KI im Produktmanagement: Der neue Kapazitätsstack
Wie viel Arbeit kann ein Unternehmen leisten?
Über lange Zeit war die Antwort auf diese Frage erstaunlich einfach: Man zählte die Menschen.
Im industriellen Zeitalter veränderte sich dieses Verhältnis grundlegend. Maschinen machten es möglich, menschliche Arbeitskraft mit zusätzlicher technischer Kapazität zu verbinden. Nicht die Zahl der Arbeiter allein bestimmte, wie viel produziert werden konnte, sondern zunehmend das Zusammenspiel aus Menschen, Maschinen und den damit verbundenen Prozessen.
Eine ähnliche Verschiebung beginnt nun in der Wissensarbeit. Sie ist allerdings schwerer zu erkennen, weil sie nicht in einer Fabrikhalle stattfindet.
Wissensarbeit war lange an Köpfe gebunden
Auch im Produktmanagement war die verfügbare Arbeitskapazität lange eng an Menschen gekoppelt.
Mehr Recherche, mehr Kundeninterviews, mehr Wettbewerbsanalysen, mehr Dokumentation oder mehr Konzeptarbeit bedeuteten entweder mehr Arbeit für bestehende Produktmanager, zusätzliche Mitarbeiter oder externe Unterstützung.
Software hat diese Logik zunächst vor allem effizienter gemacht. Ein Produktmanager mit besseren Tools konnte schneller arbeiten als zuvor. CRM, Analytics, Collaboration-Tools oder spezialisierte Software erhöhten die Produktivität.
Die grundlegende Einheit blieb aber der Mensch.
Der Mensch dachte, recherchierte, strukturierte, formulierte und entschied. Die Software unterstützte ihn dabei.
KI fügt eine neue Kapazitätsebene hinzu
Mit generativer und zunehmend autonomer KI verändert sich diese Beziehung.
Dabei ist nicht jede KI automatisch zusätzliche Arbeitskapazität.
Ein Chatbot beantwortet Fragen. Ein Copilot unterstützt einen Menschen bei seiner Arbeit. Deep-Research-Systeme können komplexe Rechercheaufgaben durchführen. Agent Builder ermöglichen es, bestimmte Abläufe zu automatisieren. Ein autonomer Co-Worker geht noch einen Schritt weiter: Er kann einen definierten Arbeitsauftrag selbstständig bearbeiten.
Damit entsteht eine neue Kategorie zwischen klassischer Software und menschlicher Arbeitskraft: KI kann selbst zur Arbeitskapazität werden.
Die Frage verändert sich dadurch nicht von „Menschen oder KI?“, sondern von:
Wie viele Menschen brauchen wir für diese Arbeit?
hin zu:
Welche Arbeitskapazität brauchen wir – und wie können wir sie sinnvoll kombinieren?
Der Kapazitätsstack
Diese Perspektive lässt sich als Kapazitätsstack betrachten. Er besteht aus drei grundlegenden Quellen:
01 · Eigenregie
Die eigene menschliche Arbeitskapazität: Produktmanager, Spezialisten, Neueinstellungen, Weiterbildung, Methoden und interne Expertise.
02 · Externe
Eingekaufte menschliche Arbeitskapazität: Freelancer, Beratungen, Agenturen, Offshoring, Nearshoring, Werkstudenten oder andere externe Ressourcen.
03 · KI
Künstliche Arbeitskapazität: von Chatbots und Copilots über Research-Systeme und Agent Builder bis hin zu autonomen Co-Workern.
Keine dieser Ebenen macht die anderen überflüssig.
Im Gegenteil: Die eigentliche Stärke entsteht durch ihr Zusammenspiel.
Der Wert entsteht zwischen den Ebenen
Wenn interne Teams ihre Methoden, ihr Domänenwissen und ihre Qualitätsanforderungen präzisieren, können autonome Systeme wesentlich genauer arbeiten.
Umgekehrt können KI-Systeme Recherche, Strukturierung und Aufbereitung übernehmen und Wissen verfügbar halten, das sonst bei jedem Projekt erneut aufgebaut werden müsste. Dadurch entsteht mehr menschliche Kapazität für Bewertung, Entscheidung und Verantwortung.
Auch externe Arbeitskapazität lässt sich dadurch besser anbinden. Wenn Kontext, Anforderungen und Akzeptanzkriterien bereits dokumentiert sind, muss externe Unterstützung weniger über persönliche Briefings vermittelt werden.
Und externe Kapazität kann wiederum Spitzen abfangen, ohne dass dafür dauerhaft interne Stellen aufgebaut werden müssen.
Der Kapazitätsstack ist deshalb kein Entweder-oder. Jede Ebene kann die anderen verstärken.
Headcount bleibt wichtig – reicht aber allein nicht mehr aus
Headcount und FTE bleiben zentrale Größen. Unternehmen brauchen Menschen, Rollen, Verantwortlichkeiten und interne Expertise.
Aber Headcount beschreibt zunehmend nicht mehr die gesamte Arbeitskapazität, die ein Unternehmen tatsächlich mobilisieren kann.
Zwei Organisationen mit derselben Anzahl an Produktmanagern können über sehr unterschiedliche verfügbare Arbeitskapazitäten verfügen – abhängig davon, welche externen Ressourcen, Software und autonomen Systeme sie einsetzen und wie gut diese miteinander verbunden sind.
Der Headcount wird damit nicht weniger wichtig. Er wird Teil eines größeren Modells.
Die Logik verschiebt sich von:
Mehr Arbeit → mehr Rollen → mehr Personal
hin zu:
Mehr Arbeit → benötigte Kapazität → Kombination aus Eigenregie, Externen und KI.
Die Frage lautet damit nicht mehr nur, wie viele Menschen eine Organisation beschäftigt, sondern welche Kapazität sie insgesamt mobilisieren kann.
Von Softwarebudgets zu Kapazitätsbudgets?
Diese Entwicklung könnte langfristig auch verändern, wie Unternehmen Technologie wirtschaftlich betrachten.
Software wurde traditionell als Werkzeug gekauft: Lizenz, Nutzer, Funktionalität.
Bei autonomen Systemen wird eine andere Frage interessant:
Wie viel Arbeit kann das System für uns leisten?
Damit entsteht neben der klassischen Softwarelogik eine mögliche neue Perspektive: nicht nur Software kaufen, sondern Arbeitskapazität einkaufen.
Das bedeutet nicht, dass Softwarebudgets verschwinden. Vielmehr entsteht eine zusätzliche Betrachtungsebene. Entscheidend wird nicht nur, welches System ein Unternehmen besitzt, sondern welche zusätzliche Kapazität es damit tatsächlich mobilisieren kann.
Mehr Kapazität ist noch keine Wirkung
Hier liegt allerdings eine entscheidende Unterscheidung.
Arbeit ist nicht dasselbe wie Wirkung.
Mehr verfügbare Kapazität bedeutet zunächst, dass mehr Arbeit geleistet werden kann. Sie bedeutet nicht automatisch, dass daraus mehr Erkenntnis, bessere Entscheidungen oder höherer Wert entsteht.
Ein Unternehmen kann seine Recherchekapazität vervielfachen und trotzdem die falschen Fragen untersuchen. Es kann mehr Analysen produzieren und trotzdem keine bessere Entscheidung treffen. Es kann mehr Konzepte entwickeln und trotzdem kein besseres Produkt bauen.
Die Kette ist deshalb nicht:
Kapazität → Wert.
Sondern eher:
Kapazität → Arbeit → Erkenntnis und Entscheidung → Handlung → Wirkung → Wert.
Mit steigender Arbeitskapazität wird damit nicht nur die Produktion von Arbeit wichtiger. Auch ihre Auswahl, Bewertung und Einordnung werden wichtiger.
Die neue Fähigkeit: Arbeit delegieren
Damit verändert sich auch die Fähigkeit, die Menschen im Produktmanagement entwickeln müssen.
KI-Kompetenz bedeutet nicht nur, gute Prompts zu schreiben.
Wenn ein System eigenständig Arbeit ausführen kann, müssen Menschen zunehmend in der Lage sein, Arbeit sinnvoll zu delegieren.
Das bedeutet:
- einen Arbeitsauftrag präzise zu formulieren,
- relevanten Kontext bereitzustellen,
- Akzeptanzkriterien zu definieren,
- Kapazität bewusst zuzuweisen,
- Ergebnisse zu prüfen und
- Verantwortung für die Entscheidung zu übernehmen.
Das ist ein anderes Arbeitsmodell als die klassische Nutzung eines Tools.
Bei einem Tool entscheidet der Mensch, was er damit tut.
Bei einem autonomen System entscheidet der Mensch zunehmend, welche Arbeit das System tun soll und woran er erkennt, dass sie erledigt ist.
Akzeptanzkriterien werden zur Schnittstelle
Genau deshalb gewinnen Akzeptanzkriterien an Bedeutung.
Sie bilden eine Schnittstelle zwischen menschlicher Verantwortung und autonomer Ausführung.
Je autonomer ein System arbeitet, desto weniger sinnvoll ist es, jeden einzelnen Arbeitsschritt vorzugeben. Stattdessen muss klar sein, welches Ziel erreicht werden soll, welcher Kontext gilt und welche Anforderungen ein akzeptables Ergebnis erfüllen muss.
Die Steuerung verschiebt sich damit:
von der Anleitung einzelner Arbeitsschritte hin zur Definition von Auftrag, Kontext und Akzeptanz.
Mehr Kapazität verändert die Steuerung von Arbeit
Wenn zusätzliche Arbeitskapazität leichter verfügbar wird, entsteht allerdings eine neue Herausforderung.
Nicht mehr nur die Frage „Wer kann diese Aufgabe bearbeiten?“ wird relevant.
Es wird wichtiger zu entscheiden:
- Welche Arbeit soll überhaupt entstehen?
- Welche Arbeit hat Priorität?
- Welche Kapazität wird darauf verwendet?
- Wie schnell wird sie bearbeitet?
- Was wird akzeptiert?
- Was muss überarbeitet werden?
Damit gewinnen Größen wie Durchsatz, Bearbeitungszeit, Akzeptanz und Rework an Bedeutung.
Mehr Kapazität allein erzeugt noch keinen Wert.
Sie erhöht zunächst die Menge an Arbeit, die eine Organisation potenziell leisten kann. Erst durch Priorisierung, Bewertung und Entscheidung kann daraus Wirkung entstehen.
Der Engpass kann sich damit von der Produktion von Arbeit hin zur Auswahl und Steuerung der richtigen Arbeit verschieben.
Die Bewegung läuft bereits
Diese Verschiebung lässt sich heute bereits an verschiedenen Stellen beobachten.
KI wird in Unternehmen zunehmend nicht mehr nur als klassische Softwarefunktion betrachtet. Es entstehen neue Budgets, neue Rollen und neue Anforderungen an Mitarbeiter. Gleichzeitig wächst die Erwartung, dass KI nicht nur einzelne Arbeitsschritte unterstützt, sondern ganze Arbeitsaufträge übernehmen kann.
Damit verändert sich auch das Verständnis von KI-Kompetenz.
Die entscheidende Fähigkeit wird nicht allein darin liegen, KI bedienen zu können. Sie wird darin liegen, Arbeit sinnvoll zwischen Menschen, externen Ressourcen und autonomen Systemen zu verteilen.
Was bedeutet das für das Produktmanagement?
Für das Produktmanagement ist diese Entwicklung besonders relevant, weil große Teile der Arbeit wissensbasiert sind.
Recherche, Marktanalyse, Kundenverständnis, Wettbewerbsbeobachtung, Synthese, Konzeptentwicklung, Dokumentation und Vorbereitung von Entscheidungen lassen sich zunehmend als klar definierbare Arbeitsaufträge betrachten.
Damit wird das Produktmanagement zu einem frühen Anwendungsfeld für eine neue Organisationslogik:
Nicht nur Menschen werden organisiert. Arbeit wird organisiert.
Der Produktmanager wird dadurch nicht überflüssig. Seine Rolle verschiebt sich.
Weniger Zeit kann in Vorbereitung und manuelle Bearbeitung fließen. Mehr Bedeutung bekommen Kontext, Priorisierung, Bewertung, Entscheidung und Verantwortung.
Denn genau dort entscheidet sich, ob zusätzliche Arbeit tatsächlich zu zusätzlicher Wirkung führt.
Die Frage ist nicht: Mensch oder KI?
Die interessante Frage ist deshalb nicht, welche Ebene des Kapazitätsstacks „gewinnt“.
Eigenregie, externe Kapazität und KI werden auch in Zukunft nebeneinander existieren. Entscheidend ist, wie sie für die jeweilige Organisation miteinander verbunden werden.
Damit entsteht ein neues Designproblem:
Welche Arbeit sollte intern bleiben? Welche kann extern erbracht werden? Welche lässt sich autonom durch KI bearbeiten? Und wie müssen Kontext, Rollen, Akzeptanz und Verantwortung gestaltet sein, damit diese Kapazitäten zusammenspielen?
Autonome Co-Worker sind dabei nur ein Baustein dieses Systems.
Sie ersetzen weder interne Expertise noch externe Unterstützung. Sie erweitern den Kapazitätsstack um eine neue Form von Arbeitskapazität.
Der Kapazitätsstack wird zur Managementfrage
Die zentrale Verschiebung liegt deshalb weniger in der Technologie selbst als in unserem mentalen Modell von Arbeit.
Über lange Zeit war die Anzahl der Menschen eine brauchbare Näherung für die verfügbare Arbeitskapazität eines Unternehmens.
Heute lässt sich Arbeitskapazität aus mehreren Quellen kombinieren: aus den eigenen Mitarbeitern, aus externen Ressourcen und zunehmend aus autonomen KI-Systemen.
Der Headcount bleibt dabei ein zentraler Bestandteil. Aber er steht nicht mehr isoliert.
Die relevante Frage wird zunehmend, welche Arbeitskapazität eine Organisation insgesamt mobilisieren und wie sie diese Kapazitäten miteinander verbinden kann.
Denn zusätzliche Kapazität ist zunächst nur eine Möglichkeit.
Erst wenn die richtige Arbeit entsteht, relevante Erkenntnisse gewonnen, gute Entscheidungen getroffen und diese in Handlung übersetzt werden, kann daraus Wirkung entstehen.
Für das Produktmanagement bedeutet das eine neue Perspektive:
Nicht nur: Wie viele Menschen haben wir?
Sondern: Welche Arbeit wollen wir ermöglichen – und wie kombinieren wir dafür menschliche, externe und KI-Kapazität so, dass daraus relevante Wirkung entstehen kann?