So bringen Sie Künstliche Intelligenz in Ihre Projekte

Künstliche Intelligenz (KI) ist längst keine Zukunftsvision mehr. Sie verändert bereits heute, wie Projekte initiiert, gesteuert und abgeschlossen werden. Doch nicht jede KI-Anwendung verschafft automatisch Mehrwert. Es kommt darauf an, wie und wo Sie KI einsetzen.

In der aktuellen TPG-Podcastfolge „Der KI-Kompass – Know-how für KI im Projektalltag“ geben Wolfgang Habison und Peter Buchas konkrete Einblicke, wie KI-Know-how Schritt für Schritt in den Projektalltag integriert werden kann – pragmatisch, verantwortungsvoll und mit klarer Struktur – und was dabei oft unterschätzt wird.

Podcast-Zusammenfassung – die zentralen Take-aways aus der aktuellen Episode:

Automatisierung, Augmentierung und Optimierung sind die drei zentralen Wirkungsebenen von KI. Jede entfaltet sich in unterschiedlichen Tools und Aufgaben.

• Automatisierung
  Sie nimmt Routineaufgaben ab, beispielsweise Statusberichte generieren, Termine koordinieren oder Protokolle aus Meetings erstellen. Dadurch sinkt der manuelle Aufwand, und das Projektteam gewinnt Freiraum.
• Augmentierung
  Hier fungiert KI als „Sparringspartner“: Sie hilft bei der Ideenfindung, Literatur- oder Quellenrecherche, bei der Vorbereitung auf Entscheidungen oder schwierige Gespräche. KI liefert Impulse – Menschen verfeinern.
• Optimierung
  Aus vorhandenen Daten entstehen neue Erkenntnisse: So lassen sich Risiken früher identifizieren, Abweichungen zwischen Plan und Ist leichter ermitteln und Muster erkennen, die auf Verbesserungen hinweisen. Optimierung ermöglicht eine bessere Steuerung.

Diese Potenziale sind nicht unabhängig voneinander zu betrachten. Oftmals überlappen sie sich: Ein Tool, das Berichte automatisiert, kann auch analysieren und Verbesserungspotenziale vorschlagen.

Mit der Einführung von KI beginnt ein neues Kapitel im Projektmanagement. Datenschutz, Ethik und Führungsverständnis müssen neu gedacht werden.

• Datenschutz und Datenhoheit
  Viele KI-Modelle und Tools speichern Daten, auch Trainingsdaten. Es ist zu prüfen, wer Zugriff hat, wo die Daten gespeichert und wie sie verarbeitet werden. Besonders bei externen Tools gelten Sicherheitsanforderungen und Compliance-Regeln.
• Ethik und Bias
  KI-Systeme spiegeln Verzerrungen ihrer Trainingsdaten wider. Werden diese nicht bewusst geprüft, können ungerechtfertigte Benachteiligungen entstehen, beispielsweise durch falsche Vorhersagen, unfaire Risikoeinstellungen oder tendenziöse Bewertungen.
• Führung und Kultur
  Führungskräfte müssen Rahmenbedingungen setzen: klare Verantwortlichkeiten, Rollen, Regeln für die KI-Nutzung. Ohne Leadership entstehen Schatten-KIs, Doppelgleisigkeiten und unklare Erwartungen. Mitarbeitende brauchen Vertrauen und Mitbestimmung.
• Transparenz & Nachvollziehbarkeit
  KI-Entscheidungen müssen nachvollziehbar sein – zumindest so weit, dass Kontrolle möglich ist. Es genügt oft nicht, ein Modell laufen zu lassen und sich auf das Ergebnis zu verlassen. Dokumentation, Monitoring und Review sind notwendig.

KI kann zwar viel, aber sie kann nicht das ersetzen, was Menschen einzigartig macht: Kreativität, Intuition und Empathie. Gerade bei sozialen Kompetenzen stößt KI an ihre Grenzen. Zwar kann sie dabei helfen, Gespräche vorzubereiten oder Konflikte zu simulieren – doch Entscheidungen bleiben eine menschliche Aufgabe. Wenn KI falsch genutzt wird, droht ein gefährlicher Trend.

Die wichtigsten Faktoren:

• „Human-in-the-Loop“
  Das Grundprinzip lautet: KI liefert Vorschläge, Menschen prüfen und entscheiden.
• Kreativität und Intuition
  Neue Ideen, Visionen und Innovation entstehen nicht allein durch Algorithmen. KI kann Vorschläge machen und Inspiration liefern, doch der kreative Sprung bleibt menschlich.
• Kommunikation und Empathie
  Wenn es darum geht, Teams zu führen, Stakeholder zu überzeugen oder Konflikte zu lösen, dann zählt der persönliche Umgang. KI kann Textvorschläge liefern oder Gesprächssimulationen anbieten, doch das Gespür für Ton, Timing und Empathie bleibt Aufgabe der Menschen.
• Entscheidungskompetenz
  Auch wenn KI Vorschläge macht, ist zu prüfen: Passt es zur Strategie, zu den Werten, zu den Ressourcen? Wer trägt die Verantwortung, wenn etwas schiefgeht? Menschliche Kontrolle („Human-in-the-Loop“) ist kein Add-on, sondern Pflicht.
• Wissens-Transfer & Lernen
  Wenn KI Aufgaben übernimmt, darf der Blick fürs Ganze nicht verloren gehen. Erfahrungswissen, Projektwissen und informelles Wissen in der Organisation müssen gesichert werden. Sonst droht „Black-Box-Wissen“, das nicht geteilt wird.

Der PMCC KI-Kompass basiert auf dem eigens entwickelten KISA-Modell. Es hilft dabei, KI-Einsätze gezielt zu planen. KISA steht dabei für:

• K – Klare Zielsetzung (Use Case definieren)
  Vor Beginn muss klar sein: Was genau soll verbessert werden? Welche Probleme sollen adressiert werden? Der Nutzen, die Wirkung und die Stakeholder müssen formuliert sein. Beispielsweise könnte das Ziel lauten, Projektzeit und Ressourcen transparenter zu planen oder Zielkonflikte früh zu erkennen.
• I – Identifikation des KI-Typs
  Welche KI-Variante passt zum Use Case? Es gibt perzeptive KI (Wahrnehmen, z. B. Bilderkennung oder Sprachverarbeitung), kognitive KI (Verstehen, Analysen, Entscheidungen), interaktive KI (Chatbots etc.), generative KI (Texte, Bilder, Vorschläge) und automatisierende KI (Routineaufgaben, Automatisierung von Abläufen). Die richtige Identifikation verhindert, dass die falsche Lösung eingesetzt wird.
• S – Szenario im Projektalltag
  Wie sieht die Anwendung konkret aus? Wer liefert die Daten? In welchem Format? Wie oft wird das Tool benutzt? Ein Beispiel: Projektleiter:innen geben gesammelte Rohdaten ein. Die KI klassifiziert Ziele und schlägt SMART-Formulierungen vor, erkennt Widersprüche oder unklare Formulierungen. Das Szenario muss operationalisierbar sein.
• A – Auswahl geeigneter Tools & Plattformen
  Anschließend wird geprüft, welche Software oder Plattform diese Anforderungen erfüllt: Datenformate, Schnittstellen, Bedienbarkeit, Datenschutz, Kosten, etc. Beispiele sind ChatGPT, MS Copilot, Notion AI oder andere Tools, die je nach Use Case geeignet sind. Wichtig sind die Kompatibilität mit bestehenden Systemen und die Nutzbarkeit im Alltag.

Das KISA-Modell wird durch die D.R.A.K.E.-F².ormel ergänzt. Sie hilft dabei, Prompts zu gestalten, damit die Kommunikation mit der KI klar, effizient und zielgerichtet bleibt.

Anhand konkreter Use Cases zeigen Wolfgang Habison und Peter Buchas, wie KI Projekte spürbar verändert – von der Projektzeit- und Ressourcenplanung über Risikoabschätzungen bis hin zu Stakeholderkommunikation und Entscheidungsprozessen.

• Projektzeit- und Ressourcenplanung
  Im Seminar wird unter anderem gezeigt, wie Rohdaten aus verschiedenen Quellen – z. B. aus Meetingprotokollen, Workshops und Whiteboards – zusammengetragen werden und wie eine KI daraus Informationen extrahiert, Hauptziele und Zusatzziele klassifiziert sowie SMART-Formulierungen vorschlägt. So entsteht Transparenz über Prioritäten und Zielkonflikte.
• Risikoabschätzung und Szenarioanalyse
  Anhand interner und externer Daten lassen sich potenzielle Risiken früher erkennen. KI kann verschiedene Projektverläufe simulieren, beispielsweise bei Verzögerungen einzelner Aufgaben oder Ressourcenengpässen, und Handlungsoptionen aufzeigen, wie auf Abweichungen zu reagieren wäre.
• Kommunikation und Stakeholdermanagement
  KI wird eingesetzt, um Feedback aus Stakeholder-Interviews auszuwerten. Die Ergebnisse werden zusammengefasst und die Kernaussagen herausgefiltert. Mitarbeitende erhalten Vorschläge, wie sie Präsentationen oder Berichte formulieren können, um unterschiedliche Interessen zu berücksichtigen.
• Schnellere Entscheidungsprozesse
  Durch automatisierte Dashboards oder Reporting-Tools mit KI-Komponenten sparen Projektteams Zeit. Dort, wo sie früher zahlreiche Excel-Tabellen manuell pflegen mussten, liefert KI nun Auswertungen, erkennt Trends und weist auf Abweichungen hin – und das in deutlich kürzerer Zeit.

Diese Beispiele machen eines klar: Die größte Hürde ist nicht die Technik, sondern die Integration. Wenn Abläufe, Rollen und Erwartungen nicht klar sind, bleibt das Potenzial teilweise ungenutzt.

Die Einführung von KI ist mehr als nur ein technisches Projekt. Sie verändert Denkweisen, Zusammenarbeit und Verantwortung.
Deshalb gehören Schulungen und Kompetenzaufbau ebenso dazu wie Experimentierfreude und offene Kommunikation.

• Kompetenzaufbau
  Projektteams benötigen ein Verständnis für KI-Grundlagen: Was bedeutet maschinelles Lernen, wie funktioniert Generative AI und wo liegen die Grenzen? Wer Tools nutzt, sollte wissen, wie sie datenmäßig arbeiten und was Bias bedeutet.
• Offenheit für Experimentieren und Scheitern
  Nicht jeder Use Case gelingt sofort. Kleine Fehler oder unerwartete Ergebnisse gehören dazu. Wichtig ist, daraus zu lernen und nicht gleich alles zu verwerfen. Iteration ist Teil der Entwicklung.
• Einbindung aller Ebenen
  Es genügt nicht, wenn die Führung entscheidet. Mitarbeitende sollten mitreden und mitgestalten dürfen. So steigen Akzeptanz und Verbindlichkeit. Auch Stakeholder außerhalb des Projektteams, beispielsweise aus den Bereichen Datenschutz, Compliance und Controlling, sollten frühzeitig einbezogen werden.
• Kommunikation und Transparenz
  Wie arbeiten wir mit KI? Was sind die Erwartungen? Was kann KI leisten, und was nicht? Diese Fragen sollten offen diskutiert werden, damit niemand überfordert oder verunsichert wird.

Die Entwicklung geht weiter: Wer heute KI-Kompetenz aufbaut, kann den Wandel aktiv mitgestalten – von regulatorischer Sicherheit über Wettbewerbsvorteile bis hin zu verantwortungsvoller, nachhaltiger Nutzung.

• Regulatorische Rahmenbedingungen
  In Europa kommen zunehmend Regeln für die KI-Nutzung hinzu, beispielsweise in Bezug auf Datenschutz, Transparenzpflichten und mögliche Anforderungen an Audits. Wer jetzt klare Strukturen aufbaut, ist vorbereitet.
• Wettbewerb durch Innovation
  Unternehmen, die früh KI-Kompetenz aufbauen, werden Prozesse effizienter gestalten, schneller auf Marktveränderungen reagieren und Kundenanforderungen proaktiv bedienen können.
• Risiken von Komfortfallen
  Wenn KI nur dazu dient, Bestehendes schneller zu machen, aber nichts verändern will, bleibt Innovation auf der Strecke. Es besteht die Gefahr, dass sich Teams auf KI-Vorschläge verlassen, ohne diese zu hinterfragen.
• Nachhaltigkeit und Verantwortung
  Ein KI-Einsatz muss auch nachhaltig sein, d. h. ökologisch (Stromverbrauch, Hardware), sozial (Fairness) und ökonomisch (Kosten vs. Nutzen über den gesamten Lebenszyklus). Die Verantwortung sollte nicht allein den Technik-Abteilungen überlassen werden.

KI im Projektmanagement eröffnet enorme Möglichkeiten, wenn sie bewusst, strukturiert und menschenzentriert eingesetzt wird.

Der PMCC KI-Kompass zeigt praxisnah, wie KI kein Selbstzweck ist, sondern ein Werkzeug, das dort sinnvoll ist, wo Ziel, Typ, Szenario und Tool zusammenpassen (KISA).

So entfalten Automatisierung, Augmentierung und Optimierung ihr Potenzial, ohne dass Datenschutz, Ethik oder das menschliche Miteinander zu kurz kommen. Menschen bleiben am Steuer – KI unterstützt uns, ersetzt uns aber nicht.

Wenn Sie heute klein anfangen, offen kommunizieren und den Wandel Schritt für Schritt gestalten, dann sind Sie bestens aufgestellt, um Ihre Projekte effizienter, innovativer und nachhaltiger zu führen.