Product Management Framework: 9 Modelle im Überblick

Ein Product Management Framework ist ein strukturierter Ansatz, mit dem Produktteams Ideen bewerten, priorisieren, umsetzen und messen. Bekannte Beispiele sind das Squad-Modell von Spotify, Working Backwards von Amazon, das HEART-Framework von Google und Shape Up von Basecamp. Für die Priorisierung von Features nutzen viele Teams zusätzlich RICE Scoring, das Kano-Modell oder die MoSCoW-Methode.

Das Wichtigste in Kürze

Ein Product Management Framework gibt Produktteams eine Struktur für Entscheidungen: von der Organisation der Teams über die Produktstrategie bis zur Messung des Erfolgs.
Organisations- und Strategieansätze wie Spotify Squads, Working Backwards, HEART, North Star Metric, A/B-Testing und Shape Up beantworten andere Fragen als Priorisierungsmodelle wie RICE, Kano und MoSCoW.
Kein Framework passt für alle: Viele Teams kombinieren etwa Kano für die Kundensicht, MoSCoW für den Umfang eines Releases und RICE für die Reihenfolge.
Nutzungsdaten aus der Software selbst machen die Entscheidungen belastbarer, zum Beispiel als Grundlage für Reach im RICE-Scoring oder für die HEART-Kennzahlen.

Product Management Frameworks
Was ist ein Product Management Framework?
6 Product Management Frameworks, die von führenden Unternehmen verwendet werden
Priorisierungsmodelle für das Produktmanagement
So unterstützen Digital Adoption Platforms (DAP) das Produktmanagement
Fazit

Produktmanagement ist ein strategischer Prozess, bei dem aus einer Produktidee ein Produkt entsteht, das während des gesamten Lebenszyklus optimiert wird, damit es immer die Erwartungen von Unternehmen und Kunden erfüllt. Der Prozess umfasst Marktanalysen, die Erstellung einer Produkt-Roadmap, die Priorisierung der Merkmale und die Koordination der funktionsübergreifenden Teams. Product Management Frameworks sind dabei gute Hilfsmittel für Entscheidungsfindung, Umsetzung und effiziente Abläufe.

In diesem Artikel erfahren Sie mehr über Produktmanagement-Frameworks, die bei Unternehmen wie Spotify, Amazon, Google, Facebook und Netflix entstanden sind oder dort bekannt wurden. Mit solchen Product Management Frameworks werden Workflows optimiert, Prioritäten gesetzt und das Wachstum angekurbelt.

Product Management Frameworks

Produktmanagement-Teams stützen sich bei ihrer Arbeit auf strukturierte Ansätze, die Produktmanagement-Frameworks genannt werden. Nachfolgend eine Übersicht über bekannte Methoden. Vor allem Großunternehmen unterscheiden dabei zwischen Priorisierungsmodellen (um die zu entwickelnden Features zu gewichten) und strategischen Ansätzen.

Spotify Squads: agile und autonome Teams für eine schnelle Iteration
Working Backwards von Amazon: kundenorientierter Ansatz, um die Produktstrategie festzulegen
HEART von Google: Framework, das die User Experience durch die Kriterien Happiness, Engagement, Adoption, Retention und Task Success misst
North Star Metric (NSM), z. B. bei Facebook: datenbasiertes und wachstumsorientiertes Modell
A/B-Testing von Netflix: testbasierte Methode für Produktentscheidungen
Shape Up von Basecamp: strukturierter Rahmen für Entwicklungszyklen mit fester Dauer
RICE Scoring: datenbasierte Priorisierung (Reichweite, Auswirkungen, Zuversicht und Aufwand)
Kano-Modell: Priorisierung mit Fokus auf die Kundenzufriedenheit
MoSCoW-Methode: Einteilung der Features in Must have, Should have, Could have und Won’t have

Was ist ein Product Management Framework?

Ein Product Management Framework hilft Produktverantwortlichen dabei, Produktideen zu entwickeln, zu priorisieren, umzusetzen und kontinuierlich zu verbessern. Diese Produktmanagement-Modelle unterstützen die Ausrichtung an den Zielen, fördern bessere Entscheidungen und ein schnelleres Wachstum. Einige Produktmanagement-Frameworks sind eher teamorientiert (z. B. Spotify Squads), während andere den Fokus auf die Entscheidungsfindung legen (z. B. Working Backwards von Amazon).

6 Product Management Frameworks, die von führenden Unternehmen verwendet werden

1. Spotify Squads: autonome, agile Produktmanagement-Teams

So ist das Spotify-Squad-Modell entstanden

Spotify entwickelte sein Squad-Modell in den frühen 2010er-Jahren, um Agilität und Autonomie zu verbinden und ein starkes Wachstum zu unterstützen. Ziel war es, eigenständige und funktionsübergreifende Teams zu bilden.

Wie funktioniert das Spotify-Squad-Modell?

Die grundlegenden Elemente dieses Frameworks sind:

Squads: autonome und multidisziplinäre Teams, die für ein Produktsegment verantwortlich sind.
Tribes: Squad-Gruppen, die Produktbereiche ganzheitlicher betrachten.
Chapters: Kompetenzbereiche (UX, Engineering …).
Guilds: informelle Gruppierungen zu bestimmten Themen (DevOps, KI …).

Vorteile	Nachteile
Ermutigt zu unabhängigen Entscheidungen.	Schwierig, die Teams aufeinander abzustimmen.
Unterstützt die funktionsübergreifende Zusammenarbeit.	Kann zu Doppelarbeit führen.
Ermöglicht Wachstum, ohne an Agilität zu verlieren.

2. Working-Backwards-Methode von Amazon: Prioritäten an Kundenbedürfnissen ausrichten

So ist die Working-Backwards-Methode entstanden

Die Working-Backwards-Methode von Amazon beginnt beim Kunden: Bevor ein Produkt entwickelt wird, schreibt das Team eine Pressemitteilung mit häufigen Fragen (PR/FAQ), als wäre das Produkt bereits auf dem Markt. Sie hat das Ziel, Kundenbedürfnisse über intern entwickelte Ideen zu stellen.

Wie funktioniert das Framework Working Backwards?

Zunächst wird das Kundenbedürfnis identifiziert und eine Produktidee entwickelt, die es erfüllt.
Dann wird eine Pressemitteilung verfasst, in der die Features und Produktvorteile beschrieben werden. In diesem Stadium hat die eigentliche Produktentwicklung noch nicht begonnen.
Nun wird ein FAQ-Dokument erstellt, das Fragen zur Umsetzung, den Auswirkungen und möglichen Hindernissen beantwortet.
Die Produktidee wird aufgrund interner Rückmeldungen verfeinert.

Vorteile	Nachteile
Die Kundenbedürfnisse stehen im Zentrum aller produktbezogenen Entscheidungen.	Zeitintensiver Dokumentationsprozess.
Vermeidet die Verschwendung von Ressourcen für Merkmale mit geringer Auswirkung.	Setzt ein umfassendes Marktverständnis voraus.

3. HEART-Framework von Google: die User Experience messen

So ist das HEART-Framework entstanden

Google hat das HEART-Framework eingeführt, damit die Produktmanagement-Teams die User Experience (UX) anhand aussagekräftiger Kennzahlen besser messen können.

Wie funktioniert das HEART-Framework?

HEART ist auf fünf zentrale UX-Indikatoren ausgerichtet.

· Happiness (Zufriedenheit): Kundenzufriedenheit (z. B. Net Promoter Score)

Engagement: aktive Nutzung, Interaktionen mit dem Produkt (z. B. Seitenaufrufe, Verweildauer)
Adoption (Akzeptanz): Anzahl neuer Nutzer
Retention (Bindung): Kundenbindungsrate
Task Success (Aufgabenerfolg): Erfolgsquote bei der Erledigung zentraler Aufgaben

Vorteile	Nachteile
Liefert messbare Daten über die User Experience.	Indikatoren können subjektiv und schwer messbar sein.
Hilft bei der Optimierung der Benutzerfreundlichkeit.

4. North Star Metric (NSM): datengestütztes Wachstum (Beispiel Facebook)

So ist North Star Metric entstanden

Die North Star Metric (NSM) stammt nicht von Facebook, sondern aus dem Growth-Marketing. Facebook gilt aber als bekanntes Beispiel für ein Unternehmen, das seine Produktteams an einer zentralen Kennzahl für den langfristigen Erfolg ausrichtet.

Wie funktioniert das Framework North Star Metric?

Basis ist die Identifizierung einer zentralen Kennzahl, die den langfristigen Erfolg abbildet (z. B. die Anzahl der täglich auf Facebook aktiven Nutzer).
Alle Anstrengungen der Produktentwicklung sind darauf ausgerichtet, diesen Indikator zu verbessern.

Vorteile	Nachteile
Die Teams konzentrieren sich auf Aktivitäten, die Wachstum generieren.	Kann zu einer einseitigen Fixierung auf eine Kennzahl führen.
Erleichtert die Abstimmung zwischen funktionsübergreifenden Teams.	Für Produkte im Anfangsstadium nicht immer geeignet.

5. A/B-Testing von Netflix: Tests als Grundlage für Entscheidungen

So ist das A/B-Testing von Netflix entstanden

Bevor Netflix ein neues Feature global einführt, wird dieses A/B-Tests unterzogen.

Wie funktioniert das A/B-Testing von Netflix?

Die Nutzer werden zufällig auf eine Test- und eine Kontrollgruppe verteilt.
Nur die Testgruppe erhält das neue Feature; erst wenn die Daten überzeugen, wird es für alle Nutzer eingeführt.
Die Entscheidung, ob das getestete Feature eingeführt wird oder nicht, wird auf der Basis konkreter Daten getroffen.

Vorteile	Nachteile
Verringert das Risiko eines Misserfolgs bei der Einführung neuer Produkte.	Kann Innovationszyklen verlangsamen.
Fördert datenbasierte Entscheidungen.	Erfordert viele Nutzer, damit die Ergebnisse verlässlich sind.

6. Shape Up von Basecamp: Entwicklung in festen Zyklen

So ist Shape Up entstanden

Die Methode Shape Up von Basecamp ist eine Alternative zu Vorgehensweisen wie Scrum und Kanban. Ihr Ziel ist es, Projekten einen klaren Rahmen zu geben.

Wie funktioniert das Framework Shape Up?

Shaping (Strukturierung): Bevor ein Projekt einem Team zugeteilt wird, wird es klar umrissen und detailliert ausgearbeitet.
Betting (Wetten): Die Verantwortlichen bestimmen, welche Projekte im nächsten Zyklus prioritär bearbeitet werden.
Building (Umsetzung): Das Team setzt das Projekt in einem festen Zyklus von meist sechs Wochen um.

Vorteile	Nachteile
Verhindert, dass ohne Rücksicht auf Termine und Ressourcen immer neue Funktionen hinzukommen (Scope Creep).	Setzt eine sorgfältige Ausarbeitung im Vorfeld voraus.
Fördert eine konzentrierte und gezielte Umsetzung.	Für Start-ups im Wachstumsprozess weniger geeignet.

Priorisierungsmodelle für das Produktmanagement

Damit Produktmanagement-Teams ihre Ressourcen sinnvoll einsetzen und sich auf rentable Projekte konzentrieren können, ist es wichtig, klare Prioritäten zu setzen. Lesen Sie mehr über drei gängige Modelle: RICE Scoring, das Kano-Modell und die MoSCoW-Methode.

7. RICE Scoring Model: datenbasierte Priorisierung

So ist das RICE-Scoring-Modell entstanden

Entwickelt wurde das RICE Scoring Model vom Messaging-Softwarehersteller Intercom. Dieser wollte seine Produktmanagement-Teams dabei unterstützen, Projekte und Features anhand von vier Schlüsselkriterien möglichst objektiv zu gewichten: Reach (Reichweite), Impact (Auswirkungen), Confidence (Zuversicht), Effort (Aufwand).

Wie funktioniert das RICE Scoring Model?

Beim RICE-Scoring wird jedes der Kriterien mit einem Zahlenwert bewertet:

Reach (Reichweite): Wie viele Nutzer sind innerhalb eines bestimmten Zeitraums davon betroffen?
Impact (Auswirkungen): Welche Auswirkungen hat das Feature auf die Nutzer? (Die Bewertung erfolgt auf einer Skala von 0,25 bis 3.)
Confidence (Zuversicht): Wie sicher ist sich das Team in der Bewertung? (Der Wert wird in Prozent angegeben, meist 100, 80 oder 50 %.)
Effort (Aufwand): Wie viel Arbeit erfordert die Umsetzung, gemessen in Personenmonaten?

Der RICE-Score wird mit folgender Formel berechnet: RICE-Score = (Reach × Impact × Confidence) ÷ Effort.

Vorteile	Nachteile
Objektive Entscheidungen, da die Priorisierung auf der Basis realer Daten getroffen wird.	Setzt präzise Einschätzungen voraus, da eine falsche Bewertung die Prioritäten verschieben kann.
Vermeidet voreingenommene Entscheidungen, da diese auf einer rationalen Grundlage getroffen werden und nicht auf Annahmen basieren.	Kann die Wahrnehmung des Kunden vernachlässigen, da sich die Gewichtung auf Indikatoren und weniger auf die Wahrnehmung der Nutzer stützt.
Gleichgewicht zwischen Aufwand und Auswirkungen, da Aktivitäten mit starken Auswirkungen und wenig Aufwand bevorzugt werden.

8. Das Kano-Modell: Priorisierung von Features auf Basis der Kundenzufriedenheit

So ist das Kano-Modell entstanden

Das Kano-Modell wurde 1984 von Noriaki Kano (Professor an der Tokyo University of Science) und Kollegen veröffentlicht. Es will Produktmanagement-Teams dabei unterstützen, Features nach ihrer Auswirkung auf die Kundenzufriedenheit zu gewichten.

Wie funktioniert das Kano-Modell?

Das Kano-Modell teilt Features in drei Hauptkategorien ein:

Basismerkmale: Sie sind für die Nutzer eine Grundvoraussetzung; fehlen sie, entsteht Unzufriedenheit.
Leistungsmerkmale: Sie haben einen direkten Einfluss auf die Kundenzufriedenheit; je besser sie erfüllt sind, desto zufriedener sind die Nutzer.
Begeisterungsmerkmale: Sie werden vom Nutzer nicht unbedingt erwartet und können die Zufriedenheit erheblich steigern.

Die Stärke des Kano-Modells liegt darin, dass es zeigt, welche Merkmale Kunden erwarten und welche sie begeistern. Den Entwicklungsaufwand berücksichtigt es nicht; dafür eignet sich zum Beispiel RICE.

Vorteile	Nachteile
Auf den Kunden ausgerichtet, da es dem Produktmanagement hilft, die Prioritäten aufgrund echter Kundenbedürfnisse festzulegen.	Aufwendig, da es Kundenumfragen und fundierte Rückmeldungen erfordert.
Hilft, Ressourcen gezielt auf Merkmale mit großer Wirkung auf die Zufriedenheit zu lenken.	Die Erwartungen können sich im Laufe der Zeit verändern; was heute „Begeisterung“ auslöst, kann morgen als Grundvoraussetzung betrachtet werden.
Unterstützt die Einführung unerwarteter Features und fördert dadurch Innovationen.

9. MoSCoW-Priorisierung: Must have, Should have, Could have und Won’t have

So ist die MoSCoW-Priorisierung entstanden

Die MoSCoW-Priorisierung wurde von Dai Clegg entwickelt, als dieser in den 1990er-Jahren bei Oracle arbeitete. Sie stellt einen einfachen Rahmen dar, um Produktanforderungen nach ihrer geschäftlichen Notwendigkeit zu priorisieren.

Wie funktioniert die MoSCoW-Priorisierung?

Die Features werden hier in vier Kategorien eingeteilt:

Must Have (Muss): Anforderungen, die für das Produkt unverzichtbar sind.
Should Have (Soll): Wichtige Produktfeatures, die trotz ihrer hohen Priorität zurückgestellt werden können.
Could Have (Kann): Wünschenswerte Features, die einen Mehrwert darstellen würden, aber keine hohe Priorität haben.
Won’t Have (diesmal nicht): Anforderungen, die im derzeitigen Stadium bewusst nicht berücksichtigt werden.

Vorteile	Nachteile
Einfach und intuitiv, für die Produktmanagement-Teams leicht verständlich.	Keine quantitative Bewertung, Entscheidungen sind möglicherweise subjektiv.
Unterstützt das Scope Management und verhindert das Hinzufügen unnötiger Features.	Kann die Kundenbedürfnisse vernachlässigen, da es sich stärker auf Geschäftsanforderungen als auf die Erwartungen der Nutzer stützt.
Bringt die verschiedenen Beteiligten auf eine Linie und fördert die Einigung auf Prioritäten.

Das richtige Framework für Ihr Produktmanagement-Team

Je nach den individuellen Produktanforderungen eignet sich ein anderes Modell:

Für schnelle Produktentwicklungen → Spotify Squads
Für kundenorientierte Priorisierung → Working-Backwards-Methode von Amazon
Für das Messen der User Experience → HEART von Google
Für datenbasiertes Wachstum → North Star Metric (NSM)
Für Tests → A/B-Testing von Netflix
Für strukturiertes Projektmanagement → Shape Up von Basecamp

Manche Produktmanagement-Teams kombinieren mehrere Ansätze, um eine maximale Effizienz zu erzielen. Es gibt zum Beispiel Unternehmen, die mit Spotify Squads auf einen teamorientierten Ansatz setzen und gleichzeitig das A/B-Testing für die Entscheidungsfindung nutzen.

RICE, Kano-Modell oder MoSCoW: Welches Priorisierungsmodell passt?

Die drei Priorisierungsmodelle beantworten unterschiedliche Fragen und lassen sich gut kombinieren:

Modell	Leitfrage	Ergebnis	Geeignet, wenn …
RICE Scoring	Welche Idee bringt die meiste Wirkung pro Aufwand?	Punktwert und Rangfolge	Daten zu Reichweite und Aufwand vorliegen
Kano-Modell	Wie wirkt ein Merkmal auf die Zufriedenheit?	Basis-, Leistungs- und Begeisterungsmerkmale	Sie die Sicht der Nutzer per Befragung erheben können
MoSCoW-Methode	Was gehört in dieses Release?	Must, Should, Could, Won’t have	der Umfang mit vielen Beteiligten abgestimmt werden muss

Ein bewährter Ablauf: Zuerst zeigt eine Kano-Analyse, welche Merkmale Nutzer selbstverständlich erwarten und welche sie begeistern. Mit MoSCoW legen Sie dann fest, was in das nächste Release gehört; Basismerkmale sind dabei meist Must-haves. Innerhalb der Must- und Should-haves bringt das RICE-Scoring die Anforderungen in eine nachvollziehbare Reihenfolge. Das gilt auch für interne Unternehmenssoftware: Dort sind die Mitarbeitenden die Kunden, und ihre Rückmeldungen und Nutzungsdaten liefern die Grundlage für alle drei Modelle.

So unterstützen Digital Adoption Platforms (DAP) das Produktmanagement

Die aufgeführten Frameworks helfen zwar bei Produktentscheidungen, geht es jedoch um die Nutzer im Unternehmen, liefern Digital Adoption Platforms (DAP) wertvolle Daten und Informationen für fundierte Entscheidungen. Eine DAP wie Knowmore kann:

Analysen bereitstellen, wie die Nutzer mit neuen Features umgehen.
Produktschulungen anbieten, um die Akzeptanz der Features zu verbessern.
Reibungspunkte aufzeigen, um Produktentscheidungen zu verfeinern.

Mit einer digitalen Adoptionsplattform können Sie:

Den Nutzern ein individuelles Onboarding bieten, um sie im Umgang mit der Software anzuleiten und ihnen deren Nutzen aufzuzeigen.
Ihre Wissensdatenbank mit einem interaktiven Selbsthilfesystem immer auf dem neuesten Stand halten, sodass die Nutzer Informationen suchen (und finden) können, sobald sich das Produkt weiterentwickelt.
Tooltips mit Hinweisen sowie interaktive Leitfäden bereitstellen, sodass die Nutzer zum richtigen Zeitpunkt unterstützt werden, ohne dass sie ihren Arbeitsablauf unterbrechen müssen.
Updates für Features, Änderungen und andere Informationen gezielt mit Pop-ups ankündigen, damit die Nutzer informiert sind und motiviert bleiben.
Rückmeldungen in Echtzeit über Umfragen einholen, die in die Anwendung integriert sind. Auf diese Weise können Sie die Nutzerzufriedenheit bewerten, Produktfeatures optimieren und die Customer Experience kontinuierlich verbessern.

Wenn Produktteams die Nutzungsdaten der DAP mit ihren Frameworks verknüpfen, etwa als Grundlage für Reach im RICE-Scoring oder für die HEART-Kennzahlen, treffen sie fundierte und nutzerorientierte Entscheidungen.

Fazit

Den einen richtigen Ansatz für Produktmanagement gibt es nicht. Gute Produktmanagement-Teams stützen sich nicht nur auf ein einziges Framework, sondern passen dieses an oder kombinieren verschiedene Ansätze, um spezifischen Anforderungen gerecht zu werden.

Ob Sie Ihre Teams mit Spotify Squads autonomer machen, die Kundenorientierung mit Working Backwards von Amazon verbessern oder Prioritäten auf der Basis konkreter Daten mit dem RICE-Scoring-Modell setzen: Es ist wichtig, flexibel zu sein. Gutes Produktmanagement besteht nicht darin, eine bestimmte Vorgehensweise blindlings umzusetzen, sondern zu wissen, wann man von Regeln abweichen sollte, um etwas wirklich Neues zu schaffen.

Welches Framework ist das beste für Ihr Produktmanagement-Team?

Häufig gestellte Fragen

Was sind die bekanntesten Product Management Frameworks?

Zu den bekanntesten Product Management Frameworks zählen das Squad-Modell von Spotify, Working Backwards von Amazon, das HEART-Framework von Google, die North Star Metric, A/B-Testing und Shape Up von Basecamp. Für die Priorisierung von Features kommen RICE Scoring, das Kano-Modell und die MoSCoW-Methode hinzu. Welche Kombination passt, hängt von Teamgröße, Datenlage und Produktphase ab.

Wird das Spotify-Modell heute noch genutzt?

Das Spotify-Modell mit Squads, Tribes, Chapters und Guilds wurde 2012 durch das Whitepaper „Scaling Agile @ Spotify“ von Henrik Kniberg und Anders Ivarsson bekannt. Es war nie als festes Framework gedacht, sondern beschrieb die damalige Arbeitsweise von Spotify. Laut Atlassian nutzt Spotify selbst die ursprüngliche Form nicht mehr. Viele Unternehmen übernehmen heute einzelne Elemente statt des ganzen Modells.

Was ist eine PR/FAQ bei Amazon?

Die PR/FAQ ist das zentrale Werkzeug der Working-Backwards-Methode von Amazon. Bevor ein Produkt entwickelt wird, schreibt das Team eine Pressemitteilung von höchstens einer Seite, als wäre das Produkt bereits auf dem Markt, und ergänzt sie um häufige Fragen. Das Dokument wird überarbeitet und geprüft, bevor Entwicklungsressourcen fließen (About Amazon).

Was ist der Unterschied zwischen einem Product Management Framework und einer Priorisierungsmethode?

Ein Product Management Framework strukturiert die gesamte Produktarbeit, etwa die Organisation der Teams, die Ausrichtung am Kunden oder die Erfolgsmessung. Eine Priorisierungsmethode wie RICE, Kano oder MoSCoW ist dagegen ein Werkzeug für eine einzelne Aufgabe: zu entscheiden, welche Features zuerst umgesetzt werden. Priorisierungsmethoden sind also oft Bausteine innerhalb eines größeren Frameworks.