Kursbeschreibung
In diesem Grundlagenseminar entwickelst Du eine belastbare Arbeitsweise, um mit KI Marktanforderungen zu identifizieren, zu strukturieren und zu priorisieren. Der Schwerpunkt liegt nicht auf Tool-Demos, sondern auf einem Vorgehen, das Du in Deinen Produktalltag übertragen kannst. Du beginnst mit den typischen Quellen, die Produktentscheidungen beeinflussen: Support-Tickets, NPS-Kommentare, Reviews, Community-Beiträge, Sales-Notizen und Wettbewerbsinformationen wie Release Notes oder Pricing. Du lernst, wie Du diese Quellen bewertest, welche Stolperfallen in der Datenqualität stecken und wie Du mit Sampling, Duplikaten und Ausreißern umgehst. Darauf aufbauend nutzt Du LLMs für strukturierte Textanalyse. Du lässt Feedback clustern, extrahierst Anforderungen und Akzeptanzkriterien und machst Risiken sowie offene Fragen sichtbar. Damit die Ergebnisse nicht willkürlich werden, arbeitest Du mit wiederholbaren Prompt-Patterns und definierten Output-Formaten. Du setzt Rubrics und Scorecards ein, um Bewertungen konsistent zu halten, und etablierst Traceability durch Zitate und Quellen. So kannst Du Ergebnisse prüfen, diskutieren und bei Bedarf korrigieren. Im letzten Teil verbindest Du die Analyse mit Priorisierung und Stakeholder-Kommunikation. Du nutzt RICE, WSJF oder Kano als Rahmen, ergänzt sie um Evidenz und formulierst Hypothesen, Experimente und Success Metrics. Du erstellst konkrete Lieferobjekte wie PRD-Entwürfe, One-Pager und Decision Memos und lernst, Unsicherheit transparent zu kommunizieren. Außerdem bekommst Du klare Praxisregeln zu Datenschutz, Vertraulichkeit, EU AI Act und Tool-Auswahl, damit Dein KI-Einsatz im Unternehmen tragfähig ist.
Zielgruppe
- Produktmanagerinnen und Produktmanager in Software- und Digitalteams
- Product Owner, die Anforderungen aus Feedback ableiten
- UX-Researcher und Business Analysten an der Schnittstelle zu Produkt
- Teamleads in Product Discovery und Customer Experience
- Alle, die Marktanforderungen mit KI nachvollziehbar analysieren und priorisieren wollen
Voraussetzung für die Schulung
- Grundverständnis von Produktmanagement, Discovery und Anforderungen (z. B. Backlog, User Stories).
- Keine Programmierkenntnisse erforderlich; Offenheit für strukturierte Textarbeit mit KI.
Kursinhalte
- KI-gestützte Discovery statt Bauchgefühl
- Use Cases entlang des Produktlebenszyklus
- Grenzen: Halluzinationen, Bias, Datenlücken
- Rollen: Produktmanagement, Research, Data, Legal
- Datenquellen für Marktanforderungen
- Support-Tickets, Sales-Calls, NPS, Reviews, Community
- Wettbewerb: Release Notes, Pricing, Positionierung
- Qualität: Sampling, Duplikate, Saisonalität
- Textanalyse mit LLMs: von Rohtext zu Signalen
- Clustering von Feedback und Themenlandkarten
- Sentiment, Jobs-to-be-Done, Pain vs. Gain
- Extraktion: Anforderungen, Akzeptanzkriterien, Risiken
- Prompting, das in Produktarbeit funktioniert
- Prompt-Patterns: Extrahieren, Vergleichen, Bewerten
- Rubrics und Scorecards für konsistente Ergebnisse
- Belegpflicht: Zitate, Quellen, Traceability
- Priorisieren mit Evidenz statt Lautstärke
- RICE, WSJF, Kano: KI-Assistenz ohne Autopilot
- Opportunity Solution Tree und Problem Statements
- Hypothesen, Experimente, Success Metrics
- Lieferobjekte für Stakeholder
- PRD-Entwurf, One-Pager, Decision Memo
- Roadmap-Narrativ und Abhängigkeiten
- Kommunikation: Unsicherheit transparent machen
- Governance, Datenschutz, Compliance
- Umgang mit sensiblen Daten und Kundentexten
- EU AI Act, Urheberrecht, Vertraulichkeit (Praxisregeln)
- Tool-Auswahl: Public LLM vs. Enterprise-Optionen
