Unternehmen und verändert Arbeitsprozesse und Geschäftsmodelle. Auch im Projektmanagement können KI-Systeme Projektmanager und Teams auf vielfältige Weise unterstützen.KI-Systeme können beispielsweise bei der Planung, beim Risikomanagement, bei der Prognose und bei der Entscheidungsfindung helfen. Sie analysieren große Datenmengen in kurzer Zeit und liefern Handlungsempfehlungen. So können Prozesse optimiert und Projekte effizienter abgewickelt werden.Gleichzeitig ermöglichen KI-Systeme mehr Freiraum für die kreative und strategische Arbeit der Projektmanager. Routineaufgaben werden automatisiert, sodass sich das Projektmanagement auf die Kernaufgaben fokussieren kann.

Anwendungsbereiche für KI im Projektmanagement

Datenanalyse und Prognosen

KI-Systeme können Daten aus aktuellen und vergangenen Projekten analysieren, um präzise Prognosen zu erstellen. Durch Machine Learning werden die Vorhersagemodelle immer genauer. Folgende Prognosen sind möglich:

• Zeit- und Kostenprognosen für Projekte
• Risikoanalyse (z.B. Verzögerungsrisiken)
• Prognose des Ressourcenbedarfs
• Prognose der Projektergebnisse

Automatisierung und Effizienzsteigerung

Viele alltägliche Aufgaben im Projektmanagement können automatisiert werden:

• Terminplanung
• Ressourcenmanagement
• Erstellung von Berichten
• Dokumentation
• Kommunikation (z.B. automatische Statusupdates)

Dadurch haben Projektmanager mehr Zeit für wertschöpfende Aufgaben. Prozesse werden effizienter und fehleranfällige manuelle Tätigkeiten verringert.

Wissensmanagement

KI-Systeme können das Wissen aus aktuellen und vergangenen Projekten extrahieren und für zukünftige Projekte nutzbar machen. Sie durchsuchen Dokumente und Kommunikation auf relevante Informationen. So entstehen Wissensdatenbanken, die den Erfahrungsschatz aller Projekte abbilden.

Entscheidungsunterstützung

Auf Basis der gesammelten Daten und Erkenntnisse können KI-Systeme auch bei Entscheidungen unterstützen:

• Empfehlung von Projektmanagement-Methoden
• Bewertung und Priorisierung von Projektvorschlägen
• Entscheidungshilfen bei kritischen Projektentscheidungen

Agile Methoden

KI kann auch agile Projektmanagement-Methoden wie Scrum unterstützen. Beispiele:

• Automatische Erstellung von User Stories
• KI-basierte Schätzungen von User Stories (Aufwandabschätzung)
• Empfehlungen für die Optimierung von Sprints

Herausforderungen für den KI-Einsatz

Der KI-Einsatz im Projektmanagement birgt aber auch Herausforderungen:

• KI-Systeme benötigen große Datenmengen, um präzise arbeiten zu können. Bei neuen Projekttypen sind keine Daten vorhanden.
• Die KI-Empfehlungen müssen von menschlichen Experten validiert werden. Eine kritische Bewertung ist wichtig.
• Für die Akzeptanz der KI im Team ist eine transparente Arbeitsweise des KI-Systems essenziell.
• Datenschutz und Informationssicherheit müssen beim Einsatz von KI gewährleistet werden.
• KI-Systeme können die Soft Skills eines Projektmanagers wie Kommunikation, Motivation und Teambuilding nicht ersetzen.

Beispiel: Nutzung des KI-Assistenten Claude mit Kanban-Boards

Hans ist Projektleiter in einem Software-Unternehmen, das mobile Apps entwickelt. Er managt die Entwicklung einer neuen Fitness-Tracking-App mit agilen Methoden.Um den Workflow zu verwalten und den Fortschritt zu verfolgen, erstellt Hans ein Kanban-Board mit den Spalten „Backlog“, „To Do“, „In Arbeit“ und „Erledigt“.

Er unterteilt das Projekt in User Stories, die kleine Arbeitspakete aus Sicht des Nutzers beschreiben. Diese User Stories werden auf Karten notiert und in die Spalte „Backlog“ gestellt.Hans‘ Team nutzt den KI-Assistenten Claude, um das Backlog zu priorisieren. Claude analysiert die User Stories und gibt eine Empfehlung zur Priorisierung basierend auf Faktoren wie Business Value, Komplexität und Abhängigkeiten.

Die User Stories mit der höchsten Priorität werden in die Spalte „To Do“ gezogen. Teammitglieder können sich dann für die Bearbeitung bestimmter Aufgaben anmelden.Wenn ein Entwickler mit der Arbeit an einer User Story beginnt, wird die Karte in die Spalte „In Arbeit“ verschoben. So kann jeder auf einen Blick den Status sehen.

Claude überwacht die Spalte „In Arbeit“ und sendet automatische Alerts, wenn eine Aufgabe zu lange bearbeitet wird, ohne voranzukommen. So können mögliche Engpässe frühzeitig identifiziert werden.Wenn die Arbeit abgeschlossen ist, wird die Karte in die Spalte „Erledigt“ verschoben. Claude scannt die fertiggestellte Arbeit und extrahiert wichtige Informationen, Lessons Learned, Code-Snippets etc. und speichert diese in einer Wissensdatenbank.In regelmäßigen Abständen begutachtet Hans das Board und bespricht den Fortschritt und Hindernisse mit dem Team. Claude liefert datenbasierte Einblicke, wie z.B. Cycle Time Metriken, um diese Diskussionen zu informieren.Das Kanban-Board in Kombination mit Claudes KI-Fähigkeiten für Priorisierung, Tracking, Wissensmanagement und Metriken ermöglicht es Hans‘ Team, effizient zu arbeiten und schnell Mehrwert zu liefern.

Die kontinuierliche Verbesserung hilft ihnen, mit jeder Iteration besser zu werden.

Fazit

Künstliche Intelligenz wird die Arbeit von Projektmanagern in Zukunft deutlich verändern und unterstützen. Standardisierte und datenbasierte Aufgaben werden mehr und mehr automatisiert, während die menschliche Intuition und Erfahrung weiterhin unverzichtbar bleiben.Durch die Kombination von menschlichen Stärken und KI-Systemen entsteht ein enormes Potenzial, Projekte effizienter und erfolgreicher zu gestalten. Projektmanager sollten sich daher frühzeitig mit den Möglichkeiten der KI im Projektmanagement vertraut machen.