KI im Projektmanagement

KI im PM – Chance oder Risiko?

Das Thema Künstliche Intelligenz ist in den letzten Jahren immer größer geworden und in aller Munde. Die meisten kennen und viele nutzen auch privat KI-Systeme wie ChatGPT. Auch Unternehmen beschäftigen sich mit den Funktionsweisen und Nutzen diese für die Entwicklung von Produkten, Websites, Blogs oder auch Medien. Dabei werden einerseits die großen Chancen hervorgehoben, andererseits auch die damit einhergehenden Risiken erwähnt.

Viele Softwares und Tools werben zudem mit KI-Funktionen, zum Beispiel im Bereich Projektmanagement. Doch wie nutzt man KI im Projektmanagement? Welche Chancen ergeben sich und wo ist Vorsicht geboten? Das und mehr beleuchten wir in diesem Artikel.

1. Wie funktioniert KI?
2. So unterstützt eine KI im Projektmanagement
3. Projektmanagement-Tools mit KI: Was schon geht und was noch kommt
4. Projektrollen im KI-Zeitalter
5. Chancen und Risiken bei der Arbeit mit KI
6. Fazit: Projektmanagement und KI sind die Zukunft

KI kann die tägliche Projektarbeit unterstützen

1. Wie funktioniert KI?

Eine mögliche Definition lautet:
„Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik. Sie imitiert menschliche kognitive Fähigkeiten, indem sie Informationen aus Eingabedaten erkennt und sortiert. Diese Intelligenz kann auf programmierten Abläufen basieren oder durch maschinelles Lernen erzeugt werden.“ – Frauenhofer-Institut

Eine KI soll also quasi das menschliche Gehirn imitieren. Doch häufig kommt es zu Missverständnissen, was alles eigentlich zu KI gehört. KI, Maschinelles Lernen und Algorithmus – diese Begriffe werden oft synonym verwendet, dabei sind dies ganz unterschiedliche Dinge. Was eine KI ist, wissen wir nun, doch was hat es mit den anderen Begriffen auf sich?

Algorithmus, Maschinelles Lernen, oder doch KI?

Ein Algorithmus ist ein automatisierter Prozess beispielsweise in Form einer “Wenn-Dann-Anweisung”: “ Wenn diese Taste gedrückt wird, passiert das”. Ein Algorithmus kann auch komplexer sein, aber löst immer eine Reihe von Anweisungen aus, um ein Problem zu lösen.

Machine Learning (ML) basiert unter anderem auf einer Reihe von Algorithmen, die mit strukturierten (oder auch schematischen) Daten gespeist werden. Ein Einsatzbereich ist zum Beispiel der Geldtransfer im Banksystem: Wenn etwas von dem Algorithmus abweicht, wie der Ort oder der Betrag einer Überweisung, merkt das System dies und kann eine Warnung herausgeben. ML ist Teil einer Künstlichen Intelligenz, allerdings kann eine KI auch mit unstrukturierten Daten gefüttert werden.

Exkurs: So funktionieren Large Language Models

Wie im Vorfeld ausgeführt, sind Large Language Models (LLMs) ein wichtiger Bestandteil vieler KI-Funktionalitäten und Tools, u.a. auch bei ChatGPT oder Google Bard. Diese Sprachmodelle sind die Grundlage für bspw. solche Chatbots, denn sie modellieren – wie der Name sagt – in statistischer Form natürliche, menschliche Sprachen wie bspw. Deutsch, Englisch oder Französisch.

Um dies zu ermöglichen, wird auf zwei Säulen gesetzt:

Grundbestandteile eines Large Language Models
Architektur	Der „Bauplan“, in dem festgelegt wird, wie das Modell funktioniert und wie die Parameter miteinander interagieren, um Vorhersagen zu treffen. Architekturen können aus mehreren Schichten (oder Ebenen) bestehen, die verschiedene Berechnungen durchführen und so komplexere Muster oder Zusammenhänge erkennen sollen. Zu bekannten Architekturen gehören u.a. Transformer wie bei ChatGPT, aber auch LSTM (Long Short-Term Memory) oder GRU (Gated Recurrent Unit).
Parameter	Auch als „Gewichte“ bekannt, sind Parameter die Elemente, die während des Trainingsprozesses eines LLMs angepasst werden. Diese Anpassungen erfolgen auf Grundlage eines Fehlermaßes: Das Modell versucht, Fehler zwischen Vorhersagen und den echten Daten zu minimieren. Die Parameter bestimmen, wie stark Eingaben (z.B. Wörter) das Ergebnis des Modells (z.B. die Vorhersage des nächsten Wortes) beeinflussen. Enthält ein Satz z.B. das Wort „nicht“, könnte das LLM lernen, dass der Satz mit hoher Wahrscheinlich negativ ist. Die Gewichtungen erkennt das Modell anhand von Mustern und Zusammenhängen in den Trainingsdaten, die aus großen Mengen von Texten wie Büchern, Websites und anderen Quellen bestehen.

Solche Machine-Learning-gestützen Modelle arbeiten mit Wahrscheinlichkeiten, um die Abfolgen sogenannter Tokens innerhalb einer längeren Token-Sequenz zu bestimmen. Zum leichteren Verständnis könnte man eine Token-Sequenz wie einen menschlichen Satz definieren, z.B. „KI ist eine wichtige Stütze für die Zukunft des Projektmanagements„.

Für einen Menschen wären die einzelnen Wörter die Tokens, für ein Sprachmodell können auch einzelne Zeichenabfolgen ein Token sein. Die Wahl der Token-Größe ist von den konkreten Aufgaben und Daten abhängig, sodass manchmal ganze Wörter und manchmal nur Buchstaben oder Wortteile genutzt werden.

Besonders wichtig ist eine Art Übersetzung der Wörter in eine Tabelle mit allen Tokens und einer nummerierten Reihe für jedes einzelne Token. Dieser Prozess heißt Tokenisierung (englisch: Tokenization). Das ist nötig, denn unter der Haube arbeiten Large Language Models mit Zahlen. Mit der Umwandlung der Tokens in Zahlenreihen einer Tabelle werden die Inhalte, die ein Modell zum Training nutzt, für das LLM zugänglich. Die aus der Tokenization entstehende Tabelle wird auch als Vokabular bezeichnet.

Übrigens: In der Literatur und IT wird oft von Language Models gesprochen. Der Zusatz „Large“ erfolgt vor allem dann, wenn die Anzahl der Parameter besonders groß ist.

Noch tiefergehende Ausführungen zum Thema Large Language Models und Machine Learning findest Du hier:

• Large Language Models und Chatbots: Die Technologie hinter ChatGPT, Bing-Chat und Google Bard | ComputerBase
• Einführung in große Sprachmodelle | Google Developers
• Machine Learning Glossary (englisch) | Google Developers
• Was sind große Sprachmodelle (LLM)? | Amazon Web Services
• Was ist ein großes Sprachmodell? | Umfassende Anleitung zu LLMs | Elastic

Was kann eine KI?

Eine KI kann durch ihre vielfältigen Fähigkeiten in ganz unterschiedlichen Einsatzbereichen genutzt werden. Sie kann beispielsweise (neue) Muster in Daten erkennen und ist somit bestens dafür geeignet große Datensätze hinsichtlich (Un-)Regelmäßigkeiten zu analysieren. Aus diesen Erkenntnissen können wiederum Prognosen erstellt werden.

KIs wie ChatGPT sind dafür konzipiert zu kommunizieren und stetig dazuzulernen, um so immer menschenähnlicher zu werden. Das ist ein Beispiel für ein Large Language Model (LLM), also ein Sprachmodell mit künstlicher Intelligenz.

Midjourney, DALL-E, Adobe Firefly oder Stable Diffusion sind Text-zu-Bild Generatoren und können aus Textanweisungen Bilder kreieren. Dabei können beispielsweise unterschiedliche Zeichenstile umgesetzt werden. Es können aber auch existierende Bilder verändert werden. Während generative Text-KIs wie ChatGPT oder Bard auf eine Vielzahl von Texten für den Aufbau des LLMs setzen, werden solche Modelle mit einer großen Datenmenge an Bildmaterial, Kunst und Grafik trainiert.

Durch die vielseitigen Funktionen sind KIs auch im Projektmanagement einsetzbar und können dort an vielen Stellen eine große Hilfe sein.

2. So unterstützt eine KI im Projektmanagement

Im Projektmanagement kann eine KI bereits auf einer vergleichsweise einfachen und niedrigschwelligen Ebene helfen: Bei Aufgaben, Dokumentation und Beschreibungen. Wahlweise separat über einen entsprechenden Chatbot oder direkt innerhalb eines Projektmanagement-Tools. Zwar trägt dies nicht unmittelbar zu konkreten Projektergebnissen bei, eine effiziente und zielgerichtete Gestaltung der Aufgaben ist aber essentiell für die Erfolgsaussichten.

Projektmanagement ist in vielen Branchen von großer Bedeutung und hat entscheidenden Einfluss auf den Erfolg von Organisationen. Effiziente Planung, Durchführung und Überprüfung von Projekten sind wesentliche Elemente, um strategische Ziele zu erreichen und Wettbewerbsvorteile zu erlangen. In diesem Zusammenhang nimmt Künstliche Intelligenz eine zunehmend wichtigere Rolle ein, da sie das Projektmanagement in vielerlei Hinsicht unterstützen kann.

Eine grundlegende Aufgabe im Projektmanagement ist die Entwicklung einer klaren Projektstruktur und eines detaillierten Projektplans. Künstliche Intelligenz kann in Zukunft entscheidend dabei unterstützen. Die Integration von KI in Projektmanagement-Software ermöglicht es, Daten aus vergangenen Projekten zu analysieren, Muster zu erkennen und Empfehlungen für die optimale Projektstruktur und den Zeitplan abzugeben.

KI kann Prozesse automatisieren und beschleunigen

Bei der Aufgabenverwaltung und Ressourcenplanung kann KI die Qualifikationen und Verfügbarkeit von Teammitgliedern analysieren, um Aufgaben effizient zuzuweisen und die individuellen Stärken optimal zu nutzen. Ein weiterer innovativer Aspekt ist die automatische Priorisierung von Aufgaben.

KI im Aufgabenmanagement ermöglicht nicht nur mehr Effizienz, sondern auch eine stärkere Resilienz von Projektteams gegenüber unvorhergesehenen Ereignissen. Eine KI kann in Echtzeit auf Veränderungen reagieren, Prioritäten neu setzen und Aufgaben umverteilen, um sicherzustellen, dass das Projekt trotz Hindernissen reibungslos weiterläuft. Diese dynamische Anpassungsfähigkeit bietet eine neue Ebene der Flexibilität.

Inspiration und Initialzündung mit KI-Vorschlägen

Im Austausch mit Projektleitern und Nutzern von PM-Software wird deutlich, dass der Start mit einem sprichwörtlichen leeren Blatt oft eine Herausforderung ist. An diesem Punkt kann KI ansetzen, um Ideen zu liefern oder Fragen zur Projektstruktur zu beantworten. Eine KI könnte vorhandenes Wissen nutzen und Vorschläge für die Projektplanung kreieren. Antworten könnten zielgruppengerecht sein, abhängig von der Komplexität und dem Hintergrund der Anfrage. Ziel sollte es sein, die ersten Schritte im Projekt zu vereinfachen: visuell, prozessual und inhaltlich.

3. Projektmanagement-Tools mit KI: Was schon geht und was noch kommt

Viele Anbieter von Projektmanagement-Tools arbeiten fleißig daran, KI in ihr Produkt miteinfließen zu lassen, sodass gerade in der Zukunft umfangreiche und kreative Lösungen denkbar sind. Je nach Hersteller gibt es bereits heute unterschiedlich Funktionen, die auf Künstliche Intelligenz oder Machine Learning setzen oder ohne tiefere technische Details vom Anbieter als KI bezeichnet werden.

Dazu zählen u.a.

• Generierung von Aufgabentiteln und Beschreibungen
• Empfehlung von Projekten oder Aufgaben
• Vorschläge für strategische Schritte
• Zusammenfassung von Inhalten in Aufgaben oder Projekten

Blick in die Zukunft von leistungsfähiger Projekt-KI

Was auf Grundlage dieser Funktionen und den allgemeinen Stärken von KI in der Zukunft kommen kann, ist ein besonders spannender Ausblick. Schon bei der Projektplanung könnte ein KI hilfreich sein: Wenn Daten aus vorherigen Projekten hinsichtlich Muster und Trends analysiert werden. Aus diesen gewonnenen Erkenntnissen können dann Empfehlungen für zukünftige Projekte gegeben werden.

Ein weiterer potenzieller Bereich, in dem KI eine Rolle spielen kann, ist die Risikoanalyse. Die Identifizierung von Risiken ist ein zentraler Aspekt des Projektmanagements. Eine Künstliche Intelligenz kann Prozesse unterstützen, indem sie Daten analysiert, innovative Lösungen vorschlägt und bei der Risikoanalyse historische Daten sowie externe Faktoren berücksichtigt, um potenzielle Herausforderungen frühzeitig zu identifizieren.

Bei drohendem Fortschrittsverlust, hoher Mitarbeiterauslastung oder unzureichender Datenqualität für eine Bewertung im Projekt gibt es Hinweise. In Zukunft kann dies noch flexibler, präziser und projektübergreifender erfolgen. Elemente für KI-gestützte Hilfestellung können in jeder Projektphase identifiziert werden: bei der Planung, Ausarbeitung, Begleitung und beim Abschluss mit einem automatisierten Bericht. Letzterer kann dabei Lessons Learned und Empfehlungen für kommende Projekte geben, sodass Planung und Durchführung immer präziser und reibungsloser werden.

Ebenfalls denkbar wäre eine KI-gesteuert Ressourcenverteilung und Aufgabenmanagement. Wenn also ein Teammitglied ausfällt, könnte die KI die Auslastung im Team anpassen und Aufgaben an andere Teammitglieder verteilen, damit der Zeitplan trotzdem eingehalten wird. Das senkt die Planungsaufwände beim Projektleiter, der z.B. dann nur ein Review der KI-Vorschläge machen, aber nicht alles selbst planen muss.

Vorsicht vor KI-Washing

Seit dem Aufkommen von OpenAIs ChatGPT ist das Thema KI im Mainstream angekommen. Der Hype ist nicht nur Teil eines öffentlichen Diskurses, sondern auch Teil des technologischen Fortschritts. Eine Kehrseite für Nutzer: Viele Unternehmen deklarieren bestehende Funktionen, Formeln oder Logiken als “KI”, auch wenn diese kaum mit dem Thema zu tun haben. Dies erinnert an das sogenannte “Greenwashing”. Bei der Künstlichen Intelligenz könnte man also von KI-Washing sprechen.

Als Interessent oder Nutzer eines Tools kann man solche Labels mit einer gewissen Skepsis betrachten. Die Bezeichnung “KI” wird nicht immer nur dann verwendet werden, wenn auch echte KI-Technologien, wie beispielsweise Large Language Models (LLMs), dahinterstehen.

Zum Kontext gehört aber auch: Viele mit “KI” beworbene Funktionalitäten sind noch in der Entwicklungsphase und können sich schneller als erwartet weiterentwickeln und echte Mehrwerte liefern. Ein Beispiel: Bereits heute gibt es Frühwarnsysteme für Deadlines, Benachrichtigungen bei Verzögerungen von voneinander abhängigen Aufgaben oder Berechnungen von z.B. einer Kostenplanung.

Mit einer KI können diese meist einzeln verfügbaren Informationen in einen größeren Rahmen gesetzt werden. Somit könnte bei veränderten Vorzeichen auf Knopfdruck ein neuer Statusbericht erstellt werden, um diesen z.B. mit Kunden, Dienstleistern oder der Geschäftsführung zu teilen. Denn auch die einzelnen Rollen von Projektbeteiligten ändern sich durch KI.

4. Projektrollen im KI-Zeitalter

Die Rolle der KI im Projektmanagement hat auch Auswirkungen auf die Rolle der Projektbeteiligten, vom Leiter über Mitarbeiter bis zur Geschäftsführung oder externen Dienstleistern.

Gerade als Projektleiter ist es wichtig, sich mit dem Thema KI auszukennen und ein Verständnis für Tools und deren Anwendung zu entwickeln. So kann das Projektmanagement an den richtigen Stellen unterstützt werden. Da sich das Thema ständig weiterentwickelt und immer wieder Neuerungen hinzukommen, ist es wichtig, immer auf dem Laufenden zu bleiben und laufende Entwicklungen im Blick zu behalten.

Zudem ist eine weitere Rolle in diesem Bereich nun die Vermittlung zwischen KI und Mensch. Meist gibt es in einem Unternehmen eine Person, die sich intensiv mit dem Thema beschäftigt und mit Expertenwissen glänzt. Doch auch die anderen Mitarbeitenden sollten wissen, wie KI im Projektmanagement funktioniert und welche Vorgänge und Prozesse damit unterstützt werden. Wichtig ist also, dass es eine Ansprechperson, einen sogenannten Champion, gibt, die Teams gezielt unterstützen und begeistern kann.

Übersicht über Projektrollen und Möglichkeiten durch KI

Trotz der zukünftigen Vorteile sollte klar sein: KI soll den Menschen im Projekt nicht ersetzen, sondern unterstützen. Projekte werden durch Menschen erfolgreich geführt, da sie die Realität kennen: Die Zusammenarbeit mit Kollegen, Dienstleistern und Partnern sowie das Gespür für Prioritäten und Investitionen. Emotionen, Empathie, moralische Werte oder soziale Rahmenbedingungen beeinflussen Entscheidungen und Zusammenarbeit im Projekt.

Am Ende soll KI kompetenten Projektmanagern und Beteiligten helfen, ihren Job noch besser und schneller zu erledigen. Diese sollten sich auf eine Zukunft mit KI-Unterstützung vorbereiten, um in puncto Effizienz nicht ins Hintertreffen zu geraten.

5. Chancen und Risiken bei der Arbeit mit KI

Chancen bei der KI-Nutzung im Projektmanagement

Zu den Vorteilen bei der Arbeit mit einer KI im Projektmanagement zählt, dass Aufgaben effizienter ausgeführt werden können, da die Daten schon aufbereitet sind und die KI diese nutzen kann. Zudem werden Zeit und Ressourcen gespart, da Aufgaben von der KI übernommen werden können. So bleibt zum Beispiel mehr Zeit für kreative Aufgaben.

Auch die frühe Problemerkennung, was ein rechtzeitiges Handeln ermöglicht, ist ein enormer Vorteil. Da eine KI sehr schnell Muster erkennt, können so Probleme, die für das menschliche Auge unentdeckt bleiben, zur rechten Zeit erfasst werden.

Wenn es um die Texterstellung geht, kann eine KI dabei helfen, nicht vom weißen Blatt aus zu starten. Gerade bei komplizierten oder umfassenden Themen kann so die Recherche zu Beginn erleichtert werden. Aber Achtung: Fakten sollten unbedingt noch einmal gegengecheckt werden.

Ein weiterer Punkt ist Sicherheit. Besonders bei repetitiven Aufgaben kann es schwierig sein, konzentriert und fokussiert zu bleiben. Solche Aufgaben eignen sich besonders gut für eine KI. Da aber auch Maschinen Fehler machen, sollte es weiterhin eine kontrollierende Instanz geben. Zudem können Maschinen nur so viel wissen wie die (menschlich erstellte) Datenbasis, auf der sie basieren.

Risiken bei der KI-Nutzung im Projektmanagement

Wie bei anderen technischen Weiterentwicklungen und Neuheiten stehen natürlich auch bei dem Thema Künstlicher Intelligenz Bedenken und Zweifel im Raum.

So fragen sich einige Leute zum Beispiel, was mit den gesammelten Daten passiert. Bei Chat GPT ist es zum Beispiel so, dass die Daten der einzelnen User gesammelt werden, damit die KI noch besser auf Fragen reagieren kann. Die Daten sind nicht für andere User zugänglich, aber auch auf riesigen Servern in den USA gespeichert. Die DSGVO greift also nicht. Im März 2023 ereignete sich zudem eine Datenpanne durch Malware, wodurch die User andere Nachrichten einsehen konnten.

Gesetzliche Regelungen
Bisher gibt es im EU-Raum und Deutschland noch keine festen Regelungen im Umgang mit KI-gestützten Systemen. Mittlerweile hat sich das EU-Parlament auf den AI-Act geeinigt.

Darin wurden strenge Regeln für KI-Systeme festgehalten. Modelle mit systemischem Risiko, also der Gefährdung eines ganzen Systems, sollen demnach Angriffs-Tests ausführen, Vorfälle melden und die Energieeffizienz festhalten.

Nicht systemische, vorab trainierte Modelle können Auflagen umgehen, indem sie Daten der Öffentlichkeit zur Verfügung stellen.

Auch die Trainingsdaten großer KI-Modelle sollen öffentlich gemacht werden. So soll die Verlässlichkeit geprüft und nachvollzogen werden.

Eine weitere Frage ist: Könnte ein zu starkes Vertrauen auf die KI zu menschlicher Nachlässigkeit führen? Einige Personen haben Sorge, dass sich Menschen zu sehr auf die KI verlassen und es so zu Fehlern kommen kann, die vermieden werden könnten, wenn Dinge noch einmal geprüft werden würden.

Eine neue Studie unterstreicht diese Bedenken: Forschende der Universität konnten feststellen, dass Menschen, die eine Aufgabe gemeinsam mit Robotern erfüllen mussten, mehr Fehler machten als Menschen, die die Aufgabe ohne maschinelle Unterstützung erledigen mussten. Und das obwohl die Bemühungen, die Aufgabe zu erledigen, in beiden Gruppen gleich hoch waren.

Ob der Einsatz einer Künstlichen Intelligenz aber wirklich zu einer Art “social loafing” (soziales Faulenzen) führt, bleibt erstmal eine Annahme.

Maschinen unterstützen Menschen bei der Arbeit

Vor- und Nachteile im Überblick

6. Fazit: PM in der Zukunft ist KI-gestützt

Bisher gibt es noch keine Künstliche Intelligenz, die rein auf das Projektmanagement spezialisiert ist. Trotzdem können schon jetzt verfügbare Tools genutzt werden, um z.B. Aufgabenbeschreibungen, eine Checkliste für Projekte oder einen Zeitplan zu erstellen. Richtig tiefgreifende Veränderungen, die das gesamte Projektmanagement von Grund auf umkrempeln, sind in der Zukunft ebenfalls denkbar, heute aber noch etwas weiter weg.

Ungeachtet dessen ist das Thema aus dem Alltag und somit auch aus Projekten nicht mehr wegzudenken. Es ist daher ratsam, sich damit auseinanderzusetzen und auf dem neuesten Stand zu bleiben. Die bisherigen Funktionen können ausprobiert werden und so eine Hilfe im Alltag sein. Aufgrund der schnellen Weiterentwicklung in dem Gebiet können auch kurzfristig größere Durchbrüche erzielt werden.

Weiterführende Lese-Tipps!

• KI und ChatGPT im Projektmanagement (iso21500.de | ISO 21500)
• Drei Einsatzmöglichkeiten von KI in Projekten (iapm.net | International Association of Project Managers)
• Künstliche Intelligenz im Projektmanagement (projektmagazin.de | Projektmagazin)

Eine Auswahl von KI-Tools zum selber probieren
Generative KIs für Texte, Code, Recherche & Co.

• OpenAI ChatGPT
• Google Bard
• Microsoft Bing Copilot

Generative Text-zu-Bild-KIs

• OpenAI DALL-E 3
• Midjourney
• Adobe Firefly
• Microsoft Bing Image Creator