Lernen mit ChatGPT als Product Owner – Warum Regie, Sprecher und Fehleranalyse zusammengehören
In dieser Blogserie teile ich meine Lernerfahrungen im Umgang mit ChatGPT – aus der Perspektive eines Agile Coaches und Product Owners, der KI nicht nutzt, um schneller zu liefern, sondern um besser zu denken. Die Texte entstehen dabei selbst im Dialog mit ChatGPT und sind Teil dieses Lernprozesses.
Reflexionen über Coaching, Produktdenken und KI-gestützte Entwicklung
Am sechsten Tag habe ich begonnen, etwas umzubauen, das auf den ersten Blick wie ein UI-Thema aussah.
Es ging um Text.
Aber nicht um Inhalte.
Es ging um die Frage, welche Information welche Verantwortung trägt.
Was ich an diesem Tag bewusst verändert habe
Aus Produkt- und Entwicklungssicht habe ich mich entschieden, eine bislang implizite Annahme explizit zu machen:
Systemzustand und gesprochener Text sind nicht dasselbe.
Konkret habe ich zwei Ebenen voneinander getrennt:
- Regie: Systemstatus, Phasen, Meta-Informationen
- Sprecher: das, was die Personas tatsächlich sagen
Bis dahin war beides technisch vorhanden, aber nicht klar voneinander abgegrenzt.
Als Product Owner war das eine bewusste Produktentscheidung:
Das System soll beobachtbar sein, ohne sich selbst zu erklären.
Warum diese Entscheidung zunächst neue Probleme erzeugt hat
Nach der Trennung wurde etwas sichtbar, das vorher verdeckt war.
Texte erschienen an unerwarteten Stellen.
Einige Informationen überlagerten sich.
Manche Zustände waren sichtbar, obwohl sie es nicht hätten sein sollen.
Das System lief.
Aber es fühlte sich inkonsistent an.
Das war kein klassischer Bug.
Es war ein Konsequenzproblem.
Das Auftauchen der Fehleranalyse
Erst durch die bewusste Trennung von Regie und Sprecher wurde klar, wo das eigentliche Problem lag:
- UI-Elemente hatten mehrere Verantwortungen gleichzeitig
- Systemwissen wurde ungefiltert sichtbar gemacht
- Fehler ließen sich nicht isolieren, weil Zuständigkeiten vermischt waren
Die Fehleranalyse war nicht der Startpunkt dieses Tages.
Sie war das Ergebnis einer vorherigen Designentscheidung.
Wie ChatGPT bei der Fehleranalyse geholfen hat
ChatGPT hat mir an diesem Tag keinen Code korrigiert.
Die Hilfe lag an einer anderen Stelle:
bei der sprachlichen Präzisierung des Problems.
Statt „Warum ist der Text falsch platziert?“ habe ich Fragen formuliert wie:
- Welche Verantwortung hat dieses UI-Element?
- Für wen ist diese Information gedacht?
- Warum fühlt sich diese Anzeige erklärend an?
Diese Fragen haben mir geholfen, Symptome von Ursachen zu trennen.
ChatGPT war hier kein Problemlöser,
sondern ein Sparringspartner für sauberes Denken.
Was ich daraus als Product Owner gelernt habe
Ich habe an diesem Tag sehr konkret gelernt:
Fehleranalyse ist Teil von Produktarbeit, nicht nur Teil von Entwicklung.
Erst wenn Zuständigkeiten klar sind,
werden Fehler sichtbar.
Und erst dann werden sie lösbar.
Die Trennung von Regie und Sprecher war keine UI-Verbesserung.
Sie war eine Voraussetzung dafür, überhaupt sinnvoll über Fehler sprechen zu können.
Eine Einladung an Dich
Wenn du Systeme, Produkte oder Oberflächen gestaltest:
Wo versuchst du Fehler zu beheben,
ohne vorher Verantwortungen zu klären?
Und wo könnte eine saubere Trennung erst ermöglichen,
dass Probleme überhaupt sichtbar werden?
Am nächsten Tag habe ich begonnen, das Ende bewusst als eigenen Reflexionsraum zu gestalten.
Serien-Abspann: Dieser Beitrag ist Teil einer fortlaufenden Blogserie, in der ich meine Lernerfahrungen im Umgang mit ChatGPT dokumentiere. Die Texte entstehen im Dialog mit ChatGPT und spiegeln meinen aktuellen Denkstand als Agile Coach und Product Owner wider – nicht fertige Antworten, sondern bewusst geteilte Zwischenschritte.
