30. Januar 2026Aktualisiert am Fathy Shalaby10 Min. Lesezeit
Discovery Sprint mit KI: Ein Fünf-Tage-Plan und eine Drei-Stunden-Version
Ein Discovery Sprint packt eine große Produktfrage in ein festes Zeitfenster von einer Woche. Nutze KI, um die Belege auszuwerten, die du schon hast, und um Interviews schneller durchzuführen – und wisse, was drei Stunden leisten können und was nicht.
Teilen
Dieser Artikel wurde aus dem Englischen übersetzt. Original lesen
Ein Discovery Sprint ist ein zeitlich begrenzter Einsatz, meist eine Woche, in dem ein kleines Team eine wesentliche Produktfrage oder ein zentrales Risiko klärt, bevor es sich aufs Bauen festlegt. Mit KI schrumpft der erste Tag, die Auswertung vorhandener Belege, auf etwa drei Stunden, und Interviews laufen, ohne auf Kalender warten zu müssen. Der Kundenkontakt dauert trotzdem Tage, und die Entscheidung liegt weiterhin beim Team.
Die wichtigsten Punkte
Marty Cagan beschreibt dieses Format als eine einwöchige Zeitbox für ein substanzielles Problem oder Risiko; er bevorzugt den Begriff gegenüber „Design Sprint“, weil gutes Discovery über Design hinausgeht (INSPIRED, 2nd ed.).
Der Design Sprint von GV, das bekannteste Format, dauert fünf Tage, hat höchstens sieben Teilnehmende und endet am Freitag mit fünf Kundeninterviews (Character).
KI ist bei den Belegen, die du schon hast, am schnellsten: Calls, Tickets und Notizen durchsuchen, Themen clustern und ein Brief entwerfen. Neue Kundenbelege kann sie in drei Stunden nicht erzeugen.
KI-Interviewer eignen sich für kurze, strukturierte Fragen. In einer Studie der Nielsen Norman Group von 2026 fanden nur 3 von 10 Teilnehmenden ein KI-moderiertes Gespräch natürlich (NN/g, 2026).
Ein Sprint endet in einer schriftlichen Entscheidung, nicht in einer Präsentation.
Was ist ein Discovery Sprint?
Er nimmt eine große Frage, etwa „Sollten wir Team-Workspaces bauen?“ oder „Warum bleiben Trials in Woche zwei hängen?“, und widmet ihr eine Woche konzentrierter Aufmerksamkeit der Leute, die die Antwort später umsetzen. Cagan ordnet ihn dem Product Discovery zu: der Arbeit, Nutzen, Usability, Machbarkeit und wirtschaftliche Tragfähigkeit zu prüfen, bevor Engineering-Zeit gebunden wird (SVPG, 2017).
Er ist nicht dasselbe wie ein Delivery Sprint. Ein Scrum-Sprint liefert Inkremente; dieser hier liefert eine Entscheidung und die Belege dahinter.
Wie unterscheidet sich ein Discovery Sprint von einem Design Sprint?
Der Design Sprint wurde bei GV entwickelt: Jake Knapp begann 2010 bei Google, Sprints durchzuführen, und brachte sie 2012 zu GV. Montag wird das Problem kartiert, Dienstag skizziert, Mittwoch entschieden, Donnerstag ein Prototyp gebaut und Freitag mit Kunden getestet (GV). Knapp und John Zeratsky ergänzten später den zweitägigen Foundation Sprint für den Schritt davor: Höchstens fünf Personen, darunter der Decider, einigen sich auf eine Hypothese, die Design Sprints anschließend testen können (Lenny's Newsletter, 2025).
Wähle Cagans Format, wenn das Problem selbst unsicher ist. Nimm einen Design Sprint, wenn du dem Problem vertraust und eine Lösung testen willst.
Wie führst du einen Discovery Sprint mit KI in fünf Tagen durch?
Blocke die Woche für ein kleines Team: eine Person aus Product, ein Designer oder eine Designerin und ein Engineer, dazu wer die finale Entscheidung trifft. Der Design Sprint nennt diese Person den Decider, und sein Leitfaden stellt unmissverständlich klar, dass Entscheidungen ohne ihn nicht halten (Character).
Tag 1: Frage formulieren und vorhandene Belege auswerten
Schreibe die Sprint-Frage als Entscheidung: „Bis Freitag entscheiden wir, ob wir [Maßnahme] für [Nutzer] umsetzen, weil [Beleg].“
Nutze die KI-Suche über Calls, Support-Tickets, Sales-Notizen und Feedback, um jede Erwähnung des Themas aus den letzten 90 Tagen zu ziehen. Bitte um Zitate mit Quellen, nicht um Zusammenfassungen.
Clustere, was zurückkommt, in drei bis fünf Themen. Halte für jedes fest, wie viele Quellen es stützen („7 Tickets, 3 Calls“) und was fehlt.
Lass die KI gegen dein Lieblingsthema argumentieren. Wenn der Beleg nicht standhält, sag es jetzt.
Das ist der Schritt, den KI am stärksten verkürzt: Die Maschine liest, das Team urteilt.
Tag 2: Opportunities kartieren und die riskanteste Annahme wählen
Lege die Themen auf einen Opportunity Solution Tree: das gewünschte Ergebnis als Wurzel, darunter Kunden-Opportunities, dann mögliche Lösungen und ganz unten die Annahmetests (Product Talk).
Liste Annahmen für die ein oder zwei wichtigsten Opportunities auf (die kostenlose Assumption Map hilft dabei) und bewerte jede von 1 bis 5 nach Wirkung und Unsicherheit. Teste die mit dem höchsten Produkt.
Schreibe für jeden Test das Erfolgssignal auf, bevor du irgendwelche Daten siehst.
Starte das Recruiting für Tag 3 und 4. Lade Leute ein, die das Problem im letzten Monat hatten.
Tag 3: Mit Kunden sprechen
Führe fünf bis acht kurze Interviews mit Leuten, die zu deinem Screener passen, und stelle erzählbasierte Fragen zum letzten Mal, als das Problem aufgetreten ist. Unsere Vorlage für Kundeninterviews enthält ein 20-Minuten-Skript.
KI hilft auf zwei Arten. Sie transkribiert und taggt Live-Calls, und ein KI-Interviewer kann kurze, strukturierte Gespräche über einen Link führen, sodass Leute antworten, wann es ihnen passt. Behalte bei allem Explorativen mindestens drei Live-Interviews: Die Nielsen Norman Group stellte fest, dass KI-Interviewer bei unerwarteten Antworten schlecht nachhakten, zwischen 13 und 56 Minuten dauerten, weil sie keine Ziellänge halten konnten, und empfiehlt sie als Ergänzung zur menschlichen Moderation (NN/g, 2026).
Tag 4: Die riskanteste Annahme testen
Baue das Kleinste, das die Annahme vor Nutzer bringt: ein klickbares Mock, eine Concierge-Version, eine Fake Door oder einen schlanken Prototyp, gebaut mit einem Coding-Agenten. Bei Usability-Fragen sind fünf Teilnehmende ein solider Standard; Jakob Nielsens Modell zeigt, dass fünf Nutzer etwa 85 % der Usability-Probleme finden (Nielsen Norman Group, 2000).
Wenn das Risiko im Nutzen liegt und nicht in der Usability, teste Verhalten: eine Anmeldung, einen gebuchten Call, eine Vorbestellung. Unser Leitfaden zur Wahl eines Produktexperiments ordnet jedem Risiko eine Methode zu.
Tag 5: Entscheiden und aufschreiben
Vergleiche jedes Ergebnis mit dem Erfolgssignal, das du an Tag 2 aufgeschrieben hast. Schreibe dann ein einseitiges Decision Record:
Die Frage und die Entscheidung (weitermachen, ändern, pausieren oder stoppen)
Die Belege dafür und dagegen, mit Quellen
Was du bewusst noch nicht tust, und warum
Der nächste Test, falls es einen gibt
Teile es mit dem Team, das nicht im Raum war. Eine Entscheidung, die niemand auf Belege zurückführen kann, wird im nächsten Planungsmeeting wieder aufgemacht.
Kannst du den Sprint auf drei Stunden komprimieren?
Teilweise. Eine Drei-Stunden-Version kann eine Frage gut beantworten: Was sagen die Belege, die wir schon haben, und was fehlt? Neue Kundenbelege kann sie nicht erzeugen, denn die Interviews und Tests an Tag 3 und 4 hängen von der Zeit anderer Leute ab. Betrachte sie als komprimierten Tag 1, nicht als den ganzen Sprint.
Stunde
Arbeit
Ergebnis
1
Calls, Tickets, Slack-Threads und Notizen zum Thema mit KI durchsuchen; Zitate mit Quellen ziehen
3–5 Beleg-Cluster, jeweils mit Quellenzahl
2
Cluster in Opportunities überführen; Annahmen auflisten; Wirkung × Unsicherheit bewerten; einen kurzen Interview-Link an 10–20 passende Nutzer senden
Eine priorisierte Liste und eine riskanteste Annahme
3
Einen einseitigen Brief entwerfen: was wir wissen, was wir empfehlen, was wir zurückstellen, was die Interviews zeigen müssen
Ein Brief für das Team, plus ein Erfolgssignal
Lies dann die Interview-Antworten, sobald sie in den nächsten Tagen eintreffen, bevor du nach dem Brief handelst. Die Drei-Stunden-Version passt zu Fragen zu einem einzelnen Thema mit viel vorhandenem Beleg. Für einen neuen Markt passt sie nicht, denn dort gibt es nichts auszuwerten.
Wie sieht ein Fünf-Tage-Sprint in der Praxis aus?
Das Folgende ist ein Beispiel, kein reales Unternehmen.
Angenommen, ein B2B-Analytics-Startup mit sechs Leuten sieht Trials in Woche zwei hängen bleiben und will den Grund wissen, bevor es das Onboarding neu gestaltet.
Tag 1. Die KI-Suche über 140 Support-Tickets und 22 Notizen aus Sales-Calls findet drei Cluster: Fehler beim Datenimport (31 Erwähnungen), unklares erstes Dashboard (18) und Preisfragen (9). Das Team hatte angenommen, der Preis sei das Hauptproblem.
Tag 2. Die riskanteste Annahme: „Trials bleiben hängen, weil der erste Import scheitert, nicht wegen des Dashboards.“ Erfolgssignal: Mindestens 4 von 6 hängengebliebenen Trial-Nutzern beschreiben ungefragt ein Importproblem.
Tag 3. Sechs Interviews (drei live, drei über KI-Interviewer-Link). Fünf von sechs beschreiben einen Importfehler; zwei sind nie bis zu einem Dashboard gekommen.
Tag 4. Ein Concierge-Test: Das Team importiert die Daten für fünf neue Trial-Nutzer von Hand. Vier von fünf erreichen innerhalb eines Tages ein erstes Dashboard.
Tag 5. Entscheidung: ändern. Zuerst den Import beheben, die Onboarding-Neugestaltung zurückstellen und die Aktivierung in Woche zwei nach vier Wochen erneut prüfen.
Der Sprint kostete rund 15 Personentage. Die Neugestaltung, die er verschoben hat, hätte weit mehr gekostet und den falschen Schritt repariert.
Welche Fehler bringen einen Sprint aus dem Tritt?
Eine Frage wählen, die für eine Woche zu groß ist. „Wie sollte unsere Strategie aussehen?“ ist keine Sprint-Frage. „Sollten wir X für Y bauen?“ schon.
Mit einer Lösung starten. Wenn der Montag mit Mock-ups beginnt, ist es ein Design Sprint unter anderem Namen.
Den Decider weglassen. Ohne eine Person, die Ja sagen kann, rutscht die Entscheidung zurück in Meetings.
KI-Zusammenfassungen als Belege behandeln. Eine Zusammenfassung ohne Quellen ist eine Meinung. Bestehe auf Zitaten und Zahlen.
Synthetische Nutzer die Interview-Slots füllen lassen. Simulierte Antworten sind keine Kundenbelege.
Am Mittwoch rekrutieren. Ohne gebuchte Teilnehmende an Tag 2 ist Tag 3 leer.
Wann du keinen durchführen solltest: wenn die Frage Verbreitungsdaten braucht (dann mach eine Umfrage), wenn du diese Woche keine Nutzer erreichen kannst oder wenn das Team ohnehin baut, egal wie das Ergebnis ausfällt. Im letzten Fall: spar dir die Woche.
Wo Specky ins Spiel kommt
Specky verkürzt Tag 1. Es liest Kunden-Calls, Feedback, Slack, Jira und Analytics in einen Product Graph ein, sodass eine Suche nach dem Sprint-Thema Zitate mit ihren Quellen und Zahlen zurückgibt. Alex, Speckys Research-Agent, verschickt kurze Interviews über einen teilbaren Link und legt Transkripte, Themen und Stimmung wieder im Graph ab. Der Opportunity Tree enthält die Karte von Tag 2, und das Decision Log bewahrt das Protokoll von Tag 5 neben den Belegen auf, die es getragen haben. Für ein leichteres, asynchrones Format lies wie du Discovery asynchron durchführst.
Häufig gestellte Fragen
Was ist ein Discovery Sprint?
Ein Discovery Sprint ist ein kurzer, zeitlich begrenzter Einsatz, meist eine Woche, in dem ein kleines Product-Team eine wesentliche Frage oder ein zentrales Risiko klärt, bevor es Engineering-Zeit bindet. Er verbindet die Auswertung vorhandener Belege, Kundeninterviews und einen kleinen Test und endet mit einer schriftlichen Entscheidung. Marty Cagan verwendet den Begriff in INSPIRED statt „Design Sprint“.
Wie lang sollte ein Discovery Sprint sein?
Die meisten Teams nehmen fünf Arbeitstage, die Raum zum Rekrutieren, Interviewen und Testen lassen. Manche planen zwei Wochen ein, damit der Sprint zum Rhythmus ihrer Delivery passt. Eine Ein-Tages- oder Drei-Stunden-Version kann vorhandene Belege auswerten und die Frage schärfen, ersetzt aber nicht die Tage, die man braucht, um mit Kunden zu sprechen und einen Test zu beobachten.
Was ist der Unterschied zwischen einem Discovery Sprint und einem Design Sprint?
Ein Discovery Sprint fragt, ob ein Problem oder Risiko es wert ist, angegangen zu werden; ein Design Sprint fragt, ob eine konkrete Lösung funktioniert. Der Design Sprint von GV folgt einer festen Fünf-Tage-Agenda, die in fünf Kundentests eines Prototyps mündet. Cagans Version ist lockerer und endet oft mit einer Entscheidung statt mit einem Prototyp.
Wer sollte im Sprint-Team sein?
Halte es klein: eine Product Managerin oder ein Product Manager, ein Designer und ein Engineer, die das Ergebnis bauen werden, dazu ein Decider mit der Befugnis, auf das Ergebnis zu reagieren. Der Leitfaden zum Design Sprint von GV begrenzt das Team auf sieben Personen. Hole Expertinnen und Experten, etwa aus Support oder Sales, für kurze Interviews an Tag 1 dazu statt für die ganze Woche.
Kann KI die Kundeninterviews in einem Sprint führen?
Bei kurzen, strukturierten Fragen ja: Ein KI-Interviewer kann Antworten von mehr Leuten ohne Terminabstimmung sammeln. Bei explorativen Fragen solltest du zumindest einige Interviews selbst führen. Die Studie der Nielsen Norman Group von 2026 ergab, dass KI-Interviewer unerwarteten Fäden schlecht folgten und nur 3 von 10 Teilnehmenden das Gespräch als natürlich empfanden.
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