Auf einen Blick
Künstliche Intelligenz wird die Arbeit im Projektmanagement in den nächsten Jahren deutlich verändern – schneller oder langsamer, je nach Branche und Unternehmen. KI kann einfache Aufgaben automatisieren und dem Projektmanager als Assistenz zur Seite stehen. Um qualitativ hochwertige Ergebnisse und verlässliche Erkenntnisse zu liefern, ist allerdings eine saubere und umfassende Datenbasis erforderlich.
Künstliche Intelligenz (KI) wird in vielen Bereichen unsere Arbeit revolutionieren – und das auch im Projektmanagement. Doch was genau wird passieren? Wie werden Projekte zukünftig geleitet?
Um ehrlich zu sein: Niemand weiß es so genau, schließlich stehen wir erst am Anfang einer Veränderung mit riesigen Potenzialen und Risiken. Können wir die Zukunft voraussagen? Natürlich nicht. Aber wir können das Thema zumindest aus heutiger Sicht und aus einer Vogelperspektive betrachten.
Dieser Artikel ist der erste einer Serie, in dem wir auf Einsatzgebiete, Chancen und Risiken rund um KI im Projektmanagement eingehen. In diesem ersten Teil starten wir mit den absoluten Grundlagen. Neugierig? Dann lies weiter!
Dieser Artikel ist Teil 1 der Serie über KI im Projekt. Du willst mehr erfahren? Dann schau gern in die anderen Teile rein:
Teil 1: KI im Projekt –Die wichtigsten Grundlagen
Teil 2: Praktische Beispiele zum Nachvollziehen
Teil 3: 8 Risiken mit Praxisbeispielen
Teil 4: Einsatzgebiete im Projekt und anderswo
Teil 5: Werden Projektmanager überflüssig?
Was ist Künstliche Intelligenz?
Eine Begriffsklärung ist angesagt! Auch wenn „Künstliche Intelligenz“ in aller Munde ist, ist es für viele noch ein wenig greifbarer Begriff. Also schauen wir genauer hin:
Künstliche Intelligenz (KI, Englisch: Artificial Intelligence, AI) bezieht sich auf Algorithmen, Maschinen oder Systeme, die (menschenähnliche) Intelligenz simulieren und bestimmte nicht immer gleiche Aufgaben erledigen und Probleme lösen. KI umfasst eine breite Palette von Technologien und Ansätzen, wie Machine Learning, Mustererkennung und Sprachverarbeitung.
Das gibt es schon seit Jahrzehnten, und häufig ist es von außen nicht zu erkennen, dass z. B. eine Software gewisse Anteile enthielt, die man KI nennen kann. In jüngerer Zeit brüstet sich allerdings fast jedes komplexere Produkt mit dem verkaufsfördernden Schlagwort „Künstliche Intelligenz“.
Noch spannender wird es, wenn wir spezifischer werden, und die sogenannte generative Künstliche Intelligenz betrachten:
Generative künstliche Intelligenz (GenAI) bezieht sich speziell auf KI-Systeme, die in der Lage sind, neue und einzigartige Inhalte zu generieren, die von Menschen stammen könnten. Diese basieren auf Mustern und Informationen, die sie während ihres Trainingsprozesses gelernt haben. Diese Generierung kann in verschiedenen Formen erfolgen, darunter Text, Bilder, Musik oder andere Daten. Häufig teilt man der KI schriftlich mit, was man von ihr erwartet, betrachtet das Ergebnis, und gibt anschließend verfeinernde Korrekturen oder Anweisungen, bis man das erwartete Resultat erhält.
Die folgende Tabelle gibt einen Überblick über beide Begriffe:
| Künstliche Intelligenz | Generative künstliche Intelligenz | |
|---|---|---|
| Einordnung | Übergeordneter Begriff | Spezieller Teilbereich der KI |
| Fokus | Darauf ausgelegt, vorhandene Daten zu analysieren oder spezifische Aufgaben zu erfüllen | Speziell darauf ausgelegt, selbst neue Daten oder Inhalte zu generieren. Meist am Ende eines Lernprozesses aus umfangreichen vorhandenen Daten. |
| Einsatzgebiete | Sprachverarbeitung (z. B. Übersetzung oder Textanalyse) Bilderkennung (z. B. Gesichtserkennung oder Einsatz beim autonomen Fahren) Predictive Analytics (z. B. Prognosen von Aktienmärkten) Spam-Filter Empfehlungssyteme (z. B. Vorschläge bei Streaming-Diensten) | Textgenerierung (z. B. Erstellen von Artikeln oder Werbeaussagen) Bildgenerierung (z. B. Erstellung realistischer Fotos) Musikkomposition Code-Programmierung |
| Beispiel | Die traditionelle KI in einfacheren Schachcomputern kennt alle Regeln und kann basierend auf vordefinierten Strategien kluge Entscheidungen treffen. Sie erfindet jedoch keine neuen Wege, sondern wählt aus den vorprogrammierten Strategien aus. | Die KI als Märchenerzähler: Gib ihr einen Satz, wie „Es war einmal in einer weit entfernten Galaxie …“. Die KI kann ein spannendes Weltraumabenteuer mit Charakteren und einem aufregenden Ende generieren – etwas völlig Neues basierend auf deinen Angaben und Anweisungen. |
Noch einmal anders zusammengefasst:
- Künstliche Intelligenz / KI (Englisch: Artificial Intelligence / AI) gibt Maschinen die Fähigkeit, menschliches Denken und Handeln zu imitieren.
- Machine Learning (ML) erlaubt es, aus Daten zu lernen und sich selbst zu verbessern.
- Generative KI (GenAI), setzt noch eins drauf: Sie nutzt Lernalgorithmen und Mustererkennung, häufig spricht man von „Deep Learning“, um anschließend neue Inhalte zu kreieren, die nicht oder nicht auf den ersten Blick von menschlichen Werken zu unterscheiden sind.
Es gibt unterschiedliche Definitionen für künstliche Intelligenz. Von „Intelligenz von Maschinen und Software“ (frei nach McCarthy, John (2007), „What is artificial intelligence?“, Stanford University, http://www-formal.stanford.edu/jmc/) über „die Fähigkeit einer Maschine, kognitive Funktionen auszuführen, die wir normalerweise mit dem menschlichen Geist assoziieren“ (2023, McKinsey & Company) bis hin zu deutlich komplexeren Formulierungen. Es besteht selbst in der Wissenschaft noch keine Einigkeit, wie genau man KI definieren sollte. Auf die im Hintergrund stattfindenden Diskussionen, was eigentlich „Denken“ ist, was „Kreativität“ und „Intelligenz“ ist, was nur ein einfacher Algorithmus und was schon „künstliche Intelligenz“ ist, lassen wir uns daher gar nicht erst ein sondern betrachten die praktischen Auswirkungen. Oder ganz plakativ: „Entscheidend ist, was hinten rauskommt“. Wenn ein Computer, eine Software, in der Lage ist, eigenständig Daten zu analysieren oder Aufgaben und Probleme zu lösen, so werden wir hier von KI reden – unabhängig davon, was dazu im Hintergrund abläuft.
Dr. Blumenau
Wo stehen wir gerade?
Im Projektmanagement kann KI einen großen Impact haben – aber wo stehen wir aktuell, im Januar 2024? Wir haben ein paar interessante Untersuchungen herausgesucht, die beeindruckende Zahlen liefern und recht aggressive Voraussagen wagen:
Bis 2030 werden 80 Prozent der Arbeit des heutigen Projektmanagements (PM) wegfallen, da künstliche Intelligenz (KI) traditionelle PM-Funktionen wie Datenerfassung, Nachverfolgung und Berichterstattung übernimmt.
Quelle
Ein paar Ergebnisse aus dem Annual Global Survey on Project Management 2023 des PMI®:
- 21 % der Befragten geben an, dass sie KI immer oder häufig bei der Verwaltung von Projekten einsetzen.
- 82 % der Führungskräfte geben an, dass KI in den nächsten fünf Jahren zumindest einen gewissen Einfluss darauf haben wird, wie Projekte in ihrem Unternehmen durchgeführt werden.
Und noch eine Aussage: 91 % der Befragten einer unveröffentlichten PMI-Umfrage zum Thema Kundenerfahrung (CX) glauben, dass KI zumindest mäßige Auswirkungen auf den Beruf haben wird, und 58 % sagen, dass sie einen „großen“ oder „transformativen“ Einfluss haben wird.
Im AI in Project Management Survey von Capterra gibt es weitere spannende Zahlen und Erkenntnisse:
- Die befragten Unternehmen erwarten, ihre Investitionen in KI für ihr Projektmanagement bis 2024 um durchschnittlich fast ein Drittel (32 %) zu erhöhen, verglichen mit ihren derzeitigen Investitionen.
- 80 % der Unternehmen stufen ihre Akzeptanz für den Einsatz von KI im Projektmanagement als etwas (57 %) oder extrem hoch (23 %) ein.
- 61 % der Unternehmen nutzen bereits KI oder haben es fest auf ihrer Roadmap eingeplant.
Die Rolle von KI im Projektmanagement
Was viele Untersuchungen aktuell nicht eindeutig abgrenzen, ist folgende Frage: Worauf bezieht sich die Aussage „Nutzung von KI im Projektmanagement“? Hier können wir nämlich drei Ebenen unterscheiden:
| Ebene | Beispiele |
|---|---|
| Nutzung von KI für die Projektinhalte | Erstellung von Fehlerprognosen bei Produktionsanlagen Entwurf von Grafiken und Videos für Marketing-Kampagnen Verbesserung der Bilderkennung beim Auswerten von Röntgenbildern im Gesundheitswesen |
| KI für die Unterstützung bei Projektmanagement-Aufgaben | Zusammenfassung von Meetings in Protokollen Automatisches Zuweisen von Aufgaben an Mitarbeiter inkl. Ressourcenoptimierung Fortschrittsüberwachung und frühes Erkennen potenzieller Verzögerungen |
| Das Projekt selbst zur Einführung oder Entwicklung einer KI | Erstellung einer Strategie zum großflächigen Einsatz von KI im Unternehmen Entwicklung eines KI-Modells zur Unterstützung des Controllings bei Prognosen Aufbereitung von historischen Daten zum Training einer unternehmensinternen KI |
Wie kann KI konkret im Projektmanagement unterstützen?
KI ist also in unserer Realität angekommen oder wird es in Windeseile tun. Lass uns also genauer hinschauen, wie KI im Projektmanagement eingesetzt werden kann.
Hinweis:
In diesem Artikel beziehen wir uns nicht auf die Unterstützung bei den Projektinhalten (beispielsweise Erstellung von Marketingtexten), sondern konkrete Projektmanagement-Aufgaben wie Planung, Analyse oder Prognose.
Die sehr schön aufbereite Übersichtsseite zum Thema KI im Projektmanagement des Project Management Institutes (PMI®) schlägt folgenden Ansatz vor, um den Einsatz von KI im Projekt zu evaluieren:
- Bewertung der Komplexität von Aufgaben: Wie viele Variablen gibt es bei dieser Aufgabe? Sind spezielle Kenntnisse und Erfahrungen im Projektmanagement nötig? Haben die Aufgaben Einfluss auf das Gesamtunternehmen?
- Ausmaß menschlicher Beteiligung: Wie stark muss ein „echter Mensch“ eingreifen, um einen geeigneten Output zu erhalten?
Die folgende Tabelle zeigt, welche typischen PM-Aufgaben in welchem Ausmaß von KI unterstützt werden können:
| Unterstützung | Beschreibung | Beispiele |
|---|---|---|
| Automation | Wenn Aufgaben wenig komplex sind und nur wenig menschliches Eingreifen verlangen, können sie mit KI automatisiert werden. | Erstellen von Berichten, Analyse von Dokumenten, Zusammenfassen von Besprechungsnotizen, Durchführen von Berechnungen |
| Assistance | Bei komplexeren Aufgaben kann der Projektmanager KI wie einen Assistenten ansehen: Er erhält Anregungen, erste Analysen und Entwürfe. Diese müssen allerdings überprüft und ergänzt werden, um die Richtigkeit sicherzustellen. | Erstellen eines ersten Entwurfs einer Kosten-Nutzen-Analyse, Datenanalyse für eine Empfehlung zur Änderung des Projektumfangs, Erstellung von Zeitplänen, Durchführung einer Risikoanalyse. |
| Augmentation | Dieser Ansatz hilft Projektmanagern, komplexere und strategische Aufgaben zu erfüllen, die ohne KI bisher nur schwer möglich gewesen wären. Bei diesen hochkomplexen Aufgaben kann KI beim Gewinnen von Erkenntnissen unterstützen – über die Qualität des Outputs entscheidet die Mensch. | Erstellen eines umfassenden Business Cases für Projekte, Unterstützung komplexer Entscheidungsprozesse mit vielen Abhängigkeiten und Variablen |
Generell gilt:
Je komplexer die Aufgabe ist, desto mehr menschliches Eingreifen ist erforderlich, um hochwertige Ergebnisse zu erzielen. (PMI)
Was kann künstliche Intelligenz – und was nicht?
Machen wir es mal konkret: Wo genau kann künstliche Intelligenz eingesetzt werden – und wo liegen ihre Grenzen? Wir haben uns drei typische Bereiche aus dem Projektmanagement herausgepickt:
| Beispiel | Was KI kann | Was KI nicht kann |
|---|---|---|
| Ressourcenoptimierung | Ein KI-gestütztes System kann vergangene Projekte auswerten und Muster erkennen, um genaue Ressourcenvorhersagen zu treffen. Es kann dabei helfen, Engpässe zu identifizieren und Kapazitäten zu optimieren. | Allerdings stößt die KI bei unvorhersehbaren Ereignissen oder unstrukturierten Problemen an ihre Grenzen. Unvorhersehbare externe Einflüsse oder komplexe zwischenmenschliche Dynamiken sind schwer zu modellieren. |
| Kommunikation | Chatbots und automatisierte Kommunikationssysteme können häufig gestellte Fragen beantworten, einfache Aufgaben delegieren und den Projektstatus aktualisieren. KI kann auch Muster in der Teamkommunikation erkennen und Hinweise auf potenzielle Konflikte oder Engpässe geben. | In komplexen Verhandlungssituationen, sensiblen Teamgesprächen oder anderen kontextabhängigen Interaktionen ist die emotionale Intelligenz von Menschen entscheidend. KI-Systeme haben Schwierigkeiten, subtile Nuancen der zwischenmenschlichen Kommunikation zu erfassen und adäquat zu reagieren. |
| Projektauswahl | Bei der Projektauswahl kann KI bei der Analyse großer Mengen von Daten helfen, um die Erfolgsaussichten verschiedener Projekte zu bewerten. Die KI kann historische Projektdaten, Budgets, Zeitpläne und Teamleistungen analysieren, um fundierte Empfehlungen für die Auswahl von Projekten zu geben. | KI kann Schwierigkeiten haben, qualitative Faktoren wie Teamdynamik, kulturelle Aspekte oder politische Einflüsse zu berücksichtigen. Zudem könnten unvorhersehbare Veränderungen im Marktumfeld oder plötzliche technologische Durchbrüche dazu führen, dass historische Daten keine zuverlässigen Vorhersagen für neue Projekte liefern. |
Du siehst: Künstliche Intelligenz bietet im Projektmanagement viele Möglichkeiten, hat aber auch ihre Grenzen. Statt grundsätzlich KI in den Himmel zu loben oder kategorisch auszuschließen, sollte jeder ein Verständnis für Stärken und Schwächen von KI entwickeln, um optimale Ergebnisse zu erzielen.
Mehr über die konkreten Einsatzgebiete im von künstlicher Intelligenz im Projektmanagement gibt es in einem späteren Artikel dieser Serie.
Das offensichtliche Problem: Die Qualität der Datenbasis
Erinnerst du dich? Weiter oben im Artikel steht:
Generative künstliche Intelligenz bezieht sich speziell auf KI-Systeme, die in der Lage sind, neue und einzigartige Inhalte zu generieren, die von Menschen stammen könnten. Diese basieren auf Mustern und Informationen, die sie während ihres Trainingsprozesses gelernt haben.
Genau hier liegt oft eine echte Stolperfalle: Viele KI-Modelle basieren auf dem Prinzip des Lernens aus Erfahrung. Je mehr relevante Daten zur Verfügung stehen, desto besser kann die KI Muster, Trends und Zusammenhänge erkennen. Diese Datenbasis sollte idealerweise auf das eigene Unternehmen oder zumindest die Branche zugeschnitten sein, damit die Ergebnisse qualitativ hochwertig sind.
Doch was, wenn keine historischen Daten vorliegen, oder diese in unterschiedlichsten Formaten in verschiedenen Systemen, auf Laufwerken oder wo auch immer abgelegt sind? Dann sind die Möglichkeiten stark begrenzt, Ressourcen zu optimieren, Konflikte frühzeitig zu erkennen oder bei einer fundierten Projektauswahl zu unterstützen. Wenn dann noch ethische Aspekte, Fragen zum Datenschutz und Kompetenzentwicklung bei Mitarbeitern dazukommen, verlieren viele schon wieder die Lust am eigentlich spannenden Thema.
Nimm mit: Im Kleinen kann KI Projektmanager schon jetzt unterstützen – für den großen und unternehmensweiten Einsatz mit echten Benefits braucht es eine robuste Strategie und saubere Daten.
Fazit
Mit ihrer Fähigkeit, große Mengen an Daten zu analysieren, komplexe Muster zu erkennen und fundierte Entscheidungen zu treffen bzw. vorzuschlagen, eröffnet KI riesige Möglichkeiten, um die Arbeit von Projektmanagern zu verändern. Geht das von heute auf morgen? Sicher nicht: Dafür müssen erst Voraussetzungen geschaffen und offene Fragen geklärt werden. Eines ist aber auch klar: Künstliche Intelligenz ist im Projektmanagement angekommen, um zu bleiben – also sollte sich jeder mit dem Thema auseinandersetzen.
Im nächsten Artikel dieser Serie schauen wir genauer auf ein paar konkrete Praxisbeispiele und bewerten die KI-generierten Ergebnisse.
