Claude Atlassian Intelligence Claude Code Prototyping Agentic Workflows PRD · Epics · User Stories

KI im Produktalltag: vom Backlog bis zum lauffähigen Prototyp.

Ich setze KI an zwei Stellen ein. Im Alltag des Product Owners: PRDs, Epic-Zerlegung und User Stories mit Claude und Atlassian Intelligence. Und für Prototypen: aus einer Idee wird oft in wenigen Stunden etwas, das man anklicken und ausprobieren kann, bevor ein Team Wochen investiert. Der Product Owner bleibt verantwortlich.

— Zwei Einsatzfelder

Wo ich KI einsetze.

KI in der täglichen Arbeit des Product Owners

PRDs, Epics, User Stories und Akzeptanzkriterien als Entwurf, den ich prüfe und verantworte. Das nimmt dem Sprint Routinearbeit ab und lässt mehr Zeit für Gespräche mit Nutzern und Stakeholdern.

KI für Prototypen und echte Produkte

Aus Idee und PRD entsteht ein Prototyp, den Nutzer und Stakeholder wirklich anfassen können. Trägt die Annahme, wird daraus ein Produkt mit Tests, Sicherheitsprüfung und Abnahme. Die Entscheidungen bleiben bei mir, Claude Code liefert Vorschläge, Code und Tests.

— Aus eigener Hand

Zwei Beispiele aus eigener Hand.

Beide habe ich als Product Owner entworfen und abgenommen, gebaut mit Claude Code.

OptiSolar: Live-Ansicht, Energiefluss in Echtzeit · Produktiv im Einsatz

Ops Control Center: Übersicht, Handlungsbedarf mit Regel-ID · Konzept-Prototyp auf Beispieldaten

Ops Control Center: Change, Risiko live berechnet · 22 Regeln, 424 automatisierte Tests

— Für wen

Ist das das Richtige für Sie?

Produktteams, die einen großen Teil jedes Sprints mit Requirements-Dokumentation und Refinement verbringen.

Heads of Product, die mehr Output erreichen wollen, ohne das Team zu vergrößern.

Unternehmen, die KI im Betrieb nutzen wollen und nicht wissen, wo sie anfangen sollen.

— Woran ich arbeite

Was dazugehört

Die Prozesse finden, in denen KI am meisten hilft
Prompts und Workflows für PRDs, Epics und User Stories
Von der Idee zum Prototyp: klickbar oder lauffähig, damit Annahmen vor der Entwicklung geprüft werden
Vom Prototyp zum Produkt: Tests, Sicherheit und Abnahme, damit aus dem Experiment etwas Belastbares wird
Anbindung an die Werkzeuge, die das Team schon nutzt, zum Beispiel Jira und Confluence
Praktische Arbeit mit dem Team an echten Aufgaben
Eine klare Definition of Done für KI-gestützte Ergebnisse, jedes Ergebnis wird von einem Menschen geprüft
Dokumentation, damit das Team ohne mich weitermacht

— Ergebnisse

Was ich erreicht habe

Requirements

−30%

Weniger Requirements-Aufwand pro Sprint durch KI-beschleunigte PRD- und User-Story-Workflows. Ein Erfahrungswert aus meiner Praxis.

Prototyping

Stunden

Vom PRD zum Prototyp, den man ausprobieren kann: in der Regel in wenigen Stunden.

FAQ

Häufig gestellte Fragen

Brauchen wir eigene Daten oder ein trainiertes Modell?

Nein. Ich arbeite mit bestehenden Modellen wie Claude über Standardwerkzeuge. Ein Modell-Training ist nicht nötig.

Brauchen wir ein Data-Team oder KI-Engineers?

Nein. Das ist Workflow-Design und Prompt-Arbeit, kein ML Engineering. Ihr bestehendes Produktteam reicht aus.

Was, wenn die KI falsche Ergebnisse liefert?

Ein Mensch prüft jedes Ergebnis. KI liefert Entwürfe, der Product Owner entscheidet.

Wie messen wir den Erfolg?

Wir vereinbaren zu Beginn wenige einfache Kennzahlen, zum Beispiel den Zeitaufwand pro Requirements-Artefakt, und prüfen sie nach einigen Wochen erneut.

Ersetzt ein KI-Prototyp die Entwicklung?

Nein. Ein Prototyp beantwortet, ob sich etwas lohnt. Für den Betrieb braucht es Tests, Sicherheit und jemanden, der es pflegt. Bei OptiSolar habe ich das von Anfang an mitgedacht.

Sagen Sie mir, wo es klemmt.

Eine kurze Nachricht genügt. Ich sage Ihnen direkt, ob KI dort etwas bringt.

Kontakt aufnehmen ↗