Implementierung von KI im gesamten Produktentwicklungs-Workflow zur Steigerung der Effizienz

Ein weit verbreiteter Irrtum bei der Implementierung generativer KI ist, dass sie nur dann nützlich ist, wenn sie perfekte Ergebnisse liefert. Mit dieser Denkweise wird jedoch der Wert einer Teillösung unterschätzt. Heute eignet sich generative KI am besten, um Teile eines Workflows zu ersetzen, nicht einen gesamten Workflow. 

Im Idealfall ersetzt KI die zeitaufwändigen, manuellen Teile Ihres Workflows. Wenn KI eine Aufgabe von null auf auch nur 60 % abschließen kann, kann Ihr Team seine Zeit nun für wichtigere Projektaspekte nutzen. Entscheidend ist, was Sie mit der KI-generierten visuellen Darstellung erreichen können. Dann können Ihre Teammitglieder ihr individuelles Fachwissen einsetzen, um die verbleibenden 40 % der Aufgabe zu erledigen. Und wenn Sie KI effektiv im gesamten Team oder im gesamten Unternehmen einsetzen, vervielfachen sich die Zeiteinsparungen. 

Bedenken Sie Folgendes: Laut einer Umfrage von Bain, öffnet sich in einem neuen Tab sehen „mehr als 60 % der befragten Unternehmen generative KI als eine der drei Top-Prioritäten für die nächsten zwei Jahre an, aber nur etwa 35 % haben eine klar definierte Vision, wie sie mit generativer KI einen geschäftlichen Mehrwert schaffen können.“

In diesem Beitrag gebe ich basierend auf meiner Erfahrung in der Leitung von Produktmanagement-Teams bei Lucid Empfehlungen, wie Sie KI gezielt in Ihren Produktentwicklungs-Workflow integrieren können, um einen geschäftlichen Mehrwert zu schaffen.

Wer sollte für die Implementierung von KI in einem Unternehmen verantwortlich sein?

Aber das Wichtigste zuerst: Wessen Aufgabe ist es, KI planmäßig zu implementieren? 

In vielen Unternehmen wurde eine Person als Ansprechpartner, öffnet sich in einem neuen Tab für die Bewertung und Implementierung von KI-Tools benannt, was für die Überprüfung von Auswirkungen auf Daten und Datenschutz, die Bewertung von Anbietern und andere weitreichende Entscheidungen zur KI-Strategie effektiv ist. Das Problem besteht darin, dass es hilfreicher ist, spezifische Ziele zu haben, an denen einzelne Teams gemessen werden können, als ein vages, organisatorisches Ziel wie „KI einsetzen“. Die Implementierung ist oft erfolgreicher, wenn einige Führungskräfte mitbestimmen können, wie sich KI-Lösungen auf die Ziele auswirken, die sie für ihre Teams oder Abteilungen verfolgen. 

Betrachten Sie es als eine Partnerschaft. Zum Beispiel können eine Vertriebsleiterin bzw. ein Vertriebsleiter und eine Kundensupportleiterin bzw. ein Kundensupportleiter KI-Tools danach bewerten, ob sie den Mitarbeitenden helfen, produktiver zu sein, während eine IT-Leiterin bzw. ein IT-Leiter die Daten- und Sicherheitsrisiken der zu bewertenden Tools untersuchen kann. Um einen geschäftlichen Mehrwert zu schaffen, müssen die KI-Tools, in die Sie investieren, die Ziele im gesamten Unternehmen positiv beeinflussen.

Implementierung von KI im gesamten Produktentwicklungs-Workflow, von der Ideenfindung bis zum Monitoring

Eine Möglichkeit, KI-Investitionen rentabel zu gestalten, besteht darin, sie im gesamten Produktentwicklungs-Workflow – von der Ideenfindung bis zum Monitoring – einzusetzen, anstatt sie nur als einmaliges Werkzeug zu verwenden. Schauen wir uns genauer an, was das bedeutet.

Ideenfindung

Impuls für Ideen für ein neues Produkt

Wohl einer der bekanntesten Anwendungsfälle für KI ist die Ideengenerierung. Mithilfe von generativer KI können Sie einen Prompt eingeben, um Ideen anzuregen und Ihrem Team einen Ausgangspunkt für jedes Projekt zu bieten. Dies hilft, dem „Blank Canvas Syndrome” entgegenzuwirken, und fördert unterschiedliche Denkweisen.

Angenommen, ich möchte über einige mögliche Integrationen für Lucidchart nachdenken. Ich könnte die Collaborative AI-Funktion von Lucid nutzen, um Ideen zu generieren.

Natürlich könnte ich diese Ergebnisse nicht einfach in eine Produkt-Roadmap umwandeln – wir müssten viele Quellen von Kundenfeedback bis hin zu Marktfeedback betrachten –, aber was ich äußerst gut finde, ist, dass es neue Ideen anregen oder jemanden inspirieren könnte, eine Verbindung herzustellen, die sonst nicht möglich wäre. Es stärkt das Team, aber ersetzt nicht dessen Expertise.

Planung

Ideen nach Themen sortieren und Arbeitssitzungen zusammenfassen

Generative KI kann auch in der Planungsphase Ihres Workflows hilfreich sein, indem sie Ideen automatisch in Themen sortiert und Zusammenfassungen von Ideen oder Arbeitssitzungen erstellt. Dies ist einer meiner bevorzugten Anwendungsfälle für KI.  

Wenn Ihr Team die Ergebnisse der Nutzerforschung auf einem virtuellen Whiteboard wie Lucidspark sammelt, können Sie anschließend KI einsetzen, um die Ideen thematisch zu sortieren und Ihrem Team so viel Zeit sparen. Bei Bedarf können Sie dann weitere Analysen durchführen. Abschließend können Sie die KI nutzen, um die Forschungsergebnisse für die Stakeholderinnen und Stakeholder zusammenzufassen, damit diese die Erkenntnisse schnell erfassen können.

Entwerfen

Automatische Diagrammerstellung

Sobald Sie mit der Planungsphase Ihres Workflows beginnen, kann die automatische Diagrammerstellung , öffnet sich in einem neuen Tabein guter Ausgangspunkt für die Dokumentation von Prozessen und technischen Systemen sein. In Lucidchart können Sie beispielsweise einen Prompt eingeben, um Flussdiagramme, Sequenzdiagramme, Klassendiagramme und Entity-Relationship-Diagramme zu generieren. Nachdem die KI die erste Version erstellt hat, können Sie mehr Zeit in die Bearbeitung und Anpassung des Diagramms an Ihre spezifischen Bedürfnisse investieren.

Dies ist besonders wertvoll, wenn Sie mit vorhandenen Inhalten beginnen, wie Standardarbeitsanweisungen, schriftlicher Dokumentation, Besprechungsnotizen oder sogar dem Transkript eines relevanten Teils einer Besprechung.

Die richtige Dokumentation finden

Eine weitere Möglichkeit, wie KI in der Entwurfsphase eingesetzt werden kann, ist die semantische Suche, die Ihre Datenbank nach Dokumenten durchsucht und diese schnell aufzeigt. Diese Fähigkeit spart Zeit bei der Suche nach den benötigten Dokumenten und hilft, das Problem des institutionellen Wissens zu vermeiden. Selbst wenn Sie nicht genau wissen, wonach Sie suchen, zeigt die semantische Suche Dokumente an, die dem entsprechen, was Sie in die Suchleiste eingeben.

Ein Beispiel für die semantische Suche ist das Microsoft 365 Copilot-Plugin für Lucid, das bald verfügbar sein wird. Nutzende können Lucid Dokumente abrufen, ohne Copilot jemals zu verlassen, sowie KI-generierte Zusammenfassungen von Dokumenten erhalten.

Auswerten von Entwürfen

Der Einsatz von KI zur Auswertung von Entwürfen kann ebenfalls sehr hilfreich sein und fällt sowohl unter die Entwurfs- als auch unter die Erstellungsphase eines Workflows. Einige KI-Tools können Entwürfe und Architekturen im Hinblick auf bekannte Probleme, bewährte Verfahren, Sicherheitsrisiken und mehr bewerten. Sie müssen sich der Voreingenommenheit und der ungenauen Ergebnisse bewusst sein, die bei der Verwendung von KI zur Bewertung von Entwürfen auftreten können, aber sie kann hilfreich sein, um Risiken zu finden, die Ihnen sonst entgehen würden.

Entwicklung von

KI-Programmierassistenten

KI kann nicht nur bei der Ideenfindung, der Planung und dem Design helfen, sondern auch bei der Entwicklung der eigentlichen Produkte, die Teams liefern wollen.

KI-Programmierassistenten wie GitHub Copilot können Entwicklerinnen und Entwicklern helfen, sauberer und schneller zu programmieren. Zum Beispiel kann ein KI-Programmierassistent bei Folgendem helfen:

• Automatisierte Codevervollständigung 

• Vorschläge für Codezeilen 

• Generieren von Codeschnipseln

Markteinführung

Automatisierte Go-to-Market-Aktivitäten

Sobald ein neues Produkt einsatzbereit ist, können Go-to-Market-Teams auch KI implementieren, um die Markteinführungen effizienter zu gestalten.

Marketingfachleute könnten große Sprachmodelle (LLMs) wie ChatGPT nutzen, um einen Entwurf für Werbeinhalte wie E-Mails zu erstellen. Anschließend können die Texterinnen und Texter im Team diesen Entwurf zu einem ausgearbeiteten Textentwurf überarbeiten. Vertriebsmitarbeitende hingegen können LLMs verwenden, um sich vor Kundengesprächen über ein Unternehmen zu informieren.

Überwachung

Synthese qualitativer Forschung

Generative KI kann in der letzten Phase des Produktentwicklungs-Workflows eingesetzt werden: dem Monitoring. Nachdem Ihr Team ein neues Produkt eingeführt hat, können Sie dessen Erfolg überwachen, indem Sie qualitative Forschung durchführen und KI nutzen, um diese Forschung zu synthetisieren. 

Wenn Sie in Ihrer qualitativen Forschung stets wiederkehrende Elemente verwenden, können Sie diese in einem KI-Tool so konfigurieren, dass es das gewünschte Ausgabeformat erzeugt. Zu diesen wiederkehrenden Elementen gehören beispielsweise:

• Wichtige Feedbackthemen

• Ein Standardformat für Zusammenfassungen von Kundengesprächen

• Kohorten von Fokusgruppen

Sobald die KI so konfiguriert ist, dass sie die gewünschten Ausgabeformate erzeugt, muss Ihr Team nicht mehr jede einzelne Antwort auf ihre Relevanz hin prüfen. Die KI kann die qualitative Forschungssynthese weitgehend abschließen, und Ihr Team kann sich dann der Umsetzung der Forschungsergebnisse widmen. 

Diese qualitative Forschungssynthese führt uns zurück zu den Phasen der Ideenfindung und Planung im Produktentwicklungs-Workflow. Sobald man weiß, wie ein neues Produkt aufgenommen wurde, kann man mit der Ideenfindung und Planung zukünftiger Iterationen beginnen! 

Die Wirksamkeit von KI hängt von der Zielsetzung Ihres Unternehmens ab. Eine KI-Implementierung im gesamten Workflow mit dem Ziel, die Produktentwicklung effizienter zu gestalten, ist eine bessere Investition für Ihr Unternehmen als eine Reihe einzelner KI-Tools, die von einigen Mitarbeitenden genutzt werden und von anderen nicht.