KI-Selbstrettungsleitfaden für traditionelle Produktmanager: Zeichnest du im Jahr 2026 noch immer Prototypen und schreibst PRDs?

Ein E-Commerce-Produktmanager mit sechs Jahren Berufserfahrung reichte nach drei Tagen im Unternehmen ein 48-seitiges Axure-Prototyp ein – doch er legte es schon nach fünf Minuten beiseite. Er hatte das Problem, „das große Sprachmodell dazu zu bringen, die Absicht des Nutzers zu verstehen“, in mehr als 200 If-Else-Interaktionsregeln zerlegt. Im Zeitalter der KI verlieren die Fähigkeiten zum Erstellen von Prototypen und zum Verfassen von PRDs an Wert. Was wirklich wertvoll ist, ist die Definition von „was als richtig gilt“, die Gestaltung der Zusammenarbeit zwischen Mensch und Maschine sowie die Berechnung der Token-Kosten.

Ende letzten Jahres kam ein neuer Kollege in unser Team: Er arbeitete sechs Jahre lang als E-Commerce-Produktmanager, hatte einen überzeugenden Lebenslauf und Hintergrund in großen Technologieunternehmen.

In der ersten Woche nach seinem Einstieg bat ich ihn, ein Konzept für einen intelligenten Kundenservice auszuarbeiten. Drei Tage später reichte er ein 48-seitiges Axure-Prototyp ein – jeder Seitenstatus, jede Schaltflächeninteraktion und jede Fehlermeldung war sorgfältig gezeichnet.

Ich schaute es mir fünf Minuten lang an und legte es dann beiseite.

– Nicht weil es schlecht gemacht war, im Gegenteil: Es war zu „perfekt“.

Er hatte ein Problem, das im Wesentlichen darin besteht, „das große Sprachmodell dazu zu bringen, die Absicht des Nutzers zu verstehen und eine angemessene Antwort zu geben“, zwanghaft in mehr als 200 If-Else-Interaktionsregeln zerlegt. Das hat mich sehr zum Nachdenken gebracht – dieser Kollege hat keine Fähigkeitslücken, sondern das gesamte Arbeitsmuster hat sich verändert, und er sucht noch mit alten Karten nach neuen Wegen.

Die Fähigkeiten, auf die du stolz bist, verlieren an Wert

Ich habe diese Phase auch selbst durchlebt. Vor zwei Jahren war die Arbeitskette eines Produktmanagers für die Entwicklung einer Funktion so: Drei Tage Konkurrenzanalyse, zwei Tage Nutzerinterviews, zwei Tage Anforderungsdokumentation, drei Tage Prototypenentwurf, ein Tag Review – insgesamt dauerte es mindestens zwei Wochen.

Und heute?

Ich schicke Screenshots von Konkurrenzprodukten, Nutzerfeedback und historische Daten an die KI und bekomme innerhalb von einer halben Stunde einen ersten Entwurf, der fast passt. Ich zeichne keine Prototypen mehr, sondern lasse die KI direkt ein interaktives Frontend-Demo generieren. Bei der Review sehen alle Beteiligten etwas, das man anklicken kann, keine statischen Drahtmodelle.

Das ist keine Prahlerei mit Effizienz.

Ich möchte damit sagen: Wenn die Zeit für die „Erledigung der Arbeit“ auf ein Zehntel der ursprünglichen Dauer reduziert wird, ist es wirklich gefährlich, wenn du nicht weißt, was du mit den restlichen neun Zehntel der Zeit anfangen solltest.

Die Angst vieler Produktmanager ist nicht „Wird die KI mich ersetzen?“, sondern „Die Fähigkeiten, auf die ich immer stolz war – Prototypen zeichnen, ausführliche PRDs schreiben, mit Entwicklern Felder abgleichen – sind plötzlich nichts mehr wert“.

Mein heutiger Alltag ist völlig anders als vor drei Jahren

Wenn man keine Prototypen zeichnet und keine PRDs schreibt, was macht ein KI-Produktmanager den ganzen Tag? Ich rede über die drei Dinge, für die ich heute am meisten Zeit aufwende.

1. Definieren, „was als richtig gilt“

Das klingt einfach, ist aber in der Praxis extrem schwierig.

Bei traditioneller Software behebt man Fehler, und wenn die Logik stimmt, geht das Produkt live. Das an KI-Produkten am meisten quälende ist: Man kann sie nicht mit „richtig oder falsch“ messen.

Wir haben einen Agenten zur Vertragsprüfung, der Risikoklauseln in Verträgen finden soll.

Ist es ein Fehler, wenn er eine Klausel übersieht?

Ist es ein Fehler, wenn er sie findet, aber die Beschreibung nicht ganz präzise ist?

Ist es ein Fehler, wenn er eine nicht risikoreiche Klausel als risikoreich markiert?

Für diese Fragen gibt es keine allgemeingültige Antwort, aber als Produktmanager musst du eine klare Definition liefern: Gemeinsam mit den Fachabteilungen und den Algorithmenexperten definierst du jede Regel, annotierst jeden Punkt und baust jeden Evaluationssatz auf.

Diese Arbeit ist anstrengend und undankbar, aber es ist der härteste Kern des Alltags eines KI-Produktmanagers.

Du definierst nicht, wie das Produkt aussieht, sondern die Bestehensgrenze der KI.

2. Gestalten, wie Mensch und KI zusammenarbeiten

Traditionelle Produktmanager gestalten die Interaktion zwischen Mensch und Oberfläche. KI-Produktmanager gestalten die Zusammenarbeit zwischen Mensch und einem „nicht ganz zuverlässigen klugen Assistenten“.

Du musst dir klar machen, welche Schritte die KI vollständig automatisch ausführen kann, welche unbedingt von einem Menschen überprüft werden müssen, wie man Fehler der KI auffängt und wie der Nutzer erkennt, dass „dieses Ergebnis der KI nicht ganz sicher ist“.

Letztes Jahr haben wir ein Tool zur Dokumentenerstellung entwickelt. Die erste Version war vollständig automatisiert – der Nutzer klickt einmal und bekommt das Ergebnis. Nach dem Launch war die Beschwerderate extrem hoch.

Nicht weil die generierte Qualität schlecht war, sondern weil die Nutzer einem Black Box psychologisch nicht vertrauten. Später haben wir einen Schritt hinzugefügt: „KI erstellt Entwurf → markiert unsichere Teile → Nutzer bestätigt oder ändert → endgültige Fassung“, und die Bindungsrate hat sich direkt verdoppelt.

Siehst du: Diese Änderung hat nichts mit Technik zu tun, es ist reine Produktgestaltungskompetenz.

3. Die Kosten berechnen

Viele umsteigende Produktmanager haben überhaupt kein Konzept dafür.

Bei traditioneller Software nähern sich die Grenzkosten nach dem Launch Null an. Aber bei KI-Produkten verbraucht jeder zusätzliche Nutzer zusätzliche Token.

Das Erste, was ich heute bei einem neuen Projekt mache, ist kein Prototyp zu zeichnen, sondern zu rechnen: Wie viele Token pro Aufruf? Wie viele tägliche aktive Nutzer? Wie hoch sind die monatlichen Kosten? Kann man für einfache Fragen kleine Modelle verwenden und nur für komplexe Probleme große Modelle aufrufen?

Im letzten Quartal haben wir eine Funktion gestrichen, deren Demo-Effekt beeindruckend war. Nach der Kostenberechnung stellten wir fest, dass die jährlichen Token-Kosten über 3 Millionen Yuan betragen würden, während der erwartete Umsatzzuwachs weniger als 1 Million Yuan lag.

Diese Kostenrechnung zu beherrschen ist viel wertvoller, als Prototypen zeichnen zu können.

Die häufigsten Fehlschläge, die ich auf dem Umstieg gesehen habe

In den letzten Jahren habe ich viele Kollegen betreut, die umgestiegen sind, und viele Bewerber interviewt. Einige typische Fehlschlagsmuster sind sehr auffällig.

Einige Leute haben drei Monate lang Kurse besucht, um Python und maschinelles Lernen zu lernen, beherrschen TensorFlow nur oberflächlich und können bei der Frage im Interview „Wie optimieren Sie die Trefferquote Ihrer RAG-Suche?“ keine Antwort geben.

Du bist Produktmanager, du musst nicht zum Algorithmenentwickler werden.

Was du brauchst, ist „technische Flüssigkeit“ – du verstehst, was die Ingenieure sagen, und kannst beurteilen, ob eine Anforderung technisch machbar ist.

Das lernt man durch die Praxis an Projekten, nicht durch Online-Kurse.

Einige schreiben in ihrem Lebenslauf „Beherrschung von ChatGPT“.

Wir schreiben das Jahr 2026, das ist so, als würde man 2015 schreiben „Kann WeChat benutzen“. Der Interviewer möchte sehen, welche Geschäftsprobleme du mit KI gelöst hast, welche Lösungen du gewählt hast, wie du den Effekt quantifiziert hast und welche Fehler du gemacht hast.

Wenn du keine entsprechenden Fälle hast, ist der schnellste Weg, selbst Hand anzulegen: Verbringe zwei Wochenenden auf Coze oder Dify, um einen Agenten für branchenspezifische Fragen und Antworten zu bauen, und durchlaufe den gesamten Prozess von Datenbereinigung, Prompt-Optimierung bis zur Evaluierung. Dieser Prozess selbst ist das beste Material für deinen Lebenslauf.

Ein anderer, sehr bedauerlicher Fall: Manche denken, es reicht, „KI zu verstehen“, und werfen ihre bisherigen Branchenerfahrungen als Ballast weg.

Du arbeitest seit fünf Jahren im E-Commerce und kennst die Nutzerentscheidungswege, die Rücklaufquoten und die Kundenservice-Texte auswendig – das ist dein größtes Vermögen. Was heute am meisten fehlt, sind keine „Allgemeinspezialisten, die KI verstehen“, sondern KI-Experten mit Branchenkenntnissen. Ein Produktmanager mit drei Jahren Erfahrung in Finanzrisikokontrolle, der einen Agenten für Compliance-Prüfungen entwickelt, übertrifft jeden Neuling, der nur Technik versteht.

Was kannst du morgen schon tun?

Du musst nicht alles auf einmal umsetzen. Nimm das Projekt, an dem du gerade arbeitest, und überlege dir: Wenn ich eine KI-Fähigkeit hinzufüge, welcher Schritt wird sich grundlegend verändern? Denke nicht an oberflächliche Dinge wie „einen Chatbot hinzufügen“, sondern überlege, ob der gesamte Prozess neu gestaltet werden kann.

Dann baue einen Agenten, egal wofür. Einen, der Besprechungsprotokolle zusammenfasst, einen der Konkurrenzprodukte überwacht, einen der Nutzerfeedback analysiert. Beim Bauen wirst du natürlich verstehen, was Prompt-Engineering ist, was RAG ist und was Tool-Aufruf bedeutet. Das ist hilfreicher als jedes Tutorial.

Sprich dann mit einem Team, das an KI-Projekten arbeitet – höre nicht zu, wie sie von ihrem tollen Demo schwärmen, sondern frag sie, welche Fehler sie nach dem Launch gemacht haben, wie sie die Evaluierung durchführen und wie sie die Kosten kontrollieren. Diese echten Erfahrungen findet man kaum im Internet.

KI-Produktmanager sind keine neue Spezies. Die Nutzererkenntnisse, das Geschäftsverständnis und die Fähigkeiten zur teamübergreifenden Koordination, die du in den letzten Jahren aufgebaut hast, sind alle nicht veraltet. Was wirklich veraltet ist, ist nur die Methode, ein System voller Unsicherheiten mit deterministischen Regeln zu verwalten.

Wenn du das akzeptierst, hast du bereits den schwierigsten Schritt getan.

Das oben sind die echten Erfahrungen einer Person, die seit vielen Jahren an KI-Produkten arbeitet und unzählige Fehler gemacht hat. Ich freue mich darauf, wenn du in den Kommentaren über deine Umstiegserfahrung oder die Probleme, mit denen du gerade kämpfst, schreibst – gegenseitiger Austausch ist oft nützlicher, als mir nur einseitig zuzuhören.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Jeder ist ein Produktmanager“ (ID: woshipm), Autor: Kaffee ohne Zucker, veröffentlicht mit Genehmigung von 36Kr.