recommendation-canvas

Überblick über den Skill recommendation-canvas

recommendation-canvas ist ein strukturierter Entscheidungs-Skill, mit dem Sie AI-Produktideen bewerten, bevor Sie sich auf die Umsetzung festlegen. Er hilft Ihnen dabei, einen vagen Vorschlag in eine belastbare Empfehlung zu überführen, indem er Geschäftsergebnis, Kundennutzen, Problemrahmen, Lösungshypothese, Positionierung und Risiko zusammenführt.

Wofür recommendation-canvas gedacht ist

Verwenden Sie den Skill recommendation-canvas, wenn Sie entscheiden müssen, ob sich eine AI-Funktion, ein Workflow oder ein Produkt überhaupt als Investition lohnt. Besonders nützlich ist er für Product-Management-Teams, die ein Recommendation Canvas brauchen, das sie mit Stakeholdern teilen können, nicht nur als Brainstorming-Notiz.

Für wen er geeignet ist

Dieser Skill passt für PMs, Gründerinnen und Gründer, Produktstrateginnen und -strategen sowie AI-Lösungseigentümer, die eine Idee mit Evidenz und Annahmen begründen müssen. Weniger geeignet ist er, wenn Sie bereits ein vollständig spezifiziertes Feature-Briefing haben und nur noch Implementierungsdetails benötigen.

Was ihn unterscheidet

Im Gegensatz zu einem generischen Prompt erzwingt recommendation-canvas eine ausgewogene Sicht: Wert, Unsicherheit und Risiko. Genau das macht recommendation-canvas für Product Management stärker, weil Sie damit erklären können, warum die Idee relevant ist, was erfüllt sein muss und woran Sie früh erkennen, ob sich weiterer Aufwand lohnt.

So verwenden Sie den Skill recommendation-canvas

Installieren und laden Sie ihn

Nutzen Sie den Repository-Installationspfad aus der Skill-Datei und starten Sie dann mit skills/recommendation-canvas/SKILL.md. Wenn Sie manuell im Repository stöbern, öffnen Sie zusätzlich template.md und examples/sample.md, damit Sie das Ziel-Format sehen, bevor Sie Ihr eigenes Canvas entwerfen.

Geben Sie dem Skill eine Entscheidung, kein Thema

Die Installation von recommendation-canvas funktioniert am besten, wenn Ihr Input eine konkrete Produktentscheidung ist, zum Beispiel „Sollen wir KI-Zusammenfassungen für Support-Tickets hinzufügen?“ statt „KI für Support erkunden“. Der Skill braucht eine Zielgruppe, ein Geschäftsziel und den Kontext der Entscheidung.

Machen Sie aus einer groben Idee einen starken Prompt

Ein schwaches Briefing bittet nur um „ein Recommendation Canvas für eine AI-Idee“. Ein stärkerer Prompt für den Einsatz von recommendation-canvas benennt, für wen das Produkt gedacht ist, welches Ergebnis zählt, welche Alternativen es gibt und welches Risiko am größten ist.

Beispiel für die Eingabe:

• Produkt- oder Funktionsname
• Zielpersona
• Gewünschte Business-Kennzahl
• Kundenproblem oder zu erledigende Aufgabe
• Bekannte Einschränkungen, Risiken oder Unbekannte
• Bevorzugter Wettbewerber oder aktueller Workaround

Lesen Sie zuerst diese Dateien

Beginnen Sie mit SKILL.md für das Framework, dann template.md für die Ausgabestruktur und anschließend examples/sample.md, um zu verstehen, wie spezifisch das Ergebnis sein soll. Diese drei Dateien geben Ihnen den schnellsten recommendation-canvas-Leitfaden zur Logik und Formatierung des Skills.

FAQ zum Skill recommendation-canvas

Ist recommendation-canvas nur eine Strategievorlage?

Nein. Der Skill recommendation-canvas ist ein Entscheidungstool für AI-Produktvorschläge. Er ist darauf ausgelegt, Annahmen sichtbar zu machen, nicht polierten Marketingtext oder eine Feature-Spezifikation zu erzeugen.

Wann sollte ich ihn nicht verwenden?

Verwenden Sie recommendation-canvas nicht, wenn Sie nur eine leichte Ideensammlung, ein technisches Design-Dokument oder ein Roadmap-Ticket brauchen. Am stärksten ist er, wenn die Entscheidung weitreichend ist und Sie eine Empfehlung benötigen, die auch eine Stakeholder-Prüfung besteht.

Ist er anfängerfreundlich?

Ja, wenn Sie die Produktidee in klarer Sprache beschreiben können. Die eigentliche Hürde ist nicht das Schreiben selbst, sondern dem Canvas genügend Kontext zu geben, damit Geschäftswert, Kundennutzen und Risiko sauber getrennt werden können.

Wie passt er in einen AI-Produkt-Workflow?

Er gehört früh in die Discovery-Phase, vor Lösungsdesign und Implementierungsplanung. Teams nutzen ihn oft nach dem ersten Ideensammeln und vor Experimenten, weil das Canvas dabei hilft zu entscheiden, welche Annahmen zuerst getestet werden sollten.

So verbessern Sie den Skill recommendation-canvas

Liefern Sie präzisere Inputs

Die besten Ergebnisse mit recommendation-canvas entstehen durch konkrete Rahmenbedingungen: Zielsegment, aktueller Workaround, Erfolgskennzahl und Entscheidungsfrist. Wenn Sie nur ein breites Thema liefern, wird das Ergebnis zu allgemein und verfehlt die relevanten Abwägungen.

Fordern Sie explizite Annahmen und Risiken ein

Sagen Sie dem Skill, was unklar ist: Nutzervertrauen, Datenqualität, Passung zum Workflow, rechtliche Risiken oder Hürden bei der Adoption. Das verbessert die Ausgabe des recommendation-canvas-Leitfadens, weil das Canvas dann sauber zwischen bereits belegten Punkten und noch zu erforschenden Fragen trennt.

Arbeiten Sie von der Empfehlung zum Experiment weiter

Bitten Sie nach dem ersten Canvas um eine schärfere Version mit Fokus auf ein Publikum, ein Ergebnis oder ein Risiko. Fordern Sie anschließend Experimente, Proof-of-Life-Signale oder alternative Positionierungen an, damit aus der Empfehlung etwas Testbares statt Abstraktes wird.