3. November 2026Aktualisiert am Fathy Shalaby13 Min. Lesezeit
So validierst du einen KI-Prototyp: Ein 7-Tage-Plan zur Produktvalidierung
Ein Sieben-Tage-Plan für Entwickler von KI-Produkten, um vom funktionierenden Prototyp zu Belegen zu kommen: einen Nutzer und eine Aufgabe wählen, echte Nutzung beobachten, Verhalten messen und eine schriftliche Entscheidung treffen.
Teilen
Dieser Artikel wurde aus dem Englischen übersetzt. Original lesen
Um einen KI-Prototyp zu validieren, testest du, ob eine bestimmte Person damit eine echte Aufgabe erledigen kann und freiwillig wiederkommt. In sieben Tagen: einen Nutzer und eine Aufgabe wählen, die Belege festlegen, bevor du jemanden einlädst, fünf echte Sessions beobachten, nachfassen, was danach passiert ist, und dann eine Entscheidung aufschreiben: weitermachen, eingrenzen, überarbeiten oder stoppen. Eine funktionierende Demo beweist, dass sich der Workflow bauen lässt; sie beweist nicht, dass jemand ihn braucht.
Das Wichtigste in Kürze
84 % der Entwickler nutzen KI-Tools inzwischen oder planen es, aber 66 % nennen als größte Frustration KI-Ergebnisse, die „fast richtig, aber nicht ganz“ sind (Stack Overflow, 2025). Rechne damit, dass deine Nutzer Zeit mit dem Korrigieren von Ergebnissen verbringen, und miss es.
Fünf Nutzer finden etwa 85 % der Usability-Probleme (Nielsen Norman Group, 2000). Eine Woche mit fünf passenden Sessions reicht für eine erste Entscheidung.
Wiederholte Nutzung bei echter Arbeit ist das stärkste frühe Signal. Komplimente und Wartelisten-Anmeldungen sind das schwächste.
Schreib die Entscheidungsregel vor den Sessions auf, damit sich das Ergebnis hinterher nicht schönreden lässt.
Die Product-Market-Fit-Umfrage von Sean Ellis führst du später durch, wenn du 40 oder mehr aktive Nutzer hast.
Was beweist ein funktionierender KI-Prototyp und was nicht?
Mit einem KI-Coding-Tool kommst du in wenigen Tagen zu einer funktionierenden Demo. Das ist ein echter Beleg: Der Workflow lässt sich bauen, zumindest in einer Happy-Path-Version. Es ist aber kein Beleg dafür, dass eine bestimmte Person das Problem hat, dass das Produkt in ihren Alltag passt oder dass sie nach der ersten Session wiederkommt.
Zwei Zahlen zeigen die Lücke. Pendo stellte fest, dass 80 % der Features in einem durchschnittlichen Softwareprodukt selten oder nie genutzt werden (Pendo, 2019), und mangelnder Product-Market-Fit spielte bei 43 % der von CB Insights seit 2023 analysierten Schließungen VC-finanzierter Startups eine Rolle (CB Insights, 2026). Das Bauen ist schneller geworden; das Wissen, was man bauen soll, nicht.
KI-gebaute Produkte bringen eine zweite Lücke mit: die Qualität der Ergebnisse. In der Stack-Overflow-Umfrage 2025 misstrauten mehr Entwickler der Genauigkeit von KI-Tools (46 %), als ihr vertrauten (33 %) (Stack Overflow, 2025). Deine Nutzer werden bei KI-generierten Ergebnissen in deinem Produkt genauso empfinden, also muss der Validierungsplan auf Korrekturen und Nacharbeit achten, nicht nur auf den Abschluss einer Aufgabe.
Wenn deine Hauptfrage ist, wie du eine Vibe-coded App produktionsreif machst, lies vom Vibe-coded Prototyp zum förderfähigen Produkt. In diesem Leitfaden geht es darum, das Problem zu validieren und zu entscheiden, was du als Nächstes baust. Er verspricht keinen Product-Market-Fit in einer Woche; er ersetzt „die Leute schienen es zu mögen“ durch eine konkrete Beobachtung und einen sinnvollen nächsten Schritt.
Wie validierst du einen KI-Prototyp in 7 Tagen?
Tag
Aktivität
Ergebnis
1
Einen Nutzer und eine Aufgabe wählen
Eine schriftliche Hypothese und ihre stärkste Alternative
2
Die Belege festlegen
Ein primäres Verhalten, eine Leitplanke, eine schriftliche Entscheidungsregel
3
Passende Leute gewinnen
5–8 bestätigte Sessions mit Leuten, die die Aufgabe kürzlich erledigt haben
Nachfragen: Haben sie das Ergebnis genutzt, sind sie wiedergekommen, haben sie es geteilt?
7
Entscheiden
Eine Entscheidungsnotiz: weitermachen, eingrenzen, überarbeiten oder stoppen
Tag 1: Einen Nutzer und eine Aufgabe wählen
Beschreibe die Person so eng, dass du sie finden kannst. „Jeder, der produktiver sein will“ ist kein Segment. „Ein Solo-Gründer, der Kundengespräche in Engineering-Aufgaben übersetzt“ oder „ein Product Engineer, der einem nicht-technischen Stakeholder eine technische Änderung erklärt“ ist eines.
Nenne dann eine Aufgabe, bei der der Prototyp hilft. Beschränke den ersten Test auf einen einzigen Workflow. Wenn die Demo fünf Features hat, nimm das, das der Person am wichtigsten ist, nicht das, das sich am beeindruckendsten vorführen lässt.
Schreib eine kurze Hypothese auf:
Wir glauben, dass [bestimmte Person] mit [kürzlich aufgetretenem, beobachtbarem Problem] kämpft. Wenn wir ihr helfen, [konkrete Handlung] auszuführen, wird sie [beobachtbares Verhalten] zeigen, weil [Grund, den wir prüfen können].
Füge die stärkste alternative Erklärung hinzu. Vielleicht braucht die Person gar kein neues Tool; vielleicht braucht sie eine klarere Vorlage, eine Integration oder einen schnelleren bestehenden Prozess. Der Test soll das unterscheiden können. Wenn du noch nicht geprüft hast, ob die Idee überhaupt einen Bau wert ist, fang mit unserem Leitfaden zur Validierung einer SaaS-Idee an.
Tag 2: Die Belege festlegen, bevor du jemanden einlädst
Wähle ein primäres Verhalten, das zeigt, dass der Nutzer den wichtigen Teil des Workflows geschafft hat: eine echte Aufgabe abschließen, zurückkommen, um sie fortzusetzen, das Ergebnis mit einer Kollegin oder einem Kollegen teilen oder darum bitten, das Tool für eine weitere Arbeit zu nutzen.
Füge eine Leitplanke hinzu, die einen schlechten Kompromiss aufdecken würde: Verwirrung beim Setup, falsche Ergebnisse oder mehr manuelle Nacharbeit. Vermeide eine Kennzahl nur deshalb, weil sie sich leicht zählen lässt. Seitenaufrufe und Applaus bei der Demo zeigen nicht, dass die Kernaufgabe erledigt wurde.
Schreib auf, bei welchem Ergebnis du weitermachen, eingrenzen, den Workflow ändern oder stoppen würdest. Zum Beispiel (illustrativ): „Weitermachen, wenn mindestens 3 von 5 Teilnehmenden eine echte Aufgabe ohne Hilfe abschließen und mindestens 2 das Ergebnis innerhalb einer Woche in ihrer Arbeit verwenden.“ Der Schwellenwert ist eine Entscheidungshilfe für diesen kleinen Test, kein allgemeingültiger Benchmark.
Tag 3: Leute gewinnen, die zum Anwendungsfall passen
Lade Leute ein, die die Aufgabe kürzlich erledigt haben. Frag nach der Aufgabe, die sie tatsächlich erledigt haben, nicht danach, ob sie dein Startup unterstützen wollen. Verlass dich nicht nur auf Freunde, Teamkollegen oder Leute, die ohnehin dazu neigen, dich zu ermutigen.
Ich habe ein rohes Tool für [Aufgabe]. Darf ich dir dabei zusehen, wie du es mit einer echten Aufgabe ausprobierst, die du ohnehin erledigen musst? Ich teste den Workflow und bitte dich nicht, die Idee abzusegnen.
Buche fünf bis acht Sessions, damit ein oder zwei Absagen die Woche nicht lahmlegen. Wenn niemand aus der Zielgruppe Zeit für das Problem aufbringt, sagt das etwas über Zugang oder Dringlichkeit aus. Es ist für sich genommen kein Urteil über das Produkt. Wenn du kein Netzwerk zum Rekrutieren hast, zeigt unser Leitfaden zum Finden deiner ersten SaaS-Nutzer ohne Publikum, wo du suchen kannst.
Tag 4 und 5: Den echten Workflow beobachten
Bitte jede teilnehmende Person, eine echte Aufgabe mitzubringen. Lass sie das Produkt ausprobieren, ohne jeden nächsten Schritt zu kommentieren. Achte darauf, was sie tun, bevor sie das Tool öffnen, was sie erwarten, wo sie stocken, was sie korrigieren und ob sie fertig werden, ohne dass du die Session retten musst.
Konzentriere dich auf das Verhalten:
„Was willst du gerade fertigstellen?“
„Was hast du von diesem Bedienelement erwartet?“
„Was würdest du an dieser Stelle normalerweise tun?“
„Was müsstest du prüfen, bevor du dieses Ergebnis verwendest?“
„Was würde dich nächste Woche zurückbringen?“
Behandle nicht jede Bitte als Spec. Frag, welches Ergebnis die Person erreichen will und ob die Notlösung häufig, teuer oder riskant ist. Der Wunsch nach einem Button kann auf ein tieferes Problem bei Reihenfolge, Vertrauen oder Setup hindeuten.
Schreib nach jeder Session drei Zeilen: die Beobachtung, deine Interpretation und was offen bleibt. Behalte den Kontext der teilnehmenden Person bei, damit verschiedene Nutzertypen nicht zu einer einzigen erfundenen Persona verschmelzen.
Tag 6: Anhaltenden Nutzen und versteckte Arbeit prüfen
Frag ein bis zwei Tage nach der Session nach. Hat die Person das Ergebnis in ihrer tatsächlichen Arbeit verwendet? Ist sie wiedergekommen, hat sie es geteilt oder darum gebeten, die Aufgabe zu wiederholen? Was hat sie von Hand korrigiert? Was ist passiert, als du nicht mehr da warst, um sie zu führen?
Schau dir neben dem Gespräch auch das Produktverhalten an: erfolgreicher Abschluss, wiederholte Nutzung, Zeit bis zum ersten nützlichen Ergebnis, Korrekturquote oder die Übergabe an eine andere Person. Keine einzelne Kennzahl erklärt, warum jemand sich so verhalten hat, also kombiniere sie mit dem, was du beobachtet hast.
Tag 7: Eine eindeutige Entscheidung treffen
Geh die Hypothese und die Belege durch und wähle eines von vier Ergebnissen. Schreib eine kurze Entscheidungsnotiz mit den Belegen dafür, den Belegen dagegen, der verbleibenden Unsicherheit und dem nächsten Test.
Wie viele Nutzer brauchst du, um einen Prototyp zu validieren?
Weniger, als die meisten Gründer denken, wenn es die richtigen Nutzer sind. Jakob Nielsens Modell zeigt, dass fünf Nutzer etwa 85 % der Usability-Probleme aufdecken, und er empfiehlt drei Runden mit je fünf, in denen du zwischen den Runden behebst, was du gefunden hast, statt einer Studie mit 15 (Nielsen Norman Group, 2000).
Zwei Einschränkungen. Erstens: fünf Nutzer pro eigenem Nutzertyp. Wenn dein Prototyp Gründer und Entwickler unterschiedlich bedient, sind das zwei Gruppen. Zweitens: Fünf Sessions finden Probleme; sie messen keine Nachfrage und schätzen keinen Markt. Dafür brauchst du mehr Nutzer und irgendwann eine Umfrage oder einen Test mit echtem Traffic. Sobald du ein paar hundert Nutzer pro Woche hast, zeigt dir unser A/B-Testing-Leitfaden, wie du ein ordentliches Experiment dimensionierst.
Was solltest du nach den ersten Sessions messen?
Signal
Stärke
Warum
Ist ungefragt mit einer zweiten echten Aufgabe zurückgekommen
Stark
Kostet die Person Zeit; zeigt, dass die Aufgabe wiederkehrt und das Tool geholfen hat
Hat das Ergebnis in der tatsächlichen Arbeit verwendet (verschickt, ausgeliefert)
Stark
Das Ergebnis hat den Kontakt mit der Realität überstanden
Hat eine echte Aufgabe ohne Hilfe abgeschlossen
Mittel
Zeigt Usability, noch keinen Nutzen
Wollte eine Kollegin oder einen Kollegen mitbringen
Mittel
Sozialer Beweis, aber prüfe, ob die Person die Aufgabe überhaupt hat
Hat den Großteil der KI-Ergebnisse umgeschrieben, bevor sie sie verwendet hat
Warnsignal
Der Workflow schafft womöglich Arbeit, statt sie abzunehmen
„Das würde ich auf jeden Fall nutzen“
Schwach
Eine Vorhersage, kein Verhalten
Wartelisten-Anmeldung oder Kompliment
Schwach
Nützlich, um zu wissen, wen du als Nächstes ansprichst, mehr nicht
Erfasse bei KI-Features die Korrekturquote ausdrücklich: Welcher Anteil der Ergebnisse wurde vor der Verwendung deutlich überarbeitet? Da Stack Overflow berichtet, dass 66 % der Entwickler von fast richtigen KI-Ergebnissen frustriert sind, ist eine hohe Korrekturquote der häufigste Weg, wie ein KI-Prototyp unbemerkt scheitert.
Später, wenn mindestens 40 Personen das Produkt regelmäßig nutzen, führst du die Sean-Ellis-Umfrage durch: „Wie würdest du dich fühlen, wenn du dieses Produkt nicht mehr nutzen könntest?“ Ellis stellte fest, dass Unternehmen, bei denen weniger als 40 % mit „sehr enttäuscht“ antworteten, meist Schwierigkeiten beim Wachstum hatten, basierend auf knapp 100 Startups. Superhuman startete bei 22 %, kam allein durch den Fokus auf das am besten passende Segment auf 33 % und erreichte nach drei Quartalen Produktarbeit 58 %. Das Team befragte nur Nutzer, die das Produkt in den letzten zwei Wochen mindestens zweimal genutzt hatten (First Round Review, 2018). Unser Leitfaden zum Product-Market-Fit behandelt diese Phase.
Ein durchgespieltes Beispiel
Ein illustratives Beispiel, keine echten Daten. Ein Entwickler hat ein KI-Tool, das Transkripte von Verkaufsgesprächen in CRM-Notizen verwandelt. Die Entscheidungsregel, an Tag 2 aufgeschrieben: weitermachen, wenn 3 von 5 eine echte Aufgabe ohne Hilfe abschließen und 2 das Ergebnis innerhalb einer Woche verwenden; eingrenzen, wenn eine Rolle die anderen klar übertrifft.
Sechs Sessions gebucht, fünf durchgeführt.
Vier von fünf haben eine echte Aufgabe ohne Hilfe abgeschlossen.
Die beiden Account Executives haben die Notizen am selben Tag in ihrem CRM verwendet; die drei Gründer haben etwa 70 % jeder Notiz umgeschrieben.
An Tag 6 hatten beide Account Executives das Tool ungefragt für ein weiteres Gespräch genutzt. Kein Gründer hatte das getan.
Entscheidung: eingrenzen. Das Problem scheint für Account Executives real zu sein, nicht für Gründer. Nächster Test: fünf weitere Sessions nur mit Account Executives, mit der Korrekturquote als Leitplanke.
Wie entscheidest du, ob du weitermachst, eingrenzt, überarbeitest oder stoppst?
Entscheidung
Wenn die Belege zeigen
Nächster Schritt
Weitermachen
Der vorgesehene Nutzer hat die Aufgabe erledigt und einen Grund zum Wiederkommen gezeigt
Baue nur, was das klarste beobachtete Hindernis löst
Eingrenzen
Das Problem ist für eine Rolle oder Situation real, nicht für die breite Gruppe
Wiederhole den Test nur mit diesem Segment
Überarbeiten
Die Nutzer haben das Problem, aber der Workflow löst es nicht sauber
Ändere den Workflow; teste erneut mit neuen Teilnehmenden
Stoppen oder parken
Keine Dringlichkeit oder Wert erkennbar, die weitere Bauzeit jetzt rechtfertigen
Halte fest, was du gelernt hast; schau wieder hin, wenn neue Belege auftauchen
Wenn du weitermachst, mach nicht aus jedem Interview-Kommentar ein Roadmap-Item. Unser Framework dazu, was du als Nächstes bauen solltest, hilft dir, zwischen möglichen Änderungen zu wählen.
Kopierbarer Experiment-Steckbrief
Fülle ihn aus, bevor du das nächste Mal baust:
User and context:
Recent job to complete:
Problem we believe exists:
Current workaround:
What the prototype changes:
Primary behaviour to observe:
Guardrail (incl. correction rate for AI output):
Decision rule (continue / narrow / revise / stop):
What would change our mind:
Evidence source and owner:
Decision date:
KI-Tools können dir helfen, Notizen zu ordnen oder eine Zusammenfassung zu entwerfen, aber prüfe jede Aussage am Original der Session. Lass generierten Text niemals ein Kundenzitat, ein Nutzungsergebnis oder einen Marktfakt erzeugen, der nicht beobachtet wurde.
Was sollten KI-Produkte über Usability hinaus prüfen?
KI-Features scheitern auf Arten, die normale Software nicht kennt: selbstsicher falsche Antworten, uneinheitliche Ergebnisse und langsame oder teure Antworten. Bevor du über die ersten Nutzer hinaus skalierst, ergänze ein kleines Evaluations-Set aus echten Aufgaben der Teilnehmenden, einen Fallback für den Fall, dass das Modell die Aufgabe nicht erledigen kann, und eine Möglichkeit für Nutzer, Ergebnisse zu korrigieren oder zu überschreiben. Das Generative AI Profile des NIST (NIST AI 600-1) ist eine freiwillige, branchenübergreifende Referenz, um Vertrauenswürdigkeit in Design, Entwicklung, Nutzung und Evaluation generativer KI einzubauen (NIST, 2024). Unser KI-Evaluations-Framework für Produktteams macht daraus ein Release-Gate.
Was sind die häufigsten Fehler nach dem Bau eines KI-Prototyps?
Features hinzufügen, statt das eine zu testen, auf das es ankommt. Mehr Oberfläche erschwert es zu erkennen, warum Leute nicht zurückkommen.
Mit Freunden testen. Sie schließen Aufgaben ab, um nett zu sein, und kommen selten wieder, weil sie die Aufgabe gar nicht haben.
Nutzer mitten in der Session retten. Jede Rettung verdeckt ein Problem, auf das ein echter Nutzer allein stoßen wird.
Korrekturarbeit ignorieren. Eine Aufgabe, die „abgeschlossen“ wurde, nachdem der Großteil des Ergebnisses umgeschrieben wurde, ist kein Erfolg.
Erst hinterher entscheiden. Ohne eine an Tag 2 aufgeschriebene Entscheidungsregel lässt sich jedes Ergebnis als ermutigend lesen.
Die PMF-Umfrage zu früh durchführen. Fünf Nutzer können dir keinen aussagekräftigen 40-%-Wert liefern.
Wo passt Specky ins Bild?
Validierung erzeugt Notizen, Aufzeichnungen und Nachfragen, die zwischen Sessions leicht verloren gehen. Specky liest Kundengespräche und Feedback in einen Product Graph ein, hält jede Beobachtung mit ihrer Quell-Session verknüpft und hält die Entscheidung von Tag 7 im Decision Log fest, inklusive der angehängten Belege. Wenn du allein baust, schau dir an, wie das für Entwickler von KI-Produkten funktioniert.
Häufig gestellte Fragen
Was sollte ich tun, nachdem ich ein MVP oder einen KI-Prototyp gebaut habe?
Teste, ob eine bestimmte Person damit eine echte Aufgabe erledigen kann und wiederkommt, bevor du Features hinzufügst. Wähle einen Nutzer und einen Workflow, schreib auf, welche Belege dich weitermachen oder stoppen lassen würden, beobachte fünf echte Sessions und frag ein paar Tage später nach. Triff dann eine schriftliche Entscheidung: weitermachen, eingrenzen, überarbeiten oder stoppen.
Wie viele Nutzer brauche ich, um einen KI-Prototyp zu validieren?
Fang mit fünf pro eigenem Nutzertyp an. Fünf Nutzer finden in Nielsens Modell etwa 85 % der Usability-Probleme, und drei Runden mit je fünf, in denen du zwischen den Runden Probleme behebst, funktionieren besser als eine Runde mit 15. Fünf Sessions finden Probleme und Muster; sie beweisen keine Marktnachfrage, dafür brauchst du mehr Nutzer und eine andere Methode.
Woran erkenne ich, ob Nutzer meinen Prototyp wirklich wertschätzen?
Achte auf aufwendiges Verhalten: ungefragt mit einer weiteren echten Aufgabe zurückkommen, das Ergebnis in der tatsächlichen Arbeit verwenden oder eine Kollegin oder einen Kollegen mitbringen, die dieselbe Aufgabe haben. Behandle Komplimente, Wartelisten-Anmeldungen und „würde ich nutzen“ als schwache Signale. Prüfe bei KI-Produkten außerdem, wie viel vom Ergebnis Nutzer umschreiben, bevor sie es verwenden.
Wann sollte ich die Product-Market-Fit-Umfrage durchführen?
Wenn mindestens 40 Personen das Produkt regelmäßig nutzen. Superhuman befragte Nutzer, die in den vorangegangenen zwei Wochen mindestens zweimal aktiv waren, und fand etwa 40 Antworten ausreichend, um die Richtung richtig zu erkennen. Der Benchmark ist, dass 40 % mit „sehr enttäuscht“ antworten, wenn sie das Produkt nicht mehr nutzen könnten. Bei fünf Nutzern ist der Prozentwert bedeutungslos.
Reicht eine Vibe-coded App aus, um damit zu validieren?
Meistens ja, für eine erste Runde, solange der Kern-Workflow funktioniert und du ehrlich mit den Grenzen umgehst. Vermeide sensible oder kritische Daten, sag den Teilnehmenden, was noch unfertig ist, und achte auf fehlerhafte Ergebnisse. Sobald Leute mit echter Arbeit wiederkommen, härte die App ab, bevor du eine größere Gruppe einlädst.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing