KI im Projektmanagement: Was tatsächlich funktioniert, und was Theater ist

Die meisten Gespräche über KI im Projektmanagement drehen sich um das Falsche. Die Frage ist nicht, was ein Modell kann. Sie lautet, welche Stunden Ihrer erfahrenen Leute es zurückgibt, und was die Aufsicht darüber kostet.

Wo sie wirklich funktioniert

Vier Anwendungsfälle überstehen den Kontakt mit einem echten Programm. Sie haben dieselbe Form: hohe Stückzahl, wenig Urteilsvermögen, und ein Mensch, der eine falsche Antwort in Sekunden erkennt.

• Statusentwürfe. Ein Wochenbericht, zusammengestellt aus dem Tool, dem Risikoregister und den Maßnahmen der Vorwoche. Der Manager redigiert, statt zu schreiben. Das ist die größte einzelne Zeitersparnis, die zu haben ist.
• Protokollierung von Besprechungen. Mitschrift plus Übernahme von Entscheidungen, Maßnahmen und Verantwortlichen in das Protokoll. Der Wert liegt nicht in der Mitschrift, sondern darin, dass das Entscheidungsprotokoll nicht mehr verfällt.
• Suche in Dokumenten und Korrespondenz. In einem Programm mit Tausenden E-Mails und Zeichnungen ist es mehr wert als jedes Dashboard, fragen zu können, was zu einem Liefertermin vereinbart wurde, und die drei einschlägigen Dokumente zu bekommen.
• Risikosignale sichtbar machen. Verzugs- und Risikomuster in Daten, die das Team ohnehin erzeugt: Aufgaben, die im selben Workstream verrutschen, Maßnahmen, die immer wieder neu terminiert werden, dasselbe Risiko dreimal anders formuliert.

Und wo nicht

Zwei Anwendungen wirken attraktiv und enttäuschen regelmäßig.

• Schätzung. Ein Modell liefert aus zu dünner Historie eine selbstsichere Dauer. Genau diese Sicherheit ist das Problem: Von einer guten Schätzung ist sie erst zu unterscheiden, wenn der Meilenstein da ist.
• Autonome Entscheidungen. Alles, was einen Plan, eine Zusage oder eine Lieferantenbeziehung ohne einen Menschen verändert. Der Aufwand für die Kontrolle übersteigt die Ersparnis, und die Verantwortung lässt sich nicht mit übertragen.

Die Governance, die niemand aufsetzt

Der Fehlerfall in der Praxis ist nicht die falsche Antwort. Es ist die ungeprüfte, die in die Akte gelangt ist und sechs Wochen später als Tatsache zitiert wird.

• Festlegen, welche Ergebnisse vor dem Verlassen des Teams eine menschliche Prüfung brauchen, und das im Tool sichtbar machen statt in einer Richtlinie
• Halten Sie Kunden- und Geschäftsdaten aus Tools heraus, die Sie nicht freigegeben haben. Ein einziger Vertraulichkeitsvorfall beendet ein KI-Programm schneller als alles andere
• Festhalten, was von KI entworfen wurde, damit ein späterer Leser weiß, was geschrieben und was erzeugt wurde
• Messen Sie die tatsächlich eingesparte Zeit. Kann sie nach einem Quartal niemand beziffern, war es Theater

Wie wir sie in Projekten einsetzen

Wir bauen KI dort in den Ablauf ein, wo Routinearbeit die Stunden erfahrener Leute frisst, und lassen sie dort weg, wo sie nur Kontrollaufwand erzeugen würde. Beurteilung und Unterschrift bleiben beim Menschen, denn dafür bezahlt ein Kunde. Der Vorteil bei Tempo und Kosten ist real, aber er ist nicht das Unterscheidungsmerkmal.