Diktieren statt Tippen: Was über Jan Werners KI-Workflow bekannt ist

Eine Arbeitsregel wird zur Workflow-Überschrift

Jan Werner ist Lead Product Manager bei der Jobplattform Instaffo und dort nach Darstellung von t3n für die Weiterentwicklung der Plattform zuständig. Der Bericht beschreibt ihn als besonders intensiven Nutzer einer KI-Diktier-App: Freeflow komme in seinem Arbeitsalltag nahezu rund um die Uhr zum Einsatz. Außerdem habe er Wispr Flow hinter sich gelassen und sei auf die Open-Source-Lösung Freeflow umgestiegen. [1]

Die Überschrift des Beitrags verdichtet Werners Ansatz auf eine einfache Schwelle: Sätze mit mehr als fünf Wörtern diktiert er. Das klingt nach einer persönlichen Arbeitsregel, nicht nach einer allgemeinen Empfehlung oder einem nachgewiesenen Produktivitätsstandard. Der im Datenpaket verfügbare Text enthält allerdings keine ausführliche Beschreibung des Gesprächs, in dem Werner seine Entscheidung und deren Folgen erklärt. [1]

Damit lässt sich der Kern der Meldung benennen, aber nicht jede Einzelheit des Workflows rekonstruieren. Belegt sind die intensive Nutzung von Freeflow, der Wechsel von Wispr Flow und der Einsatz zusammen mit Claude Code. Wie Werner konkret zwischen Sprechen, Textbearbeitung und KI-Interaktion wechselt, geht aus dem vorliegenden Artikeltext nicht hervor. [1]

• Belegt: Freeflow ist die von Werner genutzte Diktier-App; t3n bezeichnet die Lösung als Open Source. [1]
• Belegt: Werner verwendet Freeflow im Zusammenspiel mit Claude Code. [1]
• Nicht belegt: konkrete Schnittstellen, Einstellungen, Transkriptionswege oder Messwerte zur Zeitersparnis. [1]

Die Fünf-Wörter-Grenze ist kein Leistungsnachweis

Die Schwelle lässt sich als Hinweis auf eine Eingabepräferenz lesen: Bei längeren Formulierungen soll offenbar die Sprache an die Stelle des Tippens treten. Das ist eine naheliegende Interpretation der Überschrift, aber keine vom verfügbaren Text ausformulierte Erklärung Werners. Auch ist nicht dokumentiert, ob die Regel Ausnahmen kennt, etwa für kurze Eingaben, vertrauliche Inhalte oder Situationen, in denen Diktieren unpraktisch ist. [1]

Für Unternehmen ist diese Unterscheidung relevant. Eine persönliche Faustregel kann einen Arbeitsablauf strukturieren, sagt für sich genommen aber nichts darüber aus, ob ein Team schneller arbeitet oder ob sich die Qualität seiner Ergebnisse verbessert. Dafür wären unter anderem Vergleichsdaten zu Bearbeitungszeit, Korrekturaufwand und Ergebnisqualität nötig. Der t3n-Auszug nennt solche Kennzahlen nicht. [1]

Was die Kombination mit Claude Code aussagt – und was nicht

Die Verbindung von Diktier-App und Claude Code ist der technisch interessanteste Teil der Meldung. Sie deutet darauf hin, dass Spracheingabe nicht auf klassische Textverarbeitung beschränkt bleibt, sondern in einen Arbeitskontext mit einem KI-Coding-Werkzeug eingebettet ist. Mehr lässt sich aus der Formulierung „im Zusammenspiel“ nicht sicher ableiten: Der Artikeltext erläutert weder, ob Werner Code, Aufgabenbeschreibungen oder Notizen diktiert, noch auf welchem Weg die gesprochenen Inhalte Claude Code erreichen. [1]

Ebenso wenig nennt der verfügbare Text, ob die Diktate lokal oder über einen externen Dienst verarbeitet werden, wie lange sie gespeichert bleiben oder welche Daten Werner in ihnen verarbeitet. Das sind keine nachgewiesenen Schwächen von Freeflow oder Claude Code, sondern offene Fragen, die sich aus der fehlenden technischen Beschreibung ergeben. Für einen Unternehmenseinsatz sollten Sie sie vor einer Übernahme des Ansatzes klären, insbesondere wenn Beschäftigte Kunden-, Personal- oder Produktinformationen diktieren. [1]

Auch der Wechsel von Wispr Flow zu Freeflow ist nur als Entscheidung Werners dokumentiert. Welche Kriterien ausschlaggebend waren, ob etwa Kosten, Kontrolle, Funktionsumfang oder technische Anpassbarkeit eine Rolle spielten, lässt sich aus dem vorliegenden Text nicht entnehmen. Es wäre daher voreilig, den Wechsel als Beleg für eine generelle Überlegenheit quelloffener Diktier-Software zu lesen. [1]

• Vor einer Einführung sollten Unternehmen den tatsächlichen Datenfluss und die Speicherbedingungen der eingesetzten Dienste prüfen. Das ist eine Governance-Empfehlung, keine Aussage über die konkrete Konfiguration Werners. [1]
• Für einen aussagekräftigen Pilotversuch sollten Sie neben der Eingabezeit auch Korrekturen, Fehltranskriptionen und den Aufwand für die Weiterverarbeitung erfassen. Die t3n-Meldung veröffentlicht dazu keine Kennzahlen. [1]

Spracheingabe verschiebt Arbeit, statt sie automatisch abzuschaffen

Als Analyse lässt sich aus der beschriebenen Arbeitsregel ableiten: Diktieren kann den Schritt des Tippens verkürzen, beseitigt aber nicht automatisch die Arbeit, eine Eingabe zu prüfen und in eine brauchbare Anweisung zu verwandeln. Gerade bei KI-gestützter Produkt- oder Entwicklungsarbeit kommt es darauf an, ob die gesprochene Formulierung präzise genug ist und ob die daraus entstehenden Ergebnisse überprüft werden. Der t3n-Auszug liefert keine Angaben dazu, wie Werner diese Schritte organisiert. [1]

Ein anderer Product-Owner-Fall zeigt Nutzen und Grenzen

Einen konkreteren, aber nicht mit Werners Workflow gleichzusetzenden Vergleich liefert ein Vortrag von The Agile Hub. Darin demonstriert ein Product Owner Claude Sonnet 4 anhand der Idee einer App für E-Auto-Ladestationen. Die gezeigten Arbeitsschritte reichen von einer Marktanalyse und einem Value Proposition Canvas über Personas und Plattformabwägungen bis zu Anforderungen, User Journeys, einem Klickdummy und User Stories. Der Vortragende berichtet, die gezeigten Ergebnisse in etwa einer Stunde erstellt zu haben. [4]

Diese Zeitangabe ist die Selbstauskunft des Vortragenden über seine Demonstration, keine unabhängige Messung und kein Ergebnis aus Werners Arbeitsalltag. Der Sprecher betont außerdem, dass die Ergebnisse geprüft werden müssten; für eine gründlichere Validierung veranschlagt er zusätzlich ein bis zwei Tage. Er führt auch konkrete Grenzen der Vorführung vor: Ein erster Fehler in der User-Journey-Ansicht musste korrigiert werden, und eine von Claude vorgeschlagene Sprintplanung hielt er für nicht ausreichend fundiert, weil dem Modell Informationen über das Entwicklungsteam fehlten. [4]

Der Vergleich ist deshalb vor allem als Illustration nützlich: KI kann in einem Produktprozess umfangreiche Entwürfe und strukturierte Artefakte vorbereiten, doch die Demonstration zeigt zugleich, dass Darstellung und Detailfülle keine Validierung ersetzen. Sie belegt weder, dass Werner dieselben Funktionen nutzt, noch dass Diktieren den vorgestellten Produktentwicklungsprozess beschleunigt. [1] [4]

• Im Vortrag entsteht ein breites Set an Produktartefakten; der Vortragende ordnet die Ergebnisse ausdrücklich als prüfungsbedürftig ein. [4]
• Die im Vortrag genannten Zeitwerte beziehen sich auf diesen Demonstrationsfall und sollten nicht als allgemeine Produktivitätskennzahl übertragen werden. [4]

Entwürfe brauchen fachliche Kontrolle

Auch ein Leitfaden für Product Marketing empfiehlt, KI-generierte Analysen vor der Veröffentlichung mit Vertriebsmitarbeitenden abzugleichen und Aussagen mit Originalmaterial zu belegen. Der Leitfaden ist kein unabhängiger Test von Freeflow oder Claude Code und behandelt einen anderen Aufgabenbereich. Als ergänzender Hinweis unterstreicht er aber ein allgemeines Prozessprinzip: Zusammenfassung und Entwurf können Arbeit vorbereiten; die Verantwortung für belastbare Aussagen bleibt bei den fachlich Zuständigen. [2]

Vom persönlichen Ablauf zum kontrollierbaren Prozess

Für Unternehmen besteht die praktische Frage nicht nur darin, ob Mitarbeitende lieber sprechen als tippen. Entscheidend ist, an welcher Stelle Diktate in bestehende Abläufe eingehen, wer sie kontrolliert und welche Qualitätsanforderungen für die daraus entstehenden Texte oder Codeänderungen gelten. Weil der t3n-Text diese Details nicht ausführt, wäre eine direkte Übertragung von Werners Vorgehen auf ein Team derzeit eher ein Pilot als eine belastbare Standardempfehlung. [1]

Ein Essay zu KI-Workflows schlägt vor, wiederkehrende Aufgaben schrittweise zu standardisieren: Zunächst werde ein Prompt erprobt, danach könne ein wiederverwendbarer Skill den Kontext und Prozess bündeln; stabile, messbare Regeln sollten schließlich außerhalb des Modells als Prüfungen oder Gates umgesetzt werden. Das ist die Argumentation des Essayautors, keine empirische Auswertung von Werners Methode. Für den Einsatz von Diktat und Claude Code bietet sie dennoch einen brauchbaren Prüfrahmen: Was darf das Modell interpretieren, und was muss ein festes Verfahren kontrollieren? [3]

Auf einen begrenzten Pilot übertragen heißt das: Sie können zunächst prüfen, bei welchen Aufgaben Diktate tatsächlich Zeit sparen und bei welchen zusätzliche Nacharbeit entsteht. Zugleich sollten Sie festlegen, welche Inhalte nicht in externe Dienste eingegeben werden dürfen, wie Ausgaben geprüft werden und wann menschliche Freigabe erforderlich ist. Diese Vorschläge sind eine Analyse der offenen Betriebsfragen; der verfügbare Bericht beschreibt nicht, welche Regeln Werner selbst anwendet. [1] [3]

• Messen Sie Eingabezeit und Nachbearbeitungszeit getrennt, statt nur die Länge diktierter Texte als Produktivitätsindikator zu verwenden. [1]
• Prüfen Sie Qualität und Verlässlichkeit der Ergebnisse anhand fachlicher Kriterien; bei wiederkehrenden und messbaren Anforderungen können feste Prüfschritte sinnvoller sein als alleinige Prompt-Anweisungen. [3]
• Klären Sie Datenschutz, Zugriffsrechte und Freigaben anhand der tatsächlichen Konfiguration der eingesetzten Werkzeuge. Die vorliegende t3n-Meldung macht dazu keine Angaben. [1]

Die offene Frage hinter der Effizienz-Erzählung

Die Meldung liefert einen kompakten Einblick in eine persönliche Arbeitsweise: Ein Produktmanager setzt stark auf Spracheingabe, nutzt Freeflow statt Wispr Flow und verbindet die App mit Claude Code. Sie belegt jedoch weder eine konkrete Zeitersparnis noch den technischen Ablauf oder die Sicherheitsbedingungen. [1]

Für B2B-Entscheidungen ist diese Grenze wichtig. Die Geschichte kann einen Ansatz zum Ausprobieren liefern, aber noch keine Einführung begründen. Erst ein eigener Test mit definierten Aufgaben, nachvollziehbaren Qualitätskriterien und geklärter Datenverarbeitung kann zeigen, ob die Kombination für Ihre Teams passt. Das ist keine Aussage über Werners tatsächliche Ergebnisse, sondern die naheliegende Konsequenz daraus, dass der verfügbare Bericht keine Vergleichswerte und keine Implementierungsdetails enthält. [1]

Quellen

1. [1] KI-Workflow für Produktmanager: Diktieren statt Tippen mit Freeflow — https://t3n.de/news/saetze-laenger-fuenf-worte-diktieren-claude-code-freeflow-1770271 (abgerufen am 2026-11-01)
2. [2] "KI im PMM-Workflow: Was wirklich funktioniert (und was Reps sofort erkennen)" — https://resources.rework.com/de/guides/product-marketing-manager-playbooks/ai-in-pmm-workflow (abgerufen am 2026-11-01)
3. [3] Dein KI-Workflow braucht keine besseren Prompts. Er braucht weniger KI. — https://renezander.com/de/blog/your-ai-workflow-needs-less-ai (abgerufen am 2026-11-01)
4. [4] KI für Product Owner: So beschleunigst Du Deine Produktentwicklung - YouTube — https://www.youtube.com/watch?v=j3rPWWJFKF0 (abgerufen am 2026-11-01)