Es ist Donnerstagnachmittag in der zweiten Woche einer SaaS-Implementierung. Sie sind der Projektmanager: Der Delivery Lead verlangt bis Feierabend eine saubere Status-Präsentation, und der Customer Success Manager benötigt vor dem morgigen Lenkungsausschuss ein Update zu den Abhängigkeiten. Das Team kommt bei einer Entscheidung nicht weiter. Laufen Sie weiterhin manuell Updates hinterher, um die Kundenbeziehung zu wahren, oder halten Sie inne, um die Arbeitsabläufe zu korrigieren, die ständig Nacharbeit verursachen? Mit jedem Mal, wenn Sie sich für die erste Option entscheiden, steigen die Kosten. Die Mitarbeiter verschwenden 12 Stunden pro Woche damit, Daten aus Tools zusammenzusuchen, widersprüchliche Notizen abzugleichen und dieselben Risiken an drei verschiedenen Stellen neu zu erfassen. Eskalationen erfolgen erst spät, da niemand das Muster früh genug erkennt. Dieser Kurs vermittelt Ihnen das Urteilsvermögen und die Werkzeuge, um diesen ineffizienten Prozess zu stoppen. Sie identifizieren operative Verschwendung, wählen KI-Unterstützungsmuster aus, die zu Ihren Governance-Richtlinien passen, entwerfen ein „Human-in-the-Loop“-Betriebsmodell und führen ein Ops-Optimierungs-Backlog, das Zeitersparnis und Entscheidungsqualität misst – und nicht die bloße Nutzung von Tools.
Bevor Sie sich den Zeitplan ansehen: Überlegen Sie, an welcher Stelle der Prozess tatsächlich ins Stocken gerät und den größten Aufwand für Nacharbeiten verursacht.
Nicht das Reporting-Meeting selbst ist das Problem, sondern die damit verbundene, oft unsichtbare Arbeit. Ein Koordinator exportiert eine Tabelle aus dem Ticketsystem. Eine Führungskraft kopiert Notizen aus dem Chat. Jemand aktualisiert eine Folie, dann stellt ein Stakeholder eine Zahl infrage, woraufhin das Team die Daten erneut abruft. Während alle am Statusbericht feilen, gerät eine teamübergreifende Abhängigkeit aus dem Blickfeld. Da diese Abhängigkeit nicht mit dem Statusbericht verknüpft ist, erfolgt die Eskalation erst im Lenkungsausschuss – zu einem Zeitpunkt, an dem der Handlungsspielraum bereits eingeschränkt ist. Die operativen Auswirkungen sind messbar: Zeitaufwand für Datenabgleiche, doppelte Dateneingaben und eine verspätete Erkennung kritischer Signale führen zu Überstunden, verpassten Übergaben und unzuverlässigen Prognosen.
Wenn ein Team den Einsatz von KI im operativen Projektgeschäft wünscht, geht es meist darum, Unterbrechungen zu reduzieren. KI kann hierbei helfen – allerdings nur, wenn die jeweilige Funktion gezielt auf das vorliegende Problem abgestimmt wird.
Der Beitrag von KI im operativen Projektgeschäft lässt sich meist in fünf Kategorien unterteilen:
Ein häufiger Fehler ist der instinktive Versuch, das sichtbarste Ergebnis – die Statuspräsentation – zu automatisieren, während die zugrundeliegenden Daten ungeordnet bleiben. Dies wirkt zwar effizient, da das Ergebnis schneller vorliegt, zementiert jedoch fehlerhafte Daten und erzeugt Fehlinformationen, die überzeugend wirken. Eine sicherere Regel lautet: Alles, was Zusagen, das Budget oder die externe Kommunikation betrifft, muss in menschlicher Hand bleiben. Die KI kann die Entscheidung vorbereiten, sie aber nicht selbst treffen.
Nutzen Sie diesen Vergleich, um Anwendungsfälle auf der Basis von Mehrwert und Fehlerquellen auszuwählen – und nicht allein aufgrund des Neuheitswerts.
Wenn ein Anwendungsfall einen hohen Nutzen bietet, aber bei Fehlern auch schwerwiegende Nachteile nach sich ziehen kann, sollte er als Entscheidungshilfe betrachtet werden. Hierbei werden Verifizierungsschritte integriert, die Rückverfolgbarkeit zu den Quellsystemen sichergestellt und die KI-Ergebnisse protokolliert. Ist das Risiko gering – etwa beim Entwerfen interner Notizen –, kann ein höherer Automatisierungsgrad zugelassen werden, wobei sich die Governance auf Zugriffskontrolle und Datenverarbeitung konzentriert.
Ein „Human-in-the-loop“-Betriebsmodell trennt die Entscheidungsvorbereitung von der eigentlichen Entscheidungsfindung. Entscheidungsvorbereitung umfasst das Sammeln und Strukturieren von Informationen sowie die Darstellung von Handlungsoptionen. Die Entscheidungsfindung beinhaltet hingegen die Festlegung einer Projektrichtung, die Übernahme von Risiken oder die Abgabe verbindlicher Zusagen gegenüber Stakeholdern.
Man denke an eine Risikowarnung: Eine KI kann Trends bei Problemen analysieren und einen neuen Eintrag im Risikoregister entwerfen – inklusive Vorschlägen für Eintrittswahrscheinlichkeit, Ausmaß und Risikoverantwortlichen. Anschließend prüft eine Person die Quellen, passt die Bewertungen an und entscheidet, ob eine Eskalationsschwelle überschritten wird. Bei dieser Schwelle handelt es sich um ein vorab definiertes Kriterium, etwa ein finanzielles Schadensausmaß oberhalb eines bestimmten Betrags, eine Meilensteinverzögerung um eine festgelegte Anzahl von Tagen oder ein Risiko, das vertragliche Verpflichtungen berührt. Die Nachvollziehbarkeit (Audit Trail) ist entscheidend, da jederzeit geklärt werden muss, wer wann und auf welcher Grundlage etwas freigegeben hat.
Wählen Sie für jede Tätigkeit einen Automatisierungsgrad, der den möglichen Auswirkungen und der Notwendigkeit von Freigaben angemessen ist.