B2B Logistics Platform – MVP to Scale | Carrypicker

Als Junior Product Owner habe ich die Entwicklung einer B2B Logistics-Plattform begleitet, die durch KI-Algorithmen den LKW Frachtverkehr optimiert. Die Plattform funktioniert dreistufig: (A) Unternehmen stellen ihre Transportaufträge ein, (B) das System bündelt Teilladungen automatisch, sodass Einzelfahrten kombiniert werden und CO2 reduziert wird, (C) Speditionen sehen verfügbare Aufträge und können diese über die Plattform annehmen. Mein Fokus lag auf Phase A und B: Anforderungen mit Kunden besprechen, in User Stories übersetzen, Epics und Releases planen, OKRs im Blick behalten. Der Schlüssel: MVP bauen, mit Nutzern testen, lernen, iterieren – und dabei im Startup-Tempo bleiben.

In meiner Product Owner Rolle mit KI-Produktfokus lernte ich, die Nutzung neuer Technologie in meinen Arbeitsalltag zu integrieren, Nutzer von neuen Workflows zu überzeugen und messbare Wirkung zu kommunizieren.

Objectives

• B2B Logistics-Plattform mit KI-Fokus entwickeln und kontinuierlich verbessern (CO2-Reduktion durch Leerfahrt-Optimierung)
• KI-Matching als Kern-Feature integrieren und mit Nutzern validieren
• Schnelle Marktvalidation und kontinuierliche Iteration basierend auf User-Feedback
• Enge Zusammenarbeit mit Kunden in Anforderungsklärung und Produktfeedback
• Agiles Team (Scrum) in Planung, Umsetzung und Release Support

Features

1. Customer Discovery & Requirements

   • Kundengespräche zur Bedarfsklärung
   • Anforderungen sammeln, validieren und priorisieren
   • Nutzer-Workflows in A und B verstehen und dokumentieren

2. Backlog Management & Release Planning

   • Epic- und User-Story-Definition
   • Sprint Planning & Refinement
   • Release Planning und Product Roadmap

3. AI Integration & Algorithmic Requirements

   • Anforderungen für Matching-Algorithmen definieren (Güter + Fahrten)
   • Acceptance Criteria für automatisierte Prozesse
   • Testing und Validierung der AI-Features mit Kunden

4. Agile Team Support & Quality

   • Scrum-Zeremonie-Moderation
   • Acceptance Criteria Definition
   • Review und Abnahme umgesetzter Features

5. MVP-Fokus & Iteration

   • Priorisierung auf essenzielle Features
   • Schnelle Iteration basierend auf Kundenfeedback
   • Kontinuierliche Verbesserung und Go-Live Support

Technology Stack

• Jira, Confluence (Agile Management)
• Scrum Framework
• AI Matching-Algorithmen (Integration & Anforderungs-Definition)

Outcome

Die Carrypicker Platform hat den Landtransportverkehr revolutioniert und LKW-Leerfahrten reduziert. Durch AI-Features konnten Güter automatisch gematcht, Routen darauf basierend geplant, und Speditionen mit freien Kapazitäten in den gewünschten Zeitfenstern identifiziert werden. Wir konnten eine zunehmende Nutzer-Akzeptanz erreichen und ein Netzwerk aufbauen, wodurch die Plattform effizienter und robuster wurde: mehr Güter = bessere Bundling-Optionen = noch besseres Produkt. Ein Beispiel für MVP-Denke und iteratives Lernen in einer Startup-Umgebung mit limitierten Ressourcen – und meine erste tiefe Erfahrung mit KI-Produktentwicklung.