Der Zapier-Mitgründer teilt, wie er leichtgewichtige Projektmanagementsysteme und agentische Arbeitsabläufe implementiert
Wade Foster ist ein Mitgründer des Tools, das viele von uns bereits nutzen, um Arbeitsabläufe zu automatisieren und Software zu verknüpfen: Zapier. Zurzeit leitet er das Bestreben, KI tiefgreifend sowohl in das Unternehmen als auch in das Tool zu integrieren.
Wade Foster
Mitgründer und CEO von Zapier
Umstieg auf leichtgewichtige, automatisierte Auslieferungssysteme: Foster betont, traditionelle, aufwendige Projektmanagement-Methoden (wie umfangreiche Status-Präsentationen und häufige Meetings) durch leichtgewichtige, automationsorientierte Prozesse zu ersetzen, die Updates generieren und grundlegende Auslieferungsstandards innerhalb der Tools selbst durchsetzen. Das verbessert die Transparenz und reduziert den administrativen Aufwand.
Strukturen und Tool-Flows für bessere Koordination standardisieren: Zapier hat gemeinsam genutzte Vorlagen und "Goldpfade" für zentrale Auslieferungstools (z. B. Jira-Projektstrukturen, Roadmap-Einreichungssysteme) entwickelt, sodass teamübergreifende Planung und Abhängigkeitsmanagement konsistent und skalierbar berechnet werden können.
KI und agentische Abläufe integrieren, um Arbeit zu ergänzen, nicht Menschen zu ersetzen: Fosters Team setzt KI und automatisierte Agenten ein, um Routinetätigkeiten wie Zuweisung, Zusammenfassung und Recherche zu übernehmen und so den Menschen zu ermöglichen, sich auf Urteilsvermögen und wertschöpfende Entscheidungen zu konzentrieren. KI wird somit in die eigentlichen Arbeitsabläufe eingebettet und nicht als isoliertes Werkzeug betrachtet.
Wade Foster ist Mitgründer des Tools, das viele von uns bereits nutzen, um Workflows zu automatisieren und Software zu verbinden: Zapier. Derzeit treibt er maßgeblich die Integration von KI sowohl in die Organisation als auch in das Tool voran.
Wir haben Wade getroffen, um einen Einblick zu bekommen, wie sich das Projektmanagement innerhalb der Organisation verändert, die selbst das Projektmanagement verändert.
Hier ist, was er dazu zu sagen hatte.
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
Die Gründung von Zapier – das Unternehmen, das Automatisierung neu definierte
Ich bin Mitgründer und CEO von Zapier.
Auch wenn ich nicht offiziell Projektmanager bin, unterstütze ich die Auslieferung im großen Maßstab und setze mich für KI-orchestrierte Prozesse in der ganzen Organisation ein. Tatsächlich haben wir unser internes Playbook veröffentlicht, wie wir eine 97%ige KI-Adoption unter unseren Mitarbeitenden erreichen konnten.
Meine Rolle ist es, die Richtung vorzugeben, Hindernisse aus dem Weg zu räumen und dafür zu sorgen, dass wir für unsere Kundschaft die wirkungsvollsten Projekte – schneller – ausliefern. Bei Zapier ist Projektauslieferung weniger auf strikte Prozesse fokussiert, sondern vielmehr auf den Aufbau von Systemen und Automatisierungen, die Menschen befähigen, ihre beste Arbeit zu leisten.
Vom traditionellen Projektmanagement zu schlanken, KI-gestützten Systemen
Traditionelle Gantt-Diagramme und aufwendige Status-Dokumentationen funktionieren in einer remote, asynchron arbeitenden Welt nicht mehr. Wir sind zu schlanken, automatisierungszentrierten Systemen übergegangen.
Statt wöchentlicher Status-Meetings werden Updates zum Beispiel automatisch aus den Projekt-Tools in Slack-Kanäle generiert. Führungskräfte greifen nur ein, wenn es ein Problem gibt. Das spart Meetingzeit und sorgt dafür, dass Fortschritte standardmäßig transparent gemacht werden.
Hier ist eine Übersicht darüber, was wir gerade tun – und wovon wir uns verabschieden:
Wovon wir uns entfernen:
- Ad-hoc-Teams für Jira-Projekte, Roadmaps und Reviews, welche zu Inkonsistenzen, versteckten Abhängigkeiten und übermäßigem Berichtswesen über EPD hinweg führten.
- Status-Seiten und lange Update-Dokumente, die von der Realität abwichen, weil die Quelldaten nicht standardisiert oder automatisiert waren.
- Nicht eingehaltene Delivery-Standards (z. B. Epics im Gange ohne gesetztes Zieldatum), was Planung und anschließende Koordination unzuverlässig machte.
Worauf wir uns zubewegen:
- Standardisierte „Golden Paths“ für Kerntools der Auslieferung – etwa gemeinsame Jira-Projektstrukturen, Pilotprojekte für Roadmap-Erfassung in Productboard sowie klare Strukturen in Figma – damit Statusangaben und Abhängigkeiten teamübergreifend konsistent und maschinenlesbar sind.
- Ein organisationsweites Betriebssystem: Ein einheitlicher Ablauf, in dem wöchentliche Demos und ein öffentlicher Changelog (inklusive WIP) konsolidiert und Release Notes von Anfang bis Ende automatisiert werden, um Berichtswesen zu vereinfachen und Transparenz zu erhöhen.
- Schlanke Delivery- Leitplanken direkt im Arbeitsfluss – z. B. ein in Slack angekündigter Prüfer, der beim Verschieben eines Jira-Epics zu "In Progress" ein Fälligkeitsdatum erfordert – damit Pläne realistisch bleiben, ohne mehr Meetings einzuführen.
- Eine klare Zuständigkeit für Build Ops, die gemeinsamen Konfigurationen und Defaults („Plattform für unsere Arbeitsweise“) zu betreiben und weiterzuentwickeln – zusammen mit den Teams, während Kerndaten zu Auslieferung, Qualität und Kapazität in Zone MORs für Transparenz getrackt werden.
Die Schritte, die Zapier zur Einführung von schlankem Projektmanagement unternommen hat
So haben wir den Wandel gestaltet:
- Festlegung der Rolle und Aufgaben von Build Ops zur Förderung von Skalierbarkeit, Automatisierung und Effizienz in EPD, anschließend Besetzung mit technisch versierten Operations-Teams und einem Tool-Stack aus Zapier, ChatGPT, Productboard, Figma, Jira, Jellyfish, Coda, OpsLevel und Looker/Looker Studio, um Delivery- und Reporting-Flows zu verknüpfen.
- Bereitstellung von Golden-Path-Vorlagen und gemeinsamen Konfigurationen: Standardisierte Jira-Strukturen, Piloten zur Roadmap-Erfassung mit Productboard und Muster für Figma-Organisation. Build Ops ist für die Pflege verantwortlich, damit die einzelnen Teams die Prozesse nicht lokal neu erfinden müssen.
- „BuildOS“-Pilot im Editor-Subbereich: Einführung eines einheitlichen Changelog-Workflows, in dem internes WIP mit wöchentlichen Demos und externen Updates konsolidiert und ein automatisiertes Release-Notes-System etabliert wurde, um den manuellen Kommunikationsaufwand zu verringern.
- Lieferprüfer und Standards wurden in den Tools implementiert – nicht mehr in einem Dokument. Das bedeutet: „Epics müssen beim Übergang zu In Progress ein Fälligkeitsdatum haben“, und es gibt Anleitungen zur Kommunikation von Terminanpassungen, einschließlich Verweis auf Forecasting-Unterstützung in Jellyfish.
Und das beobachten wir als Ergebnis:
- Weniger Verwaltungs- und Berichtsaufwand, da Roadmaps und Release-Notes automatisch aus dem tatsächlichen Arbeitsverwaltungssystem generiert werden (statt manuell erstellte Präsentationsfolien).
- Klarere teamübergreifende Koordination durch gemeinsame Strukturen und Metriken, was die Planung und das Abhängigkeitsmanagement zwischen Teams verbessert, insbesondere während sich bevorzugte Vorgehensweisen ausweiten.
- Bessere Delivery-Qualität und bessere Abstimmung mit Stakeholdern, da Fälligkeitsdaten direkt bei Änderungen vorgegeben und nachgelagert einheitlich sichtbar gemacht werden.
Ein KI-gestützter Workflow für Team-Transparenz
Werfen wir einen genaueren Blick auf das erwähnte Release-Notes-System. Bei Zapier verfolgen wir einen Wert: Transparenz als Standard.
Das bedeutet, wir teilen viele unserer laufenden Arbeiten. Wir haben eine starke Kultur des Teilens von Demos, Änderungsprotokollen und Ergebnissen im gesamten Unternehmen.
Mit dem Wachstum des Unternehmens haben wir das auf viele Arten gemacht, und diese Dokumente wurden an verschiedenen Orten abgelegt, was es schwieriger machte, einen Überblick darüber zu bekommen, was intern passiert. Deshalb hat unser Build Ops Team einen einfachen Ablauf geschaffen, bei dem ein Team Updates einmal einreicht und das System diese Informationen automatisch zu den richtigen Tools und Slack-Kanälen weiterleitet.
Wir haben das mit Zapier Interfaces, Tables und Zaps aufgebaut. Die Einreichungen gelangen zunächst in Tables als verlässliche Quelle, synchronisieren sich nach Coda zur Nachverfolgung und veröffentlichen die Updates im Slack-Kanal #feed-delivery-updates, sodass alle in Echtzeit dieselben Informationen sehen.
Das war anfangs nicht perfekt. Doch nachdem wir die Abstimmung und Sonderfälle ausgeräumt hatten, bot das System 100% Abdeckung aller ausgelieferten Arbeiten, reduzierte doppelte Berichterstattung und erleichterte es nachgelagerten Teams wie Support oder GTM, die benötigten Informationen zu erhalten, ohne Produktmanager hinterherlaufen zu müssen.
Inzwischen setzen wir KI ein, um Updates automatisch zusammenzufassen oder sogar Hilfe-Dokumente zu entwerfen, sodass Kommunikation mit weniger manuellem Aufwand skalieren kann.
Wie Zapier agentische Workflows nutzt, um die Produktivität zu steigern
Wir experimentieren mit agentischen Workflows, und die größten Erfolge gab es bislang in zwei Bereichen:
- Frontdoor-Orchestrierung: Wir haben Agenten implementiert, die Anfragen aus Slack, Formularen oder E-Mails klassifizieren, anreichern und weiterleiten. Sie bewegen diese in die richtigen Warteschlangen, geben SLA-basierte Hinweise und lösen sogar Eskalationen aus, wenn Fristen überschritten werden. Das reduziert den Aufwand für die Erstbearbeitung und stellt sicher, dass keine Anfrage verloren geht.
- Research- und Content Operations: Unser Marketingteam nutzt Agenten, um Kontext zu sammeln, Kampagnenmaterialien vorzubereiten, Entwürfe zu prüfen und diese in die passenden Tools zu übertragen. Menschen geben ihre Freigabe in Slack, dann läuft die Verteilung automatisch. Das ist ein gutes Beispiel dafür, welchen Mehrwert ein durchgehend automatisierter Ablauf bieten kann.
Am besten funktioniert eine Kombination aus deterministischen Zaps, KI-Schritten und eingeschränkten Agenten. Mit eingebauten Freigaben und Nachverfolgbarkeit sind diese Systeme stabil genug für den produktiven Einsatz.
Das Einführungsmuster ist ebenfalls eindeutig: Mit einem Workflow beginnen, der messbar Zeit spart, so die Wirksamkeit beweisen und dann den Umfang ausweiten. Durch diesen schrittweisen Ansatz wurde die Akzeptanz teamübergreifend dauerhaft verankert.
Das Einführungsmuster ist ebenfalls eindeutig: Mit einem Workflow beginnen, der messbar Zeit spart, so die Wirksamkeit beweisen und dann den Umfang ausweiten. Durch diesen schrittweisen Ansatz wurde die Akzeptanz teamübergreifend dauerhaft verankert.
KI-gestützte Delivery-Rituale für optimale Projektausführung
Unsere Delivery-Rituale sind in einer KI-orientierten Welt nicht verschwunden, sondern haben sich dahingehend entwickelt, dass sie schlanker, transparenter und KI-unterstützt sind.
- Festlegen des Umfangs: Wir nutzen unser ZIP-Execution-Modell, das Epic-Onepager, DACI-Rollen und eine explizite Pre-Commit-Freigabe erfordert, bevor etwas als „Geplant“ markiert wird. Jeder Jira-Epic ist mit einem Productboard-Element verlinkt, sodass der Umfang von Anfang bis Ende nachverfolgbar ist. KI unterstützt hier, indem sie Teams hilft, schneller Optionen zu finden und Onepager-Entwürfe zu erstellen – Freigabe und Nachverfolgbarkeit bleiben jedoch gleich.
- Teams abstimmen: Wir wenden DACI explizit an und halten einen kontinuierlichen Roadmap-Rhythmus ein – vierteljährliche Reviews in Productboard, zweiwöchentliche Reviews für besonders sichtbare Projekte. Da die KI-Kompetenz im gesamten Unternehmen hoch ist – Ingenieure, PMs, Designer – profitiert die Abstimmung von KI-generierten Entwürfen und Prototypen, die Entscheidungen beschleunigen.
- Arbeiten validieren: Wie erwähnt, haben wir Demos, Änderungsprotokolle und Ergebnislogs in einen einzigen von Build Ops geführten Übermittlungsprozess zusammengeführt, der Beiträge an Slack postet und so 100 % der ausgelieferten Arbeiten abdeckt. KI hilft dabei, Zusammenfassungen, Unterschiede und Hinweise aus Artefakten zu erzeugen – endgültige Qualitäts- und Sicherheitsfreigaben liegen aber immer in menschlicher Hand.
- Ausführung steuern: Intake wird kanalübergreifend vereinheitlicht und in Productboard sowie Jira eingespeist. Die Ausführungstelemetrie bleibt aktuell und schlank, wobei Build Ops „Golden Paths“ für Konsistenz sorgen. KI ist „im Fluss“ integriert – Ingenieur:innen verlassen sich täglich auf KI-Entwicklungstools, Produktteams nutzen Copilots, um Administrationsaufwand zu reduzieren – aber Verantwortung, Freigaben und Audit-Trails bleiben deterministisch.
Das Fazit:
KI beschleunigt die Rituale, ersetzt sie aber nicht. Menschen treffen weiterhin die Urteilsentscheidungen, während KI die Reibungsverluste verringert, sodass Teams sich auf die wertvollste Arbeit konzentrieren können.
Schnelles Prototyping in der Produktplanung mit KI-Tools
Trotz all dieser großen Veränderungen ist der wichtigste Wandel für mich, das Prototyping in den Produktplanungsprozess zu integrieren.
Mit Vibe-Coding-Tools wie v0 kann man auf viel langwierige Lektüre, Schreibarbeit und Dokumentation verzichten. Stattdessen baut man einen klickbaren Prototypen.
Es gibt ein Sprichwort: „Ein Bild sagt mehr als tausend Worte.“ Ein Prototyp wiederum sagt mehr als tausend Bilder. Deshalb ist Prototyping so mächtig, um Zeitpläne zu straffen – es spart bei den meisten Features Wochen ein.
Es gibt ein Sprichwort: „Ein Bild sagt mehr als tausend Worte.“ Ein Prototyp wiederum sagt mehr als tausend Bilder. Deshalb ist Prototyping so mächtig, um Zeitpläne zu straffen – es spart bei den meisten Features Wochen ein.
Das heißt, es entstehen Möglichkeiten, Zeit mit Kund:innen zu verbringen, um deren Probleme und die passenden – oder hinderlichen – Funktionen im Workflow zu verstehen.
Zapier-Funktion „AI Actions“: KI führt für Sie Aktionen aus
Keine Überraschung … ein großer Teil unseres Tech-Stack ist Zapier: Zaps, AI by Zapier, Agents, Tables, Interfaces sowie MCP, um externe KI-Tools an Tausende von Aktionen anzubinden. In den letzten 6–12 Monaten haben wir unser Engagement für eine einheitliche Builder-Oberfläche (Zaps + Tables + Interfaces) verdoppelt und Agents hinzugefügt, um Urteilsvermögen in strukturierte Workflows einzubinden.
Wir sind auch verstärkt auf MCP eingegangen, sodass Builder, die Werkzeuge wie ChatGPT, Claude und Cursor nutzen, sicher über Apps hinweg agieren können – ganz ohne neue Integrationen. Wir haben Planänderungen eingeführt, die die zentralen Bausteine für einen einfacheren Roll-out und eine einfachere Steuerung bündeln. Die Wirkung ist am größten, wenn Teams den gesamten Stack nutzen:
- Deterministische Automatisierung als Rückgrat
- KI-Schritte für Schlussfolgerungen
- Und Agents für die „letzte Meile“ variabler Arbeiten – mit integrierten Freigaben und Überwachung.
Die Zusammenarbeits- und Operationsoberfläche variiert je nach Team. Beispielsweise verbindet unser Marketing-Team Slack, Coda, Iterable, HubSpot und Databricks per Zapier, um Übergaben zu reduzieren und schneller zu liefern – mit automatisch generierten E-Mail-Inhalten, Freigaben und Verteilung.
Von allen Tools, die wir genutzt haben, war Zapiers eigenes „AI Actions“-Feature ehrlich gesagt der größte Wendepunkt. Damit können wir Workflows erstellen, bei denen die KI nicht nur Hinweise gibt, wie man etwas selbst erledigt, sondern direkt für dich handelt – wie etwa das Aktualisieren eines Projekttrackers oder das Markieren einer verpassten Abhängigkeit. Und nicht-technische Teams können das eigenständig aufsetzen, ohne auf Entwickler warten zu müssen.
Eine starke KI-Adoptionskultur bei Zapier aufbauen
Die richtigen Werkzeuge sind wichtig, aber noch wichtiger ist die Kultur, die ihr schafft.
Die richtigen Werkzeuge sind wichtig, aber noch wichtiger ist die Kultur, die ihr schafft.
In einem großen Unternehmen ist es sehr leicht, einfach so weiterzumachen wie bisher. Doch wenn eine bahnbrechende Technologie wie KI auftaucht, muss man Wege finden, die Organisation zu einem neuen Handeln zu bewegen.
Wir haben darauf gesetzt, viel in Hackathons, Show-and-Tell-Sessions in unseren All-Hands-Meetings und Slack-Kanäle zu investieren, in denen Mitarbeitende Workflows und Erkenntnisse austauschen können.
All diese kulturellen Impulse fangen an, sich zu summieren, sodass es immer normaler wird, sich an KI zu wenden und zu fragen: „Hm, wie könnte ich meine Arbeit anders gestalten, um dieses Problem zu lösen?“
Warum AI-First-Delivery-Organisationen einen AI Automation Engineer brauchen
Wenn ihr eine AI-First-Delivery-Organisation wollt, denkt über eine neue Rolle nach: den AI Automation Engineer (oder „Orchestrierungsingenieur“)
Das ist das verbindende Element zwischen Strategie und ausgelieferten Systemen – und es beschleunigt sowohl die Auslieferung als auch den Kulturwandel.
KI für mühsame und kostenintensive Aufgaben einsetzen
Wie ihr seht, zielt ein Großteil unserer KI-Nutzung darauf ab, Menschen bei der Arbeit, die wir heute schon tun, zu unterstützen – und dabei gibt es enormes Wertschöpfungspotenzial.
Es gibt aber auch Chancen bei Aufgaben, die Menschen nicht erledigen können. Was schaffen wir nicht, weil es zu aufwändig oder zu mühsam ist? Investiert genau dort.
Ein hervorragendes Beispiel sind Support-Dokumentationen. Für die meisten Unternehmen ist es eine mühsame, zeitaufwändige Aufgabe, eine Wissensdatenbank aktuell zu halten, bei der Menschen meist nicht sehr effizient sind. Mit KI kann man jedoch alle Support-Tickets nutzen und diese automatisch in eine umfassende Wissensdatenbank verwandeln.
Genau das sind die Arten von Projekten, die wir uns jetzt anschauen. Wir identifizieren Dinge, die wir eigentlich tun sollten, aber nicht tun – und lassen KI die Arbeit erheblich vereinfachen.
Die Zukunft der Projektmanagement-UX mit KI und Orchestrierung
So stelle ich mir die Zukunft vor:
Backlogs werden eigene Verantwortliche haben – teils Menschen, teils KI-Agenten. Projektmanager und Teamleads werden zu Ergebnisgestaltern und Orchestrierungsarchitekten.
Die meisten „Projektmanagement“-Oberflächen werden zu einer dünnen Schicht auf Orchestrierungsplattformen: Die Live-Systeme führen die Arbeit aus, der Status wird berechnet, Menschen liefern Ziele, Schutzmechanismen und Urteilsvermögen.
Mit Orchestrierung starten – nicht mit einem Chatbot
Wenn ich einen Rat geben darf, dann diesen: Startet mit Orchestrierung, nicht mit einem Chatbot. Holt KI direkt in die Arbeitsprozesse, damit sie handeln und gesteuert werden kann.
Kombiniert den Top-down-Druck mit Bottom-up-Umsetzung. Veranstaltet Hackathons, veröffentlicht Leitplanken, benennt Champions und teilt Playbooks. So haben wir intern 97 % Adoption erreicht.
Und startet mit zwei „Keil“-Workflows, die relevant sind. Macht sie produktionssicher mit Freigaben und Protokollen; messt Durchlaufzeit, Fehlerquoten und NPS bei Stakeholdern; und skaliert diese Muster dann im gesamten Unternehmen.
Bleibt am Ball
Ihr könnt Wade weiterhin dabei begleiten, wie er das Thema Automatisierung revolutioniert – auf X und LinkedIn. Und schaut euch natürlich auch Zapier an!
Bald folgen weitere Experteninterviews beim Digital Project Manager.
