3. November 2026Aktualisiert am Fathy Shalaby15 Min. Lesezeit
Customer Discovery für Engineers: ein schlanker Wochen-Workflow
Ein Customer-Discovery-Workflow in sieben Schritten für Product Engineers: von welcher Entscheidung du ausgehst, welche Fragen du stellst, wie viele Gespräche du brauchst und wie du aus dem Gehörten ein baubares Issue machst.
Teilen
Dieser Artikel wurde aus dem Englischen übersetzt. Original lesen
Customer Discovery für Engineers ist die Gewohnheit, vor dem Bauen das Problem und den Kontext der Nutzer zu verstehen: Du fragst echte Nutzer, was sie zuletzt getan haben, trennst das von dem, was du annimmst, und testest die kleinste Änderung, die dich widerlegen könnte. Das heißt nicht, dass du zum Vollzeit-Researcher wirst. Ein Product Engineer schafft das in etwa 30 Minuten pro Woche, parallel zum Sprint.
Wenn ein Team an einem Nachmittag einen Prototyp bauen kann, ist Code oft nicht mehr die knappe Ressource. Knapp ist die Gewissheit, dass das Problem zählt, dass die Änderung in den Arbeitsablauf der Nutzer passt und dass das Team erfährt, ob sie geholfen hat. Das Ziel ist nicht, Meinungen zu sammeln. Du willst genug Belege zusammentragen, um eine konkrete Entscheidung besser zu treffen.
Kernaussagen
Steve Blanks erstes Prinzip der Customer Development: „There are no facts inside the building so get the heck outside“ (Blank, 2009).
Die meisten Software-Features verfehlen ihr Ziel: Laut Pendos Nutzungsdaten von 2019 werden 80 % der Features selten oder nie genutzt, während 12 % der Features 80 % der täglichen Nutzung erzeugen (Pendo, 2019).
Im Handbuch von PostHog gilt es als Merkmal eines schlechten Product Engineers, Research als „two weeks rather than two hours“ zu behandeln (PostHog).
Sprich über das Leben des Kunden statt über deine Idee, und frag nach konkreten vergangenen Ereignissen statt nach Absichten für die Zukunft: zwei der drei Regeln aus Rob Fitzpatricks The Mom Test (Unusual Ventures, 2024).
Eine Handvoll Gespräche zeigt dir verwirrende Schritte und plausible Ursachen. Wie verbreitet ein Problem ist, sagt sie dir nicht; dafür nimmst du Analytics.
Was ist Customer Discovery, und warum sollten Engineers sie betreiben?
Customer Discovery ist der Teil von Steve Blanks Customer-Development-Methode, in dem du mit echten Menschen testest, was du über das Problem eines Kunden glaubst, bevor du dich auf eine Lösung festlegst. Blank nennt drei Prinzipien: Innerhalb des Gebäudes gibt es keine Fakten, du hast nur ungetestete Hypothesen, und diese Hypothesen testest du mit Experimenten mit potenziellen Kunden. Die Reihenfolge zählt. Gründer müssen zuerst das Problem validieren und erst danach, ob ihre Lösung es löst ().
Blank hat für Startup-Gründer geschrieben. Für Engineers spricht vor allem der Informationsverlust. PostHogs Leitfaden für Engineers argumentiert: Wenn jemand anderes mit Nutzern spricht und daraus Tickets macht, bekommen Engineers eine bereinigte Version der Wahrheit, gefiltert durch die Vorurteile dieser Person. Er vergleicht Nutzerinterviews mit automatisierten Tests: eine kurzfristige Investition, die die Iteration beschleunigt, weil sie dir früh zeigt, ob das Gebaute funktioniert (PostHog, 2024).
Dazu kommt ein Kostenargument. Wenn 80 % der Features selten oder nie genutzt werden, wie Pendo 2019 über die Produkte seiner Kunden hinweg festgestellt hat, dann ist der billigste Code der, den du bewusst nicht schreibst. In unserem Beitrag Was ist ein Product Engineer? erfährst du, wo das in der Rolle verortet ist.
Wie unterscheidet sich Customer Discovery von Usability-Tests oder Analytics?
Jede Methode beantwortet eine andere Frage. Customer Discovery für Engineers meint meist die erste Zeile:
Methode
Welche Frage sie beantwortet
Was du bekommst
Typischer Aufwand
Was sie dir nicht sagen kann
Customer-Discovery-Interview
Ist dieses Problem real, und wie gehen Menschen heute damit um?
Workflows, Workarounds, Sprache, Ursachen
20–60 Min. pro Gespräch
Wie verbreitet das Problem ist
Usability-Test
Können Menschen mit diesem Design eine Aufgabe erledigen?
Wo Menschen zögern, falsch lesen oder scheitern
5 Nutzer finden etwa 85 % der Probleme (NN/g, 2000)
Ob sich das Lösen des Problems gelohnt hat
Product Analytics
Was tun Menschen, und wie oft?
Funnels, Abbrüche, Feature-Nutzung
Minuten, sobald Events existieren
Warum sie es tun
Support-Rotation
Wo bricht das Produkt heute für echte Nutzer?
Bugs, Verwirrung, Feature-Wünsche
Einige Stunden pro Woche
Was Nutzer außerhalb deines Produkts tun
Am besten funktionieren die Methoden gemeinsam. Der GOV.UK-Leitfaden zur Discovery nennt neben Interviews und Beobachtung auch das Auswerten von Analytics und Support-Logs, damit du mit einer besseren Frage in jedes Gespräch gehst (GOV.UK).
Wie führst du als Engineer Customer Discovery durch, Schritt für Schritt?
Sieben Schritte. Die ersten beiden dauern zehn Minuten und entscheiden, ob der Rest etwas bringt.
1. Geh von einer Entscheidung aus, die du ändern könntest
Bevor du Interviews planst, schreib die Entscheidung auf, die das Team treffen will. Zum Beispiel:
Sollen wir für diesen Workflow einen Bulk-Edit-Flow bauen?
Welchen Schritt im Onboarding vereinfachen wir zuerst?
Kommt diese Anfrage von fehlender Funktionalität oder von einem verwirrenden Setup?
Soll das ein Produkt-Feature werden, ein Support-Workflow oder ein einmaliger Service?
Eine brauchbare Discovery-Frage hat eine mögliche Antwort, die ändern würde, was das Team baut, misst oder bewusst weglässt. Führt jede Antwort zur selben Implementierung, ist die Forschungsfrage zu breit.
Schreib die aktuelle Annahme neben die Entscheidung. Halte sie schlicht: „Wir glauben, dass kleine Support-Teams Zeit verlieren, weil sie Kundenkontext zwischen Tools hin- und herkopieren.“ So testest du die Annahme, statt Nutzer das vorgeschlagene Feature absegnen zu lassen.
2. Wähle eine enge Gruppe und eine jüngste Situation
„Nutzer“ ist für ein brauchbares erstes Gespräch meist zu breit. Such dir Menschen, die eine relevante Rolle, einen Workflow oder eine Einschränkung teilen, und frag nach einem konkreten jüngsten Fall des Problems statt nach einer hypothetischen Zukunft.
Kaltakquise brauchst du selten. PostHog nennt drei Quellen, sobald du Nutzer hast: Analytics, um Power-User verwandter Features zu finden, Sales oder Customer Success für interessierte Kunden und den Support für Leute, die Fragen stellen oder Features anfragen (PostHog, 2024). Halte die Bitte klein. Teresa Torres empfiehlt, um etwa 20 Minuten zu bitten und genau zu sagen, wie du die Zeit nutzt (Product Talk).
Notiere für jedes Gespräch, warum diese Person zur Gruppe gehört. Haben Menschen sehr unterschiedliche Aufgaben oder Anwendungsfälle, halte ihre Belege getrennt, statt sie zu einem fiktiven Nutzer zu mitteln.
3. Frag danach, was passiert ist, nicht danach, was sie tun könnten
Wer hypothetische Fragen beantwortet, will meist hilfsbereit sein. Diese Freundlichkeit kann eine schwache Idee stärker klingen lassen, als sie ist. Rob Fitzpatrick, ein Programmierer, der in seiner ersten Firma in eine Kundenrolle gedrängt wurde (The Mom Test), hat daraus drei Regeln gemacht: Sprich über das Leben des Kunden statt über deine Idee, frag nach konkreten Dingen aus der Vergangenheit, und rede weniger und hör mehr zu (Unusual Ventures, 2024).
Probier Fragen wie diese:
„Erzähl mir, wann du das zuletzt machen musstest.“
„Was hat die Aufgabe ausgelöst, und was hast du danach getan?“
„Wo bist du hängen geblieben oder hast das Tool gewechselt?“
„Welchen Workaround hast du benutzt?“
„Was ist passiert, weil es länger gedauert hat oder nicht funktioniert hat?“
„Hast du versucht, es auf anderem Weg zu lösen? Was ist passiert?“
„Wer war noch an der Entscheidung beteiligt?“
Steig nicht mit „Würdest du ein Feature nutzen, das …“ oder „Gefällt dir dieser Prototyp?“ ein. Wenn du einen Prototyp zeigst, lerne zuerst den aktuellen Workflow kennen. Bitte die Person dann, eine realistische Aufgabe zu lösen, und beobachte, wo sie zögert, was sie ignoriert und was sie erwartet. Unser Template für Kundeninterviews enthält ein vollständiges Skript.
4. Halte Beobachtungen und Interpretation auseinander
Schreib nach dem Gespräch drei verschiedene Dinge auf:
Notiz
Beispiel
Beobachtung
Der Engineer hat eine Account-ID aus dem Ticket in ein zweites Tool kopiert, bevor er das Problem reproduziert hat.
Interpretation
Bei der Übergabe zwischen Support und Engineering geht möglicherweise Kontext verloren.
Offene Frage
Passiert das oft genug, um ein gemeinsames Kontext-Panel zu rechtfertigen?
Diese Trennung ist wichtig. „Nutzer brauchen ein Dashboard“ ist ein Lösungsvorschlag, keine Beobachtung. Behalte die Worte der Person, wenn sie nützlich sind, und verknüpfe jede Schlussfolgerung mit der Notiz, dem Call, dem Ticket oder dem Artefakt, das sie stützt.
Mach aus einem eindrücklichen Interview keine Roadmap-Zusage. Such nach wiederkehrenden Mustern in der relevanten Gruppe und lass Gegenbeispiele sichtbar. Ist die Beleglage gemischt, spricht das für einen kleineren Test und nicht dafür, Unsicherheit zu verstecken. Unser Leitfaden dazu, wie du Kundeninterviews auswertest, zeigt die Synthese über mehrere Gespräche.
5. Teste die kleinste Änderung, aus der du etwas lernst
Der erste Test braucht nicht immer Produktionscode. Je nach Risiko könnte das Team:
ein Label oder einen Standardwert ändern und beobachten, wie viele die Aufgabe abschließen;
einen Schritt für einige Nutzer manuell ausführen, bevor man ihn automatisiert;
einen klickbaren Prototyp in einem realistischen Szenario zeigen;
einen klar beschriebenen Early-Access-Flow ergänzen;
einen bestehenden Workflow instrumentieren, um zu sehen, wo Nutzer aufhören.
Sei ehrlich, was der Test leistet. Ein Mock-Screen kann testen, ob ein Workflow Sinn ergibt; er kann nicht beweisen, dass der zugrunde liegende Service zuverlässig ist. Eine Anmeldung ist ein Indiz für Interesse, kein Beweis für wiederholten Nutzen. Wähl einen Test, der zur Unsicherheit passt, die du verringern willst.
Nenne vor dem Start ein Ergebnis und eine Leitplanke. „Mehr eingeladene Nutzer schließen das Setup ab“ ist ein Ergebnis; „die Support-Anfragen steigen nicht“ kann eine Leitplanke sein. Leg die genaue Messgröße fest, bevor du dir die Resultate ansiehst.
6. Mach aus dem Gelernten ein baubares Issue
Eine gute Discovery-Übergabe gibt dem Engineering genug Kontext für eine gute Implementierungsentscheidung, ohne so zu tun, als wären alle Fragen beantwortet. Nimm auf:
Nutzer und Situation: wer auf das Problem stößt und wann.
Belege: was sie getan, gesagt oder versucht haben, mit Links zur Quelle.
Problembeschreibung: das Hindernis im Workflow des Nutzers, ohne die UI vorzugeben.
Gewünschtes Ergebnis: was leichter oder sicherer werden soll.
Nicht-Ziele: was diese Änderung nicht zu lösen versucht.
Akzeptanzkriterien: beobachtbares Verhalten, das sich prüfen lässt.
Offene Fragen: Unsicherheiten, die den Umfang beeinflussen könnten.
Erfolgsmaß und Leitplanke: was das Team nach dem Release prüft.
Das kann ein kurzes Issue für eine reversible Änderung sein oder ein ausführlicheres Product Requirements Document, wenn die Arbeit mehr Abhängigkeiten, Risiko oder Abstimmung mit sich bringt.
7. Nutze KI, um Belege zu ordnen, nicht um welche zu erfinden
KI-Tools können Interviewnotizen gruppieren, wiederkehrende Formulierungen finden, eine erste Zusammenfassung entwerfen oder aus einer verifizierten Problembeschreibung Varianten für Akzeptanzkriterien ableiten. Lass das Quellmaterial angehängt. Prüfe jedes behauptete Muster gegen die Originalnotizen und korrigiere Zusammenfassungen, die verschiedene Personen vermischen oder mehr Sicherheit vortäuschen, als die Interviews hergeben.
Lass kein Modell Kundenzitate erfinden, Lücken mit einer plausiblen Persona füllen oder entscheiden, welches Segment zählt. Das Team bleibt für das Produkturteil verantwortlich. Eine generierte Zusammenfassung ist eine Landkarte der Belege, kein neuer Beleg; in unserem Leitfaden zur KI-gestützten Research-Synthese siehst du, wie du eine prüfst.
Welche Fragen sollten Engineers im Customer-Discovery-Interview stellen?
PostHog teilt von Engineers geführte Interviews in zwei Arten: Problemexploration, die steuert, was du als Nächstes baust, und Lösungsvalidierung, die greift, sobald jemand dein Feature nutzt oder eine Demo sieht (PostHog, 2024). Mit dieser Tabelle hältst du jede Frage ehrlich:
Ziel
Frag
Vermeide
Den echten Workflow finden
„Kannst du mich durchgehen, wie du das letztes Mal gelöst hast?“
„Wie machst du das normalerweise?“
Die Kosten finden
„Was ist passiert, weil es länger gedauert hat?“
„Ist das ein großes Problem für dich?“
Bestehenden Aufwand finden
„Was hast du schon probiert? Was hat es gekostet?“
„Würdest du für eine Lösung zahlen?“
Die Häufigkeit finden
„Wann ist das zuletzt passiert? Und davor?“
„Wie oft passiert das?“ (Antworten driften nach oben)
Eine Lösung validieren
„Kannst du mir zeigen, wie du es gerade nutzt?“
„Gefällt es dir?“
Tiefer gehen
„Was meinst du damit?“ „Warum ist das wichtig?“
Dein Produkt mitten im Interview erklären
Stell eine Frage nach der anderen. Schlägt ein Nutzer eine Lösung vor, frag, welches Problem sie für ihn lösen würde, und geh dann in dieses Problem hinein.
Wie viele Customer-Discovery-Interviews brauchst du?
Das hängt davon ab, was du entscheiden willst. Es gibt drei Richtwerte, und sie messen unterschiedliche Dinge:
Ein Geschäftsmodell finden: In Blanks Uni-Kursen müssen Teams in 10 Wochen mit 100 Kunden oder Begünstigten sprechen (Blank, 2020). Das gilt für Teams, die ein ganzes Business suchen, nicht für das Feintuning eines Features.
Den Fokus innerhalb eines Produkts wählen: PostHog sagt, eine Handvoll Interviews kann genügen, eine statistisch signifikante Stichprobe sei nicht nötig (PostHog, 2024).
Usability-Probleme in einem Design finden: Jakob Nielsens Analyse von 2000 ergab, dass 5 Nutzer etwa 85 % der Usability-Probleme aufdecken, und empfiehlt 3 Runden mit je 5 statt 1 Runde mit 15 (NN/g, 2000). Diese Zahl gilt für Usability-Tests, nicht für Problem-Interviews.
Bei einem laufenden Produkt schlägt der Rhythmus die Batch-Größe. Teresa Torres empfiehlt, dass die meisten Produktteams mindestens einen Kunden pro Woche interviewen (Product Talk), und Blank plädiert dafür, kontinuierliche Customer Discovery in die DNA des Unternehmens einzubauen (Blank, 2014). Wie du die Gewohnheit durchhältst, steht in unserem Leitfaden zu Continuous Discovery.
Die Länge des Interviews zählt weniger als der Fokus. Laut GOV.UK dauern ausführliche Interviews zwischen 30 Minuten und 2 Stunden (GOV.UK); für eine einzelne Produktentscheidung reichen meist 20 bis 30 Minuten zu einer jüngsten Geschichte.
Wie sieht ein wöchentlicher Discovery-Loop von 30 Minuten aus?
Für ein kleines Product-Engineering-Team kann ein schlanker Rhythmus so aussehen:
Fünf Minuten: eine Entscheidung wählen und die aktuelle Annahme formulieren.
Zehn Minuten: ein bis zwei jüngste Kundengespräche, Tickets oder Session-Aufzeichnungen durchgehen.
Zehn Minuten: Beobachtungen, Interpretationen und offene Fragen trennen.
Fünf Minuten: den kleinsten nächsten Test wählen und einen Verantwortlichen benennen.
Stützen die Belege keine Änderung, halte auch das fest. „Wir haben nachgesehen und wissen es noch nicht“ ist nützlicher, als eine Vermutung stillschweigend zum Scope zu machen.
Praxisbeispiel: eine Bulk-Edit-Anfrage
Dieses Beispiel ist illustrativ. Angenommen, ein Team aus vier Engineers protokolliert in einem Quartal 12 Anfragen nach Bulk Edit. Statt einen dreiwöchigen Bulk-Edit-Screen zu bauen, spricht ein Engineer zwei Wochen lang mit 5 der Anfragenden, je 20 Minuten: etwa 100 Minuten Gespräche.
Vier der 5 beschreiben denselben Workaround: als CSV exportieren, in einer Tabelle bearbeiten, wieder importieren, grob 25 Minuten pro Woche und Person. Der eigentliche Schmerz: Der Re-Import scheitert an einer fehlerhaften Zeile, und sie fangen von vorn an. Der Fünfte will Bulk Edit für eine ganz andere Berechtigungsaufgabe, also bleibt dieser Beleg getrennt.
Das Team liefert zeilenweise Import-Fehlermeldungen hinter einem Feature Flag in 3 Tagen aus. Ergebnis: der Anteil der Importversuche, die ohne Neustart durchlaufen. Leitplanke: Import-bezogene Support-Tickets steigen nicht. Der Bulk-Edit-Screen bleibt im Backlog, mit den 5 Gesprächen als Beleg verlinkt für alle, die ihn wieder aufmachen.
Wann hilft Customer Discovery nicht?
Discovery ist nicht immer der günstigste Weg zum Lernen. Das PostHog-Handbuch sagt es offen: Die Gründer haben 5-mal gepivotet, obwohl sie fast jedes Mal positives Feedback zu neuen Ideen bekamen, und es hält fest, dass einfaches Ausliefern oft der beste Weg ist, eine Idee zu validieren (PostHog).
Erst ausliefern, dann reden, wenn:
die Änderung klein und reversibel ist und hinter einem Feature Flag liegen kann;
das Problem klar definiert ist, etwa ein reproduzierbarer Bug;
du die Nutzung nach dem Release direkt messen kannst.
Erst reden, wenn die Änderung teuer und schwer rückgängig zu machen ist, Daten oder Abrechnung berührt oder wenn du noch nicht weißt, wer der Nutzer ist. In beiden Fällen gilt: Schau nach dem Release nach, ob das Ding genutzt wird und warum.
Discovery scheitert auch, wenn sie das falsche Signal einsammelt. Komplimente, Feature-Wunschlisten und „Das würde ich auf jeden Fall nutzen“ sind billig. Blanks Lehre aus seiner eigenen Laufbahn: Selbst eine kluge Meinung ist nur eine Vermutung, bis jemand außerhalb des Gebäudes sie bestätigt (Blank, 2009).
Häufige Fehler bei Customer Discovery für Engineers
Pitchen statt zuhören. Wenn du den Call damit verbringst, deine Architektur zu erklären, erfährst du nichts über die des Gegenübers.
Wen auch immer interviewen, der am leichtesten erreichbar ist. Kollegen und freundliche Power-User sind nützlich, aber nicht dein ganzer Markt.
Die Lösung aufschreiben statt des Problems. „Braucht eine API“ ist eine Vermutung; „kopiert jeden Montag 40 Zeilen von Hand“ ist ein Beleg.
Die Anzahl der Anfragen mit Nachfrage verwechseln. Zwölf Anfragen können drei verschiedene Probleme verbergen.
Das Follow-up auslassen. Wenn niemand prüft, ob die ausgelieferte Änderung funktioniert hat, schließt sich der Loop nie.
Wo Specky ins Spiel kommt
Specky liest Kundengespräche, Feedback, Slack, Jira und Analytics in einen Product Graph ein und entwirft dann Specs und Tickets mit Inline-Quellenangaben zu den Belegen, sodass das Issue aus Schritt 6 zu den Gesprächen dahinter zurückverlinkt. Der MCP-Server gibt Coding-Agents denselben Produktkontext. Wie das zur Rolle eines technischen PMs oder Product Engineers passt, liest du unter Product Management für technische PMs.
Häufig gestellte Fragen
Was ist Customer Discovery in einfachen Worten?
Customer Discovery bedeutet, mit echten oder potenziellen Kunden zu sprechen, um zu prüfen, ob das Problem, das du lösen willst, existiert, wie sie heute damit umgehen und ob es wichtig genug ist, etwas zu ändern. Sie stammt aus Steve Blanks Customer-Development-Methode. Du testest erst das Problem, dann die Lösung, und behandelst alles, was du vor diesen Gesprächen glaubst, als Hypothese.
Sollten Engineers mit Kunden sprechen, oder überlässt man das den Product Managern?
Beides. Ein PM oder Gründer verantwortet vielleicht den Research-Plan, aber Engineers, die bei Calls dabei sind, hören Kontext, den Tickets verlieren, und können nach Rahmenbedingungen fragen, die nur sie verstehen. PostHog argumentiert, dass Engineers, die nur Tickets bekommen, eine gefilterte Version der Wahrheit erhalten. Fang damit an, einmal pro Woche bei einem Call dabei zu sein oder eine Support-Rotation zu übernehmen.
Was ist der Unterschied zwischen Customer Discovery und Product Discovery?
Customer Discovery konzentriert sich auf den Kunden und das Problem: wer es hat, wie er es heute löst und was es ihn kostet. Product Discovery ist breiter und umfasst auch das Testen von Lösungen auf Usability, Machbarkeit und Tragfähigkeit vor der Auslieferung. Für einen Solo-Gründer überlappen sie sich fast vollständig. Der Leitfaden zum Product-Discovery-Prozess behandelt die breitere Abfolge.
Wie lang sollte ein Customer-Discovery-Interview sein?
Zwanzig bis dreißig Minuten reichen für eine jüngste Geschichte zu einem Problem. Der GOV.UK-Leitfaden setzt ausführliche Interviews bei 30 Minuten bis 2 Stunden an; längere Sessions liefern mehr Details, sind aber schwerer zu besetzen. Teresa Torres empfiehlt, Teilnehmende um etwa 20 Minuten zu bitten, denn so fällt es vielbeschäftigten Kunden leichter, Ja zu sagen.
Kann KI Customer-Discovery-Interviews führen?
KI kann transkribieren, zusammenfassen und mit dafür gebauten Tools auch strukturierte Interviews führen. Sie kann nicht entscheiden, welches Problem zählt, nicht bemerken, was ein Kunde vermieden hat zu sagen, und die Produktentscheidung nicht verantworten. Behandle KI-Ergebnisse als ersten Entwurf, prüfe Zitate gegen die Quelle und lass einen Menschen dafür verantwortlich, zu deuten, was Kunden gemeint haben.
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