16. Juni 2026Aktualisiert am Fathy Shalaby13 Min. Lesezeit
Assumption Mapping: So findest und testest du deine riskantesten Wetten
Hinter jedem Roadmap-Punkt stecken Annahmen, die niemand geprüft hat. Assumption Mapping sortiert sie nach Wichtigkeit und Evidenz, damit du die Annahme testest, die die Wette kippen könnte, bevor du baust.
Teilen
Dieser Artikel wurde aus dem Englischen übersetzt. Original lesen
Assumption Mapping ist eine Teamübung, die alles auflistet, was stimmen muss, damit eine Produktidee funktioniert, und jede Annahme dann in einer 2x2-Matrix danach einordnet, wie wichtig sie ist und wie viel Evidenz sie stützt. Annahmen, die wichtig, aber unbelegt sind, sind deine echten Risiken. Teste sie zuerst, so günstig wie möglich, bevor jemand Code schreibt. David J. Bland hat die Methode in Testing Business Ideas bekannt gemacht.
Das Wichtigste in Kürze
Die beiden Achsen sind Wichtigkeit (würde die Idee scheitern, wenn das falsch ist?) und Evidenz (haben wir beobachtbare Belege?). Teste zuerst den Quadranten „wichtig, keine Evidenz“ (Strategyzer, 2020).
Mappe über Desirability, Feasibility und Viability hinweg. Die meisten Teams testen zu viel Machbarkeit und zu wenig, ob jemand das Ding überhaupt will.
Wähle pro Session 3-5 Annahmen. Wer alles testet, verzettelt das Team.
Bewerte Evidenz nach dem Preis, den der Kunde zahlt: was Leute sagen < was Leute tun < Geld oder eine Unterschrift.
Der Einsatz ist real: 80 % der Features in einem durchschnittlichen Softwareprodukt werden selten oder nie genutzt (Pendo, 2019).
Was ist Assumption Mapping?
Eine Annahme ist alles, was dein Plan ohne Beweis als wahr behandelt: Kunden haben dieses Problem, sie zahlen diesen Preis, die API verkraftet diese Last. Mapping macht diese Überzeugungen explizit und bringt sie in eine Rangfolge, sodass die Discovery-Zeit in die Annahmen fließt, die die Wette kippen könnten.
Die Methode ist am engsten mit David J. Bland verbunden. Er beschreibt sie in Testing Business Ideas, gemeinsam mit Alexander Osterwalder geschrieben und im November 2019 bei Wiley erschienen (Wiley, 2019). Strategyzer veröffentlichte im August 2020 einen Auszug, der die ganze Übung darlegt (Strategyzer, 2020).
Teresa Torres nutzt dieselbe 2x2-Matrix in ihrer Arbeit zu Continuous Discovery. Ihr Kernrat: Hör auf, ganze Ideen zu testen, und teste stattdessen die Annahmen darunter (Product Talk, 2023). Eine Idee kann aus einem Dutzend Gründen scheitern. Eine Annahme scheitert aus einem einzigen, und deshalb ist das Ergebnis lesbar.
Zwei Achsen. Die Evidenz verläuft von links nach rechts, von „Evidenz vorhanden“ bis „keine Evidenz“. Die Wichtigkeit verläuft von unten nach oben, von „unwichtig“ bis „wichtig“. Blands Test für Wichtigkeit: Welche Hypothese würde, wenn sie sich als falsch erweist, dazu führen, dass die Geschäftsidee scheitert?
Evidenz vorhanden
Keine Evidenz
Wichtig
Darauf aufbauen. Prüfe weiter, ob sie sich nicht geändert hat.
Jetzt testen. Hier leben deine riskantesten Annahmen.
Unwichtig
Ignorieren. Wahr und mit geringem Einsatz.
Parken. Noch einmal ansehen, wenn sich der Plan ändert.
Die Version von Strategyzer rät Teams, kurzfristige Experimente auf den Quadranten oben rechts zu konzentrieren: wichtige Hypothesen mit der geringsten Evidenz (Strategyzer, 2020).
Du kannst das auf einem Whiteboard zeichnen, in Miro oder mit der kostenlosen Vorlage für die Assumption Map, die Notizen nach Impact und Evidenz platziert und dir sagt, was du zuerst testen solltest. Ohne Anmeldung.
Welche Arten von Annahmen solltest du mappen?
Verschiedene Autoren schneiden Risiko unterschiedlich. Die Bezeichnungen sind weniger wichtig als die Abdeckung aller Bereiche, wie Torres betont.
Bland und Osterwalder
Marty Cagans vier Risiken
Teresa Torres
Frage, die du stellst
Desirability
Value
Desirability
Will der Kunde das genug, um sein Verhalten zu ändern?
Feasibility
Feasibility
Feasibility
Können wir es mit unserer Zeit, unseren Fähigkeiten und unserer Technik bauen und betreiben?
Viability
Business Viability
Viability
Funktioniert es für das Unternehmen: Preise, Vertrieb, Recht, Marke?
—
Usability
Usability
Finden sich die Leute damit zurecht?
Adaptability
—
—
Übersteht es Veränderungen im Markt oder Umfeld?
—
—
Ethical
Könnte es Nutzern, Dritten oder der Gesellschaft schaden?
Cagan weist außerdem Owner zu: Der Product Manager verantwortet Value und Viability, die Designerin oder der Designer Usability und die Lead Engineer Feasibility (SVPG, 2017). Das ist ein nützlicher Check dafür, wer im Raum sein sollte.
Bland empfiehlt, zuerst Desirability zu mappen, dann Feasibility, Viability und Adaptability. Engineering-getriebene Teams machen es tendenziell umgekehrt, weil „Können wir das bauen?“ beantwortbar wirkt. Bei der Desirability sterben Produkte häufiger: In der Studie von CB Insights aus dem Jahr 2026 zu 431 Shutdowns VC-finanzierter Unternehmen nannten 43 % einen schwachen Product-Market-Fit (CB Insights, 2026).
Wie führst du eine Assumption-Mapping-Session durch?
Plane 60-90 Minuten mit 4-8 Personen ein, die das Produkt bauen, verkaufen und supporten.
Nenne eine Wette. „Jira-Tickets automatisch aus Kundengesprächen erstellen“, nicht „Roadmap Q3“. Eine Map pro Wette.
Schreibt 10 Minuten lang still. Jede Person schreibt eine Annahme pro Haftnotiz und beginnt mit „Wir glauben, dass …“. Deckt jede Kategorie aus der Tabelle oben ab.
Formuliere vage Notizen in testbare um. Ergänze wer, was und wie viel (siehe nächster Abschnitt).
Ordne jede Notiz zuerst auf der Evidenzachse ein. Frag: Welche beobachtbare Evidenz haben wir, und wie stark ist sie? Die Meinung des CEO zählt als keine Evidenz.
Ordne sie dann auf der Wichtigkeitsachse ein. Stell Blands Frage: Scheitert die Idee, wenn das falsch ist?
Streitet über die Platzierung. Uneinigkeit ist das nützliche Ergebnis. Sie zeigt, wo das Team rät.
Kreise 3-5 Notizen oben rechts ein. Das sind die Leap-of-Faith-Annahmen für diese Wette.
Entwirf für jede eingekreiste Notiz einen Test, bevor jemand geht, mit Owner, Deadline und einer vorab festgehaltenen Bestehensschwelle.
Plane das Re-Mapping ein. Zwei bis vier Wochen später verschiebt ihr die Notizen anhand der Ergebnisse und entscheidet, was aus der Wette wird.
Wie formulierst du eine testbare Annahme?
Eine Annahme, die nicht scheitern kann, kann dir nichts beibringen. Formuliere sie so konkret, dass ein Ergebnis sie widerlegen könnte.
Vage
Testbar
Nutzern wird es gefallen.
Mindestens 6 von 10 interviewten PMs berichten, dass sie pro Woche 2+ Stunden damit verbringen, Gesprächsnotizen in Tickets zu verwandeln.
Leute werden zahlen.
Mindestens 3 von 20 Testaccounts nehmen nach 14 Tagen ein Add-on für 49 €/Monat an.
Technisch ist es machbar.
Unsere Extraktion findet in 30 echten Transkripten 80 %+ der Action Items.
Es ist einfach zu bedienen.
4 von 5 Erstnutzern erstellen ohne Hilfe in unter 3 Minuten ein Ticket.
Wenn dir eine Annahme zu groß zum Testen vorkommt, teile sie in kleinere Annahmen auf, die alle stimmen müssen. Scheitert eine davon, scheitert auch die große, und das lässt sich an einem kleinen Teil viel günstiger herausfinden.
Wie testest du die riskanteste Annahme?
Nimm den günstigsten Test, der dich widerlegen könnte. Torres schlägt vor, mit dem kleinsten Annahmentest zu beginnen, den du in der nächsten Stunde abschließen kannst (Product Talk, 2023).
Bewerte die Evidenz, die du sammelst
Stärke
Art der Evidenz
Beispiel
Schwächste
Was Leute sagen
„Das würde ich auf jeden Fall nutzen.“
Frühes Signal
Richtungsweisende Daten
Umfrageantworten, Suchvolumen, Interviewgeschichten über vergangenes Verhalten
Stark
Was Leute tun
Klicks auf einen Fake Door, abgeschlossene Aufgaben in einem Prototyp, wiederholte Nutzung
Stärkste
Geld oder eine Unterschrift
Vorbestellungen, bezahlte Piloten, Letters of Intent
Passe den Test an das Risiko an
Desirability: Kundeninterviews über aktuelles Verhalten, ein Fake-Door-Test, ein Concierge-MVP.
Feasibility: ein zeitlich begrenzter technischer Spike, ein Wizard-of-Oz-Test, Gespräche mit Partnern oder Lieferanten.
Viability: eine Preisumfrage, ein simulierter Verkauf, ein Letter of Intent.
Wir glauben, dass [Annahme].
Zur Überprüfung werden wir [Test] mit [wem, wie vielen] bis [Datum] durchführen.
Wir messen [Metrik].
Wir liegen richtig, wenn [Schwellenwert]. Falls nicht, werden wir [Entscheidung].
Wer den Schwellenwert zuerst festlegt, verhindert, dass das Team die Torpfosten verschiebt, sobald das Ergebnis vorliegt.
Durchgespieltes Beispiel: ein KI-Feature für Gesprächsnotizen (zur Veranschaulichung)
Angenommen, ein sechsköpfiges B2B-SaaS-Team erwägt ein Feature, das aufgezeichnete Kundengespräche automatisch in Jira-Tickets verwandelt. Es mappt 12 Annahmen und bewertet jede von 1 bis 5 nach Wichtigkeit und Evidenz. Für die Rangfolge nutzt es eine einfache Regel: Risiko = Wichtigkeit × (6 − Evidenz). Eine wichtige Annahme ohne Evidenz erhält also 25 Punkte, eine triviale, belegte nur 1.
#
Wir glauben, dass …
Typ
Wichtigkeit
Evidenz
Risiko
A1
PMs 2+ Stunden pro Woche damit verbringen, Gesprächsnotizen in Tickets zu verwandeln
Desirability
5
1
25
A2
PMs von der KI erstellte Tickets akzeptieren, ohne die meisten davon umzuschreiben
Desirability
5
1
25
A3
Die Security-Teams der Kunden erlauben, dass Gesprächstranskripte von unserem KI-Anbieter verarbeitet werden
Viability
5
1
25
A4
Kunden ein Add-on für 49 €/Monat zahlen werden
Viability
5
2
20
A5
Die Transkription für Nicht-Muttersprachler des Englischen funktioniert
Feasibility
4
1
20
A6
Wir 80 %+ der Action Items korrekt extrahieren können
Feasibility
5
3
15
A7
PMs Tickets ohne Training dem richtigen Jira-Projekt zuordnen können
Usability
3
1
15
A8
Das Feature die Abwanderung in Accounts mit 5+ PMs senkt
Viability
3
1
15
A9
Die meisten Kunden ihre Gespräche bereits aufzeichnen
Desirability
4
3
12
A10
Engineers von der KI entworfene Tickets denen vorziehen, die PMs schreiben
Desirability
2
1
10
A11
Nutzer das Feature in der Gesprächsansicht bemerken
Usability
2
2
8
A12
Die Jira-API das Ticketvolumen unterstützt, das wir brauchen
Feasibility
3
5
3
Die ersten drei (A1, A2, A3) liegen alle im Quadranten oben rechts. Beachte: Die Annahme, um die sich die Engineers sorgten, A12, ist die risikoärmste auf der Map.
Tests, innerhalb einer Woche durchgeführt:
A1, acht Interviews über die Gespräche der Vorwoche. Bestanden, wenn 5 von 8 2+ Stunden schildern. Ergebnis: 6 von 8. Bestätigt.
A2, ein Wizard-of-Oz-Test. Ein PM aus dem Team entwirft von Hand Tickets aus echten Gesprächen von 5 Kunden. Bestanden, wenn 60 % ohne größere Überarbeitung in Jira landen. Ergebnis: 41 %. Widerlegt.
A3, Fragen an die Security-Kontakte von 6 Kunden. Bestanden, wenn 4 von 6 zustimmen würden. Ergebnis: 2 von 6. Widerlegt.
Entscheidung: Das Problem ist real, aber „automatisch erstellen“ ist die falsche Lösung, und die Datenverarbeitungsregeln blockieren die meisten Accounts. Das Team formuliert die Wette um in vorgeschlagene Tickets, die ein PM prüft, und bietet sie nur Kunden an, deren Richtlinien das erlauben. In zwei Wochen mappen sie erneut. Eine Woche Tests ersetzte einen Build, den das Team auf sechs Wochen geschätzt hatte.
Vorlage für das Assumption Mapping
Kopiere sie in ein Dokument oder eine Tabelle, oder nutze das kostenlose interaktive Tool für die Assumption Map.
Wette: [ein Satz]
Datum des Mappings: [Datum] Nächstes Re-Mapping: [Datum]
| # | Wir glauben, dass... | Typ (D/F/V/U/E) | Wichtigkeit 1-5 | Evidenz 1-5 | Risiko = W x (6 - E) | Test | Bestanden, wenn... | Owner | Fällig | Ergebnis |
|---|----------------------|-----------------|-----------------|-------------|----------------------|------|--------------------|-------|--------|----------|
| 1 | | | | | | | | | | |
| 2 | | | | | | | | | | |
| 3 | | | | | | | | | | |
Top 3-5 für diesen Zyklus: #_, #_, #_
Entscheidung nach den Ergebnissen: weitermachen / ändern / stoppen
Welche Fehler machen eine Assumption Map nutzlos?
Nur Feasibility mappen. Die Engineering-Fragen wirken konkret und verdrängen deshalb Desirability und Viability.
Untestbare Notizen. „Nutzer wollen ein besseres Erlebnis“ kann nicht scheitern. Formuliere es um oder streiche es.
Meinungen als Evidenz zählen. Ein selbstsicherer Stakeholder ist keine Datenlage. Ein Lob nach der Demo auch nicht.
Alles testen. Drei bis fünf pro Zyklus. Der Rest wartet.
Die Bestehensschwelle nach dem Test festlegen. Du wirst immer einen Weg finden, es als Erfolg zu verbuchen.
Es nur einmal durchführen. Eine Map vom Kickoff ist nach Wochen überholt. Ergebnisse landen in einem Dokument, und die Haftnotizen bewegen sich nie.
Nur die Lösung mappen. Mappe auch das Problem und den Kunden. „Der Kunde hat dieses Problem“ ist meist die wichtigste Annahme von allen.
Wenn eine vollständige Map übertrieben ist
Kleine, umkehrbare Änderungen brauchen keinen Workshop. Wenn eine Änderung einen Tag bis zum Release und eine Minute bis zum Rollback braucht, bring sie raus und beobachte die Daten. Heb den Workshop für Wetten auf, die Wochen an Build-Zeit kosten, Preise berühren oder schwer rückgängig zu machen sind.
Wie hängt eine Assumption Map mit Product-Market-Fit zusammen?
Mit Assumption Mapping entschärfst du eine Wette, bevor du baust. Product-Market-Fit misst, ob die Wetten, die du ausgeliefert hast, zusammen etwas ergeben, das Kunden brauchen. Die Desirability-Annahmen, die du früh testest, etwa wer das Problem hat und wie stark, werden später zum Segment, das du mit der Sean-Ellis-Frage befragst. Siehe unsere Leitfäden zum Product-Market-Fit mit KI und zur Product-Market-Fit-Umfrage.
Die meisten Assumption Maps veralten, weil die Ergebnisse woanders liegen. In Specky ist jede Annahme auf dem Board mit den Experimenten verknüpft, die sie getestet haben, und hält die Stärke der Evidenz fest, von dem, was Leute sagen, bis zu Geld oder einer Unterschrift. Jede Wette, die auf einer widerlegten Annahme beruht, zeigt das an, sodass sich die Roadmap mit dem bewegt, was du gelernt hast.
Häufig gestellte Fragen
Was sind Assumption Mapping und Risikovalidierung?
Assumption Mapping ist der Schritt, in dem du die Annahmen hinter einem Plan nach Wichtigkeit und Evidenz auflistest und in eine Rangfolge bringst. Risikovalidierung ist das, was folgt: günstige Tests der wichtigen, unbelegten Annahmen, bis jede bestätigt oder widerlegt ist. Zusammen stellen sie sicher, dass die Build-Zeit in Wetten fließt, die einen ehrlichen Versuch überstanden haben, sie zu widerlegen.
Was ist der Unterschied zwischen einer Annahme und einer Hypothese?
Eine Annahme ist etwas, das du vorerst als wahr behandelst und dabei das Risiko in Kauf nimmst, dass es nicht stimmt. Eine Hypothese ist eine Annahme, die du testen willst, so präzise formuliert, dass ein Ergebnis sie widerlegen könnte, mit einer Metrik und einer Bestehensschwelle. Jede Hypothese beginnt als Annahme; die meisten Annahmen müssen nie zu Hypothesen werden.
Wie viele Annahmen solltest du gleichzeitig testen?
Drei bis fünf pro Zyklus. Eine Map kann leicht ein Dutzend Annahmen oder mehr zutage fördern; Torres' eigenes Beispiel listet zehn für drei Ideen auf und merkt an, dass Dutzende weitere möglich sind. Nur eine Handvoll landet im Quadranten „wichtig, keine Evidenz“. Mehr als fünf gleichzeitig zu testen verzettelt ein kleines Team und verzögert die Antworten, auf die es am meisten ankommt.
Wer sollte am Workshop teilnehmen?
Die Menschen, die jedes Risiko tragen: ein Product Manager für Value und Viability, ein Designer oder eine Designerin für Usability und ein Engineer für Feasibility, so wie Marty Cagans Modell sie zuordnet. Hol jemanden aus Vertrieb oder Support dazu, der oder die jede Woche mit Kunden spricht. Vier bis acht Personen reichen; größere Gruppen erzeugen mehr Notizen und weniger Streit.
Wie oft solltest du eine Assumption Map aktualisieren?
Jedes Mal, wenn ein Testergebnis eintrifft, und mindestens alle zwei bis vier Wochen, solange die Wette aktiv ist. Verschiebe Notizen, sobald Evidenz eintrifft, und bewerte die Wichtigkeit neu, wenn sich der Plan ändert. Eine Map, die sich seit einem Monat nicht verändert hat, ist entweder fertig oder vergessen.
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