Thomas Henderikx

Product Case · Vom Problem zum Prototyp

PackSplit: aus einem Alltagsproblem in kurzer Zeit ein fokussiertes Produkt

Problem verstehen, Scope radikal schneiden, UX konzipieren, AI-assisted umsetzen und in kurzen Zyklen iterieren.

  • Problem-Fokus
  • Scope-Reduktion
  • MVP
  • UX-Konzept
  • Product Flow
  • AI-assisted Prototyping
  • Iteration

Aktueller Stand: funktionsfähiger Prototyp, wird iterativ weiterentwickelt

Ausgangslage

Ein Alltagsproblem, das immer wieder auftrat – klein genug, um es schnell anzugehen, konkret genug, um es ernst zu nehmen.

Kein Team, kein Budget, kein Auftraggeber. Nur die Frage, ob sich das Problem mit einer schlanken digitalen Lösung besser löst als mit Improvisation.

Problem

Nicht die Idee war die Hürde, sondern der Weg dorthin: Was gehört wirklich in die erste Version, und wie kommt man ohne Entwicklungsteam zu etwas Nutzbarem?

Genau die Situation, in der Produktideen normalerweise in Konzeptdokumenten stecken bleiben.

Meine Rolle

Konzept, Scope, UX und Umsetzungssteuerung in einer Hand – vom Problemverständnis über den Product Flow bis zur iterierten Lösung.

Vorgehen

Problem verstehen → Scope schneiden → UX konzipieren → Product Flow entwickeln → AI-assisted umsetzen → in kurzen Zyklen iterieren.

AI-Tools kamen dort zum Einsatz, wo sie tatsächlich Zeit sparen: Prototyping und Umsetzung. Die Produktentscheidungen davor blieben klassische Product-Arbeit.

Zentrale Product-Entscheidungen

Bei kleinem Scope entscheidet vor allem, was bewusst nicht gebaut wird.

Ein Flow statt einer Feature-Idee

Ausgangslage

Rund um das Problem ließen sich schnell viele sinnvolle Funktionen denken.

Product-Frage

Welcher einzelne Ablauf muss funktionieren, damit die Lösung überhaupt einen Unterschied macht?

Entscheidung

Nur der zentrale Product Flow wurde gebaut, alles andere bewusst zurückgestellt.

Warum

Ein vollständig funktionierender Flow liefert echte Erkenntnisse; fünf halbe Funktionen liefern keine.

AI für Umsetzung, nicht für Produktentscheidungen

Ausgangslage

Umsetzung ohne Entwicklungsteam war die größte praktische Hürde.

Product-Frage

Wo beschleunigt AI wirklich – und wo würde sie Produktklarheit nur simulieren?

Entscheidung

Scope, UX und Flow wurden klassisch entschieden; AI-assisted Prototyping übernahm Design- und Umsetzungsschritte.

Warum

Geschwindigkeit ohne Klarheit erzeugt Ergebnisse, die niemand bewerten kann.

Artefakte aus dem Produkt

Jeder Screen zeigt eine Entscheidung, nicht nur ein Interface.

Product Screen: zentraler Flow
Der eine Ablauf, der zähltZeigt die Entscheidung, den Scope auf einen durchgängigen Flow zu reduzieren – kein Menü voller Nebenfunktionen.
Flow-Skizze: Problem → Lösung in Schritten
Flow vor InterfaceBelegt, dass der Ablauf vor dem Design geklärt wurde – die Grundlage für die schnelle Umsetzung.
Iterationsvergleich: Version 1 / Version 2
Iteration nach realer NutzungMacht sichtbar, welche Änderung aus tatsächlicher Nutzung entstanden ist – nicht aus einer Annahme.

Ergebnis / aktueller Stand

Aus dem Problem ist in kurzer Zeit ein funktionsfähiger Prototyp entstanden – bewusst klein geschnitten, auf den zentralen Flow fokussiert und iterativ weiterentwickelt.

Der eigentliche Wert liegt im Vorgehen: ein wiederholbarer Weg, aus einem konkreten Problem schnell etwas Greifbares zu machen.

Learnings

  • Ein enger Scope ist keine Einschränkung, sondern die Voraussetzung dafür, überhaupt etwas zu lernen.
  • AI beschleunigt Umsetzung, nicht Produktklarheit. Ohne definierten Flow entsteht schnell viel, aber wenig Brauchbares.
  • Würde ich wieder so machen: erst den einen zentralen Flow bauen, alles andere erst nach realer Nutzung entscheiden.

Du hast eine Idee, aber noch keine Umsetzungsgrundlage?