Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Lesedauer 3 Min.

Building Features is easy – echten Wert liefern nicht

Eva Feigl erklärt im DWX-Interview, warum Teams oft am falschen Problem arbeiten – und wie Annahmen, Vanity Metriken und fehlendes Nutzer-Feedback echten Produkterfolg verhindern.

Features zu bauen ist keine Kunst mehr – jedes Team kann liefern. Die eigentliche Herausforderung liegt woanders, sagt Eva Feigl, Product Owner bei Forterro/Abas, im Gespräch auf der DWX: "Es geht darum, dass Features auch wirklich einen Wert liefern, der messbar und nachweisbar ist und den Produkterfolg steigert." Genau daran scheitert es in der Praxis erschreckend häufig.

Der Grund liegt fast immer an derselben Stelle: unausgesprochene Annahmen. Sobald ein Team eine Lösung für ein Nutzerproblem vorschlägt, steckt implizit eine Annahme dahinter – meist unbewusst und selten überprüft. Evas Rat: Zu jedem Problem mindestens zwei Lösungsideen entwickeln, die jeweilige Annahme explizit aufschreiben und dann versuchen, sie zu widerlegen statt zu bestätigen. Der Hintergrund sind kognitive Verzerrungen (Cognitive Biases), die uns dazu verleiten, nach Bestätigung statt nach Gegenbeweisen zu suchen. Die entscheidende Frage lautet deshalb: Was ist das kleinste Experiment, mit dem ich diese Annahme widerlegen kann?

Ein zweiter blinder Fleck vieler Teams: Vanity Metriken. Kennzahlen wie Active Users oder Session Length werden oft nur gemessen, weil sie sich leicht erheben lassen – nicht, weil sie etwas über echten Produkterfolg aussagen. Erfolgsmetriken dagegen hängen laut Feigl immer am konkreten Produkt und Feature und sind eng mit einer Verhaltensänderung der Nutzer:innen verknüpft. Wer wirklich wissen will, ob ein Feature funktioniert, muss vorher festlegen, welche Verhaltensänderung Erfolg bedeutet – und das nicht erst am Ende messen.

Um dorthin zu kommen, plädiert Feigl für kontinuierlichen Nutzeraustausch als Fundament statt als nachgelagerten Qualitätscheck: wöchentliche User Interviews, dazu Usability Testing, bei dem man Nutzer:innen einfach über die Schulter schaut. Denn im Nachhinein gefragt, vergessen viele Menschen die eigenen Stolperstellen – live beobachtet werden sie sichtbar. Ihre Anekdote dazu: Als ein Softwarehersteller einst den Speichern-Button entfernte, weil im Hintergrund ohnehin automatisch gespeichert wurde, verwirrte das die Nutzer:innen so sehr, dass der Button – wirkungslos, aber beruhigend – wieder eingeführt wurde.

Auch beim Abwägen verschiedener Lösungswege gilt: mehrere Optionen offen halten, dahinterliegende Annahmen einzeln prüfen – von Klickdummys bis zu echten A/B-Experimenten. Interessant dabei: Die eigentlichen Gamechanger werden in A/B-Tests oft gar nicht getestet, weil sie vorab schon verworfen werden. KI kann laut Feigl helfen, den Lösungsraum bewusst zu erweitern und Optionen jenseits des eigenen Denkrahmens aufzuzeigen.

Ihr Fazit zum häufigsten Scheitergrund von Features: Sie entstehen zu oft aus internen Ideen von Entwicklung oder Produktmanagement – nicht aus echten Kundenproblemen. Ihr Rat an Teams: sich gemeinsam verpflichten, zu jeder Entscheidung eine Annahme zu formulieren und diese aktiv zu hinterfragen.

Zur Person:
Eva Feigl ist Product Owner bei Forterro/Abas mit einer Leidenschaft für datenbasierte Entscheidungen und nutzerzentrierte Produktentwicklung. Mit praktischer Erfahrung im Aufbau browserbasierter ERP-Oberflächen schlägt sie die Brücke zwischen User Experience und Produktstrategie – und verwandelt komplexes Nutzerverhalten in konkrete Handlungsimpulse für bessere Produkte.

 


Produktion: Event Wave, Patrizio De Mitri

Neueste Beiträge

MessagePack: JSON als Binär-Image - Best of NuGet, Teil 10
Das Serialisierungsformat MessagePack wurde – anders als JSON – konsequent auf die Bedürfnisse von Maschinen und damit auch auf höchstmögliche Kompaktheit optimiert. Der Vorteil: Ein geringeres zu übertragendes Datenvolumen führt vor allem in IoT-nahen Anwendungen direkt zu geringeren Kosten.
6 Minuten
17. Aug 2026
Zwei Konferenz-Openings, eine Sprecherin – wie aus einem Terminkonflikt ein KI-Usecase wurde - Making-of eines Avatars mit HeyGen und ElevenLabs
Ein Terminkonflikt gelöst von einem digitalen Zwilling. Die Ebner Media Group hat die erste Infinite AI Conference von einem Avatar eröffnen lassen. Ein Erfahrungsbericht über den Produktionsprozess und den echten Nutzen synthetischer Präsenz.
7 Minuten
12. Aug 2026
Die Kunst der langen Aufgabenläufe - Kimi K3 – das Modell hinter dem Agenten, Teil 2
Ein guter Code-Generator löst eine klar umrissene Funktion. Ein Coding-Agent muss dagegen ein Repository erkunden, Hypothesen bilden, Werkzeuge auswählen, Tests auswerten und nach Fehlschlägen den Kurs ändern. Kimi K3 zielt auf diese zweite Klasse von Aufgaben.
8 Minuten

Das könnte Dich auch interessieren

"Vertrauen ist nicht Hoffnung": Warum KI-Coding Entwickler:innen zu Prüfern macht - Interview
Cloud Code, Codex & Co. treffen im Alltag eigenständige Entscheidungen. Patrick Schnell erklärt im DWX-Interview, wo Vertrauen endet und Kontrolle beginnen muss.
12. Aug 2026
Software-Lifecycle 2.0 - Infinite AI Conference 2026
Die IAIC 2026 erklärte 140 Teilnehmenden, wie KI den Software-Lifecycle umkrempelt.
3 Minuten
24. Jul 2026
Copiloten, Code und Community - DWX 2026
Zwischen Workshop-Laptops, Casino-Chips und KI-Diskussionen: Wie die DWX 2026 im Rosengarten 2000 Entwickler:innen vier Tage lang aus dem Alltag katapultiert hat.
7 Minuten
23. Jul 2026
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige