Zum Inhalt
CV
Workzvoove Skills12 Min. Lesezeit01 · Überblick
Nochmal starten

Initiative Case · AI Enablement · Designing with AIzvoove · Personaldienstleistung · 2025 – 2026

Aus meinen Arbeitsregeln wurde die AI-Infrastruktur des Teams.

Rolle im Projekt
InitiatorEigeninitiative, ohne Auftrag
Rahmen
AI Steering (Value Builders)Gründungsmitglied
Verantwortung
Skills und Fundamentzvoove Brain, Design- und PM-Skills, Knowledge Base und Design System angebunden, Leitplanken
Status
Live+2

Stand September 2026

  • Live

    Seit März 2026: 19 Skills zum Start, im August 2026 34 in drei Abteilungen

  • Im Einsatz

    Dark Factory seit August 2026 bei den Entwicklern, die Pipeline verantwortet Engineering

  • Offen

    Gemessen wird intern über erledigte Tickets (Tickets done)

und 2 weitere Zustände
S

Der Weg

  1. 01

    Erst das eigene Problem lösen

    Arbeitsweise aufschreiben, statt sie zu wiederholen.

    Ausgangslage

    • Was bremste

      • Design wurde zu spät eingebunden
      • AI passte nicht zum System
      • Kontext ging verloren
    • Die Entscheidung

      Statt jeden Tag dasselbe zu erklären, habe ich festgehalten, wie ich arbeite. Erst nur für mich, dann zeigte sich: Andere können damit genauso arbeiten.

  2. 02

    Wissen anschließen statt kopieren

    die Knowledge Base über MCP, mit ihrem Team verbessert.

    MCP

    Wissen über MCPAgent · neue SitzungNachbau · synthetische Daten
    1. Welche Felder braucht ein Stundenzettel-Export für Kunden?
    2. knowledge-base · search3 Treffer

      • 1Stundenzettel · DatenmodellEntität, 14 Felder
      • 2Export · CSV und PDFRichtlinie
      • 3Persona · DisponentinPersona

      Für den Kunden-Export reichen 9 der 14 Felder: Mitarbeitende, Einsatz, Datum, Beginn, Ende, Pausen, Stunden, Zuschläge und Freigabe. Interne Kostenstellen bleiben draußen.

      1Stundenzettel · Datenmodell2Export · CSV und PDF3Persona · Disponentin

    Nachricht schreiben …

    Nachbau: Ein Agent fragt die Knowledge Base über MCP ab, statt dass jemand Kontext in jede Sitzung kopiert.

  3. 03

    Product Manager bauen selbst

    PM-Skills und ein AI-ready Design System.

    Product

    Bis zum ersten Kundenfeedbackvereinfacht, nicht gemessen

    VorherFeedback nach der Umsetzung

    IdeeIdeeDer grobe Gedanke des PM.TicketTicketEin Ticket ohne Oberfläche.Warten auf DesignWarten auf DesignEin Designer für mehrere Teams: das Ticket wartet.EntwurfEntwurfDesign entwirft, PM stimmt ab.UmsetzungUmsetzungEngineering baut. Erst danach sehen Kunden etwas.KundenfeedbackKundenfeedbackErst nach der Umsetzung: Änderungen kosten jetzt einen Umbau.
    1. IdeeDer grobe Gedanke des PM.
    2. TicketEin Ticket ohne Oberfläche.
    3. Warten auf DesignEin Designer für mehrere Teams: das Ticket wartet.
    4. EntwurfDesign entwirft, PM stimmt ab.
    5. UmsetzungEngineering baut. Erst danach sehen Kunden etwas.
    6. KundenfeedbackErst nach der Umsetzung: Änderungen kosten jetzt einen Umbau.

    Mit den SkillsFeedback vor dem ersten Ticket

    IdeeIdeeDer grobe Gedanke des PM.Spec → PrototypSpec → PrototypPM-Skill und Prototyp-Skill: aus dem Gedanken wird eine Spec, daraus automatisch ein live-naher Prototyp in UnityUI.KundenfeedbackKundenfeedbackAm live-nahen Prototyp, bevor ein Ticket entsteht.Umweg entfälltKein Umweg bis zum FeedbackTicket, Warten auf Design, Entwurf und Umsetzung liegen jetzt nach dem ersten Kundenfeedback, nicht mehr davor.
    1. IdeeDer grobe Gedanke des PM.
    2. Spec → PrototypPM-Skill und Prototyp-Skill: aus dem Gedanken wird eine Spec, daraus automatisch ein live-naher Prototyp in UnityUI.
    3. KundenfeedbackAm live-nahen Prototyp, bevor ein Ticket entsteht.
    4. Kein Umweg bis zum FeedbackTicket, Warten auf Design, Entwurf und Umsetzung liegen jetzt nach dem ersten Kundenfeedback, nicht mehr davor.
    mit SkillsWartenKundenfeedbackPM-SkillPrototyp-Skill
  4. 04

    Eine Kette statt einzelner Prompts

    von der Idee bis zur Übergabe.

    Kette

    Die Kettefünf Stationen

    01Spec

    Aus einem Satz, einem Figma-Link oder Gesprächsnotizen wird eine baubare Spec: Persona, Problem, User Stories, Akzeptanzkriterien, Edge Cases.

    • Persona
    • Problem
    • User Stories
    • Akzeptanzkriterien
    • Edge Cases

    02Design-Refinement

    Zu jedem Ticket mit Oberfläche entsteht die Design-Aufgabe. Sie deckt Ablauf, Fehlerverhalten, Zustände, Rechte, Texte und Übersetzung ab und bleibt mit dem Ticket synchron.

    • Ablauf
    • Fehlerverhalten
    • Zustände
    • Rechte
    • Texte
    • Übersetzung

    03Figma zu UnityUI

    Abstände, Typografie, Farben und Layout kommen aus Figma und werden, gegen die Design Tokens geprüft, in UnityUI-Code übersetzt.

    • Abstände
    • Typografie
    • Farben
    • Layout

    gegen die Design Tokens geprüft

    04Quality Gate

    Jede Komponente wird aus sechs Blickwinkeln geprüft: Codequalität, Design-System-Treue, Barrierefreiheit, Sicherheit, Performance, Vollständigkeit, mit Schweregraden von P0 bis P3.

    • Codequalität
    • Design-System-Treue
    • Barrierefreiheit
    • Sicherheit
    • Performance
    • Vollständigkeit

    Schweregrade P0 bis P3

    05Übergabe

    Ein zehnteiliges Paket mit Kontext, Architekturentscheidungen, Testanleitung und einem schnellen Einstieg für Reviewer.

    • Kontext
    • Architekturentscheidungen
    • Testanleitung
    • Einstieg für Reviewer

    zehnteiliges Paket

  5. 05

    Keine Wirkung ohne ein Ja

    Jede Aktion wartet auf eine Freigabe.

    Freigabe

    Claude CodeBeispiel · sinngemäß
    1. /pm-ticket „Stundenzettel als CSV exportieren“
    2. Spec: Persona, Problem, User Stories, Akzeptanzkriterien, Edge Cases
    3. Design-Aufgabe: Ablauf, Fehlerverhalten, Zustände, Rechte, Texte
    4. Ticket anlegen und im Team kommentieren?
  6. 06

    Abgeben, um zu skalieren

    gemeinsame Struktur mit Reviews und Ownern.

    Team

    Vom Werkzeug zur Plattform
    1. 01Für michWorkflows und Skills, um als einziger Designer klarzukommen.
    2. 02AngeschlossenKnowledge Base über MCP, Zugänge mit ihrem Team verbessert.
    3. 03Für Product ManagerPM-Skills und das AI-ready Design System.
    4. 04zvoove BrainEnablement für die ganze Firma.
    5. 05zvoove SkillsWeitergeführt in den AI Steering (Value Builders), mit Reviews und Ownern.
  7. 07

    Das Material liefern, nicht die Pipeline

    Skills und Patterns für die Dark Factory.

    Agenten

    Dark Factory

    01Stundenzettel als CSV exportierenmit dem PM-Ticket-Skill entstanden

    1. ZVS-1482

      Stundenzettel als CSV exportieren

      darkfactoryon

    2. Pipeline

    3. Quality GateP0–P3

      • Codequalität
      • Design-System-Treue
      • Barrierefreiheit
      • Sicherheit
      • Performance
      • Vollständigkeit
    4. Code

      Pull Request

      Stundenzettel als CSV exportieren

      Checks bestanden

      wartet auf Review aus Engineering

    Mein Anteil

    Aus zvoove Skills. Die Pipeline verantwortet Engineering, mein Teil ist das Material, aus dem sie zieht.

    • PM-Ticket-Skillvon mir, mit dem Team weitergeführt
    • Design-Refinement-Skillfür die Dark Factory erweitert
    • UnityUI Pattern Libraryim Ausbau

    Stufe 5 von 5Agenten setzen Tickets selbstständig umIm Einsatz seit August 2026

  8. 08

    Von 19 auf 34 Skills

    Heute in den AI Steering (Value Builders), mit Reviews und sechs Ownern.

    heute

    Die BibliothekRepository-Stände
    1. 13.03.202619 Skillsvier Plugin-Pakete, alle von mir19 Skillsvier Plugin-Pakete, alle von mir
    2. August 202612von mirDesign- und PM-Skills, Wissen und Leitplanken22von fünf Kolleginnen und Kollegenaus Product, Design und Engineering34 SkillsProduct, Design und Engineering, sechs Owner

    12 von mir22 von fünf Kolleginnen und Kollegen

    Aus der Bibliothek, Auswahl

    • design-refinementDesign
    • unity-ui-qaDesign
    • unity-ui-pattern-genDesign
    • unity-ui-storybookDesign
    • product-specProduct
    • discovery-to-prototypeProduct
    • zvoove-wording-checkerProduct
    • user-insightsProduct
    • dev-handoverEngineering
    • jira-to-buildEngineering

Aus meinen Arbeitsregeln wurde die AI-Infrastruktur des Teams.

02 · Aus der Not

Ein Designer für viele Teams geht nur mit System

Bei zvoove Germany war ich der einzige Designer, zuständig für mehrere Teams und Produkte gleichzeitig. Jedes Team brauchte Design, und ich konnte nicht überall zugleich sein.

Also habe ich angefangen, mir selbst Arbeit abzunehmen. Eigene Workflows für AI-Werkzeuge baute ich schon seit September 2024; jetzt schrieb ich Workflows und Skills, die Research, Personas, Design-System-Regeln und Constraints bereithielten, damit ich sie nicht in jeder Sitzung neu erklären musste.

Was mich gebremst hat, und später alle anderen
  1. Design wurde zu spät eingebunden

    Fragen zu Zuständen, Fehlern, Rechten und Texten tauchten erst in der Umsetzung auf.

  2. AI passte nicht zum System

    Ergebnisse aus AI-Werkzeugen ignorierten UnityUI: hartcodierte Werte, falsche Komponenten, Abstürze.

  3. Kontext ging verloren

    Personas, Fachbegriffe wie AÜG und das Produktwording mussten in jeder Sitzung neu erklärt werden.

  4. Design skalierte nicht

    Wenige Designer, viele Teams: Jede Frage wartete auf einen Menschen.

  5. Keine gemeinsamen Regeln

    Jede Person arbeitete anders mit AI, und niemand war dafür zuständig.

Dazu kam, dass die Produktentwicklung insgesamt langsam war. Was mich als einzelnen Designer bremste, bremste auf Dauer alle.

03 · Wissen anschließen

Wissen anschließen, statt es zu kopieren

Parallel entstand bei zvoove eine Knowledge Base aus den Datenbankdaten zu unseren Produkten. Mit ihr sollte der Customer Support per AI-Chat alle Daten abrufen und Tickets und Anrufe einfacher beantworten können.

Ich habe sie über ihren MCP-Zugang an meine Workflows angebunden. Damit das auch für andere leicht wird, habe ich eng mit dem Team zusammengearbeitet, das die Knowledge Base verwaltet, und gemeinsam mit ihm die MCP-Zugänge verbessert.

Knowledge Base · eine Quelle, drei Wege

Knowledge Base

Produktdaten aus der Datenbank, erreichbar über MCP.

MCP
  • Meine Workflows

    Über den MCP-Zugang angebunden, gemeinsam mit dem Team verbessert.

  • Customer Support

    AI-Chat für Tickets und Anrufe.

  • zAIn

    Vom Proof of Concept zum AI-Layer im Produkt.

Aus derselben Knowledge Base entstand noch etwas anderes. Der PM Lead, der Tech Lead und ich hatten dieselbe Idee: daraus einen AI-Assistenten für das Produkt zu machen. Wir starteten eine Initiativgruppe, bauten einen Proof of Concept und trieben ihn intern voran. Daraus wurde zAIn und später der ganze AI-Layer im Produkt.

Learning

Ein Skill ist nur so gut wie das Wissen, an das er angeschlossen ist. Den Zugang zu verbessern, war mehr wert als jeder weitere Prompt.

04 · Für Product Manager

Product Manager bauen Prototypen, die sich echt anfühlen

Als meine eigenen Workflows trugen, habe ich angefangen, Skills für Product Manager zu schreiben: vom groben Gedanken zur strukturierten Spec, vom Ticket zur Design-Aufgabe.

Gleichzeitig habe ich das Design System eingebracht. UnityUI ist ein bestehendes System, das ich nicht erschaffen habe. Getrennt von den Skills habe ich es ab Herbst 2025 AI-ready gemacht, zuerst mit Figma Make, später mit dem Frontend Lead. Seitdem funktioniert es in Figma Make, Claude Design, Claude Code, Codex und Lovable.

Zwei Stränge, ein Ergebnis
  1. Strang 1

    PM-Skills

    Specs, Tickets und Design-Aufgaben in derselben Struktur, mit Personas und Fachbegriffen aus dem gemeinsamen Fundament.

  2. Strang 2

    AI-ready Design System

    UnityUI mit Tokens und Komponenten, die AI-Werkzeuge richtig einsetzen.

  3. Ergebnis

    Live-nahe Prototypen

    Product Manager validieren damit selbst, betreiben Discovery und unterlegen Tickets und Anforderungen. Wir arbeiten gemeinsam in Claude Design oder Figma Make, bis ich Feinarbeit und States übernehme.

Bis zum ersten Kundenfeedbackvereinfacht, nicht gemessen

VorherFeedback nach der Umsetzung

IdeeIdeeDer grobe Gedanke des PM.TicketTicketEin Ticket ohne Oberfläche.Warten auf DesignWarten auf DesignEin Designer für mehrere Teams: das Ticket wartet.EntwurfEntwurfDesign entwirft, PM stimmt ab.UmsetzungUmsetzungEngineering baut. Erst danach sehen Kunden etwas.KundenfeedbackKundenfeedbackErst nach der Umsetzung: Änderungen kosten jetzt einen Umbau.
  1. IdeeDer grobe Gedanke des PM.
  2. TicketEin Ticket ohne Oberfläche.
  3. Warten auf DesignEin Designer für mehrere Teams: das Ticket wartet.
  4. EntwurfDesign entwirft, PM stimmt ab.
  5. UmsetzungEngineering baut. Erst danach sehen Kunden etwas.
  6. KundenfeedbackErst nach der Umsetzung: Änderungen kosten jetzt einen Umbau.

Mit den SkillsFeedback vor dem ersten Ticket

IdeeIdeeDer grobe Gedanke des PM.Spec → PrototypSpec → PrototypPM-Skill und Prototyp-Skill: aus dem Gedanken wird eine Spec, daraus automatisch ein live-naher Prototyp in UnityUI.KundenfeedbackKundenfeedbackAm live-nahen Prototyp, bevor ein Ticket entsteht.Umweg entfälltKein Umweg bis zum FeedbackTicket, Warten auf Design, Entwurf und Umsetzung liegen jetzt nach dem ersten Kundenfeedback, nicht mehr davor.
  1. IdeeDer grobe Gedanke des PM.
  2. Spec → PrototypPM-Skill und Prototyp-Skill: aus dem Gedanken wird eine Spec, daraus automatisch ein live-naher Prototyp in UnityUI.
  3. KundenfeedbackAm live-nahen Prototyp, bevor ein Ticket entsteht.
  4. Kein Umweg bis zum FeedbackTicket, Warten auf Design, Entwurf und Umsetzung liegen jetzt nach dem ersten Kundenfeedback, nicht mehr davor.
mit SkillsWartenKundenfeedbackPM-SkillPrototyp-Skill

Vorher kam das erste Kundenfeedback erst nach der Umsetzung: Die Idee wurde zum Ticket ohne Oberfläche, wartete auf Design, ging in Entwurf und Abstimmung und dann in die Umsetzung. Mit den Skills bekommen Product Manager das Feedback am live-nahen Prototyp, vor dem ersten Ticket.

AI Playbook 2.0 Lite

Für meine PM-Kollegen habe ich das AI Playbook 2.0 Lite geschrieben: wie man mit Claude, Claude Design und Claude Code baut, wie man Skills aus dem zvoove-Skills-Plugin einbindet und wofür man was nimmt, mit wöchentlichen Learnings und geteilter Verantwortung.

05 · Die Kette

Von der Idee bis zur Übergabe, Schritt für Schritt

Einzelne Prompts helfen einer Person. Eine Organisation braucht eine Kette, in der jeder Schritt das Ergebnis des vorherigen aufnimmt, prüft und weitergibt. Am 13.03.2026 lag sie als 19 Skills in vier Plugin-Paketen im Repository, alle von mir geschrieben.

Die Kettefünf Stationen

01Spec

Aus einem Satz, einem Figma-Link oder Gesprächsnotizen wird eine baubare Spec: Persona, Problem, User Stories, Akzeptanzkriterien, Edge Cases.

  • Persona
  • Problem
  • User Stories
  • Akzeptanzkriterien
  • Edge Cases

02Design-Refinement

Zu jedem Ticket mit Oberfläche entsteht die Design-Aufgabe. Sie deckt Ablauf, Fehlerverhalten, Zustände, Rechte, Texte und Übersetzung ab und bleibt mit dem Ticket synchron.

  • Ablauf
  • Fehlerverhalten
  • Zustände
  • Rechte
  • Texte
  • Übersetzung

03Figma zu UnityUI

Abstände, Typografie, Farben und Layout kommen aus Figma und werden, gegen die Design Tokens geprüft, in UnityUI-Code übersetzt.

  • Abstände
  • Typografie
  • Farben
  • Layout

gegen die Design Tokens geprüft

04Quality Gate

Jede Komponente wird aus sechs Blickwinkeln geprüft: Codequalität, Design-System-Treue, Barrierefreiheit, Sicherheit, Performance, Vollständigkeit, mit Schweregraden von P0 bis P3.

  • Codequalität
  • Design-System-Treue
  • Barrierefreiheit
  • Sicherheit
  • Performance
  • Vollständigkeit

Schweregrade P0 bis P3

05Übergabe

Ein zehnteiliges Paket mit Kontext, Architekturentscheidungen, Testanleitung und einem schnellen Einstieg für Reviewer.

  • Kontext
  • Architekturentscheidungen
  • Testanleitung
  • Einstieg für Reviewer

zehnteiliges Paket

06 · Leitplanken

Keine Wirkung ohne ein Ja

AI, die Tickets anlegt oder Kommentare schreibt, braucht klare Grenzen. Für alle Skills gilt deshalb dieselbe Regel: Ein Skill startet von selbst, wenn die Anfrage passt. Jede Aktion mit echter Wirkung wartet aber auf eine ausdrückliche Freigabe.

Claude CodeBeispiel · sinngemäß
  1. /pm-ticket „Stundenzettel als CSV exportieren“
  2. Spec: Persona, Problem, User Stories, Akzeptanzkriterien, Edge Cases
  3. Design-Aufgabe: Ablauf, Fehlerverhalten, Zustände, Rechte, Texte
  4. Ticket anlegen und im Team kommentieren?
PrinzipienWie die Bibliothek Qualität hält
  1. Freigabe vor Wirkung

    Tickets, Kommentare und Nachrichten entstehen erst nach einem Ja.

  2. Ein gemeinsames Fundament

    Personas, Glossar, Produktwording und AI-Guardrails liegen einmal zentral. Alle Skills greifen darauf zu, statt sie zu kopieren.

  3. Reviews je Abteilung

    Änderungen laufen über Pull Requests. Design, Product und Engineering prüfen jeweils ihren Bereich.

  4. Automatische Prüfung

    Jeder Skill wird vor dem Merge automatisch validiert.

Dazu kommt das AI Playbook, das ich geschrieben habe: allgemeine Regeln für die Arbeit mit AI, mit Prompt-Hilfen, Richtung, Mission und Vision, und mit der Forderung, AI-gebaute Arbeit zu kennzeichnen. Es wird konzernweit genutzt. Im August 2026 kam der Skill-Katalog dazu, der die Skills für alle auffindbar macht.

07 · Zur Plattform

Aus meinem Werkzeug wurde Infrastruktur

Aus meinen Workflows wurde zvoove Brain: die Idee, das Wissen der Firma an Rollen, Workflows und Prozesse anzubinden, damit alle alles parat haben und niemand suchen muss. Ein Enablement für die ganze Firma, angestoßen ohne Auftrag.

Vom Werkzeug zur Plattform
  1. 01Für michWorkflows und Skills, um als einziger Designer klarzukommen.
  2. 02AngeschlossenKnowledge Base über MCP, Zugänge mit ihrem Team verbessert.
  3. 03Für Product ManagerPM-Skills und das AI-ready Design System.
  4. 04zvoove BrainEnablement für die ganze Firma.
  5. 05zvoove SkillsWeitergeführt in den AI Steering (Value Builders), mit Reviews und Ownern.

Der VP of Engineering gründete die AI Steering (Value Builders), um die AI-Themen und das Enablement bei zvoove Germany zu steuern. Ich bin Gründungsmitglied. Dort wurde aus zvoove Brain zvoove Skills. Ich verantworte die Skills, darunter alle Design-Skills.

Die BibliothekRepository-Stände
  1. 13.03.202619 Skillsvier Plugin-Pakete, alle von mir19 Skillsvier Plugin-Pakete, alle von mir
  2. August 202612von mirDesign- und PM-Skills, Wissen und Leitplanken22von fünf Kolleginnen und Kollegenaus Product, Design und Engineering34 SkillsProduct, Design und Engineering, sechs Owner

12 von mir22 von fünf Kolleginnen und Kollegen

Das wichtigste Ergebnis steht nicht in der Zahl der Skills, sondern in den Owner-Einträgen: Kolleginnen und Kollegen aus anderen Teams schreiben und pflegen inzwischen eigene Skills. Verteilt wird die Bibliothek als Plugin-Marketplace für Claude Code und Cursor.

08 · Dark Factory

Eine Automation ist nur so gut wie das System, das sie liest

Dark Factory heißt die Stufe, auf der Agenten Tickets selbstständig umsetzen, die fünfte Stufe in Dan Shapiros öffentlichem Reifemodell für AI-gestütztes Programmieren. Bei zvoove startete sie im August 2026 als Pilot und ist heute bei den Entwicklern im Einsatz. Die Pipeline verantwortet Engineering.

Mein Teil ist das Material, aus dem sie zieht. Ein Ticket, das mit meinem PM-Ticket-Skill entstanden ist, lässt sich mit „darkfactory on“ an die Dark Factory übergeben. Damit die Ergebnisse besser werden, habe ich begonnen, den Design-Refinement-Skill für sie zu erweitern und die UnityUI Pattern Library auszubauen.

Dark Factory

01Stundenzettel als CSV exportierenmit dem PM-Ticket-Skill entstanden

  1. ZVS-1482

    Stundenzettel als CSV exportieren

    darkfactoryon

  2. Pipeline

  3. Quality GateP0–P3

    • Codequalität
    • Design-System-Treue
    • Barrierefreiheit
    • Sicherheit
    • Performance
    • Vollständigkeit
  4. Code

    Pull Request

    Stundenzettel als CSV exportieren

    Checks bestanden

    wartet auf Review aus Engineering

Mein Anteil

Aus zvoove Skills. Die Pipeline verantwortet Engineering, mein Teil ist das Material, aus dem sie zieht.

  • PM-Ticket-Skillvon mir, mit dem Team weitergeführt
  • Design-Refinement-Skillfür die Dark Factory erweitert
  • UnityUI Pattern Libraryim Ausbau

Stufe 5 von 5Agenten setzen Tickets selbstständig umIm Einsatz seit August 2026

Learning

Automation verschiebt Arbeit, statt sie abzuschaffen. Je weniger Menschen zwischen Ticket und Code stehen, desto genauer müssen Regeln, Patterns und Skills sein.

09 · Ergebnis

Was daraus geworden ist

  1. Wissen anbinden

    Knowledge Base über MCP angebunden, gemeinsames Fundament

    Kontext nicht mehr in jeder Sitzung erklären

  2. Product Manager befähigen

    PM-Skills und AI-ready UnityUI in fünf Werkzeugen

    Prototypen ohne Umweg über Design

  3. Skalieren

    34 Skills, sechs Owner (August 2026)

    von einer Person zur Organisation

  4. Verankern

    AI Steering (Value Builders), Reviews je Abteilung

    Verantwortung über mich hinaus

  5. Automatisieren

    Dark Factory im Einsatz bei den Entwicklern

    Tickets ohne Handarbeit umsetzen

  6. Was noch offen istoffen

    intern über Tickets done

    Wirkung messen

Fazit

Ich habe nicht AI eingeführt. Ich habe aufgeschrieben, wie wir arbeiten, und es so angeschlossen, dass AI danach arbeiten kann.

10 · Rückblick

Was ich gelernt habe und heute anders machen würde

Einordnung

  1. Was noch offen ist

    Gemessen wird intern über erledigte Tickets (Tickets done). Belegt sind Umfang, Struktur und wer Skills beiträgt.

  2. Ab der Übergabe ist es Teamleistung

    Seit die Bibliothek im AI Steering liegt, wächst sie durch viele: 22 der 34 Skills stammen von anderen.

  3. Die Pipeline ist nicht meine

    Die Dark Factory verantwortet Engineering. Mein Anteil ist das Material, aus dem sie zieht.

  4. UnityUI habe ich nicht erschaffen

    Ich habe das bestehende System AI-ready gemacht, zuerst allein, dann mit dem Frontend Lead.

  5. zAIn war eine gemeinsame Initiative

    Die Idee zum Assistenten hatten PM Lead, Tech Lead und ich zusammen. Die Skills habe ich allein angestoßen.

  6. Stand September 2026

    Alle Angaben beziehen sich auf diesen Stand.

Learnings

  1. Wo ich klemme, klemmt bald die Organisation

    Wer allein viele Teams trägt, sieht früh, wo das System klemmt. Was mich bremste, hätte bald alle gebremst. Ich habe es gelöst, bevor es dazu kam.

  2. Wissen schlägt Prompts

    Die größten Sprünge kamen durch bessere Zugänge zu Wissen, nicht durch bessere Formulierungen.

  3. Leitplanken schaffen Vertrauen

    Weil nichts ohne ein Ja passiert, lassen sich Aufgaben an AI übergeben, ohne die Kontrolle abzugeben.

  4. Abgeben ist Skalieren

    Die Bibliothek ist gewachsen, seit sie nicht mehr nur mir gehört.

Was ich heute anders machen würde

  1. Von Anfang an messen

    Ich würde vor dem Start eine Ausgangsbasis erheben: wie lange es vom Ticket bis zur Übergabe dauert und wie oft Design-Fragen zu spät kommen. Ohne sie bleibt der Effekt eine gute Geschichte statt eines Belegs.

  2. Früher einen Rahmen suchen

    Ich habe lange allein gebaut. Mit dem AI Steering kamen Reviews und Owner. Diesen Rahmen hätte ich früher suchen können, statt ihn nachträglich einzuziehen.

  3. Pflege mitplanen

    Das AI Playbook wird konzernweit genutzt, aber nicht mehr gepflegt. Heute würde ich für jedes Artefakt von Anfang an festlegen, wer es pflegt, so wie es die Skills heute mit ihren Ownern haben.

  4. Mit wenigen Skills und echten Teams beginnen

    Weniger Skills, früher mit einzelnen Teams erprobt, hätten schneller gezeigt, welche tragen.

Ich habe es gebaut, um zu verstehen, wie so etwas funktioniert. In die Firma gebracht habe ich es, weil ein System erst etwas wert ist, wenn andere damit arbeiten.

Maximilian Dahl

fin (for now)

CV · Maximilian Dahl
Alles in einfach

Was machst du eigentlich, Max?

Meine Eltern und meine Familie haben mit Tech und meinem Beruf nichts zu tun. Sie haben mir gesagt, dass sie meine Website nicht verstehen. Diese Erklärung ist für sie. Und für alle, die es ohne Fachbegriffe wissen möchten.

Ich mache Programme verständlicher.

Wenn jemand ewig nach einem Knopf sucht oder dieselbe Angabe dreimal eintippen muss, will ich wissen, warum. Ich schaue mir an, wie Menschen arbeiten, spreche mit ihnen und entwerfe einen besseren Ablauf. Den probieren wir gemeinsam aus.

Mein Beruf heißt Principal Designer. Das bedeutet: Ich entscheide auch mit, wie ganze Produkte zusammenpassen, und helfe dem Team, darauf aufzubauen. Ich gestalte und programmiere weiterhin selbst.

Einmal an einem Beispiel.

Bei zvoove habe ich den Assistenten zAIn gestaltet. Dieses vereinfachte Beispiel zeigt die Idee:

  1. Jemand fragt

    „Wie viel Urlaub habe ich noch?“

  2. Der Assistent schaut nach

    Er sucht die Information heraus und erklärt die Antwort.

  3. Der Mensch entscheidet

    Soll daraus ein Urlaubsantrag werden, prüft die Person die Angaben, bevor etwas abgeschickt wird.

Meine Aufgabe ist, festzulegen, was die Person sehen muss, wie die Antwort erklärt wird und an welcher Stelle das Programm ihre Zustimmung braucht.

Ein Designsystem ist ein bisschen wie LEGO.

Stellt euch vor, jedes Team erfindet seine eigenen Steine. Nichts passt zusammen. Mit einem gemeinsamen Baukasten greifen die Teile ineinander, auch wenn daraus ganz unterschiedliche Dinge entstehen.

Gemeinsame Teile. Unterschiedliche Dinge, die man daraus bauen kann.
Urlaub beantragenRechnung prüfen

Bei Programmen sind diese Teile zum Beispiel Knöpfe, Eingabefelder und Meldungen. Dazu kommen Regeln, wie sie zusammen funktionieren. So einen Baukasten habe ich bei Container xChange aufgebaut. Er heißt Compass.

Was habe ich damit bewegt?

Ein gemeinsamer Einstieg
Bei zvoove habe ich einen gemeinsamen Einstieg für mehrere Programme gestaltet und im Code ausprobiert. Daraus wurde der Launchpad, der seit August 2026 im Einsatz ist.
Auch selbst gebaut
Den sichtbaren Teil der Mitteilungszentrale habe ich selbst programmiert. Ein Entwickler hat den Teil im Hintergrund gebaut. Zusammen haben wir sie veröffentlicht.
Ein Team, das darauf aufbauen kann
Bei Container xChange habe ich mit Niclas das Designteam von 4 auf 14 aufgebaut. Mit Compass bekamen Designer und Entwickler einen gemeinsamen Baukasten für ihre Arbeit.

Was kann ich besonders gut?

Ich schaue über den einzelnen Bildschirm hinaus. Wenn mehrere Teams am selben Problem hängen, suche ich nach einer Lösung, die ihnen gemeinsam hilft. So ist Compass entstanden.

Und ich mache Ideen gern früh greifbar. Ich kann selbst eine funktionierende Version bauen, sie jemandem geben und herausfinden, wo es hakt. Das lerne ich lieber beim Benutzen als in einer langen Diskussion über ein Bild.

Was möchte ich als Nächstes machen?

Ich möchte mitentscheiden, was aus einem Produkt wird, ein Team unterstützen und weiterhin selbst bauen. Dafür suche ich eine Rolle als Principal Designer, Team Lead oder AI Product Builder in einem Team, das mit künstlicher Intelligenz arbeitet.

Einfach gesagt: Ich möchte Verantwortung fürs Ganze übernehmen, ohne das abzugeben, was mir selbst am meisten Spaß macht: ausprobieren und Dinge zum Laufen bringen.