9. November 2026Aktualisiert am Fathy Shalaby12 Min. Lesezeit
Product Experiment Template: So baust du deinen eigenen Test
Wenn kein Standardtest zu deiner Situation passt, entwickle deinen eigenen in sieben Schritten – und stelle sicher, dass er auch wirklich scheitern kann.
Teilen
Dieser Artikel wurde aus dem Englischen übersetzt. Original lesen
Ein Product Experiment Template ist ein einseitiger Plan zum Testen einer einzelnen Annahme: was du glaubst, was du tun wirst, um es zu testen, mit wem, was du messen wirst und welches Ergebnis als Erfolg gewertet wird – alles aufgeschrieben, bevor du loslegst. Nutze diese individuelle Variante, wenn keine der Standardmethoden zu deiner Situation passt, und gib der Methode einen Namen, damit du sie wiederholen kannst.
Wichtigste Erkenntnisse
Ein eigenes Experiment ist das letzte Mittel. Testing Business Ideas deckt bereits 44 Experimentarten ab, jeweils bewertet nach Kosten, Zeitaufwand und Beweiskraft (Strategyzer, 2025).
Jeder gute Testplan macht vier Dinge explizit: die Annahme, den Test, die Metrik und die Erfolgsschwelle, genau wie in Strategyzers Test Card (Strategyzer, 2015).
Lege das Pass-Signal vorab fest. Kriterien, die vor dem Test definiert werden, verhindern eine voreingenommene Interpretation der Ergebnisse (Thoughtworks, 2014).
Rechne damit, falschzuliegen. Nur ein Drittel der bei Microsoft getesteten Ideen verbesserte tatsächlich die angestrebte Metrik (Kohavi and Longbotham, 2023).
Was ist ein individuelles Produkt-Experiment?
Ein individuelles Produkt-Experiment ist ein kleiner, selbst entwickelter Test, wenn keine Standardmethode passt – mit einer klar benannten Annahme, einer Methode und einem Ergebnis, das du im Voraus festlegst.
Die Struktur ist nicht neu. Alex Osterwalders Test Card fragt danach, was wahr sein muss, wie du es testest, was du misst und wo die Schwelle zum Erfolg liegt. Das Hypothesen-Format von Barry O'Reilly bei Thoughtworks endet genauso: Wir wissen, dass wir erfolgreich waren, wenn wir ein messbares Signal sehen. Dieses Template ergänzt, wer dich widerlegen könnte, Limits für Zeit und Budget sowie deinen nächsten Schritt nach einem Ja oder Nein.
Wann solltest du ein eigenes Experiment entwickeln, statt ein standardisiertes zu nutzen?
Nutze es, wenn deine Situation ungewöhnlich ist: ein reguliertes Umfeld, eine sehr kleine Gruppe von Einkäufern, ein unüblicher Kanal oder eine Fragestellung, bei der mehrere Risiken ineinandergreifen.
Nutze es nicht einfach nur, weil dir eine Standardmethode zu aufwendig erscheint. Lies zuerst unseren Guide zur Auswahl von Produkt-Experimenten. Für die meisten Fragen gibt es bereits eine erprobte Methode mit bekannten Fallstricken. Wenn die Idee an sich noch unscharf ist, fülle zuerst ein Lean Canvas aus. Und gib deinem Test einen klaren Namen. Ein Test namens „dieses Ding, das wir mal probiert haben“ lässt sich später mit nichts vergleichen.
Deine Situation
Prüfe zuerst diese Standardmethode
Entwickle einen eigenen Test, wenn
Käufer sind eine kleine, namentlich bekannte Gruppe
Letter of Intent, Experteninterviews
Du die Person mit Unterschriftsbefugnis nicht erreichst
Der Sales-Zyklus dauert ein Jahr oder länger
Partner- und Lieferanteninterviews
Die Entscheidung über eine ganze Kette von Personen läuft
Regulatorien verhindern Fake Doors oder Vorverkäufe
Concierge, Wizard of Oz
Selbst die manuelle Bereitstellung vorher freigegeben werden muss
Welches Risiko wird getestet und wie stark ist die Beweiskraft?
Du entscheidest, welches Risiko getestet wird, und benennst es: Desirability (Wollen sie es?), Feasibility (Können wir es bauen?) oder Viability (Rechnet es sich?). In Specky ist ein individueller Test standardmäßig auf Desirability und tendenzaussagende Evidenz (Directional) eingestellt. Schätze ehrlich ein, wie stark deine Evidenz ist, indem du fragst: Haben die Leute nur etwas gesagt, haben sie etwas getan oder sind sie eine Verpflichtung eingegangen?
Strategyzer unterteilt die Evidenz, die ein Team benötigt, in tendenzaussagend (directional), moderat (moderate) oder stark (strong). Osterwalders Faustregel entscheidet, wo dein Ansatz landet: Was Kunden sagen und was sie tun, sind zwei verschiedene Dinge – und ein simulierter Kauf schlägt jede Umfrage (Strategyzer, 2017).
Product Experiment Template (zum Kopieren und Verwenden)
Öffne die Grafik in voller Größe oder kopiere die folgende Textversion.
Wen rekrutieren und wie viele
Jeden, der deine Annahme tatsächlich widerlegen kann. Benenne die Gruppe und die Anzahl. Wenn du nicht sagen kannst, wer dich widerlegen könnte, ist der Test noch nicht bereit.
Schritt-für-Schritt-Plan
Formuliere die Annahme in einem Satz, der sich als falsch herausstellen kann.
Ordne sie dem passenden Risiko zu.
Beschreibe die kleinste Aktion, die dir echte Evidenz liefert.
Lege fest, wen du brauchst, wie viele Personen und für wie lange.
Formuliere dein Pass-Signal mit einer konkreten Zahl.
Führe den Test durch, ohne die Regeln mittendrin zu ändern.
Halte deine Learnings schriftlich fest.
Testplan
Feld
Deine Antwort
Name dieser Methode
Wir glauben, dass
Risiko
Desirability / Feasibility / Viability
Um das herauszufinden, werden wir
Mit diesen Personen
Wie viele
Wir messen
Wir werten es als Erfolg (Ja), wenn
Wir werten es als Misserfolg (Nein), wenn
Zeitlimit
Kostenlimit
Nächster Schritt bei Ja
Nächster Schritt bei Nein
Überprüfe deine Evidenzstufe
Was Leute sagen: Sie haben dir etwas erzählt.
Frühes Signal: Echtes Verhalten, aber indirekt oder ohne großen Aufwand für die Person.
Was Leute tun: Sie haben eine echte Aktion in einem realen Umfeld ausgeführt.
Geld oder eine Unterschrift: Sie haben etwas von echtem Wert aufgegeben.
Was gemessen werden soll
Eine primäre Zahl, auf der dein Pass-Signal basiert. Eine Sache, die sich keinesfalls verschlechtern darf.
Pass-Signal vorab festlegen
Speckys Ansatz: Schreibe die Zahl auf, bei der du Ja sagen würdest. Das ist ein Startpunkt, kein starrer Benchmark. Wenn du keine Zahl nennen kannst, beschreibe genau, was du beobachten müsstest – so detailliert, dass eine Kollegin oder ein Kollege das Ergebnis ohne dich beurteilen könnte.
Was wir gelernt haben
Feld
Deine Antwort
Was passiert ist
Die Zahl
Was uns überrascht hat
Was wir jetzt glauben
Was wir als Nächstes tun
Wie formuliert man eine Annahme und ein Pass-Signal, die scheitern können?
An der Annahme und am Pass-Signal scheitern die meisten individuellen Tests. Eine Annahme, die gar nicht falsch sein kann, und ein Pass-Signal, das erst im Nachhinein aufgeschrieben wird, machen aus einem Experiment bloßes Storytelling.
Die Grundwahrscheinlichkeiten zeigen: Du solltest mit einem Nein rechnen. Ron Kohavi und Roger Longbotham berichten, dass nur ein Drittel der bei Microsoft getesteten Ideen ihre Zielmetrik verbesserte und nur etwa 10 % der Google-Experimente zu geschäftlichen Veränderungen führten. Sie zitieren zudem Avinash Kaushik: „In 80 % der Fälle liegen Sie/wir falsch damit, was ein Kunde wirklich will.“ Ein Testplan, der keinen glaubwürdigen Weg zu einem „Nein“ vorsieht, ignoriert diese Realität.
Schwache Formulierung
Starke Formulierung
Warum sie stärker ist
„Lehrer mögen unser Tool“
„Lehrer bitten ihre IT-Leitung aktiv um die Freigabe“
Sie beschreibt eine Handlung, kein Gefühl
„Wir schauen mal, wie es läuft“
„Mindestens 4 von 12 Leitungen antworten mit einem nächsten Schritt“
Ein Kollege kann das ohne dich beurteilen
„Das Engagement steigt“
„Wöchentlich aktive Schulen steigen innerhalb von 4 Wochen von 20 auf 26“
Es gibt eine Baseline, ein Ziel und eine Frist
„Leute haben Interesse“
„Mindestens 3 von 10 Einkäufern buchen innerhalb von 7 Tagen einen Folgetermin“
Interesse muss sie etwas kosten
Passe die Messlatte an den Einsatz an. O'Reillys Beispiel: Ein Raketenstart erfordert eine höhere Hürde als ein Registrierungs-Flow. Wenn ein Irrtum monatelange Arbeit kosten würde, setze die Zahl höher an oder erklimme eine Stufe auf der Evidenzleiter.
Warum eine Kennzahl tracken, die sich nicht verschlechtern darf?
Weil ein Gewinn bei einer Kennzahl einen Verlust bei einer anderen überdecken kann. Kohavi und Longbotham beschreiben einen Test bei Bing, bei dem neue Sitelinks zwar den Umsatz steigerten, aber die Nutzermetriken und die Ladezeit der Seite verschlechterten. In einem kleinen, individuellen Test kann diese geschützte Kennzahl simpel sein: Support-Tickets, Abmeldungen oder das Wohlwollen der Kontakte, die du um einen Gefallen gebeten hast.
Wie baut man ein eigenes Experiment aus Standardkomponenten?
Du musst das Rad selten neu erfinden. Teresa Torres unterteilt Annahmetests in vier Kategorien: Prototypentests, Ein-Fragen-Umfragen, Data Mining und Research Spikes (Product Talk, 2023). Die meisten individuellen Setups kombinieren einen dieser Ansätze mit einer ungewöhnlichen Zielgruppe oder einem speziellen Kanal.
Baustein
Evidenzstärke
Beispiel für eine individuelle Anpassung
Eine Ein-Fragen-Umfrage
Was Leute sagen
Eine einzige Frage im Newsletter eines Berufsverbands platziert
Ein Prototyp oder Mockup
Was Leute tun
Ein gedrucktes Mockup auf einer Fachmesse mit QR-Code zur Anmeldung
Bestehende Daten
Frühes Signal
Öffentliche Ausschreibungsdaten, die zeigen, wie oft Schulträger ähnliche Tools beschaffen
Ein Research Spike
Frühes Signal
Eine manuell durchgeführte Schnittstellen-Integration in der Sandbox eines Partners
Eine Bitte, die das Gegenüber etwas kostet
Was Leute tun, oder Geld/Unterschrift
Nutzer leiten eine Beschaffungsanfrage direkt an ihren Budgetverantwortlichen weiter
Wie viele Personen und wie lange sollte ein individueller Test laufen?
Lass die Art der Evidenz entscheiden. Bei verbindlichen Verpflichtungen (Anfragen, Unterschriften, Zahlungen) genügen wenige Personen aus der exakten Zielgruppe: 12 Lehrkräfte, die jeweils einen Budgetverantwortlichen ansprechen, schlagen 200 anonyme Klicks. Bei rein quantitativen Zählungen solltest du etwa 50 valide Antworten aus einem Segment anpeilen, wie in unserem Guide für Discovery-Surveys beschrieben. Um Nutzern bei der Verwendung zuzusehen, starte mit fünf Personen pro Runde, genau wie im Usability Test Template.
Zum Zeitrahmen: Kohavi und Longbotham raten zu einer Hauptmetrik, die sich über einen kurzen Zeitraum messen lässt, beispielsweise zwei Wochen. Ein bis vier Wochen reichen für die meisten individuellen Tests völlig aus. Wenn dein Signal erst nach einem Jahr sichtbar wird, teste einen vorgelagerten Schritt, der dieses Signal vorhersagt.
Eigenes Experiment vs. Standardmethode: Was solltest du wählen?
Standardmethode
Individuelles Experiment
Bekannte Fallstricke
Von anderen dokumentiert
Musst du selbst herausfinden
Eignung für spezielle Rahmenbedingungen
Teils unpassend
Exakt auf dein Umfeld zugeschnitten
Anwenden, wenn
Eine Methode aus der Bibliothek passt
Keines der Standardverfahren funktioniert
Praxisbeispiel (hypothetisch)
Dieses Beispiel ist frei erfunden, um das Vorgehen zu veranschaulichen. Ein Team verkauft Software an Schulträger. Der Beschaffungsprozess dauert ein ganzes Jahr, und über eine klassische Landingpage erreicht man niemanden aus der Zielgruppe. Die Annahme des Teams: IT-Leitungen der Schulträger geben ein Tool frei, wenn eine Lehrkraft aktiv darum bittet.
Keine Standardmethode passt so richtig. Daher entwickeln sie einen „Lehrer-Anfrage-Test“: Sie bitten 12 Lehrkräfte, die bereits die kostenlose Version nutzen, einen kurzen Text an ihre IT-Leitung zu schicken, und zählen die Rückmeldungen. Sie geben dem Test einen Namen und legen das Pass-Signal fest: Mindestens vier Leitungen antworten mit einem konkreten nächsten Schritt.
Fünf antworten. Zwei davon fordern ein Sicherheitszertifikat an. Das Team verbucht den Test als Erfolg unter dem Namen „Lehrer-Anfrage-Test“, damit sie ihn im nächsten Jahr exakt so wiederholen können.
Ihr ausgefüllter Plan sieht so aus:
Feld
Ihre Antwort
Wir glauben, dass
IT-Leitungen ein Tool freigeben, wenn eine Lehrkraft aktiv darum bittet
Um das herauszufinden, werden wir
12 Lehrkräfte der Free-Version bitten, ihrer Leitung eine E-Mail zu schreiben
Wir werten es als Ja / Nein, wenn
Mindestens 4 mit einem nächsten Schritt antworten / weniger als 2 antworten
Darf sich keinesfalls verschlechtern
Keine Lehrkraft berichtet über eine Beschwerde der Leitung
Zeitlimit / Kostenlimit
3 Wochen / 0 € plus 2 Stunden Arbeitszeit des Teams
Ergebnis
5 von 12 haben geantwortet (42 %); 2 baten um ein Sicherheitsdokument
Die beiden Sicherheitsanfragen sind das eigentliche Hauptergebnis. Der nächste Test wird prüfen, ob ein vorgefertigtes Security-Paket aus diesen Antworten tatsächliche Freigaben macht.
Was sind die häufigsten Fehler bei individuellen Experimenten?
Dem Test keinen Namen geben. Du wirst ihn später mit nichts anderem vergleichen können.
Einen Test bauen, der nicht scheitern kann. Wenn dich kein Ergebnis zu einem Nein bewegen kann, ist es kein Test.
Eine neue Methode erfinden, um eine unbequeme Wahrheit zu umgehen. Prüfe immer zuerst die Bibliothek.
Zu viele Dinge gleichzeitig testen. Immer nur eine Annahme pro Test.
Die Evidenz überschätzen. Sei ehrlich dazu, ob Leute nur etwas gesagt oder wirklich etwas getan haben.
Die Kriterien nachträglich verschieben. Wer das Pass-Signal anpasst, sobald die Daten vorliegen, macht den gesamten Test wertlos.
Individuelle Tests verlangen echten Menschen oft Gefälligkeiten ab – mitunter in sensiblen Bereichen wie Schulen. Erkläre den Beteiligten offen, was du testest, verlange niemals falsche Angaben von ihnen und nimm kein Geld an, wenn du die Leistung nicht erbringen oder zurückerstatten kannst.
So führst du den Test in Specky durch
Klicke auf der Assumptions-Seite auf die Notiz, wähle Pick a test und dann Other. Specky erstellt dir einen leeren Ausgangsplan.
Benenne die Methode im Beschreibungsfeld, damit die Evidenz später eindeutig zugeordnet werden kann.
Den Test führst du durch. Specky dokumentiert den Plan und das Ergebnis.
Trage dein Pass-Signal ein und klicke auf Start running. Halte anschließend deine Beobachtungen fest und speichere das Ergebnis.
Da dieser Test als tendenzaussagend (directional) verbucht wird, erscheint ein bestandener Test auf dem Board als Early signal – nicht direkt als Supported –, selbst wenn dein Versuchsaufbau methodisch stark war. Wenn Personen in deinem Test handeln oder bezahlen mussten, halte das genau in den Notizen fest.
Was solltest du bei den verschiedenen Ausgängen tun?
Supported (wird als Early signal angezeigt): Schließe eine Standardmethode an, die stärkere Evidenz liefert – etwa einen Concierge Test oder einen Letter of Intent.
Unclear: Dein Pass-Signal war vermutlich zu schwammig. Präzisiere es und wiederhole den Test.
Contradicted: Die Annahme hat sich nicht bestätigt. Lege die nächsten Schritte anhand der „Nein“-Bedingung fest, die du vorab notiert hast. Jede Wette, die auf dieser Annahme aufbaut, wird jetzt als Contradicted markiert.
Dokumentiere die Entscheidung, die sich aus dem Ergebnis ergibt, in jedem Fall in einem Product Decision Log.
Häufig gestellte Fragen
Wie entwickelt man ein Produkt-Experiment?
Formuliere deine Annahme als Satz, der sich als falsch herausstellen kann. Wähle die kleinste denkbare Aktion, die dir echte Evidenz bringt. Lege die Zielgruppe und deren Größe fest und definiere ein eindeutiges Pass-Signal, bevor du startest. Ergänze ein Zeit- und Kostenlimit sowie eine Kennzahl, die sich nicht verschlechtern darf. Ziehe den Test durch, ohne die Regeln mittendrin anzupassen.
Was gehört in ein Product Experiment Template?
Mindestens: die Annahme, das geprüfte Risiko, die Methode, Zielgruppe und Stichprobengröße, die Metrik, eine klare Schwelle für Erfolg (Pass) und Misserfolg (Fail) sowie Limits für Zeit und Budget. Strategyzers Test Card reduziert dies auf vier Kernpunkte: Annahme, Test, Metrik und Erfolgsschwelle. Ergänze unbedingt, was im Falle eines Ja oder Nein als Nächstes passiert.
Was zeichnet ein gutes Pass-Signal aus?
Ein gutes Pass-Signal ist eine konkrete Zahl oder ein klar definiertes Ereignis, das vor Testbeginn festgelegt wurde und von Teamkollegen objektiv beurteilt werden kann. Wenn kein mögliches Ergebnis zu einem Nein führen kann, ist es kein Pass-Signal. Setze die Hürde höher an, wenn ein Irrtum hohe Kosten verursacht, und formuliere eine eigene Abbruch-Bedingung („Nein“).
Wann sollte ich ein eigenes Experiment erstellen, statt auf einen Standard zurückzugreifen?
Entwickle nur dann einen eigenen Test, wenn absolut keine Standardmethode zu deinen Rahmenbedingungen passt – etwa bei extrem langen Vertriebszyklen im öffentlichen Sektor, stark regulierten Produkten oder winzigen Einkäufergruppen. Standardmethoden bringen den Vorteil bekannter Fallstricke mit, was dir teures Lehrgeld erspart. Wirf daher immer zuerst einen Blick in die vollständige Bibliothek mit 55 Methoden.
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