Schnellere Studien, und bessere Evidenz dahinter.

Das Repository löst die Ablage. Die beiden schwierigen Teile löst es nicht.

Der Durchsatz eines Research-Teams hängt nicht daran, wie schnell es interviewt. Er hängt an den Stunden davor und danach: aus einer vagen Idee Annahmen machen, die prüfbar sind, Hypothesen, die scheitern können, und einen Leitfaden, den jemand am Donnerstag tatsächlich durchführen kann. Und danach aus vierzig Highlights etwas machen, mit dem ein Roadmap-Gespräch arbeiten kann.

An genau diesen Stellen hört Discovery leise auf. Die Studie wird verschoben, weil niemand eine Stunde für den Leitfaden hat, oder sie läuft und die Ergebnisse liegen in einem Deck, das nie wieder geöffnet wird.

Researcher werden schneller, und mehr Menschen können mithelfen

Das ersetzt niemanden. Eine Researcherin entscheidet weiterhin, was zu fragen sich lohnt, führt weiterhin das Gespräch und beurteilt weiterhin, was die Evidenz bedeutet. Was sich ändert, ist, wie viel einer Woche das kostet. Eine Person deckt mehr Boden ab, und der Stau an Studien, die auf einen Leitfaden warten, wächst nicht weiter.

Dasselbe öffnet Discovery für die Menschen ringsum. Ein Product Manager oder eine Designerin kann eine Studie innerhalb der Struktur durchführen, die eine Researcherin ihnen gegeben hätte, mit widerlegbar formulierten Hypothesen und dem Auswertungsplan schon im Leitfaden. Research begleitet und coacht und ist nicht mehr der einzige Weg zu einem Kundengespräch. Genau das verlangt Research-Demokratisierung: nicht weniger Researcher, sondern einen Boden unter allen anderen.

Jede Aussage bleibt zwei Klicks von ihrer Evidenz entfernt

Plan. Annahmen und Hypothesen eingeben, in welcher Form sie gerade vorliegen. Sie werden nach Desirability, Viability, Feasibility und Usability sortiert, jede Hypothese in eine widerlegbare Form geschärft, eine Methode empfohlen und ein vollständiger Leitfaden geschrieben, mit Screener, Interviewskript und Auswertungsplan.

Tag. Ein Interview durchgehen und die Passagen markieren, auf die es ankommt. Tag-Vorschläge kommen pro Highlight mit einer Checkbox, und jede Karte zeigt, was das Repository für diese Passage schon hat: neu, ergänzt Tags, bereits vollständig, überschneidet ein bestehendes Highlight.

Insights. Aus einer Gruppe von Zitaten wird eine Überschrift, eine Beschreibung, Evidenz mit Konfidenzgraden, Gegenevidenz und die weiterhin offenen Fragen.

Opportunities. Insights wandern in einen Opportunity-Tree, und die Annahmen für die nächste Studie laden direkt daraus. Damit schließt sich die Schleife, die sonst von Hand wieder geöffnet werden muss.

Eine Studie hält alle vier. Jeder Insight behält eine Linie zurück zu den Zitaten, aus denen er stammt, und zu dem Plan, den er beantwortet hat. Was ein Stakeholder hinterfragt, ist also immer zwei Klicks von seiner Evidenz entfernt.

Nichts kommt zweimal im Repository an

Der wichtigste Teil ist der unsichtbarste. Ein Zitat, das zu einem bestehenden Highlight passt, von Hand angelegt oder nicht, bekommt dort die Tags ergänzt. Eine zweite Kopie desselben Satzes entsteht nicht. Ein vorgeschlagener Tag, den es schon gibt, wird wiederverwendet. Das Glossar wird gegen das geprüft, was das Repository tatsächlich enthält, einschließlich Papierkorb, und ein abgelehnter Tag kommt mit der Begründung zurück, samt den Korrekturen, die man versuchen kann.

Das ist die Arbeit, die niemand vorführt und jeder braucht, denn ein Werkzeug, das das Repository verschmutzt, wird binnen eines Monats abgeschaltet.

Research, das anderswo bereits existiert, muss nicht abgetippt werden. Ein Screenshot, auf einen Schritt gezogen, wird gelesen, und der Text landet in den Feldern.

Gebaut von jemandem, der das zuerst im Job lösen musste

Die Methode ist Continuous Discovery, wie Teresa Torres sie beschreibt, und der Grund für diese Bauweise ist, dass ich die Alternative betrieben habe. Bei der FTI Group habe ich einen Research-Bereich von null auf elf Personen aufgebaut und dabei zugesehen, wie fähige Produktteams jedes Mal am selben ersten Schritt hängen blieben. Bei Conrad Electronic hat der Bereich fünf Personen für sieben Produktteams, was nur funktioniert, wenn die Teams Discovery selbst betreiben können.

Ein Workspace ist das, was bleibt, wenn man nicht in jedes Team einen Researcher setzen kann. Das Produkt existiert, weil ich es zweimal gebraucht habe.

Niemandem wird gefolgt

Keine Analyse, kein seitenübergreifendes Tracking, kein Einwilligungsbanner. Turnstile schützt die API, ohne jemanden über Websites hinweg zu verfolgen. Der Anthropic-API-Schlüssel erreicht den Browser nie, und der Client wählt weder Modell noch Prompt. Anmeldung mit einem Google-Konto oder per E-Mail-Link, je nachdem, was Ihr Unternehmen zulässt.

Für Teams in der EU gibt es einen Auftragsverarbeitungsvertrag, dazu ein deutsches Impressum, eine Datenschutzerklärung und AGB, denn ein Research-Werkzeug, das den Beschaffungsfragebogen nicht beantworten kann, wird nie eingeführt.

Es liefert wöchentlich, und das Changelog ist öffentlich

Der Workspace wird aktiv weiterentwickelt, und das Changelog ist offen. Die letzten Wochen gingen fast vollständig in die Repository-Integration, und genau solche Details entscheiden, ob ein Werkzeug den Kontakt mit einem echten Workspace übersteht.

Was das über meine Art zu führen sagt

Ich baue weiterhin selbst. Eine Produktführungskraft, die ein funktionierendes KI-Produkt vollständig ausliefert, mit korrekten Details bei Sicherheit, Datenschutz und Integration, argumentiert in einer Roadmap-Diskussion von einer anderen Position aus als jemand, der es nur beauftragen kann.