Blog » Projektmanagement » Künstliche Intelligenz im Projektmanagement, Teil 2: Praktische Beispiele zum Nachvollziehen
Künstliche Intelligenz im Projektmanagement

Künstliche Intelligenz im Projektmanagement, Teil 2: Praktische Beispiele zum Nachvollziehen

Auf den Punkt gebracht

Projektmanager können künstliche Intelligenz bereits heute in verschiedenen Bereichen einsetzen. Dabei haben Experimente gezeigt, dass KI besser bei allgemeinen und oberflächlichen Aufgaben abschneidet, während sie bei konkreteren und detailorientierten Aufgaben weniger effektiv ist. Die Beurteilung der KI-Ergebnisse erfordert die Expertise eines kompetenten Menschen. Selbst bei einfachen Berechnungen können Fehler auftreten, was die Frage aufwirft, wie KI bei komplexeren Aufgaben abschneidet. Dennoch kann KI wertvolle Denkanstöße und Hinweise liefern.

Als PDF herunterladen

Wie können Projektmanager künstliche Intelligenz schon heute einsetzen? In diesem Artikel spielen wir vier Beispiele praktisch durch und bewerten die Ergebnisse auf ihre Praxistauglichkeit. Los geht’s!

Dieser Artikel ist Teil 2 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?

So sind wir vorgegangen

Als Basis haben wir ein Trainingsdokument aus dem kostenlosen Online-Kurs des PMI® genutzt: Generative AI Overview for Project Managers. Schau gern mal rein: Im Kurs findest du nicht nur eine Reihe von Grundlagen, sondern auch ein Dokument mit Beispiel-Prompts und den Ergebnissen, die ChatGPT generiert hat.

Wir haben uns Beispiele herausgepickt, teilweise etwas angepasst bzw. umformuliert und sowohl in ChatGPT als auch Google Bard verarbeitet. Die Ergebnisse sind interessant, teilweise verblüffend – und manchmal schlichtweg falsch.

Wichtig:
Falls du selbst mit den KI-Tools herumspielen möchtest: Stelle sicher, dass der Einsatz in deinem Unternehmen erlaubt ist. Manche Organisationen untersagen die Nutzung komplett, andere möchten nicht die Firmen-Mailadresse mit KI-Tools verknüpft sehen, viele lehnen die Übertragung von unternehmensinternen Daten an externe KI-Tools ab.

KI zur Entscheidungsfindung

Prompt:
Mein Software-Entwicklungsteam steht vor einer Entscheidung: Outsourcing oder Einstellung eines internen Designers. Die Auslagerung würde 20.000 € im Voraus und 5.000 € pro Monat für 6 Monate kosten. Unser interner Designer würde 60.000 € an Gehalt kosten. Zeige mir die Gesamtkosten für beide Varianten anhand einer detaillierten Kosten-Nutzen-Analyse in Tabellenform und erläutere deinen Vorschlag.

Unsere Erkenntnisse:

  • ChatGPT tendiert zum Outsourcing, Google Bard zur internen Ressource.
  • Beide Tools haben teilweise unterschiedliche Empfehlungen abgegeben, wenn der gleiche Prompt mehrfach genutzt oder nur geringfügig abgewandelt wurde.
  • Beide Tools weisen darauf hin, dass die Entscheidung von weiteren Faktoren abhängt. Projektmanager können hier noch ein paar Denkanstöße bekommen – gut!
  • Keines der beiden Tools hat die Stolperfalle erkannt, dass lediglich ein „Gehalt“ für den internen Designer angegeben wurde. Es wurde weder auf unbekannte Overheadkosten hingewiesen noch auf ggf. intern vorhandene Verrechnungssätze.
  • Google Bard hat für eine einfache Rechnung konsequent das falsche Ergebnis ausgespuckt: 20.000 € + (6 x 5.000 €) ergeben keine 60.000 €! Ein Fehler bei selbst einer so einfachen Rechnung ist verwunderlich und zeigt, dass sich niemand auf Ergebnisse verlassen sollte.
  • Google Bard liefert deutlich ausführlichere Texte und gibt ein paar gute Hinweise und Argumente, an die gedacht werden sollte.

Fazit: Abgesehen von der falschen Berechnung durch Google Bard können die generierten Texte und Tabellen ein Zeitsparer sein, stellen aber bei weiten kein Endergebnis dar: Aus dem Wortlaut der vorgegebenen Aufgabe wurden die gegebenen spezifischen Rahmenbedingungen nicht vollständig erfasst und die gegebenen Informationen wurden nicht als unvollständig erkannt.
Die KI liefert keine weltbewegend neuen Erkenntnisse, geht nicht genau genug auf die spezifische Situation ein und verbleibt bei allgemeinen Aussagen. Sie gibt aber einige Anregungen und Argumente, auf die vielleicht nicht jeder menschliche Mitarbeiter gekommen wäre.

ChatGPT

Das komplette Ergebnis von ChatGPT

Um die Gesamtkosten für das Outsourcing und die Einstellung eines internen Designers zu berechnen und eine Empfehlung abzugeben, können wir dies in einer Tabelle darstellen. Die Kosten setzen sich aus dem Anfangsbetrag und den monatlichen Kosten über einen Zeitraum von 6 Monaten zusammen. Hier ist die Tabelle:


Die Gesamtkosten für das Outsourcing betragen 50.000 €, während die Gesamtkosten für die Einstellung eines internen Designers 60.000 € betragen. In diesem Fall wäre das Outsourcing die kostengünstigere Option.

Empfehlung:
Aufgrund der Kostenvorteile würde ich empfehlen, das Outsourcing in Betracht zu ziehen, vorausgesetzt, die Qualität und Zuverlässigkeit des externen Dienstleisters sind zufriedenstellend. Dies ermöglicht es Ihrem Software-Entwicklungsteam, Kosten zu sparen und Ressourcen auf andere wichtige Aspekte des Projekts zu lenken. Stellen Sie sicher, dass Sie vor der Entscheidung die Reputation und Fähigkeiten des Outsourcing-Partners sorgfältig prüfen und gegebenenfalls Verträge oder Service Level Agreements abschließen, um sicherzustellen, dass die Anforderungen des Projekts erfüllt werden.

Google Bard

Das komplette Ergebnis von Google Bard

Erläuterung

Die Gesamtkosten für das Outsourcing belaufen sich auf 60.000 €. Diese Kosten setzen sich aus einer Vorauszahlung von 20.000 € und monatlichen Kosten von 5.000 € für 6 Monate zusammen. Die Kosten für einen internen Designer belaufen sich ebenfalls auf 60.000 €. Diese Kosten setzen sich aus dem Gehalt des Designers zusammen.

Die Flexibilität ist beim Outsourcing geringer als bei der Einstellung eines internen Designers. Bei der Auslagerung ist es schwieriger, Änderungen im Projektumfang oder den Anforderungen vorzunehmen. Bei der Einstellung eines internen Designers ist es dagegen möglich, den Designer bei Bedarf zu entlassen oder neue Aufgaben zuzuweisen.

Die Kontrolle über das Projekt ist beim Outsourcing ebenfalls geringer als bei der Einstellung eines internen Designers. Bei der Auslagerung ist der Designer nicht direkt dem Software-Entwicklungsteam unterstellt. Bei der Einstellung eines internen Designers ist dagegen möglich, den Designer eng an das Projekt zu binden.

Die langfristigen Kosten sind für beide Varianten ungewiss. Es kann sein, dass die Kosten für das Outsourcing langfristig höher sind, wenn der Designer nicht die gewünschte Qualität liefert. Es kann auch sein, dass die Kosten für einen internen Designer langfristig höher sind, wenn der Designer nicht mit dem Software-Entwicklungsteam zusammenarbeiten kann.

Die Qualität der Arbeit kann bei beiden Varianten variieren. Es ist wichtig, einen erfahrenen Designer auszuwählen, unabhängig davon, ob dieser intern oder extern angestellt wird.

Die Kundenbindung kann bei beiden Varianten variieren. Es ist wichtig, einen Designer auszuwählen, der sich mit den Bedürfnissen des Kunden auskennt und diese erfüllen kann.

Empfehlung

Die Entscheidung, ob Outsourcing oder Einstellung eines internen Designers die bessere Option ist, hängt von den individuellen Bedürfnissen des Software-Entwicklungsteams ab.

Wenn Flexibilität und Kontrolle wichtig sind, ist die Einstellung eines internen Designers die bessere Option. Wenn die Kosten im Vordergrund stehen, kann das Outsourcing eine gute Option sein.

In diesem Fall ist die Entscheidung nicht eindeutig. Die Gesamtkosten sind für beide Varianten gleich. Die Flexibilität und Kontrolle sind beim Outsourcing geringer, während die Qualität der Arbeit und die Kundenbindung variieren können.

Mein Vorschlag

Ich würde empfehlen, einen internen Designer einzustellen. Dies bietet dem Software-Entwicklungsteam mehr Flexibilität und Kontrolle über das Projekt. Außerdem ist es wahrscheinlicher, dass ein interner Designer die Bedürfnisse des Kunden besser versteht und erfüllen kann.

Natürlich ist es wichtig, einen erfahrenen Designer auszuwählen, unabhängig davon, ob dieser intern oder extern angestellt wird. Es ist auch wichtig, dass der Designer eng mit dem Software-Entwicklungsteam zusammenarbeitet, um sicherzustellen, dass die Arbeit den Anforderungen entspricht.

Argumente für die Einstellung eines internen Designers

  • Mehr Flexibilität: Ein interner Designer kann bei Bedarf entlassen oder neue Aufgaben zugewiesen werden. Dies ist beim Outsourcing nicht möglich.
  • Mehr Kontrolle: Ein interner Designer ist direkt dem Software-Entwicklungsteam unterstellt. Dies erleichtert die Kommunikation und die Zusammenarbeit.
  • Besseres Verständnis der Kundenbedürfnisse: Ein interner Designer ist mit der Kultur und den Prozessen des Unternehmens vertraut. Dies erleichtert es ihm, die Bedürfnisse des Kunden zu verstehen und zu erfüllen.

Argumente für das Outsourcing

  • Geringere Kosten: Die Kosten für einen internen Designer sind in der Regel höher als die Kosten für einen externen Designer.
  • Spezialisierte Expertise: Externe Designer können über spezialisierte Expertise verfügen, die intern nicht verfügbar ist.
  • Letztendlich hängt die Entscheidung davon ab, welche Faktoren für das Software-Entwicklungsteam am wichtigsten sind.

KI für eine Stakeholderanalyse

Prompt:
Nach der Durchführung einer Stakeholderanalyse für unser Projekt zum Bau eines neuen Solarparks ist es offensichtlich, dass unser Energieminister Ken und unser Projektsponsor Kevin eng betreut werden sollten, um sicherzustellen, dass ihre Bedürfnisse erfüllt werden. Unsere Projektkoordinatorin Carol scheint keinen großen Einfluss auf das Projekt zu haben, aber sie hat ein großes Interesse daran. Unsere Verkäuferin, Alyssa, hat keinen Einfluss, aber sie hat ein großes Interesse an dem Projekt. Zeige mir im Detail eine Stakeholder-Tabelle mit den Spalten „Macht“ und „Interesse“ und einer jeweils passenden Stakeholer-Strategie.

Unsere Erkenntnisse:

  • Wenn ein Projektmanager die Informationen im Prompt bereits vorliegen hat – braucht er dann wirklich noch eine KI, um die Tabelle zu erstellen? Oder wurde die Analyse bereits in einer Tabelle erstellt?
  • Die Strategien sind recht vage formuliert, können aber Anregungen geben.
  • Google Bard liefert auch hier etwas ausführlichere Texte und Erläuterungen. Diese entspringen allerdings zum Teil völlig der „Fantasie der KI“ und nicht der Aufgabenstellung („Sie haben auch ein hohes Interesse an dem Projekt, da sie sich für erneuerbare Energien und die Umwelt einsetzen.“).
  • KI kann durchaus dabei unterstützen, unstrukturierten Text in eine übersichtliche Tabelle umzuwandeln.

Fazit: Hat hier KI wirklich einen Mehrwert geliefert? Das muss vermutlich jeder für sich selbst entscheiden.
Kritisch wird es jedoch, wenn KI (wie hier Google Bard) Fantasieinformation einbaut, die ggf. der Realität völlig widersprechen. Das mag für das Schreiben eines Romans sinnvoll sein, ist bei einer Analyse im Projektmanagement jedoch ein katastrophaler Fehler.

ChatGPT

Das komplette Ergebnis von ChatGPT

Hier ist eine Stakeholder-Tabelle mit den Spalten „Macht“ und „Interesse“ sowie entsprechenden Stakeholder-Strategien für die genannten Personen:


Diese Tabelle zeigt die Einschätzung von Macht und Interesse für jeden Stakeholder sowie die empfohlenen Strategien für die Interaktion mit ihnen, um sicherzustellen, dass ihre Bedürfnisse und Erwartungen erfüllt werden.

Google Bard

Das komplette Ergebnis von Google Bard


Erläuterung

  • Energieminister Ken und Projektsponsor Kevin haben einen hohen Einfluss auf das Projekt, da sie über die Mittel und die Ressourcen verfügen, um das Projekt zu stoppen oder zu verzögern. Sie haben auch ein hohes Interesse an dem Projekt, da sie sich für erneuerbare Energien und die Umwelt einsetzen. Daher ist es wichtig, diese Stakeholder eng zu betreuen und ihre Bedürfnisse zu berücksichtigen. Dies kann durch regelmäßige Kommunikation, Abstimmung und Einbindung in Entscheidungen erreicht werden.
  • Projektkoordinatorin Carol hat zwar keinen großen Einfluss auf das Projekt, aber sie ist für die Koordination des Projekts verantwortlich. Sie hat auch ein hohes Interesse an dem Projekt, da sie sich für den Erfolg des Unternehmens einsetzt. Daher ist es wichtig, Carol über den Projektfortschritt zu informieren und ihr die Möglichkeit zu geben, sich einzubringen. Dies kann durch regelmäßige Statusberichte, Meetings und Workshops erreicht werden.
  • Verkäuferin Alyssa hat keinen Einfluss auf das Projekt, aber sie hat ein hohes Interesse daran, da sie das Solarpark-Projekt verkaufen möchte. Daher ist es wichtig, Alyssa über den Projektfortschritt zu informieren und sie für das Projekt zu begeistern. Dies kann durch regelmäßige Updates, Präsentationen und Schulungen erreicht werden. Fazit Durch eine gezielte Stakeholder-Strategie können die Bedürfnisse aller Stakeholder berücksichtigt werden und der Erfolg des Projekts sichergestellt werden.

Fazit

Durch eine gezielte Stakeholder-Strategie können die Bedürfnisse aller Stakeholder berücksichtigt werden und der Erfolg des Projekts sichergestellt werden.

KI für Problemlösungsprozesse

Prompt:
Ich bin Projektleiter im Baugewerbe und bemerke eine Verzögerung bei der Fertigstellung eines Projekts. Ich möchte die Hauptursache(n) des Problems ermitteln. Ordne die möglichen Ursachen nach der Ishikawa-Methode in die Kategorien Mensch, Material, Maschine, Methode, Mitwelt/Umfeld, Management, Messbarkeit und Geld/Money ein und gib mir alles in einer übersichtlichen Tabelle aus!

Unsere Erkenntnisse:

  • Beide Tools spucken eine Reihe möglicher Ursachen für das Problem „Verzögerung“ an – eine durchaus gute Ausgangsbasis.
  • Die meisten Ursachen sind recht oberflächlich und vage. Zugegeben: Auch die Eingangsfrage ist vage, von daher ist das wohl nicht verwunderlich.
  • Google Bard liefert noch ein paar hilfreiche Fragen, um dem Problem weiter auf den Grund zu gehen. Das kann hilfreich sein!

Fazit: Auch wenn die Ergebnisse eher oberflächlich ausfallen – wäre in einem Workshop der erste Wurf eines Teams überhaupt besser gewesen? Die Ergebnisse wirken wie eine gute Ausgangsbasis zum Weiterarbeiten. Lässt man Grafiken generieren, so sind diese allerdings völlig unbrauchbar und unfreiwillig bizarr. Hier als Beispiel die Grafik von ChatGPT/DALL-E.

ChatGPT

Das komplette Ergebnis von ChatGPT

Die Ishikawa-Methode, auch bekannt als Fischgrätendiagramm oder Ursache-Wirkungs-Diagramm, kann verwendet werden, um die Hauptursachen eines Problems zu identifizieren, indem die Ursachen in verschiedene Kategorien eingeteilt werden. Hier ist eine übersichtliche Tabelle, die mögliche Ursachen für Verzögerungen in einem Bauprojekt nach den genannten Kategorien ordnet:


Diese Tabelle kann Ihnen helfen, die Hauptursachen für Verzögerungen in Ihrem Bauprojekt mithilfe der Ishikawa-Methode zu identifizieren und gezielte Maßnahmen zur Problembehebung zu ergreifen. Je nach Ihrem konkreten Projekt können die Ursachen und ihre Gewichtung unterschiedlich sein.

Google Bard

Das komplette Ergebnis von Google Bard


Auswertung

Um die Hauptursache(n) einer Verzögerung zu ermitteln, ist es wichtig, eine gründliche Analyse durchzuführen. Dazu sollten alle relevanten Faktoren berücksichtigt werden, einschließlich der oben genannten Kategorien.

In Ihrem Fall sollten Sie zunächst eine Liste aller möglichen Ursachen erstellen. Anschließend sollten Sie diese Liste anhand der verfügbaren Informationen bewerten und die wahrscheinlichsten Ursachen identifizieren. Anschließend sollten Sie weitere Untersuchungen durchführen, um diese Ursachen zu bestätigen oder zu widerlegen.
Hier sind einige konkrete Fragen, die Sie sich stellen können, um die Hauptursache(n) der Verzögerung zu ermitteln:

  • Mensch: Wurde das Projekt von erfahrenem Personal geplant und durchgeführt? Wurden die Mitarbeiter ausreichend geschult? Haben sich Arbeitsunfälle ereignet?
  • Material: Wurden die Materialien von guter Qualität? Waren die Spezifikationen korrekt? Gab es Verzögerungen bei der Lieferung von Materialien?
  • Maschine: Waren die Maschinen in gutem Zustand? Waren die Maschinen ausreichend für die Aufgabe?
  • Methode: Wurde das Projekt gut geplant? War die Kommunikation zwischen den Beteiligten ausreichend? Waren die Abläufe klar definiert?
  • Mitwelt/Umwelt: Wurden die Witterungsbedingungen berücksichtigt? Gab es geologische Besonderheiten? Gab es rechtliche Auflagen, die eingehalten werden mussten?
  • Management: Wurde das Projekt von einem erfahrenen Projektmanager geführt? Wurde die Projektarbeit ausreichend kontrolliert? Waren die Zuständigkeiten klar definiert?
  • Messbarkeit: Wurden klare Projektziele definiert? Wurden Kennzahlen zur Messung des Fortschritts verwendet? War die Transparenz des Projekts ausreichend?
  • Geld/Money: Wurde das Projekt ausreichend finanziert? Wurden die Budgets eingehalten? Gab es unvorhergesehene Kosten? Die Antworten auf diese Fragen können Ihnen dabei helfen, die Hauptursache(n) der Verzögerung zu ermitteln.

KI im Risikomanagement

Prompt:
Das IT-Projekt „SafeGuard“ zielt darauf ab, die Effizienz und Sicherheit unseres Unternehmensnetzwerks zu verbessern. Durch die Implementierung einer robusten Firewall-Lösung und regelmäßigen Schulungen für Mitarbeiter zur Sensibilisierung für Cybersecurity-Risiken sollen Sicherheitslücken minimiert werden. Der Nutzen besteht in einer gesteigerten Datensicherheit, einer Reduzierung von Ausfallzeiten und einer erhöhten Produktivität durch reibungslosere IT-Systeme. Das Projekt wird mit einem Budget von 150.000 € bis Ende des Jahres 2024 umgesetzt. Gib mir hierzu eine detaillierte Risikoanalyse in Tabellenform mit Eintrittswahrscheinlichkeit und möglichem Schaden sowie möglichen präventiven und korrektiven Gegenmaßnahmen.

Unsere Erkenntnisse:

  • Hier kommt die KI ins Straucheln, wie so häufig, wenn es um saubere Formulierung und Abgrenzung geht.
  • ChatGPT erwähnt einige Risiken, die vermutlich keine Risiken innerhalb des Projekts sind, sondern allgemein zur Thematik passen. Nicht prinzipiell falsch – aber eben unpassend zur Risikoanalyse für das Projekt an sich.
  • „Budgetüberschreitung“ wird im Projektmanagement generell nicht als Risiko im eigentlichen Sinne angesehen, da es eher eine Auswirkung eines zuvor eingetretenen Risikos ist.
  • Es ist unklar, auf welcher Grundlage die Risiken bewertet werden. Woher weiß die KI zum Beispiel, dass die technischen Herausforderungen „hoch“ sind? Und was ist hier überhaupt genau das Risiko?
  • Google Bard formuliert die Risiken noch unsauberer: „Firewall-Lösung“, „Mitarbeiterschulungen“ – was ist hier das unerwartete Ereignis?
  • Beiden Tools gelingt es recht gut, präventive und korrektive Maßnahmen zu formulieren.
  • Google Bard glänzt auch hier mit zusätzlichen Erläuterungen und Empfehlungen. Allerdings sind die gegebenen Erläuterungen zur Skaleneinteilung 1-5 von Eintrittswahrscheinlichkeit und Schaden inkonsistent und passen nicht zu generierten Tabelle.

Fazit: Schwierig. Auf den ersten Blick lautete unsere Einschätzung: „Schlecht. Begriffe nicht sauber getrennt, keine solide Risikoanalyse.“ Allerdings wissen wir auch: Besonders die Risikoanalyse fällt unseren Teilnehmern zur Vorbereitung auf die IPMA®-Level-D-Zertifizierung oft am schwersten. Im Durchschnitt liefern unsere Teilnehmer im ersten Versuch vermutlich in etwa die Qualität ab, die hier auch die KI liefert – im besten Fall mittelmäßig, insgesamt unsauber. Nach Abschluss der Ausbildung steht der größte Teil allerdings deutlich besser da als die KI in diesem Beispiel.

ChatGPT

Das komplette Ergebnis von ChatGPT

Hier ist eine detaillierte Risikoanalyse für das IT-Projekt „SafeGuard“ in Tabellenform:

RisikoEintrittswahrscheinlichkeitMöglicher SchadenPräventive GegenmaßnahmenKorrektive Gegenmaßnahmen
DatendiebstahlMittelHoch– Implementierung einer robusten Firewall-Lösung. – Sensibilisierung der Mitarbeiter durch Schulungen und Schulungsmaterialien.– Sofortige Sperrung von betroffenen Konten oder Zugriffspunkten. – Umfassende forensische Untersuchung bei Verdacht auf Datendiebstahl.
AusfallzeitenNiedrigHoch– Notfallplan erstellen und regelmäßig überprüfen. – Implementierung von Redundanzen für kritische Systeme.– Schnelle Wiederherstellung von Backups und Ausfallsystemen. – Analyse und Behebung der Ursachen für Ausfallzeiten.
Geringe SensibilisierungMittelMittel– Regelmäßige Schulungen für Mitarbeiter zur Sensibilisierung für Cybersecurity-Risiken. – Bereitstellung von Schulungsmaterialien und Ressourcen.– Feedback von Mitarbeitern sammeln und Schulungsprogramm bei Bedarf anpassen. – Verstärkte Überwachung von Mitarbeiterverhalten.
BudgetüberschreitungNiedrigHoch– Detaillierten Projektplan erstellen und Budgetschätzungen überwachen. – Einrichtung eines Projektsteuerungsausschusses zur Überwachung der Budgetausgaben.– Identifikation von Ursachen für die Budgetüberschreitung und Anpassung des Projektplans. – Suche nach alternativen Finanzierungsmöglichkeiten.
Technische HerausforderungenHochMittel– Gründliche technische Prüfung und Testphase vor der Implementierung. – Einbindung erfahrener Experten bei Bedarf.– Schnelle Reaktion auf technische Probleme mit geeigneten Fachleuten und Ressourcen. – Kontinuierliche Überwachung und Anpassung der technischen Lösungen.


Diese detaillierte Risikoanalyse bietet eine umfassende Übersicht über die potenziellen Risiken im Projekt „SafeGuard“ sowie präventive und korrektive Maßnahmen, um diesen Risiken entgegenzuwirken. Die Eintrittswahrscheinlichkeit und der mögliche Schaden wurden hier allgemein bewertet und sollten je nach konkreter Situation und Umgebung weiter verfeinert werden.

Google Bard

Das komplette Ergebnis von Google Bard

Erläuterung

Die Eintrittswahrscheinlichkeit wird auf einer Skala von 1 (sehr gering) bis 5 (sehr hoch) bewertet. Der mögliche Schaden wird auf einer Skala von 1 (gering) bis 5 (hoch) bewertet. Die Gegenmaßnahmen werden in präventive und korrektive Gegenmaßnahmen unterteilt.

  • Präventive Gegenmaßnahmen sollen den Eintritt eines Risikos verhindern.
  • Korrektive Gegenmaßnahmen sollen den Schaden begrenzen, der entsteht, wenn ein Risiko eintritt.

Fazit

Die Eintrittswahrscheinlichkeit der Risiken im Rahmen des IT-Projekts „SafeGuard“ ist im Allgemeinen als mittel bis hoch einzuschätzen. Der mögliche Schaden ist im Falle eines Eintritts ebenfalls hoch. Die Umsetzung der empfohlenen Gegenmaßnahmen kann die Risiken minimieren und den Nutzen des Projekts erhöhen.

Zusätzliche Maßnahmen

Neben den oben genannten Maßnahmen können noch weitere Maßnahmen zur Minimierung der Risiken ergriffen werden. Dazu gehören zum Beispiel:

  • Regelmäßige Audits des Unternehmensnetzwerks durch einen unabhängigen Experten
  • Einrichtung eines Incident Response Plans
  • Sensibilisierung der Mitarbeiter für Datenschutzbestimmungen

Die Umsetzung dieser Maßnahmen sollte im Rahmen einer Risikomanagement-Strategie des Unternehmens erfolgen.

Bewertung der Kosten-Nutzen-Relation

Die Kosten für die Umsetzung des IT-Projekts „SafeGuard“ betragen 150.000 €. Der Nutzen des Projekts besteht in einer gesteigerten Datensicherheit, einer Reduzierung von Ausfallzeiten und einer erhöhten Produktivität durch reibungslosere IT-Systeme.

Die gesteigerte Datensicherheit kann zu einer Reduzierung von Haftungsrisiken und einer Verbesserung des Images des Unternehmens führen. Die Reduzierung von Ausfallzeiten kann zu einer Steigerung der Produktivität und einer Verringerung der Kosten führen. Die erhöhte Produktivität durch reibungslosere IT-Systeme kann zu einer Steigerung des Umsatzes und einer Verbesserung der Kundenzufriedenheit führen.

Die konkreten Auswirkungen des Projekts auf die Kosten und den Nutzen sind schwer zu quantifizieren. Es ist jedoch davon auszugehen, dass die Kosten des Projekts durch den Nutzen überkompensiert werden.

Empfehlung

Die Umsetzung des IT-Projekts „SafeGuard“ wird empfohlen. Das Projekt ist geeignet, die Sicherheit des Unternehmensnetzwerks zu verbessern und den Nutzen des Unternehmens zu steigern.

Fazit

Was nehmen wir mit? Ein paar Punkte bestätigen sich auch in diesen Experimenten:

  • Je allgemeiner und oberflächlicher, desto besser sind die Ergebnisse der KI.
  • Je konkreter ein Thema wird und je mehr es auf Sinn für Details ankommt, desto schlechter sind die Ergebnisse.
  • Es braucht einen kompetenten Menschen, um die Ergebnisse zu beurteilen.
  • KI macht auch bei einfachen Berechnungen Fehler – wie sieht das erst bei komplizierteren Dingen aus?
  • KI kann gute Denkanstöße und Hinweise geben, wenn einem „einfach gerade nichts einfällt“.

Letztendlich muss jeder selbst ausprobieren, in welchem Ausmaß diese Art von KI aktuell unterstützen kann. Da interne Firmendaten nicht in öffentliche Chats wie ChatGPT oder Google Bard eingefügt werden sollten, sind die Anwendungsfälle begrenzt – aber experimentieren sollte jeder einmal!

Lust auf noch mehr Artikel zum Thema KI im Projekt? Dann schau gern hier beim Projektmagazin und der aktuellen Blogparade vorbei: Können wir KI? Wie bereichern ChatGPT & Co. Ihr Projektteam?

Nach oben scrollen