Gründer & Chief Product Officer

Jan Hoppe – Product Leader und Full-Stack-Digital-Experte

Mehr als ein Jahrzehnt in der digitalen Produktarbeit – und wie das in die Freelance-Unterstützung übersetzt wird

Jan Hoppe ist ein erfahrener Product Leader mit einer seltenen Kombination von Fähigkeiten: Er vereint tiefes Verständnis für digitale Produktentwicklung mit praktischer Erfahrung in generativer KI, Performance-Marketing und dem Aufbau von Unternehmen von Grund auf. Seine Karriere ist geprägt von der konsequenten Verbindung von strategischem Denken und operativer Exzellenz – vom Bootstrapping eines KI-nativen Startups über das Skalieren eines PropTech-Unternehmens von Pre-Seed bis Series B bis hin zur Beratung von DAX-Konzernen bei ihrer digitalen Transformation.

Was Jan als freiberuflichen Berater, Coach oder Fractional Leader besonders wertvoll macht, ist, dass er nicht nur die Theorie kennt – er hat selbst die Herausforderungen erlebt, denen seine Kunden gegenüberstehen. Egal, ob Sie als Startup-Gründer versuchen, Product-Market-Fit zu finden, als Scale-up mit Team-Topologien kämpfen oder als etabliertes Unternehmen generative KI in Ihr Produkt integrieren möchten, Jan bringt relevante, erprobte Erfahrung mit.

Bootstrapped-Startup-Erfahrung: ganzheit – KI für Psychotherapie

Seit 2025 arbeitet Jan als Gründer und Chief Product Officer bei ganzheit, einem bootstrapped, KI-nativen Startup. Das Unternehmen entwickelt digitale Tools, die Psychotherapeuten in ihrer therapeutischen Arbeit unterstützen – ohne die essentielle menschliche Verbindung zwischen Therapeut und Klient zu stören.

Besonders an ganzheit ist die Art und Weise, wie das Startup von Tag eins an aufgebaut wurde. Als bootstrapped Unternehmen musste jeder Euro zweimal umgedreht werden. Dieser Ressourcenmangel führte zu einem extrem fokussierten Produktentwicklungsansatz, der konsequent am Lean-Startup-Paradigma ausgerichtet war. Das Ergebnis: Ein Gründerteam, das erfolgreich Product-Market-Fit für eine LLM-gestützte Supervision für Psychotherapeuten erreichte.

Die technische Architektur von ganzheit wurde von Anfang an KI-nativ konzipiert. Konkret bedeutet das, dass der gesamte generative KI-Stack tief in die Produktentwicklung integriert ist. Dazu gehören agentengeleitete Codier-Workflows, ein robustes Evaluierungssystem, Tracing für KI-Entscheidungstransparenz und durchdachtes Prompt-Management. Diese Infrastruktur ermöglicht es dem kleinen Team, schnell zu iterieren und dabei systematisch die Qualität der KI-Ausgaben zu verbessern.

Wie diese Erfahrung Freelance-Kunden hilft:

Für Gründer und Startups in der Frühphase kennt Jan die harte Realität des Arbeitens mit begrenzten Ressourcen. Er weiß, was es bedeutet, jede Funktion sitzen zu lassen, gnadenlos zu priorisieren und kreative Lösungen zu finden, wenn man nicht einfach Geld gegen Probleme werfen kann. Seine Bootstrapping-Erfahrung fließt direkt in praxisnahe Ratschläge für Teams ein, die schnell handeln müssen, ohne ihren Runway zu verbrennen.

Für Unternehmen, die eine KI-nativen Produktentwicklung erkunden, kann Jan hart erarbeitete Erkenntnisse darüber teilen, wie man Evaluierungsrahmen aufbaut, Tracing-Systeme implementiert und Prompts in großem Maßstab verwaltet. Das sind keine theoretischen Konzepte – es sind operative Praktiken, die er täglich in seinem eigenen Startup anwendet.

Generative-KI-Fähigkeiten: Vom Early Adopter zum Praktiker

Jans Erfahrung mit generativer KI beschränkt sich nicht auf ein einzelnes Projekt, sondern zieht sich als roter Faden durch seine jüngere Karriere. Bei Evernest leitete er eine frühe generative-KI-Initiative und implementierte LLM-basierte Funktionen, die Immobilienmaklern im Durchschnitt sechs Stunden pro Woche einsparten. Diese praktische Erfahrung bei der Integration von Large Language Models in bestehende Produktlandschaften verschaffte ihm ein tiefes Verständnis dafür, wo KI echten Mehrwert schafft – und wo nicht.

In seiner aktuellen Beratertätigkeit bei PRODUKTKRAFT nutzt Jan dieses Fachwissen auf vielfältige Weise. Ein besonders interessantes Projekt ist die Arbeit an einem B2B-Produkt für einen generativen KI-Vertriebstrainer. Dabei geht es nicht nur um die Entwicklung einer Produktvision und -strategie im Lean-Startup-Stil, sondern auch um die praktische Arbeit an der KI-Qualität. Jan setzt Tracing, menschlich annotierte Evaluierungen und LLM-als-Richter-Evaluierungen ein, um die Ausrichtung und Leistung der KI-Ausgaben systematisch zu verbessern. Prompt-Engineering ist hier kein nachträglicher Gedanke – es ist Teil des Produktentwicklungsprozesses.

Ein weiteres Beratungsprojekt zeigt eine andere Facette der KI-Arbeit: Hier unterstützt Jan ein deutsch-amerikanisches Unternehmen beim Aufbau einer LLM-fähigen Databricks-Data-Lakehouse-Infrastruktur. Dabei geht es nicht nur um die technische Umsetzung, sondern auch um den Kulturwandel hin zu datengetriebenen Entscheidungen – für eine Organisation mit mehr als 400 Mitarbeitenden.

• Wie diese Erfahrung Freelance-Kunden hilft:**

• Für Produktteams, die KI-Funktionen integrieren möchten, bietet Jan eine pragmatische Perspektive. Er hat gesehen, was funktioniert und was nicht. Er kann Ihnen helfen, den häufigen Fehler zu vermeiden, KI-Funktionen zu bauen, die in Demos beeindrucken, aber in der Produktion versagen. Seine Erfahrung mit Evaluierungsrahmen bedeutet, dass er Ihnen helfen kann, Qualitätsmetriken festzulegen, bevor Sie ausliefern – nicht erst, wenn Nutzer zu klagen beginnen.

• Für Organisationen, die KI-first-Produkte entwickeln, bringt Jan operatives Wissen über den gesamten Stack mit: vom Prompt-Management über Tracing bis hin zur systematischen Evaluierung. Er kann Ihnen helfen, die Infrastruktur aufzusetzen, die es Ihnen ermöglicht, schnell zu iterieren und dabei die Qualität aufrechtzuerhalten.

• Für Unternehmen, die dateninformierte Kulturen aufbauen wollen, ist Jans Erfahrung mit Data-Lakehouse-Architekturen und dem damit verbundenen Change Management direkt anwendbar. Er weiß, dass die technische Infrastruktur nur die halbe Miete ist – Menschen tatsächlich dazu zu bringen, Daten in ihren Entscheidungen zu nutzen, ist die größere Herausforderung.