AI-Fluenz · Tägliche Praxis · 2023–heute

AI ist ein Werkzeug, kein Feature.

Ich baue seit drei Jahren mit LLMs. Ich habe einen AI-Tier bepreist, Production-Prompts geschrieben, Eval-Pipelines aufgebaut und mit Vibe-Coding ganze SaaS-Produkte gebaut. Hier ist ehrlich, was ich kann — und was nicht.

Stack · Täglich

Claude Code

Täglich. Haupttreiber für Writing, Specs, Code-Review.

Claude Design

UX/UI Sparringspartner. Pair mit Claude für Prototypen und Internal Tools.

Arize AI Phoenix

Für Prompt-Versioning und Eval-Tracking in Production.

GEMINI API

Bildgenerierung, Textgenerierung, Fallback-Modell.

ChatGPT Codex

Notfall Code-Agent, wenn Limits wieder erreicht sind.

Replit Agent

Quick-and-dirty Internal Tools & Automation.

Was ich tatsächlich gebaut habe

INFORM AI-Tier · LLM-Layer auf 4 Enterprise-Produkten.
Prompt-Versioning-System für 14 Production-Prompts, Phoenix-basiert.
Internal-PM-Tool: Specs → User-Stories → Jira, mit Claude-Agent.
Pricing-Calculator für Usage-Based Billing, self-serve.

POV · YouTube · Unscripted

POV - AI-Driven Product Management

Juni 2026 · YouTube ↗

Unscripted und ungefiltert, wie ich tatsächlich mit KI arbeite. Kanal abonnieren ↗

Ebenen der Fluenz

Nicht jeder PM braucht jede Ebene.

Ebene 1

User

Nutzt ChatGPT / Claude täglich, spart 2-3h pro Woche.

✓ Sicher

Ebene 2

Prototyper

Baut Prototypen, Internal Tools, Automationen ohne Dev-Ticket.

✓ Sicher

Ebene 3

Builder

Versteht Prompts als Code, baut Eval-Pipelines, besitzt LLM-Features in Production.

✓ Hier stehe ich

Ebene 4

Researcher

Fine-Tunt Modelle, trainiert Custom-Embeddings, arbeitet auf Paper-Ebene.

— Nicht mein Feld

Starke Meinungen · locker gehalten

+ Pro

AI-Features gehören ins Pricing, nicht in den Marketing-Header.

Wenn du deine AI-Capability nicht eigenständig bepreisen kannst, hast du noch kein Feature. Du hast ein Demo.

− Contra

Agents ersetzen (noch) keine PMs.

Sie ersetzen Discovery-Kalender, Spec-Drafts und erste Feature-Explorations. Nicht Urteilskraft über Kunden.

+ Pro

Eval > Prompt.

Ich investiere 10x mehr Zeit in Test-Sets als in Prompt-Engineering. Der Prompt ist eine Variable. Der Eval ist die Funktion.

− Contra

RAG wird überschätzt.

In meinen letzten drei Projekten war strukturiertes Output-Parsing hilfreicher als Retrieval. Context-Window-Inflation löst mehr, als Retrieval-Tuning je wird.

Diese Seite

Ich habe sie selbst gebaut — mit Claude als Pair.

Das Meta-Statement ist gewollt. Wenn ich nicht selbst mit diesen Werkzeugen bauen kann, sollte ich keinen Kandidaten dafür bepreisen.

Let's talk →