Anthropic PM enthüllt, wie KI-Tools Produktentwicklungszyklen umgestalten

Joerg Hiller 19.03.2026 22:46

Der Head of Product von Claude Code teilt mit, wie sich exponentiell verbessernde KI-Modelle Produktteams zwingen, traditionelle Roadmaps zugunsten schneller Experimente aufzugeben.

Cat Wu, Head of Product für Claude Code bei Anthropic, gewährte einen aufschlussreichen Einblick, wie sich schnell verbessernde KI-Modelle traditionelle Produktmanagement-Ansätze grundlegend durchbrechen. Die zentrale Erkenntnis? Was zu Beginn eines Projekts technologisch möglich ist, sagt nicht mehr voraus, was am Ende möglich ist.

Die Zahlen belegen dies. Laut METR-Forschung, auf die Wu verweist, kann Opus 4.6 jetzt Software-Aufgaben erledigen, für die Menschen fast 12 Stunden benötigen würden – etwa 41-mal leistungsfähiger als Sonnet 3.5 (neu) vor nur 16 Monaten war, als es 21-Minuten-Aufgaben bewältigte.

Das alte Playbook ist tot

Produktmanager sammelten traditionell vorab Anforderungen, legten eine Roadmap fest und führten diese dann über Monate hinweg aus. Das funktioniert nicht mehr, wenn Modellbeschränkungen, um die herum man entwickelt hat, mitten im Projekt verschwinden können.

„Man baut auf einem Boden, der sich unter einem hebt", schreibt Wu. Ihr Team hat darauf reagiert, indem es langfristige Roadmaps vollständig aufgegeben hat zugunsten dessen, was sie „Side Quests" nennt – kurze, selbstgesteuerte Experimente, bei denen jeder im Team (Ingenieure, Designer, PMs) an einem Nachmittag Ideen prototypisieren kann.

Mehrere beliebte Anthropic-Funktionen entstanden auf diese Weise: Claude Code auf Desktop, das AskUserQuestion-Tool und To-do-Listen begannen alle als informelle Experimente und nicht als geplante Roadmap-Punkte.

Drei Tools, ein Workflow

Wus täglicher Workflow umfasst jetzt drei verschiedene KI-Produkte. Claude.ai übernimmt strategisches Denken und schnelle Antworten. Claude Code erstellt Prototypen und Evals. Cowork verwaltet alles andere – E-Mails, To-do-Listen, Slide-Decks, Slack-Recherchen, Reisebuchungen.

Externe PMs finden ähnliche Muster. Bihan Jiang, Director of Product bei Decagon, sagte Wu, dass das, was früher Wochen des Aufbaus brauchte, um vor Kunden zu gelangen, jetzt in „ein paar Stunden" geschieht. Kai Xin Tai bei Datadog beschrieb die Verschiebung als Übergang „von der Festlegung von Gewissheit im Voraus zur Beschleunigung der Entdeckung".

Praktische Veränderungen für Produktteams

Wu skizzierte vier konkrete Änderungen, die ihr Team übernommen hat:

Prototypisieren vor dem Dokumentieren. Nachdem man eine Spezifikation geschrieben hat, sendet man sie an Claude Code und schaut, was zurückkommt. „Selbst ein grober Prototyp verändert die Konversation", bemerkt sie. Als ein Teammitglied eine Plugins-Spezifikation teilte, kam der KI-generierte Prototyp fast produktionsreif zurück.

Funktionen bei jeder Modellveröffentlichung überprüfen. Claude Code mit Chrome entstand, weil Benutzer manuell Anweisungen zwischen Tools kopierten. Der Hack funktionierte so gut, dass er zu einer integrierten Funktion wurde.

Zuerst für Leistungsfähigkeit optimieren, Kosten später. Verwenden Sie beim Prototyping mehr Tokens, als Sie denken zu benötigen. „Man kann die Kosten später immer senken, wenn günstigere Modelle aufholen."

Implementierungen einfach halten. Komplexe Workarounds für Modellbeschränkungen werden zu unnötigem Ballast, wenn das nächste Modell erscheint. Anthropic reduzierte allein mit Opus 4.6 20 % ihres System-Promptings.

Was dies für KI-Produktteams bedeutet

Der breitere Branchenkontext ist hier wichtig. KI-Produktmanagement hat sich als eigenständige Disziplin herausgebildet, die sowohl traditionelle PM-Fähigkeiten als auch tiefes technisches Verständnis von Modellfähigkeiten erfordert. Mit Vorschriften wie der GDPR und aufkommenden KI-Governance-Frameworks, die Compliance-Ebenen hinzufügen, ist die Rolle komplexer geworden, selbst wenn die Tools leistungsfähiger geworden sind.

Wus Kernbotschaft an Kollegen-PMs: Verfolgen Sie zwei Dinge gleichzeitig – wie KI Ihren Workflow verändert und wie sie verändert, was in Ihrem Produkt möglich ist. Die Teams, die dies gut machen, werden nicht überrascht werden, wenn Fähigkeiten nach vorne springen.

Für Enterprise-Software-Teams, die KI-Entwicklungskosten und -zeitpläne beobachten, sind die Auswirkungen erheblich. Wenn sich Prototyping-Zyklen von Wochen auf Stunden komprimieren, können Wettbewerbsvorteile, die auf Ausführungsgeschwindigkeit aufbauen, schneller erodieren als erwartet.

• anthropic
• KI-Entwicklung
• Produktmanagement
• claude
• Enterprise-KI