Der Product Owner im Zeitalter der KI

Der Product Owner hat schon immer in einem schwierigen Spannungsfeld gearbeitet: zwischen dem, was das Unternehmen will, dem, was Nutzer benötigen, und dem, was das Engineering-Team realistisch liefern kann. KI hat dieses Spannungsfeld nicht beseitigt. Sie hat es sichtbarer gemacht.

Product Owner sollen nun vertraute Verantwortlichkeiten in der Bereitstellung übernehmen und gleichzeitig KI-gestützte Funktionen, Datenabhängigkeiten, Modellverhalten, Governance-Anforderungen und sich schnell verändernde Erwartungen der Stakeholder verstehen. Das ist viel, was verarbeitet werden muss. Es ist auch der Grund, warum die Rolle wichtiger wird und nicht an Bedeutung verliert.

Eine Podcast-Folge der Scrum.org Community mit Ruud Adriaans und Linus Wiggers beschrieb die praktische Realität treffend: KI fügt dem Werkzeugkasten des Product Owners nicht einfach nur ein weiteres Werkzeug hinzu. Sie verändert die Arbeitsweise von Product Ownern – von der Vereinfachung täglicher Aufgaben bis zur Gestaltung strategischer Entscheidungen über KI-gestützte Produkte und Arbeitsabläufe.

Der Product Owner, der in diesem Umfeld erfolgreich ist, wird nicht einfach derjenige sein, der schneller mehr Tickets erstellt. Es wird derjenige sein, der KI nutzt, um den administrativen Aufwand zu verringern und gleichzeitig mehr Verantwortung für Produktwert, Risiken, Governance und Entscheidungsqualität übernimmt.

KI verändert die Mechanik der Produktverantwortung

KI ist bereits für einen Teil der mechanischen Arbeit rund um die Produktverantwortung nützlich. Sie kann Stakeholder-Gespräche zusammenfassen, Feedback organisieren, Entwürfe für User Stories erstellen, Akzeptanzkriterien vorschlagen, Support-Themen clustern, Roadmap-Optionen vergleichen und erste Entwürfe für Release Notes oder Produktaktualisierungen vorbereiten.

Das ist nützlich, weil viele Product Owner zu viel Zeit damit verbringen, unübersichtliche Eingaben in strukturiertes Backlog-Material zu verwandeln. Anfragen kommen aus der Führungsebene, vom Vertrieb, Support, Kunden, Betrieb, Engineering, der Compliance und der Analytik. KI kann dabei helfen, dieses Rauschen zu sortieren und einen saubereren Ausgangspunkt zu schaffen.

Ein saubererer Ausgangspunkt ist jedoch weiterhin nur ein Ausgangspunkt. KI kann beim Entwurf einer Story helfen. Sie kann nicht entscheiden, ob diese Story ins Backlog gehört. Sie kann Akzeptanzkriterien vorschlagen. Sie kann nicht wissen, ob die vorgeschlagene Lösung das richtige Problem löst. Sie kann Stakeholder-Feedback zusammenfassen. Sie kann die Zielkonflikte zwischen Dringlichkeit für Kunden, Engineering-Kapazität, Risiko, Strategie und Zeitplanung nicht auflösen.

Das ist der entscheidende Unterschied. KI kann Product Owner dabei unterstützen, die administrativen Teile ihrer Arbeit schneller zu erledigen. Die Produktentscheidung selbst übernimmt sie nicht.

Das Anforderungsdokument reicht nicht mehr aus

Traditionelle Produktanforderungsdokumente basierten auf einer relativ deterministischen Sichtweise von Software. Das Team beschrieb, was das System tun sollte, die Entwicklung setzte diese Beschreibung um, und Akzeptanzkriterien legten fest, ob das Verhalten den Erwartungen entsprach.

KI-Systeme verkomplizieren dieses Muster. Ein im Februar 2026 veröffentlichter Artikel des Forbes Tech Council argumentiert, dass sich Produktanforderungsdokumente im KI-Zeitalter weiterentwickeln müssen, weil KI-Systeme weniger deterministisch sind als herkömmliche Software. Sie können bei ähnlichen Eingaben unterschiedliche Ausgaben erzeugen, stark von der Datenqualität abhängen und nach der Veröffentlichung eine kontinuierliche Evaluierung erfordern.

Das bedeutet nicht, dass Anforderungen überholt sind. Es bedeutet, dass Anforderungen Ergebnisse, Einschränkungen, Schwellenwerte, Datenannahmen, Eskalationswege und Überwachung expliziter beschreiben müssen.

Bei einer KI-gestützten Funktion muss ein Product Owner möglicherweise Folgendes definieren:

Welches Ergebnis das System verbessern soll
Welche Daten das System verwenden darf
Welcher Qualitätsschwellenwert akzeptabel ist
Welcher Grad an Unsicherheit eine menschliche Prüfung erfordert
Welche Verhaltensweisen nicht akzeptabel sind
Wie Fehler erkannt und korrigiert werden
Wie Änderungen am Modell oder Prompt überprüft werden
Welche Protokolle oder Nachweise für die Auditierbarkeit erforderlich sind

Das ist eine andere Art von Backlog-Arbeit. Es geht weniger darum, eine statische Beschreibung der Funktionalität zu verfassen, sondern vielmehr darum, die Betriebsgrenzen eines Systems zu definieren, das sich möglicherweise probabilistisch verhält.

Datenkompetenz gehört jetzt zur Rolle

Ein Product Owner muss kein Datenwissenschaftler werden. Bei KI-gestützten Produkten benötigt der PO jedoch genügend Datenkompetenz, um bessere Fragen zu stellen.

Welche Daten speisen das System? Wem gehören sie? Wie vollständig sind sie? Sind sie aktuell? Repräsentieren sie die Nutzer oder Szenarien, die das Produkt unterstützen soll? Gibt es bekannte Verzerrungsmuster? Kann das Team eine Ausgabe auf die Quelldaten zurückführen? Was passiert, wenn sich die Daten ändern?

Ohne diese Kompetenz kann ein Product Owner gegenüber Stakeholdern keine realistischen Erwartungen setzen. Möglicherweise genehmigt er Funktionen, die von Daten abhängen, über die das Unternehmen tatsächlich nicht verfügt. Möglicherweise priorisiert er Fähigkeiten, die in einer Demo beeindruckend wirken, aber in der Produktion scheitern, weil die Eingaben unzureichend sind. Möglicherweise unterschätzt er Governance-Bedenken, weil das Risiko in der Datenschicht und nicht in der Benutzeroberfläche verborgen ist.

Das ist eine der großen Veränderungen bei der Produktverantwortung im KI-Zeitalter. Der PO muss nicht jede Datenpipeline besitzen, aber er muss verstehen, wie sich Datenqualität auf das Produktverhalten und das Vertrauen der Kunden auswirkt.

Governance gehört ins Backlog

Governance darf nicht als separater Arbeitsbereich behandelt werden, der am Ende eines KI-Projekts auftaucht. Wenn ein KI-gestütztes Produkt Protokollierung, Überwachung, menschliche Prüfung, Datenkontrollen, Modellevaluierung, Audit-Trails oder eine Reaktion auf Vorfälle benötigt, handelt es sich dabei um Produktanforderungen.

Das bedeutet, dass Governance-Arbeit ins Backlog gehört. Sie sollte geschätzt, priorisiert, überprüft und gegebenenfalls in die Definition of Done aufgenommen werden.

Das mag sich für Teams ungewohnt anfühlen, die Compliance, Sicherheit und Governance als externe Prüfschritte behandeln. KI-Systeme machen diese Trennung jedoch schwieriger. Wenn eine Funktion ohne Überwachung nicht verantwortungsvoll betrieben werden kann, gehört die Überwachung zur Funktion. Wenn dem System ohne menschliche Aufsicht nicht vertraut werden kann, ist die Aufsicht Teil des Produktdesigns. Wenn die Organisation wissen muss, warum eine KI-Ausgabe erzeugt wurde, ist Nachvollziehbarkeit keine optionale Zusatzfunktion.

Der Product Owner muss nicht zur Compliance-Abteilung werden. Er muss jedoch sicherstellen, dass Governance-Anforderungen in der Arbeit sichtbar sind und nicht in einer zukünftigen Phase verborgen bleiben.

Der Product Owner wird zum Entscheidungsdesigner

Der Product Owner im KI-Zeitalter ist weniger Backlog-Verwalter und mehr Entscheidungsdesigner. Das klingt abstrakt, doch die Arbeit ist praktisch.

Der PO hilft zu definieren, welche Entscheidungen das Produkt unterstützen soll, welche Entscheidungen in menschlicher Verantwortung bleiben sollen, welche Belege diese Entscheidungen beeinflussen sollten und woran das Team erkennen wird, ob das Produkt das relevante Ergebnis verbessert.

Bei KI-gestützten Produkten kann das bedeuten, zu entscheiden, wo Automatisierung angemessen ist, wo Empfehlungen überprüft werden sollten, welche Nutzer Erklärungen benötigen und wie mit Ergebnissen mit geringer Zuverlässigkeit umzugehen ist. Es kann auch bedeuten, sich zu widersetzen, wenn ein Stakeholder eine KI-Funktion ohne klares Problem, solide Datengrundlage oder Governance-Plan fordert.

Hier stößt die alte Version des Product Ownership als „Backlog-Aufräumer“ an ihre Grenzen. Ein Product Owner, der lediglich Tickets organisiert, wird in einer KI-Umgebung Schwierigkeiten haben. Die Organisation braucht jemanden, der Produktvision, technische Machbarkeit, Datenrealität, Governance-Erwartungen und Nutzwert miteinander verbinden kann.

Organisationen müssen in die KI-Kompetenz von Product Ownern investieren

Product Owner benötigen keine tiefgreifende Expertise im Modelltraining, aber sie brauchen praktische KI-Kompetenz. Sie sollten verstehen, was KI-Systeme zuverlässig leisten können, wo sie scheitern, wie sich probabilistisches Verhalten von deterministischer Software unterscheidet und wie KI-gestützte Funktionen im Laufe der Zeit bewertet werden.

Die Schulung sollte sich auf praktische Fragen konzentrieren:

Wie nutzen KI-Systeme Daten?
Was macht eine KI-Ausgabe unzuverlässig?
Wie sollten KI-generierte Empfehlungen überprüft werden?
Was gehört in Abnahmekriterien für probabilistische Systeme?
Wie sollten Teams Konfidenzschwellen und Eskalationsregeln definieren?
Was sollte zur Überwachung und Nachvollziehbarkeit protokolliert werden?
Wie verändert KI Discovery, Umsetzung und Messung nach der Veröffentlichung?

Für Organisationen, die KI-gestützte Produkte entwickeln, ist dies keine optionale Weiterbildung. Wenn Product Owner für den Nutzwert verantwortlich sein sollen, benötigen sie die Kompetenz, die Risiken und Funktionsweisen der Systeme zu verstehen, die diesen Wert schaffen.

Wie Ridiculous Engineering Product Ownership im KI-Zeitalter betrachtet

Bei Ridiculous Engineering betrachten wir Product Ownership als einen der zentralen Bereiche, in denen KI-Projekte entweder zu disziplinierter Produktarbeit werden oder in teure Experimente abgleiten.

Viele Organisationen erkennen den Bedarf an KI, gehen aber davon aus, dass das Produktteam die neuen Verantwortlichkeiten ganz selbstverständlich übernimmt. Das geschieht in der Regel nicht reibungslos. KI verändert Anforderungen, Abnahmekriterien, Discovery, Governance, Datenannahmen, Tests, Überwachung und die Kommunikation mit Stakeholdern. Diese Veränderungen müssen in das Betriebsmodell integriert werden.

Wir unterstützen Kunden dabei, dieses Betriebsmodell zu stärken. Das kann bedeuten, Discovery-Praktiken zu verbessern, die Aufnahme von Backlog-Einträgen neu zu gestalten, KI-spezifische Abnahmekriterien zu definieren, Governance-bewusste Definitionen für „fertig“ zu erstellen, Daten- und Modellabhängigkeiten abzubilden oder Teams dabei zu helfen, zu verstehen, an welchen Stellen die menschliche Aufsicht im Arbeitsablauf bestehen bleiben muss.

Das Ziel besteht nicht darin, Produktteams zu verlangsamen. Es geht darum zu verhindern, dass KI-Initiativen sich so schnell bewegen, dass sie die Fähigkeit der Organisation überholen, Risiken zu steuern, den Wert zu messen und das System nach dem Start zu betreiben.

Die Rolle wird umfangreicher

Die Rolle des Product Owners verschwindet nicht. Sie wird umfangreicher.

KI kann Teile der Backlog-Verwaltung, Dokumentation, Zusammenfassung und Kommunikation automatisieren. Das ist gut. Product Owner sollten ihre produktivsten Stunden nicht damit verbringen, Tickets zu formatieren oder Feedback manuell zusammenzufassen, wenn Tools dabei helfen können.

Der strategische Teil der Rolle wird jedoch anspruchsvoller. Product Owner müssen heute Ergebnisse, Datenqualität, Governance, probabilistisches Verhalten, Abwägungen bei der Umsetzung und die Überwachung nach der Veröffentlichung verstehen. Sie müssen Teams dabei helfen, Anforderungen zu formulieren, die zu KI-Systemen passen, nicht nur zu herkömmlicher Software. Sie müssen sicherstellen, dass Governance Bestandteil des Produkts ist und nicht zu einem Compliance-Notfall in letzter Minute wird.

Wenn Ihre Organisation KI-gestützte Produkte entwickelt oder Product Ownership für das KI-Zeitalter modernisieren möchte, kann Ridiculous Engineering helfen. Wir arbeiten mit Teams daran, die Produktstrategie zu klären, Discovery- und Backlog-Praktiken zu verbessern und Umsetzungsabläufe zu gestalten, die Geschäftswert, technische Umsetzung und verantwortungsvolle KI-Governance miteinander verbinden.

KI kann den mechanischen Arbeitsaufwand von Product Ownership reduzieren. Sie wird den Bedarf an Verantwortung jedoch nicht verringern.

Quellen und weiterführende Literatur: Scrum.org: KI und die Zukunft von Product Ownership, Forbes Tech Council: Wie sich Produktanforderungsdokumente im KI-Zeitalter entwickeln, Product School: KI-Product-Owner, Scaled Agile: KI-gestützte Product Owner und Product Manager, Scrum Alliance: KI für Product Owner

Der Product Owner im KI-Zeitalter: Vom Backlog-Verwalter zum strategisch Verantwortlichen