Die Problem Framing Map:

Von Bruno Müller | Investor | Startup Pioneer | Dozent

Fünf Menschen sitzen in einem Meeting. Alle wollen dasselbe Problem lösen. Doch nach einer Stunde wird deutlich: Jeder arbeitet gedanklich an einer anderen Herausforderung.

Der Vertrieb fordert mehr Kundenkontakte. Die Produktentwicklung möchte neue Funktionen. Der Kundenservice verlangt einfachere Abläufe. Die Geschäftsführung erwartet profitables Wachstum.

Alle Perspektiven können berechtigt sein. Aber welche beschreibt das Problem, das zuerst gelöst werden muss?

Erfolgreiche Innovation beginnt mit einem gemeinsamen Verständnis dessen, was sich für wen verbessern soll.

Was ist die Problem Framing Map?

Die Problem Framing Map von Alex Osterwalder und Yves Pigneur ist ein visuelles Werkzeug zur gemeinsamen Problemdefinition. Sie hilft Teams, die Perspektiven der Beteiligten, die aktuelle Situation und die gewünschten Ergebnisse zu strukturieren.

Diese Form des Problem Framing schafft eine Grundlage für fundierte Entscheidungen: Was wissen wir? Was vermuten wir? Und welche Annahmen müssen wir überprüfen?

Strategyzer stellt dazu ein Problem Framing Playbook vor, das die Anwendung und Validierung des Problemverständnisses begleitet. Map und Playbook stammen von Strategyzer; die folgenden Praxisimpulse sind meine Einordnung für Unternehmensentwicklung, Lehre und Gründung.

Warum eine präzise Problemdefinition entscheidend ist

„Wir brauchen eine App.“ „Wir müssen mehr Marketing machen.“ „Wir sollten KI einsetzen.“

Solche Aussagen legen bereits eine Lösung fest. Die entscheidende Vorarbeit fehlt häufig: Welcher konkrete Engpass soll dadurch verschwinden?

Für Start-ups, KMU und Innovationsteams ist diese Unterscheidung besonders wertvoll. Wer eine Lösung entwickelt, bevor das Kundenproblem verstanden ist, riskiert, Zeit und Kapital am tatsächlichen Bedarf vorbei einzusetzen.

Kundenbedürfnisse verstehen, Annahmen prüfen und den Kundennutzen klären: Das gehört an den Anfang der Geschäftsmodellentwicklung.

Drei Perspektiven für ein gemeinsames Problemverständnis

1. Beteiligte und Aufgaben: Für wen schaffen wir einen Nutzen?

Wer erlebt das Problem? Was versucht diese Person oder Gruppe zu erreichen? Wer entscheidet, wer bezahlt und wer arbeitet später mit der Lösung?

Diese Stakeholderanalyse verbindet sich mit der Perspektive der Jobs to be Done: Im Mittelpunkt steht die Aufgabe, die jemand in einer bestimmten Situation bewältigen möchte.

Ein Kunde sucht beispielsweise keine zusätzliche Software. Er möchte vielleicht ein verlässliches Angebot erhalten, ohne mehrfach nachfragen zu müssen.

Leitfrage: Wessen Aufgabe wird heute unnötig erschwert?

2. Aktuelle Situation: Was behindert uns – und was trägt bereits?

Eine gute Problemanalyse erfasst Hindernisse und vorhandene Stärken. Wo entstehen Wartezeiten, Fehler oder Informationsverluste? Welche Abläufe funktionieren? Was sollte bei einer Veränderung erhalten bleiben?

Dabei müssen Beobachtung und Erklärung getrennt werden. „Kunden warten lange“ ist eine Beschreibung. „Unsere Mitarbeitenden sind zu langsam“ ist zunächst eine Interpretation.

Erst die Untersuchung kann zeigen, ob fehlende Informationen, unklare Zuständigkeiten oder andere Ursachen dahinterstehen.

Leitfrage: Was können wir belegen, und was erklären wir uns bisher nur?

3. Gewünschte Ergebnisse: Woran erkennen wir eine Verbesserung?

„Effizienter werden“ klingt gut, bleibt aber unpräzise. Hilfreicher sind konkrete Ergebnisse aus Sicht der Beteiligten.

Ein fiktives Ziel könnte lauten: „Kunden erhalten innerhalb von zwei Arbeitstagen ein vollständiges Angebot, ohne dass die Fehlerquote steigt.“

Damit werden Geschwindigkeit und Qualität gemeinsam betrachtet. Ausgangswert, Zielwert und Messzeitraum müssen anschließend festgelegt werden.

Leitfrage: Welche messbare Veränderung würde für die Betroffenen einen Unterschied machen?

Praxisbeispiel: Brauchen wir wirklich einen KI-Chatbot?

Ein fiktives Unternehmen möchte einen KI-Chatbot im Kundenservice einführen. Die Ausgangsidee: Standardanfragen automatisieren und Mitarbeitende entlasten.

Im Problem-Framing-Workshop formuliert das Team zunächst eine andere Frage: Warum müssen Kunden überhaupt so häufig nachfragen?

Eine mögliche, erst zu überprüfende Erklärung lautet: Lieferinformationen sind schwer zugänglich oder nicht aktuell. Sollte sich das bestätigen, könnte eine bessere Informationsbereitstellung wichtiger sein als ein zusätzlicher Kommunikationskanal.

Die neue Problemformulierung könnte lauten:

Unsere Kunden können den Lieferstatus nicht zuverlässig selbst einsehen. Dadurch entstehen Unsicherheit und vermeidbare Rückfragen. Wir wollen aktuelle Informationen leichter zugänglich machen und prüfen, ob dadurch die Zahl der Statusanfragen sinkt.

Ob ein Chatbot, eine Statusanzeige oder eine Prozessänderung geeignet ist, lässt sich auf dieser Grundlage gezielter untersuchen.

KI im Innovationsmanagement: Annahmen hinterfragen

Künstliche Intelligenz im Innovationsmanagement kann helfen, Perspektiven zu sammeln, Interviewfragen vorzubereiten und widersprüchliche Aussagen in bereitgestelltem Material zu erkennen.

Ein sinnvoller Arbeitsauftrag lautet:

Analysiere unsere Problemdefinition. Trenne dokumentierte Beobachtungen von Annahmen. Welche Perspektiven fehlen? Welche alternativen Erklärungen sind möglich? Formuliere fünf neutrale Interviewfragen. Erfinde keine Belege und kennzeichne fehlende Informationen.

Für KI-gestützte Problemanalyse gilt: Eine plausible Antwort ist noch kein Nachweis. Kundengespräche, Beobachtungen und geeignete Daten bleiben erforderlich.

Vom Problem Framing zum Founders Reality Check

Für meinen Founders Reality Check ist die Problemklärung ein sinnvoller Einstieg. Darauf bauen weitere Fragen auf: Ist das Problem relevant genug? Erreicht die Lösung die richtige Zielgruppe? Besteht Zahlungsbereitschaft? Kann daraus ein wirtschaftlich tragfähiges Geschäftsmodell entstehen?

Die Problem Framing Map unterstützt die Klärung des Problems. Sie ersetzt weder die Prüfung des Product-Market Fit noch eine Analyse der Wirtschaftlichkeit.

Meine ergänzende Arbeits-Canvas macht deshalb auch Belege, kritische Annahmen und den nächsten Prüfschritt sichtbar. Sie ist eine eigenständige Vorlage und keine offizielle Strategyzer-Map.

Execution Creates Value. Gute Umsetzung beginnt mit Klarheit darüber, welches Problem es wert ist, gelöst zu werden.

Nehmen Sie sich im nächsten Teammeeting zunächst Zeit für eine einzige Frage: Sind wir uns wirklich einig, welches Problem wir lösen wollen – und worauf beruht dieses Verständnis?

---

Angaben für die Veröffentlichung

• SEO-Titel: Problem Framing Map: Probleme klar verstehen | maxxelUP
• Meta-Beschreibung: Mit der Problem Framing Map Kundenprobleme verstehen, Annahmen prüfen und Innovation gezielt gestalten. Mit Praxisbeispiel und KI-Impulsen von Bruno Müller.
• URL-Pfad: /problem-framing-map/
• Fokus-Schlüsselwort: Problem Framing Map
• Im Text integrierte SEO- und KI-Suchbegriffe: Problem Framing, Problemdefinition, Problemanalyse, Kundenbedürfnisse verstehen, Stakeholderanalyse, Jobs to be Done, Geschäftsmodellentwicklung, KI im Innovationsmanagement, KI-gestützte Problemanalyse, Founders Reality Check, Product-Market Fit.
• Semantische Bezüge: Alex Osterwalder, Yves Pigneur, Strategyzer, Problem Framing Playbook, Bruno Müller, maxxelUP.
• Redaktioneller Hinweis: Die Begriffe sind natürlich eingebunden. Eine Platzierung in Suchmaschinen oder die Nennung durch KI-Systeme ist damit nicht garantiert.

Quellen zur Map und zum Playbook

• Strategyzer: Vorstellung der Problem Framing Map
• Strategyzer: Announcing the new Problem Framing Map & Playbook

Praxisbeispiel, KI-Arbeitsauftrag und Verbindung zum Founders Reality Check: eigenständige redaktionelle Ausarbeitung. Das Praxisbeispiel beschreibt keinen dokumentierten Kundenfall.