Die Hälfte meiner PM-Arbeit habe ich an die KI abgegeben, ein paar Sachen habe ich um nichts in der Welt aus der Hand gegeben

Sage ich gleich mal etwas, das vielleicht ein bisschen gegen den Strich geht: In diesem Jahr habe ich rund die Hälfte meiner täglichen PM-Arbeit ganz real an die KI abgegeben, und zwar ohne den geringsten Schmerz. Aber ein paar andere Sachen habe ich um nichts in der Welt abgegeben und werde es künftig wohl auch nicht — nicht weil die KI es nicht könnte, sondern weil ich einen Fehler bei diesen Sachen schlicht nicht bemerke, und wenn ich ihn bemerke, ist es schon zu spät.

Was diese beiden Stapel trennt, ist, wie ich festgestellt habe, überhaupt nicht „schwer oder einfach”, auch nicht „langweilig oder spannend”. Es ist eine andere Frage: Wenn die KI das falsch macht, sehe ich es dann auf der Stelle? Ja — dann traue ich mich, es abzugeben. Nein — dann behalte ich es fest in der eigenen Hand.

Diesen Text ziehe ich entlang genau dieser Linie auf und lege Stück für Stück offen, was ich dieses Jahr „abgegeben” und was ich „behalten” habe, und erzähle auch von den paar Fettnäpfchen, in die ich nach dem Abgeben fast getreten wäre. Wenn du auch gerade grübelst, welche Sachen die KI machen soll und welche nicht, spart dir das vielleicht etwas Herumprobieren.

Erst die abgegebenen: die Sachen, bei denen ich richtig und falsch auf einen Blick prüfen kann

Das Erste: die Erstentwürfe für allerlei Dokumente. PRD, Wochenberichte, Anforderungsbeschreibungen, das Reporting an den Chef — die lasse ich im Grunde alle erst von der KI aufsetzen. Sie liefert mir eine Grundlage mit siebzig, achtzig von hundert Punkten, und darauf arbeite ich weiter. Warum traue ich mich, das abzugeben? Weil ich beim Lesen sofort weiß, ob ein Dokument stimmt: welcher Satz eine Leerformel ist, welcher Punkt nicht gesagt wurde — das entgeht meinem Auge nicht. Sie holt mich aus dem „vor der leeren Seite dösen” heraus, ich bringe ihre siebzig Punkte auf die neunzig, die ich haben will. Diese Arbeit macht sie schneller als ich, und ich prüfe sie auch schnell — ein lohnendes Geschäft. Ehrlich gesagt war das Zermürbendste am Dokumentschreiben nie das Tippen, sondern dieser eine Moment des Steckenbleibens beim Start bei null — dieser Moment wird mir abgenommen, und was ich spare, ist nicht bloß Zeit, sondern Nervenkraft.

Das Zweite: Material zusammentragen und die erste Runde Konkurrenzanalyse. Wenn ich mich in ein neues Feld einarbeiten oder ein paar Konkurrenten durchschauen will, lasse ich die KI zuerst eine Version der öffentlich verfügbaren Informationen für mich aufbereiten: wie diese Anbieter es jeweils machen, wie sich ihre Wege unterscheiden, grob ihre Stärken und Schwächen. Sie erledigt in einer halben Stunde, wofür ich einen Tag Informationssammeln brauche. Der springende Punkt ist auch hier „ich kann es prüfen”: Ob das Aufbereitete stimmt oder ob sie etwas frei erfunden hat — das weiß ich, indem ich zwei mir vertraute Punkte gegenchecke, ob es taugt oder nicht; taugt es, nutze ich es, taugt es nicht, fange ich von vorn an. Einmal hat sie für einen Konkurrenten ein Detail erfunden — er habe „ein kostenpflichtiges Mitgliedschaftssystem gestartet”, und zwar mit Hand und Fuß erzählt. Nur kannte ich genau diesen Anbieter, und davon gab es überhaupt keine Spur — mit zwei vertrauten Punkten gegengecheckt, flog es sofort auf. Deshalb glaube ich dem zusammengetragenen Material nie direkt, sondern piekse immer erst zwei Stellen an, die ich verstehe; platzt es dort, ist diese ganze Version hinfällig. Was ich ihr abgeben kann, ist nie „ich glaube ihr”, sondern „ich kann sie jederzeit erwischen”.

Das Dritte: einen riesigen Haufen Nutzer-Rückmeldungen sortieren und Gemeinsamkeiten finden. Da liegen hunderte, tausende Kommentare und Rückmeldungen, und liest man sie einzeln durch, liest man sich die Augen wund. Ich werfe das jetzt direkt der KI hin, lasse sie sortieren und mit Labels versehen und die immer wiederkehrenden Beschwerden herausziehen. Sie gibt mir eine Landkarte davon, „worüber die Nutzer eigentlich schimpfen und was sie loben”. Diese Arbeit hat mir früher den halben Tag gefressen, jetzt eine halbe Stunde, und dabei ist sie geduldiger als ich — sie fängt nicht bei Kommentar zweihundert an, mit den Gedanken abzuschweifen und etwas zu überlesen.

Das Vierte: Meeting-Protokolle und Diskussionen in To-dos verwandeln. Nach dem Meeting lasse ich die KI die Aufnahme oder die Notizen zu einem Protokoll ordnen und herausziehen, wer was tun soll; ich überfliege es, ergänze zwei Sätze und schicke es raus. Diese halbe Stunde Aufräumarbeit nach Sitzungsschluss — weg. Der eine Blick, den ich noch werfe, ist auch nicht umsonst — hin und wieder ordnet sie einer Sache die falsche verantwortliche Person zu oder hält eine dahingesagte Bemerkung für einen offiziellen Beschluss; das erkennt man auf einen Blick und korrigiert es einfach. Aber gerade weil sie solche Fehler macht, spare ich mir diesen einen Blick nie.

Und dann noch Prototypen bauen. Darüber habe ich letztes Mal extra geschrieben — eine Idee in einem Satz, und in einem Nachmittag macht die KI daraus etwas Klickbares. Das gehört auch in den Stapel „abgegeben”.

Schaust du diese fünf Dinge zusammen an, siehst du, dass sie eines gemeinsam haben: Sie alle haben ein Richtig und Falsch, das ich auf der Stelle prüfen kann. Ob ein Dokument gut ist, lese ich heraus; ob Material echt ist, checke ich gegen; ob Rückmeldungen richtig sortiert sind, prüfe ich stichprobenartig. Die KI befreit mich aus der ermüdenden, zeitfressenden „Handarbeit”, und dieses letzte Tor — das „Stimmt es?” — bewache immer noch ich selbst. Das ist der ganze Rückhalt, mit dem ich mich beruhigt traue, abzugeben.

Und jetzt die behaltenen: die Sachen, bei denen ich einen Fehler auch nicht sehe

Je mehr ich abgebe, desto klarer weiß ich, welche paar Sachen ich auf keinen Fall abgeben darf. Denn sie treten alle in dieselbe Mine: Wenn die KI es falsch macht, siehst du es nicht auf der Stelle, ja vielleicht die ganze Zeit nicht.

Das Erste: entscheiden, ob wir etwas machen und was zuerst. Also Priorisierung und Abwägung. Die KI kann mir helfen, die Optionen vollständig aufzulisten und für jede das Für und Wider auszubreiten — das begrüße ich. Aber die Entscheidung „diese drei Anforderungen — welche streichen wir, welche kommt zuerst”, die gebe ich ihr nie ab. Denn für Priorisierung gibt es keine prüfbare Musterantwort — sie hängt davon ab, was wir dieses Quartal eigentlich wollen, auf welche Richtung wir wetten, worauf wir zu verzichten bereit sind; das steckt in meinem Kopf und in unzähligem Kontext, der in keinem Dokument steht. Die Reihenfolge, die mir die KI gibt, sieht immer sehr plausibel aus, aber „sieht plausibel aus” ist gerade das Gefährlichste — eine falsche Priorisierung merkst du erst nach Monaten, wenn ein ganzer Haufen Ressourcen im Sand verlaufen ist und du feststellst, dass die Richtung von Anfang an falsch war. So einen Fehler — „im Moment nicht sichtbar, im Nachhinein nicht mehr einzuholen” — traue ich mich nicht auszulagern.

Das Zweite: beurteilen, ob das, was die KI mir gibt, überhaupt stimmt. Das klingt etwas verschachtelt, ist aber besonders heikel. Die KI erzählt falsche Dinge höchst selbstbewusst so, als wären sie echt — eine nicht existierende Zahl, eine als selbstverständlich unterstellte Nutzer-Schlussfolgerung, eine Argumentation, die wasserdicht klingt und in Wahrheit nicht trägt. Wenn ich sogar das „Beurteilen, ob es stimmt” an die KI abgebe (etwa noch eine KI holen, um es gegenzuprüfen), dann bewacht kein einziges Tor mehr ein Mensch, und das Falsche fährt bei Grün durch bis auf die Live-Version. Deshalb gilt: Je selbstsicher sie beteuert, desto mehr halte ich selbst inne und prüfe es einmal nach. Sobald ich dieses Tor loslasse, werden die fünf „traue ich mich abzugeben”-Arbeiten von vorhin sofort alle zu Minen — denn die Voraussetzung, sie abzugeben, ist ja, dass dieses Tor von mir noch da ist.

Dafür bin ich schon hingefallen. Einmal hat sie mir geholfen, einen Batch Daten zu analysieren; das Ergebnis war schön, die Logik flüssig, es lief mir zu glatt, also habe ich es nicht genauer hinterfragt und direkt ins Reporting geschrieben. Erst später merkte ich, dass sie die Definitionen zweier Kennzahlen durcheinandergebracht hatte — die ganze Schlussfolgerung war das Gegenteil. Nach dem Mal habe ich mir eine eiserne Regel gesetzt: Je glatter die Schlussfolgerung, desto eher halte ich inne; je selbstsicherer sie ist, desto weniger darf ich faul sein.

Das Dritte: die Sachen zwischen echten Menschen, bei denen man die Stimmung lesen muss. Einen Kollegen beschwichtigen, der Wut schluckt, weil seine Anforderung gestrichen wurde; einen Chef überzeugen, der partout nicht mitgeht; zwischen zwei Teams, die sich in die Haare gekriegt haben, die Balance finden — das würde ich der KI nie überlassen. Die KI kann mir helfen, den Wortlaut einer E-Mail höflicher zu formulieren, aber sie liest nicht heraus, ob mein Gegenüber gerade wirklich sauer ist oder nur einen Ausweg braucht, ob ein Scherz geht oder es ernst bleiben muss. Diese Dinge, verborgen in Tonfall, Pausen und der gemeinsamen Vorgeschichte von euch beiden, sind der schwierigste und am wenigsten auslagerbare Teil dieses Jobs. Eine von der KI geschriebene, brav ausgewogene, schöne E-Mail hat manchmal viel mehr Zerstörungskraft als deine eigenen, ungelenken, aber aufrichtigen zwei Sätze.

Das Vierte, und das Grundlegendste — der Geschmack dafür, was gut ist, und die Verantwortung, für die ich geradestehe, wenn etwas schiefgeht. Bei zwei gleichermaßen klickbaren Prototypen: welcher „passt” und welcher sich schräg anfühlt — diese Linie habe ich mir über die Jahre erarbeitet; ich kann sie nicht erklären, aber auf einen Blick erkennen. Und wenn dieses Produkt einmal ein Problem hat, ist derjenige, der sich hinstellt und dazu steht, ich — nicht die KI. Du kannst ein Modell nicht Verantwortung tragen lassen — es liegt nicht wegen einer falschen Entscheidung wach, ihm wird keine Leistungsprämie gekürzt, es wird im Retro-Meeting nicht rot. Und der PM-Job verkauft in gewissem Sinne genau das: dass es einen konkreten Menschen gibt, der für diese Urteile geradesteht. Dieses Ding kann ich nicht abgeben, und ich sollte es auch nicht.

Kommt eine neue Aufgabe, wie ich auf der Stelle entscheide, ob ich sie abgebe

Die beiden Stapel oben sind das Ergebnis eines Jahres, aber wenn mir wirklich eine noch nie gemachte neue Aufgabe auf den Tisch kommt, blättere ich nicht in dieser Liste — ich stelle mir drei Fragen und bin schnell entschieden.

Die erste: Wenn sie es falsch macht, sehe ich es auf der Stelle? Sehe ich es — Tendenz abgeben. Sehe ich es nicht, oder tritt es erst nach langer Zeit zutage — festhalten. Wenn sie das Dokument falsch macht, weiß ich es beim Lesen, also traue ich mich; wenn sie die Priorisierung falsch macht, weiß ich es erst Monate später, also traue ich mich nicht.

Die zweite: Gibt es für diese Sache eine „Musterantwort”, gegen die man abgleichen kann, oder hängt alles an der Abwägung, den Beziehungen und dem Geschmack des Moments? Was ein objektives Richtig oder Falsch hat (ob Material echt ist, ob die Sortierung stimmt) — abgeben. Was seine Antwort in „was wollen wir dieses Quartal eigentlich” oder „in welcher Stimmung ist mein Gegenüber gerade” verborgen hält — behalten.

Die dritte: Wenn diese Sache schiefgeht, braucht es dann einen konkreten Menschen, der sich hinstellt und die Sache trägt? Wo jemand verantwortlich sein muss, lagere ich nicht aus — denn Verantwortung lässt sich einem Modell, das nicht wach liegt und nicht zur Rechenschaft gezogen wird, schlicht nicht übergeben.

Ein Beispiel, dann verstehst du, wie man es anwendet. Neulich ging es darum, ob wir einer Funktion eine „intelligente KI-Antwort” hinzufügen. Ich habe es in diese drei Fragen zerlegt: Ob der Effekt gut ist, weiß ich, sobald ich es live schalte und probiere, ob die Nutzer draufklicken (erste Frage: sichtbar, prüfbar); aber „sollten wir für diese Funktion diese Ressourcen investieren, lohnt es sich, auf diese Richtung zu setzen”, dafür gibt es keine Musterantwort, das hängt ganz an unserer Wette (zweite Frage: hängt am Urteil, behalten), und wenn es wirklich in die Hose geht, hänge ich dran (dritte Frage: Verantwortung, behalten). Also ist die Schlussfolgerung glasklar — die KI soll den Prototyp dieser Antwortfunktion bauen, aber ob wir es machen, ob wir diese Wette eingehen, das entscheide ich selbst. Die drei Fragen einmal durchgegangen, und die Grenze zwischen abgeben und behalten steigt von selbst an die Oberfläche.

Diese Linie verschiebt sich in Wahrheit die ganze Zeit in eine Richtung

Breitest du die beiden Stapel aus, siehst du: Keine einzige der Sachen, die ich behalten habe, halte ich mit dem Argument „die KI ist noch nicht schlau genug”. Im Gegenteil — was das schöne E-Mail-Schreiben angeht, was das ordentliche Auflisten von Prioritäten angeht, ist sie mir womöglich überlegen.

Ich behalte sie, weil ihr Wert selbst darin liegt, dass ein Mensch sie macht: eine Entscheidung, für die jemand verantwortlich sein muss; ein Urteil, für das jemand geradestehen muss; eine Beziehung, die jemand mit echtem Herzen auffangen muss. Die Knappheit dieser Dinge kommt nicht daher, dass die KI es nicht könnte, sondern daher, dass „hier muss ein konkreter Mensch sein”. Deshalb sorge ich mich auch nicht, dass diese Linie eines Tages plötzlich einbricht — sie ist nicht auf die „Fähigkeitsgrenze der KI” gezeichnet, sondern auf „wer ist verantwortlich, wer hat Geschmack”, und Letzteres kann kurzfristig nur ein Mensch sein.

Was den Stapel „abgegeben” angeht, ist mir völlig klar, dass er nur größer wird. Heute hilft mir die KI, Erstentwürfe zu schreiben und Material zusammenzutragen; morgen liefert sie mir vielleicht sogar für den ersten Konzeptentwurf achtzig Punkte. Was ich tun muss, ist nicht, mich an ein paar Arbeiten zu klammern, sondern dieses Tor — das „Stimmt es?” — nicht loszulassen und mich gleichzeitig unentwegt zu fragen: Welche alte Arbeit ist jetzt an der Reihe, abgegeben zu werden?

Ehrlich gesagt hat aber auch das Abgeben selbst seinen Preis, und das ist ein Stück, das ich bis heute noch nicht ganz durchdacht habe. Wenn die KI alle Dokument-Erstentwürfe schreibt und ich das lange so mache — vergesse ich dann allmählich, wie man ein PRD von null aus klar durchdenkt? Wenn sie alles Material zusammenträgt — verliere ich dann die Fähigkeit, mich selbst hineinzustürzen und mir das Gespür zu erarbeiten? Ein paar Arbeiten bestehe ich darauf, hin und wieder noch selbst von Grund auf einmal zu machen, und zwar nicht ganz deshalb, weil die KI es schlecht macht, sondern aus Angst, dass mir dieser Muskel verkümmert — denn wenn wirklich der Moment kommt, in dem ich beurteilen muss, ob sie es richtig gemacht hat, fürchte ich, dass mir dann schon das Gespür fehlt. Neben abgeben und behalten gibt es also wohl noch die Frage „wie viel abgeben, wie viel für die eigene Übung behalten”; das taste ich noch aus, und ich würde auch gern hören, wie du das abwägst.