Product Ownership in einer agentischen Welt

Programmieren – über Jahrzehnte die Kerntätigkeit der Softwareentwicklung – wird zunehmend nicht mehr durch Menschen, sondern von KI-Agenten durchgeführt. In der Folge verschieben sich auch Methoden und Praktiken, die der Steuerung, Motivation und Kontrolle von Entwicklungsteams dienen, verdichten sich oder entfallen sogar ganz. Das Umsetzungstempo steigt, die Arbeitsweise verändert sich. Dennoch, am Ende muss jemand der Maschine(rie) sagen, was gewollt, was nützlich und was gut ist und damit verbleibt die Ownership für ein Produkt fest in menschlicher Hand.

Über viele Jahre war die Umsetzung einer Idee oft der teuerste, langsamste und damit auch risikoreichste Teil digitaler Produktentwicklung. Wer ein neues Feature wollte, musste Kapazitäten sichern, Anforderungen formulieren, Tickets schreiben, Prioritäten verhandeln, Sprints planen, die Umsetzung begleiten, testen, deployen und anschließend hoffen, dass sich der investierte Aufwand tatsächlich gelohnt hat und die erwartete Wirkung erzeugt.

Mit KI-Agenten beginnt sich dieses Verhältnis zu verschieben. Immer größere Teile der konkreten Umsetzung werden nicht mehr primär durch Menschen ausgeführt, sondern agentisch unterstützt oder ganz übernommen. Programmieren, Testen, Refactoring, Dokumentation, Infrastrukturarbeit, Designvarianten, Analyse und sogar Teile der Produktkonzeption werden schneller, günstiger und verstärkt parallelisiert möglich. Wenn also Code in Stunden produziert werden kann, der früher Tage, Wochen oder gar Monate gebraucht hat, verliert die Steuerung knapper Umsetzungskapazität an Bedeutung.

Wohingegen Kontext, Richtung, Qualitätsverständnis, Verantwortlichkeit und Wirkung an Gewicht gewinnen. Denn, nicht alles, was man schnell machen kann, sollte man auch machen.

Anders ausgedrückt: Product Ownership in einer agentischen Welt bedeutet noch stärker als bisher, in einem zunehmend tiefer integrierten sozio-technischen System zu steuern, was gewollt, was nützlich, was sicher, was gut und was langfristig tragfähig ist.

Um das Produkt an sich soll es hier nur am Rande gehen. Natürlich verändern sich auch digitale Produkte durch KI stark. Etwa durch neue Interfaces, intelligente Automatisierung, personalisierte Nutzungserlebnisse oder KI-Assistenten und adaptive Prozesse. Diese Perspektive haben wir bereits an einigen Stellen beleuchtet (siehe hierzu auch unseren Beitrag zu Ambient AI, „Das Ende des Browsers?“ oder „Die Zukunft von Interfaces im Zeitalter von KI“)

Uns interessiert hier an dieser Stelle aber die Frage, wie sich das System und Umfeld selbst verändert, das diese Produkte hervorbringt, betreibt und weiterentwickelt.

Das Produkt-Team der Zukunft wird in vielen Fällen deutlich schlanker sein als heutige agile Entwicklungsteams. Nicht, weil weniger Verantwortung entsteht, sondern weil ein Teil der bisherigen Ausführungsarbeit in die Agentenschicht wandert. Dadurch sinkt in der Folge auch der Abstimmungsaufwand. Weniger Menschen müssen synchronisiert werden. Weniger Übergaben sind nötig. Weniger Meetings werden gebraucht, um die Arbeit zwischen Rollen zu koordinieren.

Gleichzeitig steigt das Umsetzungstempo massiv. Ideen, Features, Prototypen oder Experimente, die heute Tage oder Wochen brauchen, können in Zukunft innerhalb von Stunden entstehen. Ein Experiment, das früher ein ganzes Sprint-Team zwei Wochen beschäftigt hätte, kann künftig vielleicht als kleiner agentischer Umsetzungslauf getestet werden. Damit sinken die Kosten des Scheiterns. Und wenn Scheitern günstiger wird, können Teams mehr ausprobieren — sofern sie gut darin sind, die richtigen Experimente auszuwählen und aus ihnen zu lernen.

Die Herausforderung ist also nicht mehr primär, Umsetzungskapazität zu beschaffen. Eher müssen Richtung, Kontext und Qualitätsmaßstäbe so klar gehalten werden, dass die gesteigerte Umsetzungsgeschwindigkeit tatsächlich Wert erzeugt.

In einem solchen Umfeld werden klassische Rollen weniger trennscharf. In kleinen Vorhaben können sie mitunter in einer Person zusammenfallen, in größeren Vorhaben verantwortet ein kleines Team von zwei bis vier Personen die holistische Ownership eines Produkts. Dazu braucht es vor allem drei Perspektiven:

1. Stakeholder Management und Business-Kontext

Die Verbindung zu Auftraggeber:innen, Sponsor:innen, Fachbereichen, Nutzer:innen und strategischen Zielen muss sichergestellt bleiben, indem Entscheidungen herbeigeführt, Zielkonflikte sichtbar gemacht, und Wertbeiträge überprüft werden, so dass ein Team nicht nur Output, sondern messbare Wirkung erzeugt.

2. User Interface und Nutzungserlebnis

Wir müssen weiterhin beurteilen können, ob ein von Agenten erzeugtes Interface verständlich, zugänglich, konsistent, markenkonform und nutzbar ist. Gerade weil KI-Agenten schnell Varianten erzeugen, wird diese kuratorische Urteilskraft wichtiger.

3. Technische Integration und Betriebsfähigkeit

Die Verantwortung für technische Kohärenz verschwindet nicht, wenn mehr Code schneller entsteht. Wir müssen verantworten können, dass eine Lösung nicht nur lokal funktioniert, sondern auch langfristig tragfähig ist. Sicherheit, Skalierbarkeit, Wartbarkeit, Integrationsfragen und Betriebsfähigkeit bleiben wesentliche Herausforderungen.

Die klassische Frontend-Spezialistin, die primär React-Komponenten umsetzt, wird in dieser Form seltener so eingesetzt. Viele Teile dieser Arbeit übernehmen KI-Agenten. Tiefes Spezialwissen über Architektur, Accessibility, Performance, Designsysteme, Security, Compliance, Datenqualität oder Cloud-Infrastruktur, wird aber weiterhin gebraucht.

Ein Produkt-Team hat immer die holistische Gesamt-Ownership für ein Produkt. In dieser Eigenschaft steuert es auch den Einsatz von Spezialisten aus Querschnittsteams, die notwendigerweise anwendungsagnostisch sind. Sie können Standards setzen, kritische Entscheidungen begleiten, Risiken bewerten, Reviews durchführen und bei besonders komplexen Problemen eingreifen.

Ein bekanntes Beispiel ist ein „Team Red“ – das produktübergreifend die Applikationssicherheit prüft. Dabei werden sich die Spezialisten-Teams selbst natürlich auch stark agentischer Unterstützung bedienen.

Ideen und „Kreativität“ werden billiger, sollten aber nicht umsonst sein 😉 KI-Agenten werden nicht nur Umsetzung beschleunigen. Sie werden auch Ideenproduktion verändern. Ein Produkt-Team kann künftig sehr schnell Hypothesen, Varianten, Wettbewerbsanalysen, Nutzerflows, Prototypen oder technische Lösungsansätze generieren. Diese können als Ausgangspunkt genutzt werden, um weiterzudenken.

Das senkt die Einstiegshürde für Kreativität und in kurzer Zeit können dutzende plausible Produktideen entstehen. Dann wird die Fähigkeit zur Auswahl entscheidend und gute Product Ownership lenkt den Fokus auf die wirklich relevanten Themen. Ideen einzuschätzen, wird so zum Kern von Product Ownership.

Welches Problem lohnt sich? Welche Nutzer:innen-Gruppe ist relevant? Welche Hypothese testen wir? Welche Wirkung erwarten wir? Welches Risiko nehmen wir bewusst in Kauf? Welche Idee lassen wir trotz technischer Machbarkeit liegen?

Gerade in einer agentischen Welt entsteht die Gefahr, dass Teams zu viel bauen, nur weil es schnell und augenscheinlich nahezu kostenlos möglich ist. Doch die Folgekosten falscher Produktentscheidungen verschwinden nicht. Ein Feature muss verstanden, betrieben, erklärt, abgesichert und irgendwann auch wieder entfernt werden.

Das klassische Backlog mit fein geschnittenen Tickets war stark durch menschliche Arbeitsteilung und den sich daraus ergebenden Workflows geprägt. Es diente im Wesentlichen dem Anforderungsmanagement und Anforderungen mussten so formuliert werden, dass verschiedene Rollen sie verstehen, schätzen, einplanen, bearbeiten und weiterreichen konnten.

In einer agentischen Arbeitsweise wird sich die Funktion des Backlog wandeln. Anforderungen, Spezifikationen und Dokumentation und idealerweise auch der Code verschmelzen zu einer sich im Laufe eines Produktzyklus immer weiter anreichernden Gesamtbeschreibung des Produktes selbst.

Aus dieser Quelle beziehen Menschen wie Agenten ihre Informationen, um das Produkt im Sinne der Geschäftsziele, Constraints, Qualitätskriterien und Learnings weiterzuentwickeln und den oben aufgestellten Anforderungen an die Produkt-Ownership zu entsprechen.

Der vielleicht kritischste Punkt einer agentischen Produktentwicklung ist das Entstehen von Dark Code. Dark Code steht für Code, Konfigurationen, Abhängigkeiten oder Systementscheidungen, die zwar funktional sind, aber vom verantwortlichen Team nicht erstellt, ja teilweise nicht einmal gelesen oder gar Zeile für Zeile überprüft wurden. Damit müssen Systemanteile toleriert werden, die nicht a priori vollständig von einem Menschen verstanden wurden.

Dieses Risiko ist nicht neu. Schon heute existieren viele Systeme, deren innere Logik nur noch teilweise nachvollzogen werden kann. KI-Agenten können dieses Problem jedoch massiv verstärken, weil sie Menge und Geschwindigkeit technischer Änderungen erhöhen.

Product Ownership endet nicht beim Release – das war schon immer richtig, wird in einer agentischen Welt aber noch wichtiger. Wenn Produkte schneller entstehen, können auch Fehler, technische Schulden oder falsche Annahmen schneller in den Betrieb gelangen. Deshalb muss das Produkt-Team Betrieb, Monitoring, Support, Security und kontinuierliche Verbesserung von Anfang an mitdenken.

Ein agentisch unterstütztes Produkt-Team muss verstehen, wie sich die Lösung im echten Nutzungskontext verhält. Idee, Umsetzung, Auslieferung und Feedback rücken enger zusammen. Produkt-Teams haben die Chance Hypothesen schneller zu prüfen, Varianten günstiger zu testen und aus realer Nutzung direkter zu lernen.

Aber diese Geschwindigkeit erzeugt nur dann einen Vorteil, wenn das Team bewusst lernt. Sonst produziert es lediglich schneller Output.

Agenten können auch hier bei Analyse, Monitoring, Verbesserungsvorschlägen oder automatisierten Korrekturen helfen. Doch die Verantwortung für die Bewertung und Priorisierung bleibt beim Menschen.

Ehrlicherweise gilt das alles nicht überall gleich und nicht ohne Vorbehalte. KI-Agenten halluzinieren, treffen Fehlentscheidungen und liefern plausibel aussehende, aber falsche Ergebnisse – gerade das macht Review und Verifikation so wichtig. In stark regulierten Domänen (etwa Medizin, Finanzwesen oder öffentliche Verwaltung) verschieben Haftungs-, Datenschutz- und Nachweispflichten die Grenze des Delegierbaren deutlich. Und nicht jede Organisation hat heute die Governance, um agentische Geschwindigkeit sicher zu tragen. Kurz: Die Richtung ist erkennbar, das Tempo variiert – abhängig von Domäne, Reifegrad und Risikobereitschaft.

Belastbare Produktivitäts- und Kostenzahlen dazu bewegen sich derzeit noch stark projektabhängig und sind seriös nur mit Bezug auf den konkreten Kontext zu nennen (zu verifizieren).

KI-Agenten werden Produktentwicklung grundlegend verändern. Sie werden viele Tätigkeiten beschleunigen, Aufwände verschieben, einige Rollen verschieben und manche Praktiken zur Koordination menschlicher Umsetzungskapazität überflüssig machen. Aber KI löst nicht die zentrale Frage digitaler Produktentwicklung:

Wenn wir alles bauen können, was ist das Richtige?

Ihre permanente Beantwortung verbleibt im Rahmen des Product Ownership in der Domäne des Menschen.