13. Juli 2026Aktualisiert am Fathy Shalaby12 Min. Lesezeit
Problemraum vs. Lösungsraum: Wie PMs der Lösungsfalle entkommen
Die meisten Teams springen innerhalb eines Tages von einer Anfrage zu einem Feature. So trennst du Problemraum und Lösungsraum, wie lange du im Problemraum bleibst und welchen Brief du kopieren kannst.
Teilen
Dieser Artikel wurde aus dem Englischen übersetzt. Original lesen
Problemraum vs. Lösungsraum ist die Trennung zwischen dem Verstehen eines Kundenbedürfnisses und dem Entwerfen einer Antwort darauf. Der Problemraum umfasst, wer womit zu kämpfen hat, wie oft, was es kostet und was die Leute heute stattdessen tun. Der Lösungsraum umfasst alles, was du als Reaktion darauf bauen könntest. Die Lösungsfalle ist der Sprung in den zweiten, bevor du den ersten abgeschlossen hast.
Das Wichtigste in Kürze
Führungskräfte geben die Gewohnheit zu. In einer Umfrage unter 106 C-Level-Führungskräften aus 91 Unternehmen in 17 Ländern stimmten 85 % zu, dass ihre Organisationen schlecht in der Problemdiagnose seien, und 87 % sagten, dieser Mangel verursache erhebliche Kosten (HBR, 2017).
Produktleute wollen mehr Zeit fürs Problem, als sie bekommen. Die Umfrage des Pragmatic Institute unter 2.474 Produktprofis ergab, dass sie 27 % ihrer Zeit mit strategischer Arbeit verbrachten, es aber ihrer Ansicht nach 53 % sein sollten, und die meisten weniger als 5 Stunden im Monat damit zubrachten, Kundenfeedback einzuholen (Pragmatic Institute, 2019).
Dünne Problemarbeit zeigt sich in ungenutzten Features: 80 % der Features im durchschnittlichen Produkt werden selten oder nie genutzt (Pendo, 2019).
Für den Satz „Einstein hat 55 Minuten auf das Problem verwendet“ gibt es keine bekannte Quelle, und das 80/20-Verhältnis ist ein Zielwert, keine gemessene Tatsache.
Eine Frage leistet den Großteil der Arbeit: „Welchen Beleg gibt es dafür, dass das das Problem ist und nicht das Symptom von etwas anderem?“
Was ist der Unterschied zwischen Problemraum und Lösungsraum?
Dan Olsen hat die Trennung in The Lean Product Playbook (2015) bei Produktteams populär gemacht. Seine Product-Market-Fit-Pyramide hat fünf Ebenen. Die unteren zwei, Zielkunde und unterversorgte Bedürfnisse, sind der Markt. Die oberen drei, Value Proposition, Feature-Set und User Experience, sind das Produkt (Mind the Product, 2017). In einem Vortrag von 2018 fasste er die Rolle des PMs klar zusammen: „Unsere Aufgabe als Product Manager ist es, uns auf den Problemraum zu konzentrieren“ ().
Teresa Torres zieht dieselbe Linie in ihrem Opportunity Solution Tree. Unter einem gewünschten Ergebnis liegt der Opportunity Space, in dem jede Opportunity „ein unerfülltes Kundenbedürfnis, ein Schmerzpunkt oder ein Wunsch“ ist, dann der Lösungsraum, dann Annahmentests (Product Talk, 2023).
Problemraum
Lösungsraum
Kernfrage
Wer hat womit zu kämpfen, wie oft, zu welchen Kosten?
Was könnten wir bauen oder ändern?
Typische Artefakte
Interviewnotizen, Muster in Support-Tickets, Problemformulierungen
Skizzen, Prototypen, Specs, Tickets
Was du misst
Wie wichtig das Bedürfnis ist, wie oft es auftritt, was der Workaround kostet
Zufriedenheit, Adoption, Aufgabenerfolg
Was Kunden dir sagen können
Viel: was sie getan haben, was es gekostet hat, was sie versucht haben
Weniger: Sie können auf Optionen reagieren, aber die richtige selten entwerfen
Typisches Scheitern
Research, der nie endet
Ein gut gebautes Feature für das falsche Problem
Was ist die Lösungsfalle?
Eine Kundenbeschwerde kommt rein, oder ein Vertriebler meldet einen verlorenen Deal. Innerhalb von 24 Stunden hat jemand eine Lösung skizziert. Bis der PM im Raum ist, hat sich die Frage von „Ist das ein echtes Problem?“ zu „Wie bauen wir das?“ verschoben. Über das Problem wurde 90 Sekunden nachgedacht. Die Lösung bekommt sechs Wochen Engineering.
Thomas Wedell-Wedellsborg fand dieselbe Verzerrung: Manager sind gut darin, Probleme zu lösen, schalten aber schnell in den Lösungsmodus, bevor sie prüfen, ob sie sie verstanden haben (HBR, 2017). Weniger als 1 von 10 der befragten Führungskräfte sagte, davon nicht betroffen zu sein.
Warum fallen kluge Teams darauf herein?
Die Falle ist eine Frage von Anreizen und Workflow, nicht von Intelligenz.
Lösungen sind konkret, Probleme sind uneindeutig. „Füge ein Dashboard hinzu“ lässt sich eingrenzen, schätzen und demonstrieren. Ein Problem muss erst definiert werden.
Lösungen sehen nach Fortschritt aus. Interviews und Synthese sehen aus, als passiere nichts. Das falsche Feature auszuliefern sieht nach Fortschritt aus, bis sich die Kennzahl nicht bewegt.
Jedes System belohnt Lösungen. Jira verfolgt Features, Roadmaps listen Liefergegenstände auf, Reviews feiern Launches. Der PM, der zu dem Schluss kam, dass ein Problem nicht lösenswert ist, hat nichts zu demonstrieren.
Die Zahlen stützen das. Produktleute in der Umfrage des Pragmatic Institute von 2019 verbrachten 27 % ihrer Woche mit strategischer Arbeit, während sie 53 % für angemessen hielten. Die große Mehrheit verbrachte weniger als 5 Stunden im Monat damit, Feedback von Kunden und Evaluatoren einzuholen (Pragmatic Institute, 2019).
Was kostet die Lösungsfalle?
Die sichtbaren Kosten sind verschwendetes Engineering. Über 615 Produktabonnements hinweg stellte Pendo fest, dass 80 % der Features selten oder nie genutzt werden und 12 % 80 % der täglichen Nutzung treiben, und schätzte, dass börsennotierte Cloud-Unternehmen bis zu 29,5 Milliarden US-Dollar in die ungenutzten investiert hatten (Pendo, 2019). Diese Zahl schlüsseln wir in warum 80 % der Features ungenutzt bleiben auf.
Die versteckten Kosten betreffen das Bild des Teams vom Kunden. Ein Team, das im Lösungsmodus lebt, hört auf, den Problemraum zu kartieren, und das Produkt wird zu einem Flickenteppich aus Antworten auf halb verstandene Probleme.
Hat Einstein wirklich gesagt, er würde 55 Minuten damit verbringen, das Problem zu definieren?
Dafür gibt es keinen Beleg. Quote Investigator fand keinen belastbaren Beleg, dass Einstein das je gesagt hat (Quote Investigator, 2014). Die früheste Einstein-Zuschreibung, die der Etymologe Barry Popik fand, ist ein Zeitungsartikel von 1995, 40 Jahre nach Einsteins Tod 1955, und sie nennt keine Quelle. Die Versionen weichen in der Aufteilung ab: 55 und 5 Minuten, 59 und 1, sogar 40 und 20.
Selbst Dwayne Spradlins bekannter HBR-Artikel von 2012 beginnt mit einer 59-Minuten-Version (HBR, 2012). Sein Argument trägt auch ohne sie: Wie gründlich du ein Problem definierst, ist der größte Faktor dafür, eine gute Lösung zu finden. Wenn du Stakeholder nach Belegen fragst, steig nicht mit einem Zitat ohne Quelle ein; nimm die Umfragezahlen von oben.
Wie viel Zeit sollte ein Product Manager für das Problem aufwenden?
Keine Studie hat das ideale Verhältnis gemessen, also nimm jede Zahl, auch die 80/20 im ursprünglichen Titel dieses Beitrags, als Provokation. Die meisten Teams liegen eher bei 20/80. Die besten drehen es um oder kommen zumindest auf 50/50.
Eine nützlichere Regel: Skaliere die Zeit im Problemraum mit der Größe der Wette und damit, wie schwer sie sich rückgängig machen lässt. Diese Tabelle ist ein Ausgangspunkt, kein Benchmark.
Größe der Wette
Zeit im Problemraum vor dem Bauen
Mindestbeleg
Unter einem Tag Arbeit, leicht umkehrbar
30–60 Minuten
Ein klares Ticketmuster oder ein direktes Nutzerzitat
1–2 Wochen Arbeit
2–3 Tage
3–5 Interviews oder beobachtete Sessions, plus eine Zählung der Tickets oder Anfragen
Ein Quartal oder mehr, oder schwer umkehrbar
2–4 Wochen
Eine schriftliche Problemformulierung, 8+ Gespräche, eine Baseline-Kennzahl und die Kosten des Workarounds
Wie bleibst du länger im Problemraum? Fünf Praktiken
1. Das Problem vor dem Backlog Grooming rahmen
Bevor ein Feature ins Refinement kommt, beantworte drei Fragen. Welchen Job will der Nutzer erledigen? Welcher Beleg zeigt, dass die Reibung existiert? Ist das die Engstelle oder ein Symptom? Wenn du nicht alle drei in zwei Minuten beantworten kannst, ist das Problem nicht reif für eine Lösung.
2. Nach Belegen fragen, nicht nach Formulierungskunst
Ein Problem überzeugend zu beschreiben ist kein Beleg. Belege sind vier Interviews, in denen du beobachtet hast, wie Nutzer auf die Reibung stoßen, ein Ticketmuster mit einer Zahl oder ein Experiment. Formulierungskunst bringt ein Projekt ins Rollen; Belege entscheiden, was gebaut wird. Unser Leitfaden zu Belegen für die vier Produktrisiken zeigt, was für jede Art von Risiko zählt.
3. Anfrage und Bedürfnis trennen
Die Anfrage ist meist ein Feature; das Bedürfnis ist meist ein Job to be done. Der PM, der „Können wir einen CSV-Export hinzufügen?“ hört und den CSV-Export bewertet, ist schon im Lösungsmodus. Der PM, der fragt „Warum bewegst du diese Daten, wohin gehen sie, was passiert, wenn du es nicht kannst?“, ist noch im Problemraum. Bleib dort länger, als sich bequem anfühlt. Jobs to be done gibt dir das Vokabular, und der kostenlose JTBD-Interviewleitfaden liefert die Fragen.
4. Eine explizite Problemformulierung schreiben
Eine Problemformulierung nennt kein Feature. Das hier ist eine: „Kunden, die mehr als drei Integrationen verbunden haben, können nicht schnell sehen, welche Datenquellen in einen bestimmten Insight eingeflossen sind, vertrauen deshalb dem Ergebnis nicht und gehen zurück zu den Rohdaten, was sie jedes Mal 30 Minuten kostet.“ „Wir brauchen eine bessere Insight-Zuordnung“ ist keine; das ist eine lösungsförmige Beschreibung eines Problems. Unsere Vorlage für Problemformulierungen führt durch das Format.
5. Fragen: Ist das eine Engstelle oder ein Symptom?
Manche Probleme sind die Wirkung von etwas, das weiter vorn liegt. Behebst du ein Symptom, bekommen Nutzer einen Workaround, der das eigentliche Problem verdeckt, während die Ursache bleibt. Eine Frage legt die Hierarchie offen: „Wenn wir das gelöst hätten, was wäre dann immer noch kaputt?“
Problem-Brief-Vorlage (zum Kopieren)
Fülle sie aus, bevor jemand eine Lösung nennt. Eine leere Zeile ist dein nächstes Stück Research.
PROBLEM BRIEF
Who has it: [segment; number of accounts or users affected]
Job they're doing: [in the customer's words]
Where it breaks: [step in the workflow; how often per week or month]
What it costs them: [minutes, money or risk, with the source]
What they do today: [workaround, competitor, or nothing]
Evidence: [n interviews, n tickets, metric; link each one]
Constraint or symptom: [if we solved this, what would still be broken?]
Biggest unknown: [the riskiest open question]
Solutions considered: [at least three, written only after the lines above]
Die letzte Zeile folgt Torres’ Rat, drei Lösungen zu erkunden, nicht eine (Product Talk, 2023).
Beispiel aus der Praxis: die CSV-Export-Anfrage (illustrativ)
Angenommen, ein 6-köpfiges B2B-SaaS-Team bekommt in einem Monat vier Anfragen nach CSV-Export. Das Engineering schätzt 3 Wochen.
Der PM verbringt stattdessen 3 Tage im Problemraum. Sie liest die 22 Support-Tickets, die den Export erwähnen, und interviewt 5 Anfragende. Vier von ihnen exportieren jeden Montag, um dieselben Zahlen in einen Wochenbericht für ihre Führungskraft einzufügen. Der fünfte braucht ein Backup für ein jährliches Audit.
Für 4 von 5 lautet das Bedürfnis „meiner Chefin die Wochenzahlen zeigen“, nicht „meine Daten herausholen“. Das Team vergleicht drei Optionen: den vollständigen CSV-Export (3 Wochen), einen teilbaren Dashboard-Link (1 Woche) und eine geplante wöchentliche Zusammenfassungs-E-Mail (4 Tage). Es liefert zuerst die E-Mail aus und fügt später einen schlichten Rohdatenexport für den Audit-Fall hinzu.
Drei Tage Problemarbeit ersetzten grob zwei Wochen Bauzeit, und das ausgelieferte Feature passte dazu, wie Leute die Daten nutzten. Echte Abwägungen sind selten so sauber, aber sie laufen selten in die andere Richtung.
Bremst Problemarbeit das Ausliefern nicht aus?
Nein. Der Punkt ist, die Arbeit vorzuziehen, damit das, was du auslieferst, mit höherer Wahrscheinlichkeit zählt. Teams, die ins Problem investieren, sind meist schneller, sobald sie zu bauen beginnen: Die falschen Lösungen sind ausgeschlossen, bevor jemand Code schreibt, und der Bau kehrt nicht auf halbem Weg um, wenn jemand fragt: „Moment, ist es das, was Nutzer brauchen?“ Teams, die das überspringen, liefern anfangs schneller aus und fragen sich dann monatelang, warum sich die Kennzahl nicht bewegt hat. Das Problemverständnis zu überspringen ist keine Geschwindigkeit. Es sind Schulden, und die Gewohnheit, die sie abbezahlt, ist stetiger Kundenkontakt, behandelt in Continuous Discovery.
Wann geht es schief, im Problemraum zu bleiben?
Das gegenteilige Scheitern gibt es auch.
Research als Vermeidung. Wenn kein Beleg die Entscheidung ändern könnte, verzögern weitere Interviews sie nur.
Billige Änderungen übergründlich untersuchen. Eine einstündige Textänderung braucht keine Woche Interviews. Liefere sie aus und beobachte.
Prototypen verweigern. Leute reagieren auf etwas Konkretes. Nutze einen groben Prototyp als Sonde, nicht als Festlegung.
Lösungsförmige Problemformulierungen. „Nutzer brauchen ein Dashboard“ schmuggelt die Antwort hinein. Formuliere um, bis kein Feature mehr genannt wird.
Menge mit Schwere verwechseln. Zehn Anfragen von Leuten, die nie abspringen würden, können weniger zählen als ein Blocker für deinen bestpassenden Kunden.
Wo Specky ins Spiel kommt
Der langsamste Teil der Arbeit im Problemraum ist, die Belege hinter einer Anfrage zu sammeln. Specky liest Kundengespräche, Feedback, Slack, Jira und Analytics in einen Product Graph, sodass die Belege für ein Problem verknüpft statt verstreut sind. Der Opportunity Tree hält Probleme und Lösungen auf getrennten Ebenen, und im PRD Editor entworfene Specs tragen Inline-Zitate zurück zu den Kundenbelegen. Wenn du zuerst die vollständige Methode willst, beginne mit unserem Leitfaden zum Product-Discovery-Prozess.
Häufig gestellte Fragen
Was ist der Unterschied zwischen Problemraum und Lösungsraum?
Der Problemraum ist die Welt des Kunden: wer ein Bedürfnis hat, wie oft, zu welchen Kosten und wie er heute damit zurechtkommt. Der Lösungsraum ist das, was du als Reaktion bauen könntest. Dan Olsens Product-Market-Fit-Pyramide ordnet Zielkunde und unterversorgte Bedürfnisse dem Problemraum zu, Feature-Set und User Experience dem Lösungsraum.
Was ist die Lösungsfalle im Product Management?
Die Lösungsfalle ist der Sprung von einer Anfrage oder Beschwerde direkt zum Bau eines Features, bevor jemand geprüft hat, wer das Problem hat, wie oft und zu welchen Kosten. Sie fühlt sich produktiv an, weil Lösungen konkret und demonstrierbar sind. Sie bringt Features hervor, die das echte Bedürfnis verfehlen, und das ist ein Grund, warum so viele Features weitgehend ungenutzt bleiben.
Hat Einstein gesagt, er würde 55 Minuten damit verbringen, das Problem zu definieren?
Dafür gibt es keinen Beleg. Quote Investigator fand keinen belastbaren Beleg für die Zuschreibung, und die früheste Einstein-Version, die Barry Popik fand, stammt aus einer Zeitung von 1995, 40 Jahre nach Einsteins Tod, ohne Quelle. Die Idee dahinter, dass es wichtiger ist, das Problem gut zu definieren, als es schnell zu lösen, ist stichhaltig. Das Zitat ist es nicht.
Wie viel Zeit sollte ein PM für das Problem im Vergleich zur Lösung aufwenden?
Keine Studie definiert ein ideales Verhältnis. Skaliere die Problemzeit mit der Größe und Umkehrbarkeit der Wette: eine Stunde für eine kleine umkehrbare Änderung, ein paar Tage für ein Feature von zwei Wochen, Wochen für eine quartalslange Wette. Als Maß für die Lücke: Produktleute in der Umfrage des Pragmatic Institute von 2019 verbrachten 27 % ihrer Zeit mit strategischer Arbeit, wollten aber 53 %.
Woher weißt du, dass du ein Problem gut genug verstehst, um zu bauen?
Du kannst jede Zeile eines Problem-Briefs mit Belegen füllen: wer es hat, wie oft, was es kostet, was die Leute heute tun und ob es eine Engstelle oder ein Symptom ist. Du kannst mindestens drei mögliche Lösungen nennen. Und du kannst sagen, welches Ergebnis nach dem Launch beweisen würde, dass du falsch lagst. Fehlt etwas davon, recherchiere weiter.
Ist es je richtig, im Lösungsraum zu beginnen?
Ja, wenn die Änderung billig und leicht umkehrbar ist oder wenn ein grober Prototyp der schnellste Weg ist, etwas über das Problem zu lernen. Ein Prototyp, den du fünf Nutzern zeigst, bringt das echte Bedürfnis oft schneller zutage als abstrakte Fragen. Das Risiko liegt darin, den Prototyp als Antwort zu behandeln statt als Sonde, die dich in den Problemraum zurückschickt.
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