Schachmatt der Routine

Seit diesem Zeitpunkt hat sich nicht nur die Leistungsfähigkeit von Computern deutlich weiterentwickelt, sondern auch deren Spektrum von Anwendungsmöglichkeiten. Mit Hilfe neuronaler Netze können leistungsfähige Computer heute längerfristige Vorhersagen anstellen, mit „Machine Learning“ komplexe Muster aus einer großen Menge an Daten erkennen und letztlich auch Entscheidungen bei Unsicherheit vorbereiten beziehungsweise treffen. Die Entwicklung von Schachcomputern war letztlich also nur der Auftakt für eine Entwicklung, die gravierende Auswirkungen auf unsere Gesellschaft hat. Im Folgenden geht es um die Folgen des Einsatzes von künstlicher Intelligenz (KI) für die Routinetätigkeiten in Projekten.

Trotz Einmaligkeit von Projekten dominiert die Routine       

In vielen Definitionen für Projekte wird deren Einmaligkeit betont und eine klare Abgrenzung zur Routine vorgenommen (DIN 2009a). So wird zwar die Entwicklung eines neuen Fahrzeugs als Projekt organisiert, nicht jedoch dessen Serienfertigung. Bei der Entwicklung geht es um die kreative Zusammenarbeit in einem begrenzten Zeitraum mit dem Ziel, ein möglichst innovatives Produkt zu erstellen. Die Fertigung ist hingegen die auf Effizienz getrimmte Wiederholung von fein aufeinander abgestimmten Prozessen, um eine möglichst große Anzahl von Fahrzeugen herzustellen. Während in der Fertigung eine Vielzahl von Robotern zum Einsatz kommen, die über eine digitale Steuerung und Automatisierungslösungen optimal zusammenwirken, wird in der Projektabwicklung bislang noch eher traditionell gearbeitet. So kommen zwar Software-Lösungen für die Planung und Steuerung der Projekte zum Einsatz, diese sind jedoch bisher noch relativ wenig automatisiert, digitalisiert oder – mit Hilfe von KI – optimiert.

Dies liegt möglicherweise daran, dass Projekte als einmalig angesehen werden und deshalb Menschen den Vorzug vor Computern bei der Bearbeitung bekommen. Analysiert man jedoch die Arbeitsschritte in Projekten genauer, dann entdeckt man viele Routinetätigkeiten, die in ähnlicher oder identischer Form auch in anderen Projekten vorkommen. Das beginnt schon bei der Definition eines Projektes, beispielsweise mit Hilfe eines Projektsteckbriefes, geht über die Planungsschritte, die Analyse des Projektfortschrittes und der Berichterstattung bis zur Auswertung und den Lessons Learned. Auch wenn sich die Daten im Detail von Projekt zu Projekt unterscheiden, so besteht doch eine große Ähnlichkeit, die ein Potential für die Digitalisierung, Automatisierung beziehungsweise Optimierung mit Hilfe von KI darstellen. Gerade das Lean Project Management (Hüsselmann 2021, Wagner & Erasmus 2023: S. 126) zeigt die Potenziale in Projekten auf und hilft dabei, die Verschwendung von Ressourcen durch die Fokussierung auf den Wertstrom auf ein Minimum zu reduzieren. Wichtig zu betonen ist dabei, dass der Mensch in Projekten nicht überflüssig, sondern entlastet wird und sich auf andere Tätigkeiten konzentrieren kann, wie die Kommunikation, Führung und andere - soziale - Aspekte des Projektmanagements.

In welchen Anwendungsbereichen die KI in Projekten eingesetzt werden kann

Projekte haben einen klar definierten Anfang und ein Ende. Dazwischen sind bestimmte Aufgaben zu erledigen. Fokussiert man diese auf das Projektmanagement, dann beschreiben Prozessmodelle, wie die DIN 69901-2 (2009b), welche Aufgaben von der Initialisierung über die Definition, Planung und Steuerung eines Projektes bis zu dessen Abschluss zu erledigen sind. Die Prozessbeschreibungen sind eine ideale Basis, um die Projektarbeit in einem Unternehmen auf ihre Potenziale zum Einsatz von KI zu überprüfen. Auch wenn der Einsatz der KI in Projekten noch ganz am Anfang steht, so zeigt eine Analyse der Tiba Managementberatung GmbH (Tiba 2023, Wagner & Wagner 2024), dass derzeit vor allem Machine-/Deep Learning- sowie Generative AI-Anwendungen in der Planungsphase zum Einsatz kommen, Anwendungen in den vor- und nachgelagerten Projektmanagementphasen jedoch noch eher die Ausnahme sind.

So berichten Mariani et al. (2023) über den Einsatz von „Unsupervised Machine Learning“ zur Analyse und Bewertung von Stakeholdern im komplexen Umfeld von Bauprojekten, die deutlich leistungsfähiger ist als die bisherigen, menschlichen Ansätze, da eine KI deutliche größere Datenmengen in kürzerer Zeit verarbeiten, detailliertere Analysen erstellen und somit eine bessere Entscheidungsvorlage für den Umgang mit Stakeholdern liefern kann. Mancini et al. (2023) zeigen an einem Beispiel des Rückbaus kerntechnischer Anlagen, wie mit Hilfe eines intelligenten Ansatzes von „Fuzzy Bayesian Belief Networks (FBBN)“ die Risiken eines komplexen Projektes zu managen und Verzögerungen beziehungsweise Kostenüberschreitungen bei vorgegebener Toleranz einzuschätzen.

Auch „Generative AI“ kommt in Projekten inzwischen zum Einsatz. Das reicht von der Ausformulierung eines Projektsteckbriefes, über die Erstellung eines Projektplans bis hin zur Erstellung von „smart contracts“ für die Lieferanten eines Projektes (Ritsche et al. 2019: 91). Diese können anschließend mit einer Blockchain und Zahlungen über Krypto-Währungen automatisiert werden. Gerade in verteilt organisierten Projektnetzwerken, wo es auf die Transparenz der Interaktionen und das Vertrauen in die rechtlich wie finanziell verbindliche Abwicklung zwischen den Partnern ankommt, ist eine solche Kombination von KI, Blockchain und Finanztransaktionen via Krypto-Währungen sinnvoll (Wagner et al. 2024). Viele weitere Anwendungen sind denkbar.

So können mit Microsoft-Anwendungen wie PowerBI oder PowerAutomate relevante Daten für ein Projekt gesammelt und in einem vorab definierten Cockpit für die Projektleitung sowie den Projektsteuerkreis aufbereitet werden. Projektbesprechungen können mit Hilfe von Copilot-Anwendungen aufgezeichnet, transkribiert und ausgewertet werden. Dabei lassen sich etwaige Stimmungen im Team erkennen, besprochene Aktivitäten und Maßnahmen identifizieren und Erfahrungswissen sammeln. Letzteres spielt insbesondere für die Verfügbarkeit von Lessons Learned im Unternehmen eine große Rolle.

Auf der Programm- und Projektportfolioebene lässt sich die KI auch gewinnbringend einsetzen. So kann mit Hilfe der Analyse großer Datenmengen über alle Projekte im Programm beziehungsweise Portfolio hinweg ein Klumpenrisiko erkannt, Ressourcenallokation optimiert und Erfahrungswissen entsprechend der vorab gesteckten Ziele extrahiert werden. Einige Hersteller von Projektmanagement-Software integrieren inzwischen KI-Anwendungen in ihre Programme, um diese noch leistungsfähiger zu machen, allerdings stehen wir auch hier noch am Anfang einer Entwicklung. Eine Studie der IPMA^® (2020) sieht signifikante Einsparpotentiale bei den Routinetätigkeiten im Projektmanagement.

Nutzen, Voraussetzungen und unerwünschte Nebeneffekte

In der aktuellen Diskussion zum Einsatz von KI in Projekten wird mehr über die Gefahren geschrieben, unter anderem Job-Abbau und gravierende Veränderungen der Aufgaben im Projektmanagement, als über den Nutzen. Dabei verspricht der Einsatz von KI zur Bewältigung von Routineaufgaben in Projekten eine deutliche Beschleunigung, die Einsparung von Ressourcen und damit Kosten in der Projektabwicklung, die Verbesserung der Ergebnisqualität, sowohl was das Produkt des Projektes als auch den Prozess mit der entsprechenden Prozessdokumentation angeht. Dies wird dadurch erreicht, dass Computer in der Lage sind, große Mengen an Daten auszuwerten („big data“) und die Projektleitung nur noch wenig Zeit für die Korrektur oder Ergänzung von Informationen aufbringen muss. Damit wird die Qualität der Informationen beziehungsweise die Fehlerrate durch den Einsatz von KI in Projekten reduziert. Die KI ist auch objektiv, was bei der Analyse von Stakeholdern, Risiken und Entscheidungsoptionen ein Vorteil sein kann, wenn es im Projektteam „kognitive Verzerrungen (cognitive biases)“ gibt. Die KI kann mit einem Vergleich verschiedener Projekte oder Projektinformationen auch Muster erkennen, die uns Menschen möglicherweise verborgen bleiben. Dies ist insbesondere für Entscheidungen bei Unsicherheit wichtig. Hier kann die KI dabei helfen, Informationen für kritische Entscheidungen aufzubereiten und erleichtert dem Projektsteuerkreis somit die Arbeit. Schließlich ist der Einsatz von KI auch interessant für die Generation Z, die sich den Einsatz moderner Technologien im Arbeitsalltag wünscht und danach auch ihren Arbeitgeber aussucht (Tiba 2021).

Um diesen Nutzen beim Einsatz der KI für Routineaufgaben in Projekten zu realisieren, sind jedoch eine Vielzahl von Voraussetzungen zu schaffen. Dazu zählen unter anderem die Formulierung einer klaren Strategie und konkreter Ziele für den Einsatz von KI im Unternehmen, die Etablierung einer KI-Governance, mit der sichergestellt wird, dass der Einsatz von KI in einem ethisch vertretbaren Rahmen und möglichst transparent geschieht.

Auch die Einhaltung interner wie externer Compliance-Regelungen sind beim Einsatz von KI zu beachten. Darunter fallen auch die Themen Datenschutz und Informationssicherheit. Schließlich sollte auch Vorsorge für die Qualität der Ergebnisse getroffen werden, denn die KI kann auch „halluzinieren“ und es ist ratsam, die Ergebnisse immer noch einmal einer Qualitätskontrolle zu unterziehen (Galgenmüller & Wagner 2024). Häufig wird jedoch vergessen, dass eine wesentliche Voraussetzung für den Einsatz von KI die Verfügbarkeit von Daten ist. Dies klingt fast schon banal, ist jedoch in vielen Unternehmen eine echte Hürde. Denn Informationen liegen häufig in verschiedenen Systemen und mit unterschiedlichen Formaten vor. Die fehlende Durchgängigkeit von Systemen erschwert den Einsatz von KI erheblich und erfordert deshalb Investitionen.

Auch die Qualifikation der Projektbeteiligten zählt zu den zentralen Voraussetzungen, um KI nutzbringend einzusetzen. Hierzu zählen Kompetenzen im Umgang mit digitalen Tools und Technologien, Methoden zur Datenanalyse („data analytics“) und die Fähigkeit, Ergebnisse des KI-Einsatzes hinsichtlich ihrer Qualität zu bewerten. Schließlich sollte der Einsatz der KI auch durch ein Change Management begleitet werden, das sich vor allem um die Betroffenen, ihre Ängste und Sorgen sowie deren ausreichende Beteiligung im Rahmen der Einführung kümmert.

Nichtsdestotrotz kann es beim Einsatz von KI zu unerwünschten Nebeneffekten im Unternehmen kommen. So kann der Einsatz von KI bei einigen Mitarbeitenden aufgrund von Ängsten zur Ablehnung oder „passivem Widerstand“ führen, das heißt sie beteiligen sich nicht mehr in dem Maße, wie sie es vor dem Einsatz von KI getan haben oder machen nur noch „Dienst nach Vorschrift“. Ein weiterer Nebeneffekt ist, dass sich Mitarbeitende vollständig auf die KI verlassen und deren Ergebnisse nicht mehr kritisch hinterfragen.

Das ist insbesondere für die Projektleitung ein Problem, da diese letztlich für die Ergebnisse des Projektes verantwortlich ist und selbst zu einer Einschätzung gelangen sollte. Auch die technische Abhängigkeit von den Systemen und deren Daten ist im Fall eines Stromausfalls oder eines Absturzes von Computersystemen ein Problem. Vor der Nutzung von KI muss auch die Durchgängigkeit der Systeme gewährleistet werden, sonst drohen Abstürze und Fehler. Manche Anwendungen (wie Blockchain) erfordern enorme Rechnerleistungen und damit einen Energieverbrauch, der Fragen zur Nachhaltigkeit des KI-Einsatzes mit sich bringt. Wer hat Zugriff auf welche Daten? Sind die Daten vor einem falschen Zugriff gesichert und wie kann die Verletzung von Rechten Dritter vermieden werden? Datenschutz und -sicherheit sind zentrale Risiken des Einsatzes von Anwendungen der KI und sollten deshalb im Rahmen einer KI-Governance geregelt werden.

Schachmatt dem Projektmanagement oder -manager?

Die Literatur betont fast unisono, dass der Einsatz von KI in Projekten mehr Vor- als Nachteile mit sich bringt. So betont die IPMA-Studie (2020), dass Projektmanager durch den Einsatz von KI nicht ersetzt würden, sondern die KI als „Assistent“ wertvolle Dienste leistet, um die Projektmanager von Routine-Aufgaben zu entlasten, damit sie sich auf die „soft skills“ von Führung, Kommunikation und Kooperation konzentrieren können. Ähnlich argumentiert auch Peter Taylor (2022), der die KI sogar als „team mate“ bezeichnet, die es dem Projektmanager erlaubt, „smarter, not harder“ zu arbeiten. Projektmanagement hat sich in den letzten Jahrzehnten kontinuierlich weiterentwickelt. So wird auch die KI eine evolutionäre Weiterentwicklung in der Projektarbeit nach sich ziehen (Bernert et al. 2023). Allerdings ist damit auch eine Neuausrichtung der für die Projekte notwendigen Kompetenzen, Ansätze und Technologien notwendig. Ganz im Sinne von Lean Project Management bzw. „Lazy Project Manager“ (Taylor 2015) gilt es, die nächste Stufe der Produktivität in der Projektabwicklung zu zünden, in dem die Routineaufgaben weitgehend digitalisiert, automatisiert beziehungsweise durch den Einsatz von KI optimiert werden und so zu einer Beschleunigung und deutlichen Verringerung des Ressourceneinsatzes in Projekten führen. Damit können sich die Projektbeteiligten mehr auf die für eine gute Zusammenarbeit notwendigen Aspekte konzentrieren und so den Erfolg ihrer Projekte sicherstellen.

In diesem Beitrag sind wir auch auf den Nutzen, die Schaffung geeigneter Voraussetzungen sowie die unerwünschten Nebenwirkungen des Einsatzes von KI eingegangen. Unternehmen sollten sich also zielgerichtet mit dem Thema auseinandersetzen und die Einführung entsprechender KI-Technologien im Rahmen eines systematischen Change-Prozesses (Lang & Wagner 2022) begleiten.