So identifizieren wir KI-Potenziale in Projekten
.png)
So identifizieren wir KI-Potenziale in Projekten
Ein strukturierter Ansatz zur Identifikation und Bewertung sinnvoller KI-Anwendungsfälle im Projektmanagement
Künstliche Intelligenz bietet zahlreiche Möglichkeiten, Projektmanagementprozesse effizienter zu gestalten. Von der automatisierten Erstellung von Statusberichten über die Analyse von Projektrisiken bis zur Unterstützung bei der Ressourcenplanung lassen sich unterschiedliche Anwendungsfälle identifizieren.
Doch nicht jede technisch mögliche KI-Anwendung führt automatisch zu einem messbaren Mehrwert.
In vielen Unternehmen beginnt die Beschäftigung mit KI bei der Auswahl einzelner Tools. Mitarbeitende testen ChatGPT, Microsoft Copilot oder andere Anwendungen und suchen anschließend nach geeigneten Einsatzmöglichkeiten.
Aus unserer Sicht sollte der Prozess genau umgekehrt ablaufen.
Zunächst müssen die Herausforderungen und Verbesserungspotenziale im Projektmanagement verstanden werden. Erst danach sollte geprüft werden, wie KI sinnvoll unterstützen kann.
Bei Brinkmann Consulting verfolgen wir dafür einen strukturierten Ansatz.
1. Bestehende Projektmanagementprozesse analysieren
Am Anfang steht die Analyse der aktuellen Projektmanagementorganisation und ihrer Arbeitsabläufe. Dabei betrachten wir beispielsweise die Projektplanung, das Reporting, die Ressourcensteuerung, das Risikomanagement und die Kommunikation mit Stakeholdern.
Im Mittelpunkt stehen Fragen wie:
• Welche Aufgaben werden regelmäßig manuell durchgeführt?
• Wo entstehen besonders hohe administrative Aufwände?
• Welche Informationen müssen wiederholt aus unterschiedlichen Systemen zusammengetragen werden?
• Wo treten Verzögerungen, Medienbrüche oder Qualitätsprobleme auf?
• Welche Entscheidungen werden durch fehlende oder unvollständige Informationen erschwert?
Ziel ist es, ein möglichst konkretes Verständnis der tatsächlichen Herausforderungen im Projektalltag zu entwickeln. Dabei berücksichtigen wir sowohl die Perspektive der Projektleitungen als auch die Anforderungen von PMO und Management.
2. Geeignete KI-Anwendungsfälle identifizieren
Auf Grundlage der Prozessanalyse werden mögliche KI-Anwendungsfälle abgeleitet. Dabei unterscheiden wir insbesondere zwischen drei Einsatzfeldern.
Administrative Unterstützung
Hierzu gehören wiederkehrende Aufgaben wie die Erstellung von Protokollen, die Vorbereitung von Statusberichten oder die Strukturierung von Projektdokumentationen.
Analytische Unterstützung
KI kann dabei helfen, größere Informationsmengen auszuwerten, Auffälligkeiten zu erkennen und beispielsweise Risiken oder Projektabweichungen zu analysieren.
Unterstützung bei Entscheidungen
KI kann Informationen zusammenführen, Handlungsoptionen strukturieren und unterschiedliche Projektszenarien aufbereiten. Die fachliche Bewertung und Entscheidung verbleiben dabei bei den verantwortlichen Personen. Entscheidend ist, die Anwendungsfälle möglichst konkret zu beschreiben. Statt allgemein „KI im Risikomanagement“ einzuführen, könnte ein Anwendungsfall beispielsweise lauten: Automatisierte Identifikation potenzieller Projektrisiken aus vorhandenen Statusberichten und Projektdokumentationen. Dadurch lassen sich Nutzen, Anforderungen und Umsetzbarkeit deutlich besser bewerten.
3. Potenziale systematisch bewerten und priorisieren
Nicht jeder identifizierte Anwendungsfall sollte unmittelbar umgesetzt werden. Deshalb bewerten wir die Potenziale anhand einheitlicher Kriterien.
- Erwarteter Nutzen: Welchen Beitrag kann die Lösung zur Effizienz, Qualität oder Transparenz leisten?
- Technische Umsetzbarkeit: Sind geeignete Systeme, Schnittstellen und Technologien vorhanden?
- Datenverfügbarkeit: Stehen die erforderlichen Informationen in ausreichender Qualität zur Verfügung?
- Organisatorische Voraussetzungen: Passen Prozesse, Verantwortlichkeiten und Kompetenzen zur geplanten Lösung?
- Risiken und Compliance: Welche Anforderungen bestehen hinsichtlich Datenschutz, Informationssicherheit und menschlicher Kontrolle?
Anschließend lassen sich die Anwendungsfälle beispielsweise in einer Nutzen-Aufwand-Matrix einordnen. Besonders interessant sind Lösungen mit einem hohen erwarteten Nutzen und einer vergleichsweise einfachen Umsetzung. Diese können als erste Pilotprojekte dienen.
4. Konkrete Umsetzungsszenarien entwickeln
Für priorisierte Anwendungsfälle wird im nächsten Schritt ein mögliches Umsetzungsszenario erarbeitet. Dabei geht es nicht ausschließlich um die Auswahl einer KI-Anwendung. Vielmehr betrachten wir den gesamten zukünftigen Arbeitsprozess.
Ein Beispiel ist die KI-gestützte Erstellung von Projektstatusberichten.
Bisheriger Prozess:
Projektinformationen werden manuell aus verschiedenen Systemen zusammengetragen, konsolidiert und in einem Statusbericht aufbereitet.
Möglicher zukünftiger Prozess:
Relevante Informationen werden strukturiert bereitgestellt. KI unterstützt bei der Zusammenfassung, hebt Auffälligkeiten hervor und bereitet einen Berichtsentwurf vor. Die Projektleitung validiert und ergänzt das Ergebnis vor der Freigabe. Für ein solches Szenario müssen unter anderem Datenquellen, Verantwortlichkeiten, Kontrollmechanismen und technische Voraussetzungen definiert werden. So wird aus einer allgemeinen KI-Idee ein konkreter, umsetzbarer Anwendungsfall.
5. Ergebnisse in eine priorisierte Roadmap überführen
Das Ergebnis der Analyse sollte keine unstrukturierte Sammlung möglicher KI-Tools sein. Stattdessen entsteht eine priorisierte Übersicht geeigneter Anwendungsfälle mit einer nachvollziehbaren Bewertung.
Eine mögliche Roadmap unterscheidet zwischen:
- Kurzfristigen Potenzialen: Anwendungsfälle, die mit bestehenden Werkzeugen und überschaubarem Aufwand getestet werden können.
- Mittelfristigen Potenzialen: Lösungen, für die zunächst Prozesse standardisiert, Datenquellen angebunden oder organisatorische Voraussetzungen geschaffen werden müssen.
- Langfristigen Potenzialen: Weiterführende Anwendungen, beispielsweise zur projektübergreifenden Analyse, Prognose oder intelligenten Automatisierung komplexerer Abläufe.
Für priorisierte Maßnahmen sollten zudem Verantwortlichkeiten, Erfolgskriterien und nächste Schritte definiert werden. Damit schafft die Analyse eine Grundlage für die systematische Weiterentwicklung des Projektmanagements.
Warum operative Projekterfahrung dabei entscheidend ist
Die Identifikation sinnvoller KI-Potenziale erfordert mehr als technologische Kenntnisse. Wer Projektmanagementprozesse verbessern möchte, muss verstehen, wie Projekte unter realen Bedingungen geplant und gesteuert werden. Dazu gehören beispielsweise unvollständige Informationen, konkurrierende Ressourcenanforderungen, komplexe Stakeholderstrukturen und sich verändernde Projektziele.
Bei Brinkmann Consulting verbinden wir deshalb operative Projektmanagementerfahrung mit KI-Kompetenz.
Unser Ziel ist es, nicht nur technisch mögliche Lösungen zu identifizieren, sondern insbesondere solche, die sich sinnvoll in den Projektalltag integrieren lassen.
Fazit: Erst Prozesse verstehen, dann KI einsetzen
Die erfolgreiche Integration von KI in das Projektmanagement beginnt mit einer fundierten Analyse. Unternehmen sollten zunächst verstehen, wo konkrete Herausforderungen bestehen, welche Tätigkeiten verbessert werden können und welche Voraussetzungen bereits vorhanden sind. Darauf aufbauend lassen sich geeignete KI-Anwendungsfälle identifizieren, bewerten und priorisieren.
Unser Ansatz: Nicht möglichst viele KI-Anwendungen einführen, sondern die richtigen Potenziale erkennen und daraus konkrete Verbesserungen für das Projektmanagement ableiten. Eine strukturierte KI-Projektanalyse schafft dafür die notwendige Grundlage.