AI Product Manager: Aufgaben, Gehalt, Anforderungen

Sobald ein Unternehmen seine erste KI-Anwendung ernsthaft produktiv einsetzen will, braucht es jemanden, der zwei Dinge zusammen verantwortet. Erstens die Entscheidung, was das Modell leisten muss. Zweitens die Gewähr, dass es im Alltag auch funktioniert. Diese Schnittstelle gehört dem AI Product Manager, im Deutschen oft KI-Produktmanager genannt. Er bringt KI-Produkte von der ersten Idee bis in den laufenden Betrieb. Er übersetzt zwischen Data Science, Fachbereichen und Geschäftsführung.

Der folgende Abschnitt gibt einen Überblick über die Tätigkeit eines AI Product Managers. Dazu kommen Hinweise zu Aufgabengebieten, Qualifikation und Vergütung.

Ein AI Product Manager ist ein Produktverantwortlicher. Seine Produkte tragen Künstliche Intelligenz im Kern, und er steuert sie. Dazu zählen z.B. Pricing-Algorithmen, Bilderkennungen oder KI-Assistenten. Beim klassischen Product Manager stehen klar programmierte Produkte im Mittelpunkt. Beim AI Product Manager sind es Systeme, deren Verhalten aus Daten entsteht und darum nie vollständig berechenbar bleibt. Experimente, Datenqualität und die Grenzen der Modelle wirken deshalb in nahezu jede Produktentscheidung hinein.

Die Abgrenzung zum Product Owner liegt im Zuschnitt. Das Backlog eines Teams priorisiert der Product Owner. Beim AI Product Manager kommen das Geschäftsergebnis und die Roadmap des KI-Produkts dazu. In der Praxis verschwimmen beide Titel allerdings. In kleineren Unternehmen übernimmt häufig eine einzige Person beide Rollen. Zu finden ist die Position überall dort, wo KI unmittelbar auf den Umsatz einzahlt. Also bei Plattformen und Softwareherstellern, in zunehmendem Maße auch im Mittelstand.

Das Handwerk des Produktmanagements sollte man für diese Rolle wirklich beherrschen. Discovery, Priorisierung und Stakeholder-Arbeit inbegriffen. Dazu kommt ein Gespür dafür, wie Machine-Learning-Systeme ticken. Ein Modell selbst zu trainieren, muss er nicht. Einschätzen können sollte er dagegen, ob ein Anwendungsfall mit den vorhandenen Daten überhaupt lösbar ist und welche Fehlerquote das Geschäft noch verkraftet.

Dazu kommt Datenkompetenz im Alltag. Konkret heißt das: Metriken wie Precision und Recall interpretieren, A/B-Tests sauber lesen. Mit Data Scientists auf Augenhöhe diskutieren, ohne ihnen ins Handwerk zu pfuschen. Aus dem Produktmanagement kommen die meisten AI Product Manager und erarbeiten sich das KI-Wissen Stück für Stück. Der Weg aus der anderen Richtung über die Data Science ist deutlich seltener.

AI Product Manager arbeiten in sehr unterschiedlichen Branchen. Und die Branche entscheidet unter anderem auch über das Gehaltsniveau. Dazu kommen Verantwortungsumfang und die Nähe des Produkts zum Umsatz. Zwischen 70.000 und 115.000 Euro liegt das Jahresbruttogehalt, im Mittel bei etwa 90.000 Euro. In der Rolle als Lead oder Head of AI Product sind in Konzernen auch höhere Pakete drin.

Im Kern beantwortet ein AI Product Manager immer wieder dieselbe Frage. Lohnt sich dieses KI-Investment, und woran machen wir das fest? Anwendungsfälle mit echtem Geschäftswert spürt er auf, prüft gemeinsam mit Data Science und Engineering, ob sie machbar sind, und priorisiert daraufhin die Roadmap. Noch während der Entwicklung legt er Qualitätsmetriken und Abnahmekriterien fest. Bei klassischer Software gibt es ein eindeutiges Fertig. Bei einem Modell nicht.

Mit dem Launch endet die Arbeit nicht. Danach rückt der Betrieb in den Vordergrund. Modelle driften mit der Zeit, weil sich die Daten im Markt verändern. Deshalb gehört das Monitoring der Modellqualität ebenso dazu wie das Nachschärfen. In größeren Teams passiert das in Abstimmung mit dem MLOps Engineer. Governance zählt ebenfalls zu seinen Aufgaben. Seit der EU AI Act schrittweise greift, ordnet er sein Produkt einer Risikoklasse zu und behält die Transparenzpflichten im Blick. Außerdem berichtet er regelmäßig ans Management und sorgt dort für realistische Erwartungen.

Der Umfang der Verantwortung, die technische Dimension und die vielen Schnittstellen stellen hohe Ansprüche. Eine ganze Bandbreite an Fähigkeiten muss ein AI Product Manager mitbringen.

Mit einer passenden Ausbildung allein reicht es für ein Anforderungsprofil wie dieses nicht. Gefragt sind vor allem mehrjährige Erfahrung und ein belastbares technisches Urteilsvermögen:

Dazu kommt beim AI Product Manager ein breites Spektrum an Soft Skills:

• Klare Vermittlung komplexer technischer Zusammenhänge
• Stakeholder-Management über Abteilungsgrenzen hinweg
• Priorisierungsstärke unter Unsicherheit
• Pragmatismus im Umgang mit unperfekten Modellen
• Neugier und ausgeprägte Lernbereitschaft
• Verhandlungssicheres Englisch

Einen vorgezeichneten Pfad in diese Rolle gibt es nicht. Viele AI Product Manager haben Wirtschaftsinformatik oder Informatik studiert. Andere sind BWLer. Einige kommen sogar aus der Psychologie. Wichtiger als die Studienrichtung ist, was danach kam. Also nachweisbare Produktverantwortung und ein belegbarer Umgang mit datengetriebenen Systemen.

Zertifikate zu Machine Learning oder Produktmanagement können den Einstieg erleichtern. Sie sind aber kein Praxisersatz. Wer im Gespräch nachvollziehbar schildert, woran ein eigenes KI-Feature gescheitert ist und was er daraus mitgenommen hat, überzeugt damit i.d.R. mehr als mit jeder Bescheinigung.

Drei Hebel wirken beim Gehalt besonders stark. Die Nähe des Produkts zum Umsatz, der Verantwortungsumfang und die Branche. Wer einen Pricing-Algorithmus verantwortet, über den wöchentlich Millionenumsätze laufen, verhandelt aus einer anderen Position als jemand, der ein internes Pilotprojekt begleitet.

Für AI Product Manager bewegt sich das jährliche Bruttogehalt zwischen 70.000 und 115.000 Euro. Im Durchschnitt liegt es um 90.000 Euro. Als Lead oder Head of AI Product, meist mit fachlicher Führung mehrerer Mitarbeitender, sind in Konzernen Gehälter über 115.000 Euro realistisch. Auf dieser Ebene kommt häufig ein variabler Anteil dazu. Seine Höhe läuft je nach Unternehmen stark auseinander.

Der häufigste Weg führt über das klassische Produktmanagement. Wer dort schon datengetriebene Features verantwortet hat, zum Beispiel eine Suche oder ein Empfehlungssystem, bringt die Basis mit und baut sich das KI-spezifische Wissen gezielt dazu. Der zweite Weg startet in der Data Science. Analysten, die lieber Produktentscheidungen treffen als Modelle bauen, wechseln hier auf die Produktseite.

Seltener, aber möglich bleibt der Quereinstieg aus dem Fachbereich, etwa aus dem Pricing oder dem Online-Marketing. Vorausgesetzt, dort wurde bereits eng mit Modellen gearbeitet. Bei allen drei Wegen hilft ein eigenes, vorzeigbares Projekt. Und sei es nur ein kleiner Prototyp mit frei verfügbaren Modellen. So etwas öffnet erfahrungsgemäß mehr Türen als ein weiteres Zertifikat.

Mit hohem Tempo verändert sich die Rolle des AI Product Managers gerade. Treiber Nummer eins sind agentenbasierte Systeme. Nicht länger plant er einzelne Features, sondern definiert Leitplanken, innerhalb derer ein Agent Teilaufgaben eigenständig erledigt. Bevor so ein Agent produktiv geht, braucht es klare Grenzen und sorgfältige Tests. Dafür zeichnet er verantwortlich.

Parallel setzt er KI auch in der eigenen Arbeit ein. Zum Beispiel für Prototypen, für die man früher Wochen eingeplant hätte. Bei der Besetzung sollte man deshalb weniger auf endlose Tool-Listen im Lebenslauf achten. Wichtiger ist, ob jemand den Nutzen eines KI-Produkts ehrlich messen kann. Und ob er das schon einmal gemacht hat.

Produkt- und KI-Rollen besetzt TechMinds über das Zusammenspiel aus gewachsenem Netzwerk und Direktansprache. Seit Jahren sind unsere Personalberater im Tech-Umfeld unterwegs. Deshalb erkennen sie schnell, ob jemand KI-Produktverantwortung wirklich getragen hat oder nur dabei war. 78 % der von uns vorgestellten Kandidaten werden zum Interview eingeladen. Statt ungefilterter Profile erhalten Sie von uns eine handverlesene digitale Shortlist. Sprechen Sie uns an und lassen Sie sich unverbindlich zu Ihrer Vakanz beraten. Weitere Details finden Sie in unserem Headhunter für KI, AI & ML.

Grafiken: Die Infografiken können gerne weitergegeben und eingesetzt werden. Bitte verweisen Sie dabei als Quelle auf diesen Beitrag oder techminds.de