Speak It · Playbook

Vorab: Das ist keine Formular­sammlung

Viele Methoden verlangen zuerst jede Menge Dokumente: PRD, Spezifikation, Architektur, Aufgabenlisten … erst dann darf man loslegen. doaipm ist anders.

Unser Kern ist Sag es, die KI baut es: Du formulierst klar, was du willst — Claude Code setzt es direkt um. Die vier „Templates" hier unten sind daher keine Formulare zum Ausfüllen, sondern Gerüste, die du im Kopf haben solltest, wenn du mit der KI sprichst — du kannst die KI sogar bitten, das Gerüst für dich auszufüllen, und nur das Ergebnis bestätigen.

Der einzige Maßstab für gute Arbeit ist High-Fidelity: läuft, ist klickbar, hat echten Inhalt, deckt alle Zustände ab. High-Fidelity ist kein „letzter Schliff" — es ist die Arbeitsweise von PMs im KI-Zeitalter, um Anforderungen in Höchstgeschwindigkeit umzusetzen: direkt etwas Echtes produzieren, das man sofort testen und verbessern kann.

Gerüst ① Ein-Satz-Spezifikation: Klar sagen, was man will

Bevor es losgeht, diesen Satz klären. Ist er noch unklar, die KI rückfragen lassen — erst dann anfangen.

Ich möchte für [wen] das Problem [was] lösen.
Das Ergebnis ermöglicht dem Nutzer [die eine zentrale Aktion].
Richtig gemacht ist es, wenn [ein sichtbares Ergebnis] eintritt.
Diesmal ausdrücklich nicht dabei: [Nicht-Ziele, klare Grenzen].
Bekannte Risiken / Annahmen: […].

Diesen Text an Claude Code übergeben und eine wichtige Anweisung ergänzen:

Dieser Schritt erzeugt kein Dokument, sondern Übereinstimmung. Hat die KI richtig zusammengefasst und die richtigen Fragen gestellt, hat sie wirklich verstanden — dann wird der High-Fidelity-Prototyp nicht am Ziel vorbeischießen.

Gerüst ② Kleinteilige Entwicklung: Schritt für Schritt — sofort sichtbar

Keine langen Anforderungsblöcke auf einmal übergeben, bei denen die KI stundenlang stumm arbeitet. Alles in kleine Schritte zerlegen, die man sofort im Browser prüfen kann.

Wie man zerlegt

Die KI direkt beauftragen: „Zerlege diese Anforderung in einzelne kleine Schritte, bei denen jeder Schritt im Browser sichtbar ist. Liste sie auf — wir gehen Schritt für Schritt vor."

Rhythmus für jeden Schritt

• Einen Schritt ansagen: Nur den aktuellen kleinen Schritt beschreiben.
• Sofort zeigen lassen: „Wenn du fertig bist, starte den Server — ich will es im Browser sehen."
• Direkt Feedback geben: Passt es, geht es weiter; passt es nicht: „Das stimmt nicht, es sollte so sein: …"

Gerüst ③ Projekt­geschmack: Einmal sagen — immer daran halten

Manche Präferenzen möchte man nicht jedes Mal wiederholen — Technologie­entscheidungen, Stil, Einschränkungen, rote Linien. Einmal sagen, ins Projekt­gedächtnis schreiben — die KI hält sich automatisch daran.

Für dieses Projekt bitte immer einhalten:
· Technologie: [z. B. Astro verwenden, keine schweren Frameworks, statisch wo möglich]
· Stil: [z. B. dunkel, zurückhaltend, viel Weißraum, klare Sprache]
· Einschränkungen: [z. B. keine bezahlten/Drittanbieter-Tracker; Mobile First]
· Rote Linien: [z. B. keine Produktionsdaten anfassen; Löschen/Veröffentlichen/Zahlen immer zuerst fragen]

Die KI bitten, diesen Text als „langfristige Projektvereinbarung" zu speichern (sie weiß, wo). Das ist die „Verfassung" des Projekts — aber du musst kein Format lernen, einfach klar formulieren.

⭐ High-Fidelity-Checkliste (der wichtigste Block dieser Seite)

„Fertig" ist nicht gleich „gut gemacht". High-Fidelity-Abnahme bedeutet nicht, einen Screenshot anzuschauen — sondern das echte Ergebnis zu starten und jeden Punkt durchzugehen.

Bei KI-Funktionen noch einen Punkt hinzufügen

Eine KI-Funktion gilt nicht als bestanden, weil sie „einmal funktioniert hat". Mit einer Reihe echter und kniffliger Eingaben nacheinander testen — ist sie stabil, halluziniert sie, wie werden Fehler abgefangen? Claude Code bitten, zehn oder mehr Testeingaben zu erstellen und durchzuführen — das ist der „Evaluierungs­zyklus (eval)", den die Branche kennt, und auch PMs können ihn durchführen.

Gerüst ④ Discovery-Fragen: Struktur borgen, wenn man nicht weiterkommt

„Erst 3–5 Fragen klären" — aber wenn man nicht weiß, was man fragen soll, eine klassische Fragestruktur borgen (eine wählen, die KI führt dich durch).

• JTBD (Wofür stellt der Nutzer das ein?): „In welcher Situation würde ein Nutzer das nutzen wollen, um welche Aufgabe zu erledigen? Wie behilft er sich bisher?"
• Opportunity Solution Tree: „Welches Ergebnis wollen wir erreichen? Welche Schmerzpunkte/Chancen haben Nutzer? Welche Lösungen gibt es für jede Chance?"
• Working Backwards (vom Ergebnis her denken): „Angenommen, das ist bereits fertig und live — schreib mir einen Text, wie Nutzer es loben würden; leite daraus ab, was wir eigentlich bauen müssen."

Fortgeschritten: Nur für große Projekte (kleine Projekte bitte überspringen)

Für kleine Prototypen reicht das Bisherige. Erst wenn das Projekt größer wird und Konversationen länger werden, braucht man diese Techniken — und auch dann gilt: einfach formulieren.

Konversation zu lang — die KI wird vergesslich

In langen Konversationen „vergisst" die KI Dinge. Dann sie bitten, erst zu recherchieren, dann einen Plan aufzulisten, der von dir bestätigt wird, bevor sie anfängt — und rechtzeitig sagen: „Fasse die bisherigen Schlussfolgerungen als kleines Dokument zusammen und speichere es; wir starten eine neue Konversation und machen weiter." Kontext sauber halten, dann bleibt die KI durchgehend scharf.

Zu viele Aufgaben — Parallelarbeit gewünscht

Bei komplexen Aufgaben kann man die KI bitten, mehrere Instanzen parallel arbeiten zu lassen (z. B. eine recherchiert, eine schreibt, eine prüft). Einfach sagen: „Teile das auf und bearbeite es parallel; am Ende eine Zusammenfassung für mich."

Prototyp fertig — in Produktion gehen

Vom Prototyp in die Produktion ist ein eigener Weg: echte Daten, Sicherheit, Performance, und wer den „Veröffentlichen"-Knopf drückt. Beim Prototyp darf man mutig sein; in der Produktion muss man vorsichtig sein — unumkehrbare Aktionen (Veröffentlichen / Löschen / Zahlen) drückt immer ein Mensch. Dieses Sicherheitsnetz wird mit dem Weg Richtung Produktion immer fester angezogen.