AI Product Discovery Workshop: Mit KI schneller zur prüfbaren Produktannahme

Ein AI Product Discovery Workshop ist kein Workshop über KI. Das Produktteam verwendet KI während der Discovery, um vorhandenes Material schneller zu ordnen, mehr Lösungsoptionen zu prüfen und einen ersten Prototyp zu bauen.

Das Ziel bleibt dasselbe wie in jeder guten Discovery: eine riskante Produktannahme so konkret machen, dass sie mit echten Nutzern geprüft werden kann. KI verkürzt einzelne Arbeitsschritte. Sie ersetzt weder Research noch die Entscheidung des Teams.

Welche Frage der Workshop beantworten soll

Ein brauchbarer Workshop startet mit einer Entscheidung, nicht mit einem Werkzeug. Beispiele:

• Welches Problem im heutigen Ablauf ist dringend genug für einen ersten Test?
• Welche der drei Produktideen sollte als Prototyp geprüft werden?
• Warum brechen Nutzer an einem bestimmten Schritt ab?
• Reicht eine kleine Assistenzfunktion oder braucht es einen neuen Ablauf?

Wie können wir KI nutzen? ist zu offen. Die Frage führt zu einer Liste möglicher Funktionen, aber selten zu einer priorisierbaren Produktannahme.

Was vor dem Termin vorliegen muss

KI kann vorhandenes Material bearbeiten. Ohne Material beginnt sie zu raten. Bereite deshalb vor:

• Interviewnotizen oder Transkripte
• Supportanfragen und Verkaufsfragen
• Nutzungsdaten oder Prozessbeobachtungen
• bekannte Geschäfts- und Technikgrenzen
• vorhandene Lösungsansätze
• eine Liste offener Annahmen

Entferne Personendaten, vertrauliche Kundendetails und alles, was im verwendeten Werkzeug nicht verarbeitet werden darf. Lege fest, welche Dokumente als Quelle gelten.

Rollen im Workshop

Die Produktverantwortung klärt Ziel und entscheidet über den nächsten Test. Fachpersonen erklären Ablauf und Randfälle. Gestaltung und Entwicklung beurteilen Bedienung und Machbarkeit. Eine Moderation hält Problem, Evidenz und Lösung auseinander.

Eine Person bedient die KI sichtbar für die Gruppe. Prompts und Antworten gehören auf das gemeinsame Board. So kann das Team sehen, welche Eingabe zu welchem Vorschlag geführt hat. Verdeckte Einzelchats erschweren die Nachvollziehbarkeit.

Agenda für einen Arbeitstag

09:00: Ziel und Quellen prüfen

Das Team formuliert die Entscheidung, listet vorhandene Quellen und markiert Lücken. Jede Aussage wird als Beobachtung, Interpretation oder Annahme gekennzeichnet.

09:45: Research ordnen

Die KI gruppiert Aussagen nach Problemen, Situationen und gewünschtem Fortschritt. Sie muss zu jedem Muster Belegstellen nennen. Das Team prüft die Zuordnung an den Originalen und trennt häufige von geschäftlich relevanten Problemen.

11:00: Problem und Zielgruppe schärfen

Aus den geprüften Beobachtungen entstehen mehrere Problemstatements. Das Team wählt eines nach Relevanz, Unsicherheit und Einflussmöglichkeit.

11:45: Annahmen sichtbar machen

Für den gewählten Fall werden Annahmen zu Nutzen, Nutzung, Machbarkeit und Wirtschaftlichkeit gesammelt. KI kann Gegenargumente und fehlende Randfälle ergänzen. Die Priorisierung übernimmt das Team.

13:15: Lösungsoptionen entwickeln

Teilnehmende entwickeln zuerst eigene Ideen. Danach erzeugt die KI zusätzliche Varianten und Kombinationen. Alle Optionen werden nach denselben Kriterien bewertet.

14:15: Prototyp bauen

Ein Text-, Bild- oder Codegenerator erstellt einen einfachen Prototyp. Er soll genau die riskante Annahme prüfbar machen. Anmeldung, vollständiges Design und technische Perfektion bleiben draussen, wenn sie für den Test nicht nötig sind.

15:30: Test vorbereiten oder durchführen

Das Team formuliert Aufgaben für Testpersonen, Beobachtungskriterien und Fragen. Wenn passende Personen verfügbar sind, folgt ein erster Test. Sonst stehen Termine und Rekrutierung am Ende fest.

16:30: Entscheidung dokumentieren

Der Workshop endet mit einer Hypothese, einem Test, Verantwortlichen und einem Datum. Eine Ideensammlung ohne nächsten Schritt ist kein ausreichendes Ergebnis.

Gute Aufgaben für KI

KI eignet sich im Workshop für vorbereitende Arbeit:

• lange Notizen in ein gemeinsames Format bringen
• ähnliche Aussagen gruppieren
• Gegenbeispiele suchen
• Varianten für Problemstatements formulieren
• Randfälle für einen Ablauf ergänzen
• Prototyptexte und einfache Oberflächen erzeugen
• einen Testleitfaden aus der Hypothese ableiten

Jede Ausgabe bleibt ein Entwurf. Besonders bei Research darf das Werkzeug Aussagen nicht glätten oder fehlende Details ergänzen. Belegstellen und Originalmaterial bleiben die Referenz.

Schlechte Aufgaben für KI

Diese Aufträge geben zu viel Verantwortung ab:

• Finde die beste Produktidee.
• Erstelle unsere Zielgruppe.
• Priorisiere die Roadmap.
• Entscheide, was Kunden brauchen.
• Bewerte, ob der Markt gross genug ist.

Das Modell kennt weder interne Strategie noch die Verlässlichkeit des Materials. Es kann eine schlüssige Antwort formulieren, auch wenn die Datengrundlage dünn ist.

Promptmuster für nachvollziehbare Arbeit

Ein Prompt sollte Rolle, Aufgabe, erlaubte Quellen, Ausgabeformat und Grenzen enthalten. Zum Beispiel:

Ordne die folgenden Interviewaussagen nach Situation und genanntem Problem. Nenne zu jedem Muster die IDs der Aussagen. Ergänze keine Information und markiere Widersprüche. Gib keine Lösungsvorschläge.

Für Ideen kann der Auftrag anders lauten:

Erzeuge zehn deutlich unterschiedliche Wege, wie das Problem gelöst werden könnte. Halte die beschriebenen Einschränkungen ein. Nenne pro Idee die wichtigste neue Annahme. Wähle keinen Gewinner.

Die Trennung verhindert, dass Lösungsideen unbemerkt als Research-Ergebnis erscheinen.

Ergebnis des Workshops

Ein sinnvoller Output umfasst:

• ein geprüftes Problemstatement
• die wichtigsten Belegstellen
• eine priorisierte riskante Annahme
• mehrere verworfene und eine gewählte Lösungsoption
• einen einfachen Prototyp
• Testaufgaben und Beobachtungskriterien
• offene Fragen, Verantwortliche und Termine

Nicht jedes Ergebnis muss positiv sein. Wenn Quellen die ursprüngliche Idee nicht tragen, hat der Workshop eine teure Fehlentwicklung verhindert.

Datenschutz und Werkzeugwahl

Verwende nur freigegebene Werkzeuge und so wenig Daten wie nötig. Prüfe Speicherort, Vertragsbedingungen, Zugriffe und mögliche Nutzung der Eingaben. Bei heiklem Material kann ein lokales Werkzeug oder eine vorbereitete anonymisierte Auswahl nötig sein.

Die Gruppe sollte wissen, welche Inhalte nicht eingegeben werden dürfen. Diese Regel gehört in die Einladung und wird zu Beginn wiederholt.

Unterschied zum Design-Thinking-Workshop

Ein Design-Thinking-Workshop behandelt einen breiteren nutzerzentrierten Prozess. Ein AI Product Discovery Workshop ist enger auf eine Produktentscheidung und den kontrollierten Einsatz von KI in der Arbeit ausgerichtet.

Beide Formate können Problemverständnis, Ideen und Prototyping enthalten. Product Discovery bindet das Ergebnis jedoch ausdrücklich an Hypothesen, Produktverantwortung und den nächsten Test in der laufenden Entwicklung.

Was nach dem Workshop folgt

Der Prototyp wird mit passenden Nutzern getestet. Das Team dokumentiert Verhalten statt nur Meinungen. Danach entscheidet es, ob die Annahme verworfen, angepasst oder in eine erste nutzbare Version überführt wird.

Im Workshop für Produktteams kann diese Arbeit an einem konkreten Vorhaben stattfinden. Wenn der Prototyp trägt, übernimmt ein digitales Produktteam Scope, Umsetzung und Betrieb in weiteren Etappen.