01 · Problem
Problemvalidierung
Kundeninterviews, Nutzungsdaten und verlorene Deals zeigen, welches Problem gross genug ist. Annahmen ohne Beleg bleiben als offene Frage sichtbar.
AI Produktmanagement · für Founder, CPO und Produktteams
Erst das Problem. Dann das AI-Feature.
Wir übersetzen Kundenevidenz in priorisierte AI-Features, prüfbare Anforderungen und eine Botschaft, die Sales erklären kann. Dein Engineering baut auf einer klaren Grundlage.
Der Engpass
AI-Features scheitern selten an der Technik.
Sie scheitern, weil niemand geprüft hat, ob das Problem gross genug ist, wie gut eine Antwort sein muss und wer bei einem falschen Ergebnis entscheidet. Dann misst das Team Nutzung statt Qualität, und Sales erklärt ein Feature, das Kunden nicht gesucht haben.
In der Methode The Science of GTM gehört diese Arbeit zur Phase SHAPE: Problem, Lösung und Botschaft entstehen aus derselben Kundenevidenz. AI Produktmanagement ist deshalb kein Zusatz zu GTM, sondern dessen Grundlage.
Was wir gemeinsam erarbeiten
Vom Kundenproblem zur prüfbaren Anforderung
Sechs Arbeitsschritte, die aufeinander aufbauen. Welche davon ihr braucht, klären wir im ersten Gespräch.
02 · Strategie
AI-Produktstrategie
Wo ein Modell Nutzen schafft, wo eine einfache Regel reicht und wo ihr bewusst nichts baut. Mit Annahmen, Grenzen und Abhängigkeiten.
03 · Priorisierung
Nutzen und Risiko abwägen
AI-Features nach Kundennutzen und nach dem Risiko eines falschen Ergebnisses geordnet. Hoher Nutzen bei hohem Risiko heisst: mehr Evaluation und eine menschliche Freigabe.
04 · Anforderungen
Prüfbare Anforderungen
Aus Interviewaussagen werden Anforderungen mit Situation, erwartetem Ergebnis, Grenzfällen und Akzeptanzkriterien. Engineering weiss, was fertig heisst.
05 · Evaluation
Evaluationskriterien vor dem Rollout
Testfälle, Schwellen und Fehlerarten werden festgelegt, bevor gebaut wird. Nach dem Rollout misst das Team die Antwortqualität, nicht nur Klicks.
06 · Botschaft und Übergabe
Messaging und Übergabe
Die Botschaft für Sales und Marketing aus derselben Evidenz und eine Übergabe an Engineering mit Begründung, Abhängigkeiten und offenen Fragen.
Ergebnisse
Was du am Ende in der Hand hast
Versionierte Dokumente, die dein Team weiterführt. Der genaue Umfang steht im Angebot nach dem Scoping-Call.
Evidenz
Problem-Evidenz
Ausgewertete Interviews und Daten mit Mustern, Gegenbeispielen und offenen Fragen.
Portfolio
AI-Feature-Portfolio
Priorisiert nach Nutzen und Risiko, inklusive bewusster Stops und Waits.
Anforderungen
Anforderungsdokument
Prüfbare Anforderungen mit Akzeptanzkriterien und Grenzfällen.
Evaluation
Evaluationsplan
Testfälle, Schwellen, Fehlerarten und wer bei Grenzfällen entscheidet.
GTM
Messaging-Grundlage
Positionierung, Kernbotschaft und Belege, abgestimmt mit Sales und Marketing.
Übergabe
Übergabe-Paket
Für Engineering und GTM: Begründung, Abhängigkeiten, nächste Entscheide.
So läuft die Zusammenarbeit
Analysieren. Bauen. Übergeben.
Wie bei jedem Pedalix-Service beginnt die Arbeit am echten Material und endet mit der Übergabe an dein Team. Ein begründetes Wait oder Stop ist ein valides Ergebnis.
01 · Decision Lab
Das Problem schärfen
Ein bis zwei Tage an Interviews, Nutzungsdaten und Roadmap. Gemeinsamer Entscheid, welche AI-Features weiterverfolgt werden.
02 · Execution Track
Anforderungen und Evaluation bauen
In kleinen Schritten mit Reviews: Anforderungen, Evaluationskriterien und Botschaft, geprüft mit echten Kunden.
03 · Übergabe
Dein Team führt weiter
Engineering baut auf den Anforderungen, GTM auf der Botschaft. Dokumentiert und versioniert, kein Retainer.
Fixpreis, im 30-Minuten-Scoping geklärt und schriftlich bestätigt.
Weiterlesen
Aus dem Blog
SHAPE
AI Produktmanagement und Positionierung
Alle Artikel zu AI Produktmanagement, Anforderungen und Positionierung.
LesenArtikel
AI Product Management: Der PM als Signal-Kurator
Warum AI-Funktionen eine eigene Messung der Antwortqualität brauchen.
LesenArtikel
Anforderungsanalyse: Warum SaaS-Features oft scheitern
Wie Anforderungen prüfbar werden, bevor jemand Code schreibt.
LesenFAQ
Häufige Fragen
Für wen ist AI Produktmanagement gedacht?
Für Founder, CPOs und Produktteams von B2B-Technologiefirmen, die AI-Features planen oder schon gebaut haben und nicht sicher sind, ob sie das richtige Problem lösen und wie gut sie sein müssen.
Ersetzt ihr unser Produktmanagement?
Nein. Wir arbeiten mit deinem Produktteam am echten Material und übergeben Anforderungen, Evaluationsplan und Botschaft. Danach führt dein Team weiter.
Wie hängt das mit GTM Engineering zusammen?
Beide nutzen dieselbe Kundenevidenz. AI Produktmanagement entscheidet, was gebaut wird und wie es erklärt wird. GTM Engineering setzt die Botschaft an CRM, Pipeline und Outreach um. Ihr könnt mit einem der beiden Wege starten.
Baut ihr die AI-Features auch?
Die Umsetzung macht dein Engineering. Wenn ihr dabei Unterstützung wollt, kommt Product & Engineering mit Coding Agents dazu, technisch geführt von Ivan Adutskevich. Das ist ein eigener Service mit eigenem Scope.
Wer arbeitet daran?
Valentin Binnendijk, Founder und CPO von Pedalix, und Marc Gasser, der seit zwanzig Jahren an der Schnittstelle von Software-Produktmanagement und Go-to-Market arbeitet. Technische Fragen klärt Ivan Adutskevich als Lead Engineer.
Was kostet es?
Den Scope klären wir im 30-minütigen Scoping-Call und bestätigen einen Fixpreis schriftlich. Preise publizieren wir nicht auf der Website.
Bring ein AI-Feature mit, bei dem ihr unsicher seid.
30 Minuten mit einem Founder. Danach weisst du, ob ein Decision Lab passt und wie der nächste Schritt aussieht.