem geworden, der in diesen Spezialgebieten selbst in die Tiefe gehen kann, und das auf einem Qualitätsniveau, das auch in Enterprise-Gesprächen Bestand hat.
KI hat mich nicht nur schneller gemacht, sondern auch meinen Wirkungsbereich erweitert. Meine Stellenbeschreibung hat sich nicht geändert, aber meine Angriffsfläche im Job sehr wohl — und zwar drastisch.
Ich verbringe jetzt weniger Zeit mit Knochenarbeit — der ersten Recherche, dem Zusammenstellen von Informationen aus verschiedenen Quellen, dem ersten Entwurf, der Erstellung von Frameworks. Ich widme mehr Zeit den anspruchsvolleren Aufgaben: Mustererkennung über Märkte hinweg, strategische Partnerschaften vorantreiben, tiefere Kundengespräche führen, weil ich besser vorbereitet bin, und schnellere Entscheidungen treffen.
Ich sehe es so: KI hat keine Rolle von mir ersetzt. Sie macht mich in allen Rollen gleichzeitig schlagkräftig.
Warum KI die Rolle von Projektmanager:innen verändern wird
Die Rolle Projektmanager:in als eigenständige Funktion wird sich in den nächsten fünf Jahren dramatisch im Umfang verändern. Und das wird kein Verlust sein, sondern eine Befreiung.
Was ich meine ist Folgendes: Die gesamte Disziplin des Projektmanagements löste ein Koordinationsproblem. Wenn spezialisierte Menschen jeweils ein Puzzlestück halten – Technik, Design, Marketing, Vertrieb, Recht – wird eine Person in der Mitte gebraucht, um sicherzustellen, dass Informationen fließen, Zeitpläne eingehalten, Abhängigkeiten verfolgt werden und alle in die gleiche Richtung rudern. Diese Koordinationsschicht wurde zu einem ganzen Beruf mit Zertifizierungen, Methoden und darauf aufgebauten Software-Ökosystemen.
Die Rolle “Projektmanager” als eigenständige Funktion wird innerhalb von fünf Jahren verschwinden — und das ist kein Verlust; es ist eine Befreiung.
KI löst das Koordinationsproblem auf. Sie ersetzt nicht einfach den Projektmanager durch einen KI-Projektmanager – das wäre eine oberflächliche Prognose. Sie löst das Problem, indem sie die Spezialisierung, die den Koordinationsbedarf schuf, aufhebt.
Ich bin der lebende Beweis dafür. Ich verantworte Produkt, Marketing, Vertrieb, Geschäftsentwicklung, Partnerschaften, Konkurrenzanalyse, juristische Recherche und technische Prototypisierung. Noch vor zwei Jahren hat ein Team mit einem Projektmanager alle auf Kurs gehalten. Heute kann ich ein Niveau erreichen, das zuvor mehrere Rollen erforderte – mit Claude als Copiloten. Die Arbeit wurde nicht einfacher, sondern schneller. Der Engpass hat sich verschoben: von „Wie koordinieren wir Spezialisten?“ hin zu „Wie kann eine KI-gestützte Person bessere Entscheidungen schneller treffen?“
Wie KI-Tools den Tech-Stack für Projektlieferung transformieren
Mein Delivery-Stack hat sich im letzten Jahr stark weiterentwickelt. KI ist von einem Nice-to-have zu meinem Betriebssystem geworden.
- Claude — mein primärer KI-Copilot: Dies ist das Rückgrat. Ich nutze Claude von Anthropic für Aufgaben, die normalerweise drei oder vier verschiedene Teamrollen erfordern würden. Ich setze es ein für Kundenerkundung, Konkurrenzanalysen, Partnerschaftsstrategie, Inhaltserstellung, Nachfasskommunikation, Pitchdeck-Geschichten, Vertriebsausrüstung, Marktgrößenbestimmung und Brainstorming mit einem Mitarbeiter, der unendliche Geduld und breites Domänenwissen hat.
- Claude Code — bringt KI ins Terminal: Ich habe kürzlich Claude Code installiert, Anthropics Kommandozeilen-Tool für agentenbasiertes Programmieren. Anstatt die KI in einem Chatfenster zu haben und separat zu entwickeln, arbeitet sie direkt im Terminal – liest Dateien, führt Befehle aus, iteriert Code im echten Arbeitsverzeichnis. Ich stehe noch am Anfang, aber der Einfluss auf die Auslieferung ist beträchtlich. Wenn ich eine API-Integration für einen Kundenpiloten abstecke oder prüfe, wie unser SDK sich in die Umgebung eines Partners einfügt, kann ich es nun technisch in Echtzeit untersuchen, statt einfach ein Pflichtenheft zu schreiben und an die Entwicklung zu übergeben.
- Cursor — KI-gestützte Entwicklungsumgebung: Das ist eine neue Ergänzung, verändert aber schon jetzt meine Herangehensweise an Prototypenbau und technische Arbeit. Cursor bringt KI direkt in die Entwicklungsumgebung. Anstatt zwischen einem Chat mit Claude und einer IDE zu wechseln, kann ich technische Konzepte iterieren, Integrationen prototypisch umsetzen und Implementierungsdetails mit KI-Unterstützung im Workflow bearbeiten. Für jemanden, der an der Schnittstelle von Produkt und Technik sitzt – APIs absteckt, SDK-Integrationen plant, technische Machbarkeit für Kundenpiloten bewertet – schließt eine KI-native Entwicklungsumgebung die Lücke zwischen strategischem Denken und praktischem Bauen.
- KI-gesteuerter Vertrieb und Outbound: Das ist ein Gamechanger für Pipeline-Generierung. Ich nutze KI-basierte Tools einschließlich Claude, um intelligente Outreach-Sequenzen zu automatisieren – Erstansprache, personalisierte Follow-ups, Drip-Kampagnen – alles gesteuert durch Targeting-Logik.
- HubSpot — CRM und Vertriebs-Operations: HubSpot ist unser System of Record für Pipeline-Management, Deal-Tracking und Kundenkommunikation. Ich tracke alles von qualifizierten Opportunities über technische Evaluierung bis zum Abschluss, dokumentiere Gesprächsnotizen und nächste Schritte und steuere Follow-up-Sequenzen. Es ist nicht das schillerndste Tool im Stack, aber es ist das Bindeglied, das alles organisiert, während ich mehrere Enterprise-Deals betreue.
KI wurde zu der Schicht, die alles verbindet. Claude ist das strategische Gehirn, die Social-Selling-Tools sind der Outbound-Motor, HubSpot das operative Rückgrat, Cursor schließt die Lücke beim technischen Prototyping und die Marktplatz-Plattformen sind die Vertriebsschicht. Jedes Teil ist stärker, weil KI es durchzieht.
Wie Claude jeden Aspekt eines Vertriebsworkflows ermöglichte
Hier ist ein Beispiel dafür, was Claude leisten kann. Ich habe es genutzt, als ich mit einem Enterprise-Verkaufszyklus zu tun hatte, bei dem eine große Gig-Economy-Plattform Verifizierungslösungen für ihre Auftragnehmer prüfte.
Die Komplexität hier ist vielschichtig: Ein potenzieller Kunde hat bereits einen bestehenden Verifizierungs-Stack, spezifische technische Anforderungen für kontinuierliche Re-Überprüfung, Datenschutzbedenken und mehrere Beteiligte aus den Bereichen Produkt, Technik, Trust & Safety und Einkauf. Normalerweise würde die Vorbereitung und Durchführung eines solchen Deals ein kleines Team erfordern – ein Analyst für Wettbewerbsrecherchen, ein Solution Engineer für die technische Positionierung, jemand für die Ausarbeitung der Anschlusskommunikation und ein Stratege für die Entwicklung des Account-Plans.
Ich habe all das mit Claude als meinen Copiloten erledigt. So ging es:
- Vor dem ersten Gespräch führte ich eine gründliche Wettbewerbsanalyse des bisherigen Anbieters durch – einer der größten Plattformen für Identitätsverifizierung auf dem Markt. Claude recherchierte für mich das vollständige Preismodell: Kosten pro Sitzung, ob Gebühren bei gescheiterten Verifizierungen anfallen, wie Liveness- und Dokumentenprüfung gebündelt werden, Vertragsstrukturen sowie Preise für Zusatzleistungen. Innerhalb von 20 Minuten hatte ich eine Wettbewerbsanalyse, für die ein Analyst Tage gebraucht hätte – und ich habe sie als Slack-Nachricht aufbereitet, um sie meinen Engineering Leads vor dem Gespräch zur Verfügung zu stellen.
- Für das Gespräch selbst nutzte ich Claude, um Gesprächsleitfäden zu entwickeln, die meine Recherche steuerten und meine Fähigkeiten hervorhoben.
- Nach dem Gespräch verfasste ich eine Follow-up-Mail an vier Stakeholder. Anstatt einer generischen Dankesnachricht nutzte ich Claude, um die Botschaft entlang von drei spezifischen Themensträngen zu verfeinern. Claude half mir dabei, die technische Tiefe abzustimmen — etwa, indem er vorschlug, eine Erklärung zu True-Positive- versus False-Positive-Raten für nicht-technische Käufer zu vereinfachen. Es war, als hätte ich einen aufmerksamen und nachdenklichen Kollegen, der meine Arbeit überprüft.
Mit Claude zu arbeiten ist, als hätte man einen aufmerksamen und nachdenklichen Kollegen, der die eigene Arbeit überprüft.
Es sei jedoch erwähnt, dass ich KI-Ergebnisse als erste Entwürfe betrachte – als Basis, die man verfeinert und überprüft, und nicht blind übernimmt.
Gleichzeitig wandte ich den gleichen, KI-getriebenen Ansatz auf eine Daten-Aggregationspartnerschaft an, bei der rechtliche Komplexität auftrat. Ihr Anwendungsfall für 1:N-Gesichtserkennung stieß auf das Biometriegesetz des US-Bundesstaates Illinois. Claude half mir bei der Recherche zur Rechtsprechung, zu haftungsauslösenden Momenten bei Erhebung im Vergleich zur Speicherung, erstellte eine Übersicht der Rechtslage zu abgewiesenen ähnlichen Klagen und entwickelte drei verschiedene Compliance-Strategien – von vollständigem Ausschluss auf Bundesstaatenebene bis zu erweiterten Einwilligungsprozessen. Zu dem Gespräch erschien ich mit einer Rechtsstrategie, für die sonst externe Anwälte stundenlang abrechnen würden.
Worauf sich PMs bei agentischen Experimenten konzentrieren sollten
Was agentische Systeme betrifft, konzentriere ich meine Experimente bewusst auf Bereiche, die meine bestehenden Engpässe in der Auslieferung beschleunigen, anstatt aus Selbstzweck komplexe Orchestrierungen zu bauen. Meine Engpässe sind:
- Geschwindigkeit der technischen Validierung beim Scoping von Kundenintegrationen
- Reibungsverluste beim Handover zwischen Produktstrategie und technischer Umsetzung
- Meine eigene Kapazität, Ideen zu prototypen, bevor das Team Ressourcen bindet.
Claude Code und Cursor adressieren alle drei Punkte direkt. Ich führe also keine Multi-Agent-Orchestrierungen oder autonome Workflow-Ketten aus. Einiges davon wird noch kommen, und ich verfolge das aufmerksam. Aber aktuell besteht die rentabelste agentische Investition für ein schlankes Team darin, jedes einzelne Teammitglied deutlich leistungsfähiger zu machen – nicht darin, Menschen durch Agentenschwärme zu ersetzen.
Es ist noch früh, chaotisch und genau so sollte Experimentieren sein.
Wie KI leichte Systeme für kleine Teams ermöglicht
Ich bin fast vollständig von klassischen Projektmanagement-Methoden abgerückt. Das war kein allmählicher, philosophischer Wandel, sondern ein pragmatischer – getrieben von der Realität, in Start-up-Geschwindigkeit mit einem schlanken Team ein Produkt zu bauen.
Früher, in meiner Karriere bei Unternehmen wie HPE, Lenovo und Digital Turbine, nutzte ich den klassischen Stack. Jira für Backlog-Management und Sprintplanung. PRDs und BRDs als formale Artefakte. Sprint-Zeremonien – Stand-ups, Retrospektiven, Planungssitzungen. Teams diskutierten wochenlang über Roadmap-Dokumente, bevor etwas gebaut wurde. Und ab einer gewissen Größe und bei funktionsübergreifenden Teams erfüllt dieser Rahmen seinen Zweck; er sorgt für eine gemeinsame Sprache und verlässliche Abläufe.
Doch als ich in von Gründern geführte, Zero-to-One-Umgebungen gewechselt bin, hat uns der Großteil dieses Overheads eher ausgebremst, als dass er uns weitergebracht hätte. Wenn man mit einem kleinen Team ein Produkt entwickelt, haben traditionelle Produktmanagement-Frameworks ein umgekehrtes Verhältnis von Aufwand zu Output.
Was hat es also ersetzt?
Wenn man mit einem kleinen Team ein Produkt entwickelt, haben traditionelle Produktmanagement-Frameworks ein umgekehrtes Verhältnis von Aufwand zu Output.
Claude hat die Dokumentenfabrik ersetzt. Traditionelles Produktmanagement erzeugt Unmengen an Dokumentation – PRDs, Wettbewerbsanalysen, Marktanforderungen, Stakeholder-Aktualisierungen, Markteinführungs-Briefs. Ich erstelle all diese Arbeit immer noch, aber jetzt passiert sie im Echtzeit-Dialog mit KI statt in dokumentbasierten Vorlagen, die Tage zum Erstellen, Zirkulieren und Überarbeiten brauchen. Wenn ich vor einem Sales-Call Wettbewerbsinformationen brauche, öffne ich keine Confluence-Seite und starte ein Rechercheprojekt – ich spreche mit Claude und bekomme umsetzbare Erkenntnisse innerhalb einer Stunde.
Slack wurde zum Betriebssystem, nicht zur Seitenleiste. Im traditionellen Produktmanagement ist Slack der Ort, an dem Teams über Aufgaben sprechen, die eigentlich woanders leben – in Jira, in Confluence, in Google Docs. In meinem aktuellen Workflow steuert Slack die Entscheidungen. Ich führe eine Wettbewerbsrecherche mit Claude durch, gestalte das Ergebnis für Slack und poste es direkt in einen Channel für meine technischen Leitungen. Strategie, Markteinsichten und Entscheidungen laufen alle durch denselben Kanal – ohne die Abstraktionsebene formeller Dokumente und Ticketsysteme.
Wie KI die Team-Ausrichtung und das Ausführungsmanagement beschleunigt
Meine Kernrituale zur Auslieferung haben sich grundsätzlich nicht verändert. Scope definieren, Teams abstimmen, Arbeit validieren und Ausführung managen – das gehört immer noch dazu. Aber die Geschwindigkeit, mit der diese Aufgaben erledigt werden können, hat sich geändert, denn KI wirkt heute als Multiplikator für jedes Teammitglied.
Scope definieren: Das Ritual bleibt das gleiche. Hausaufgaben machen. Das Problem verstehen, den Käufer, die Wettbewerbslandschaft und technische Einschränkungen. Und festlegen, was wir lösen wollen. Die Hausaufgaben passieren einfach zehnmal schneller.
Teams ausrichten: Es geht weiterhin darum, Produkt-, Entwicklungs- und kommerzielle Teams in Einklang zu bringen. Ich teile immer noch Wettbewerbsanalysen in Slack mit meinen technischen Leitungen. Ich teste die Positionierung vor dem Launch am Markt. Ich schreibe immer noch die Erzählung, die verbindet, was wir bauen, mit dem, warum es den Kunden interessieren sollte. Aber jetzt entwickle ich diese Erzählung in einer einzigen Sitzung mit Claude, bevor ich eine zugespitzte Empfehlung ins Team bringe. Das verändert die Qualität der Alignment-Gespräche. Wir verbringen weniger Zeit mit Formulierungen und mehr Zeit mit strategischen Entscheidungen.
Arbeit validieren: Hier hat KI vielleicht den interessantesten Einfluss. Klassisch bedeutete Validierung Warten – auf Ergebnisse von User Research, auf einen Piloten, oder auf die Bestätigung der Markterwartung. All diese Schritte mache ich weiterhin. Aber jetzt kann ich auf einem bislang unpraktikablen Niveau vor-validieren. Als ich eine Datenaggregation-Partnerschaft anging, die auf Komplikationen mit biometrischen Datenschutzgesetzen stieß, wartete ich nicht auf das Memo der externen Anwälte. Ich recherchierte selbst die Rechtsprechung, erstellte eine Übersicht zu Haftungsrisiken, fand relevante Präzedenzfälle und entwarf drei Compliance-Ansätze – alles vor dem nächsten Partnergespräch. Der Validierungszyklus schrumpfte von Wochen auf Stunden. Wir validierten immer noch bei den echten Anwälten, aber wir kamen mit einem informierten Rahmen statt einem weißen Blatt ins Gespräch.
Ausführung steuern: Das bedeutet weiterhin, bewegliche Teile zu koordinieren, aber KI hat meine persönliche Bandbreite für das Managen paralleler Workstreams erweitert.
Der philosophische Punkt ist: KI hat uns keine neuen Rituale gegeben. Sie hat die Reibung aus unseren bestehenden Ritualen entfernt. Wenn man Reibung aus einem System nimmt, erzeugen dieselben Inputs plötzlich viel mehr Output.
Der philosophische Punkt ist: KI hat uns keine neuen Rituale gegeben. Sie hat die Reibung aus unseren bestehenden Ritualen entfernt. Wenn man Reibung aus einem System nimmt, erzeugen dieselben Inputs plötzlich viel mehr Output.
Wie kreative Intuition den KI-getriebenen Projekterfolg verbessert
Wert entsteht durch den Menschen, nicht das Tool. Jeder hat Zugang zu denselben KI-Werkzeugen. Deshalb prägt mein kreatives Leben als Musiker und bildender Künstler auch die Art, wie ich KI in der Arbeit nutze.
Die beste KI-Arbeit ist nicht mechanisch. Sie ist improvisatorisch. Es ist das Gespür, Claude in eine andere Richtung zu lenken, wenn sich das Ergebnis nicht richtig anfühlt. Es ist das Erkennen, dass eine Wettbewerbsanalyse noch eine Ebene tiefer gehen muss, weil die Erkenntnis noch nicht scharf genug ist. Es ist das Gefühl für den Rhythmus eines Enterprise-Verkaufsgesprächs und zu wissen, welchen Gesprächspunkt man vorziehen und welchen man zurückhalten sollte. All das entsteht nicht aus einer Vorlage für Prompts. Es kommt aus derselben Quelle wie meine Musikalität – der Bereitschaft, präsent zu sein, auf das zu reagieren, was tatsächlich geschieht, anstatt an dem festzuhalten, was man geplant hat, und den eigenen Instinkten so weit zu vertrauen, dass man handelt, ohne zu viel nachzudenken.
Ich bin außerdem Kriya-Yoga-Praktizierender, und eines der Grundprinzipien dieser Praxis ist es, das zu kanalisieren, was man fühlt, anstatt das, was man denkt. Diese Philosophie zieht sich durch alles, was ich tue. Wenn ich mit Claude an der Positionierung arbeite, folge ich keinem Schema – ich spüre mich an die Version heran, die resoniert. In Kundengesprächen halte ich mich nicht an ein Drehbuch – ich lese die Stimmung im Raum und reagiere auf die Energie. KI liefert mir das Rohmaterial schneller denn je. Aber das menschliche Handwerk – der Geschmack, das Timing, die Intuition – verwandelt Rohmaterial in etwas, das Menschen bewegt.
KI liefert mir das Rohmaterial schneller denn je. Aber das menschliche Handwerk – der Geschmack, das Timing, die Intuition – verwandelt Rohmaterial in etwas, das Menschen bewegt.
Die Delivery-Führungskräfte, die in diesem nächsten Kapitel erfolgreich sein werden, meistern nicht die ausgefeilteste KI-Orchestrierungsplattform. Es sind diejenigen, die eine kreative Sensibilität in ihre Arbeit einbringen – die jede Kundeninteraktion, jede Strategiesitzung, jede Produktentscheidung als einen Akt der Improvisation und nicht als eine Pflichtübung im Einhalten von Prozessen verstehen.
Die Werkzeuge werden immer besser. Die Menschen, die mit diesen Werkzeugen zu improvisieren wissen – die die Musik unter den Daten spüren können – werden Dinge schaffen, die Bedeutung haben.
Wie KI die Projektarbeit in den nächsten fünf Jahren verändern wird
Hier sehe ich die Entwicklung in den nächsten fünf Jahren:
Erstens wird der einzelne Mitarbeiter radikal mächtiger. Jede Person im Team wird das Äquivalent eines kleinen Support-Teams direkt in ihre Arbeitsabläufe eingebettet haben. Ein:e Entwickler:in schreibt nicht nur Code; sie oder er erstellt ihre/seine eigenen Testpläne, entwirft eigene Dokumentationen und recherchiert selbstständig den Wettbewerbskontext. Ein:e Verkäufer:in verkauft nicht nur; sie oder er führt eigene Marktanalysen durch, baut die eigenen Vertriebsunterlagen und recherchiert selbstständig die rechtlichen und regulatorischen Rahmenbedingungen der potenziellen Kund:innen. Wenn jede:r Einzelne die Arbeit von drei Menschen erledigt, braucht man weniger Leute im Raum und definitiv niemanden mehr, dessen Hauptaufgabe es ist, die Kommunikation zu koordinieren.
Zweitens werden Teams radikal kleiner, während die Ergebnisse gleich bleiben oder wachsen. Das mittelgroße Unternehmen im Jahr 2030 sieht personell aus wie ein Startup aus dem Jahr 2020, liefert aber auf einem Niveau, für das früher Hunderte Mitarbeiter:innen nötig waren. Die Unternehmen, die das zuerst verinnerlichen, gewinnen. Firmen, die versuchen, KI an ihre bestehenden Strukturen von 50-Personen-Abteilungen anzudocken, werden von fünfköpfigen Teams, die vollständig KI-nativ arbeiten, überholt werden.
Drittens – und das dürfte nicht jedem gefallen – stirbt das Planungsritual aus. Quartalsweise Roadmap-Reviews, Sprint-Planungszeremonien, komplexe Gantt-Diagramme und mehrwöchige Priorisierungsübungen: All das wurde für eine Welt geschaffen, in der Richtungsänderungen teuer waren, weil eine große Gruppe von Spezialist:innen neu koordiniert werden musste. Ist das Team schlank und KI-gestützt, sinken die Kosten für eine Kursänderung fast auf Null. Man plant nicht mehr für ein Quartal, weil man in einer Woche neu bewerten und drehen kann. Lieferung wird kontinuierlich und adaptiv – anstatt geplant und in Phasen organisiert – erfolgen.
Viertens wird Urteilskraft zur einzig knappen Ressource. KI übernimmt Recherche, Analyse, Entwurf, Prototyping, Testing, Dokumentation – alles, was im Kern mit Informationsverarbeitung und dem Erstellen von Artefakten zu tun hat. Sie entscheidet aber nicht, ob eine technisch attraktive Partnerschaft eingegangen werden soll, obwohl sie ein Reputationsrisiko birgt. Sie liest nicht zwischen den Zeilen, wenn der VP of Engineering auf Kundenseite interne Politik andeutet. Sie weiß nicht, wann man auf eine strategische Wette Druck machen oder wann man einer Idee Zeit zum Reifen lassen sollte. Die Menschen, die sich behaupten, sind diejenigen mit Geschmack, Urteilsvermögen und der Fähigkeit, in Ungewissheit zu agieren – nicht diejenigen, die besonders gut ein Jira-Board pflegen können.
Die Menschen, die erfolgreich sein werden, sind diejenigen mit Geschmack, Urteilsvermögen und der Fähigkeit, in Unklarheit zu agieren — nicht diejenigen, die besonders gut darin sind, ein Jira-Board zu pflegen.
Und fünftens – das ist der Punkt, der mir am meisten am Herzen liegt – wandelt sich das Wort „Delivery“ selbst. Im Moment bedeutet es: "Wir haben das Ding gebaut und ausgeliefert." In fünf Jahren heißt Delivery: "Wir haben die Chance erkannt, sie validiert, gebaut, ausgeliefert, gemessen und iteriert" – und eine Person oder ein winziges Team hat all das in der Zeit erledigt, in der früher das Anforderungsdokument geschrieben wurde. Der gesamte Zyklus verkürzt sich so drastisch, dass die Unterscheidung zwischen Strategie und Umsetzung, Planung und Lieferung, Denken und Bauen – einfach verschwindet.
Dieses Modell funktioniert am besten in schlanken, von Null auf Eins gehenden Umgebungen. Im größeren Maßstab verschwindet die Koordination nicht — sie verlagert sich.
Warum es gut ist, dass KI die Rolle der Delivery-Leitung obsolet gemacht hat
Ich habe in dieser Phase des Wandels drei sehr wichtige Dinge auf die harte Tour gelernt:
- Warte nicht auf eine Erlaubnis zum Experimentieren. Es gibt kein KI-Bereitschaftsprogramm, keine Zertifizierung, keine genehmigte Anbieterliste, die dir sagt, wann es soweit ist. Die führenden Köpfe von heute haben KI bereits in ihre eigentliche Arbeit integriert – nicht in einer Testumgebung, nicht im Innovation Lab, nicht in einem „Pilotprojekt“. In ihren echten Abläufen, mit echten Kunden, unter realen Deadlines. Ich habe keine Freigabe des Managements gebraucht, um Claude für Konkurrenzanalysen vor Verkaufsgesprächen im Enterprise-Bereich zu nutzen. Ich habe es einfach gemacht; die Qualität meiner Vorbereitung hat für sich gesprochen. Ergebnisse verschaffen dir die Erlaubnis. Wenn du darauf wartest, dass dein Unternehmen dir eine KI-Strategie auf dem Silbertablett herumreicht, bist du bereits hinter jemandem zurück, der vor sechs Monaten nur mit Neugier und einem Chatfenster begonnen hat.
- Investiere in dein Urteilsvermögen, nicht in deinen Prozess. Viele Delivery-Leiter reagieren auf diese neue Situation, indem sie noch stärker auf Methoden setzen und versuchen, das „KI-native Projektmanagement-Framework“ oder das „Agenten-Delivery-Playbook“ herauszufinden. Das ist der falsche Instinkt. Die Frameworks werden sich ständig ändern. Die Tools werden sich immer weiterentwickeln. Der Wert eines Menschen, der einen Raum – oder einen Slack-Kanal – betreten und mit unvollständigen Informationen die richtige Entscheidung treffen kann, bleibt. Lerne deine Kunden tiefgründig kennen. Verstehe das Geschäft – nicht nur das Backlog. Entwickle das Mustererkennen, um um die Ecke zu denken. KI wird alle mechanischen Aspekte der Umsetzung günstiger und schneller machen. Aber sie wird nicht den Menschen ersetzen, der weiß, auf welchen Berg es sich zu klettern lohnt. Konzentriere dich darauf, genau diese Person zu sein.
- Diese Erkenntnis hat meine Karriere verändert: Definiere deine Rolle neu. Jahrelang dachte ich, mein Job wäre taktisches Produktmanagement: Backlogs managen, PRDs schreiben, Sprint-Zeremonien durchführen und Roadmaps abstimmen. Dann hat KI das meiste davon trivial – oder zumindest dramatisch schneller – gemacht. Sobald ich die Rituale losgelassen und mich auf das Urteilsvermögen konzentriert habe, wurde alles beschleunigt. Ich bin vom Produktmanager zum Business Builder geworden, der Produktkompetenz nutzt. Dieser Wandel – vom Prozesswächter zum strategischen Gestalter – steht heute jedem Delivery-Leader offen. KI verkleinert deine Rolle nicht. Sie nimmt den Overhead weg und zeigt, was deine Rolle schon immer war.
Wenn du darauf wartest, dass dein Unternehmen dir eine KI-Strategie auf dem Silbertablett herumreicht, bist du bereits hinter jemandem zurück, der vor sechs Monaten nur mit Neugier und einem Chatfenster begonnen hat.
Diese Zeit belohnt jene, die sich mit Unsicherheit wohlfühlen. Ich installiere Entwickler-Tools, die ich noch nie benutzt habe. Ich recherchiere Gerichtsentscheidungen ohne juristische Ausbildung. Ich führe Social-Selling-Kampagnen durch, prototypisiere SDK-Integrationen und bereite mich auf Verkaufsgespräche mit Fortune-Unternehmen vor – alles in derselben Woche. Nichts davon stand vor fünf Jahren in meiner Stellenbeschreibung. Alles davon ist möglich, weil ich entschieden habe: Die Grenzen meines Könnens sind Empfehlungen, aber keine Mauern – und KI hilft mir, diese zu überwinden.
Mein Rat ist einfach: Starte jetzt, vertraue deinem Urteilsvermögen und lasse die Version deines Jobs los, die KI gerade obsolet gemacht hat. Was dich auf der anderen Seite erwartet, ist besser.
Folge weiter
Du kannst Scott Jones auf LinkedIn und Instagram folgen, während er weiterhin testet, was möglich ist und die Rolle von Produktmanager:innen weiter ausbaut.
Weitere Experteninterviews folgen bald auf The Digital Project Manager!
