KI im Projektmanagement – vom Hype zur Wertschöpfung

Vor anderthalb Jahren haben viele beim Thema „KI im Projektmanagement“ vermutlich nur die Augen verdreht. Es klang nach dem nächsten Hype, den Berater durchs Dorf treiben, um neue Tages­satz-Erhöhungen zu rechtfertigen.

Heute vergeht kaum ein Kundengespräch, in dem das Thema nicht nach auf der Agenda ist. Nicht, weil alle plötzlich Technik-Fans sind. Sondern weil der Druck im Kessel zu hoch ist und wir jeden Tag aufs Neue staunend vor neuen Möglichkeiten gezeigt bekommen.

Was du gleich liest, ist meine Bilanz aus den letzten zwölf Monaten, inklusive der Momente, in denen ich selbst gemerkt habe, dass ich auf dem Holzweg war.

Die drei Sätze, die nerven können

„Wir haben Copilot-Lizenzen, aber keiner nutzt sie produktiv.“
Klar. Ist wie ein Ferrari in der Garage, für den keiner den Führerschein hat.

„Wir warten erst mal die offizielle KI-Strategie ab.“
Spoiler: Bis die Strategie fertig ist, hat die Realität sie dreimal überholt.

„KI das ist doch der Chat mit der schlauen Intelligenz“
Wer das sagt, hat noch nie gesehen, wie eine KI in Sekunden ein 50-seitiges Workshop-Transkript nach offenen Risiken durchkämmt.

Eines muss aber klar sein: KI löst keine strukturellen Probleme. Wenn deine Auftragsklärung Murks ist, deine Stakeholder sich nicht grün sind oder dein Plan komplett am Leben vorbeigeht – dann hilft dir auch das beste Modell der Welt nicht weiter. KI löst dein Zeitproblem. Und das ist schon viel wert.

Drei Bewegungen, die du nicht übersehen solltest

Erstens: KI ist aus dem Chat-Fenster ausgezogen.

Sie wohnt jetzt in deinen Tools. Im PRINCE2 Café im Februar haben wir uns live den Atlassian Product Copilot in Jira angeschaut. Das ist kein Marketing-Theater mehr. Das Ding kennt deine Tickets, zieht Kontext aus Confluence, respektiert Berechtigungen – und schreibt dir in fünf Minuten einen ersten Entwurf für einen Business Case. Vielleicht 70 bis 80 % brauchbar. Aber das Problem des leeren Blattes ist weg. Du startest nicht bei Null, sondern beim Korrigieren. Das spart Stunden.

Zweitens: Datenpflege wird zum Wettbewerbsvorteil.

Vergiss schicke Prompts. Das eigentliche Geheimnis sind deine Daten. Pack dir in NotebookLM deine eigenen Lessons Learned, alte Projektdokumente und Vorlagen rein. Stell dieselbe Frage einmal dort und einmal im nackten ChatGPT. Vergleiche die Antworten. Du wirst die nächsten Wochen über Datenpflege nachdenken – versprochen. Wer seine Projektablage wie einen Dachboden führt, auf dem seit 2019 keiner mehr aufgeräumt hat, darf keine Wunder erwarten. Schlechter Input, schlechter Output – das war schon immer so. KI macht diesen Effekt jetzt nur in Lichtgeschwindigkeit sichtbar.

Drittens: Vom „Ob“ zum „Wie“.

Genau so haben wir das im PRINCE2 Café Spezial im Juli behandelt: „Von der Spielerei zur strategischen Wertschöpfung“. Die spannende Frage lautet nicht mehr „Ob“ wir KI nutzen. Sondern: Auf welcher Stufe stehst du gerade? Mein Gefühl nach hunderten Gesprächen: Die meisten Organisationen hängen auf Stufe 2 fest. Lizenzen sind da, ein Konzept für den Workflow gibt es nicht. Stufe 3 – KI als fester Bestandteil des Projektalltags – ist die Lücke, in die ich gerade am häufigsten gerufen werde. Und da kommst du nur durch Machen hin. Nicht durch Abwarten.

Was ich selbst nutze

Hier ist das, was bei mir regelmäßig läuft:

• Meeting-Nachbereitung. Ich tippe keine Protokolle mehr. Transkript rein, Zusammenfassung und Aufgabenliste raus. Pro Workshop spart mir das locker 60 bis 90 Minuten.
• Statusberichte. Aus den Jira-Daten ziehe ich mir den ersten Aufschlag. Den Feinschliff mache ich selbst. Aber die mühsame Datensammlung übernimmt die Maschine – und der weiße Bildschirm ist weg.
• Sparringspartner für den Business Case. „Wo sind die logischen Lücken? Was habe ich übersehen? Spiel mal den kritischen Vorsitzenden im Lenkungsausschuss.“ Die Trefferquote ist beeindruckend.
• Risikoanalyse. Eine simple Frage: „Was übersehe ich gerade?“ Nicht alles ist Gold. Aber zwei von zehn Antworten sind regelmäßig welche, auf die ich allein nicht gekommen wäre.
• Lessons Learned über mehrere Projekte hinweg auswerten. Probier das mal händisch. Du kommst nicht weit.
• PRINCE2-Artefakte gegen Vorlagen prüfen lassen. Mein PMO-Ich freut sich jedes Mal, wenn nicht ich zum hundertsten Mal die Konsistenz checken muss.
• Mails schärfen. „Schreib das mal diplomatischer, ohne den Kern zu verlieren.“ Das funktioniert hervorragend und macht mich sicherer.

Was ich bewusst (noch) nicht mache:

• Ressourcenplanung quer über Projekte automatisieren. Sieht in Demos toll aus. In der Realität noch nicht.
• KI ungefiltert an Kunden vorbeischreiben. Halluzinationen sind real. Und peinlich, wenn sie im Lenkungsausschuss auffliegen.
• Entscheidungen abgeben. KI berät, sortiert und schlägt vor. Aber am Ende stehst du im Lenkungsausschuss und musst den Kopf hinhalten. Wer das umdreht, hat das Wesen seiner Rolle nicht verstanden.

Die drei Hebel: Daten, Kontext, Integration

Wenn du nur eine Sache aus diesem Beitrag mitnimmst dann diese drei Wörter.

Daten

Räum deine Projektordner auf. Deine KI ist nur so klug wie das Wissen, auf das sie zugreifen darf. Vorlagen aus 2019, Lessons Learned in PowerPoint-Friedhöfen, Projektordner wie ein Dachboden – daraus wird nichts. Datenpflege ist jetzt keine lästige PMO-Aufgabe mehr. Sie ist das Fundament für alles, was kommt.

Kontext

Gib der KI so viel Begleitformationen wie nur möglich. Wie du einen Prompt gut schreibst, mit deiner Rolle, der Aufgabenstellung und dem Ergebnisformat sowie weiteren stilistischen Anforderungen ist den meisten mittlerweile klar. Das ist aber nur ein kleiner Teil des Kontextes, den wir geben können, damit die KI bestmöglich auf genau das Wissen zugreifen, dass wir jahrelang in unseren Systemen und in unserem Kopf gesammelt haben.
Ich verwende Notion, dort sind alle unsere wichtigen Unternehmensformationen enthalten und auch unsere Dateiablage ist referenziert. Bei jeder KI-Aufgabe gebe ich Zugriff auf alle relevanten Informationen.

Integration

Die beste KI-Antwort nützt nichts, wenn sie im Chatfenster klebt. Die Ergebnisse müssen dort landen, wo gearbeitet wird: in deinen Vorlagen, in Jira, in Confluence, in MS Project. Erst dann entsteht echter Zeitgewinn. Sonst bleibt es nur bei einer besseren Suchmaschine.

Wenn du nur einen Satz aus diesem Beitrag mitnimmst: Daten, Kontext, Integration.

Was das fürs PMO bedeutet

Im Juli-Café kam die Frage auf den Tisch: Macht KI das PMO überflüssig?

Kurze Antwort: nein. Längere Antwort: Es verändert den Job radikal.

Das klassische „Berichtswesen-PMO“, das Daten von links nach rechts schiebt und Ampeln auf Grün setzt, wird aussterben. Das macht die Maschine schneller und fehlerfreier. Was bleibt, ist die wertvolle Arbeit, für die im Tagesgeschäft fast nie Zeit war:

Vom Reporter zum Kurator. Berichte schreiben ist die niedrigste Stufe. Bewerten, einordnen, Konsequenzen ableiten, da fängt der eigentliche Wert eines PMOs an.

Vom Wächter zum Impulsgeber. Nicht mehr nur Methodentreue prüfen. Sondern aktiv neue Use Cases im Unternehmen anschieben. Wer ist sonst besser dafür positioniert als das PMO?

Vom Tool-Auswähler zum Daten-Aufräumer. Die größte Hebelwirkung der nächsten zwei Jahre liegt nicht in der Lizenzentscheidung. Sie liegt in der Wissensbasis, auf der die KI arbeitet.

Und damit ist auch ganz klar: Wer als PMO-Leiter:in jetzt abwartet, bis „die IT mal eine fertige Lösung präsentiert“, muss in zwei Jahren erklären, warum bei ihm oder ihr so wenig passiert ist.

Drei Stolpersteine

Drei Dinge solltest Du auf dem Schirm haben:

Halluzinationen. KI erfindet Dinge mit der Überzeugung eines Erstklässlers, der seine Hausaufgaben verloren hat. Zahlen, Zitate, Studien – alles kann frei erfunden sein. Doppelt prüfen. Und bevor irgendetwas Richtung Lenkungsausschuss wandert: dreifach.

Datenschutz. Was du in ein öffentliches Tool tippst, ist nicht mehr deins. Punkt. Klärt intern, welche Tools für welche Daten freigegeben sind. Und kommuniziert das so eindeutig, dass es auch der Praktikant in der ersten Woche versteht.

Erklärbarkeit. Sobald eine Entscheidung von KI beeinflusst wurde, musst du nachvollziehbar machen können, warum. Sonst schweigst du im falschen Moment. Und Schweigen ist im Lenkungsausschuss das Letzte, was du dir leisten kannst.

Mein Rat: Warte nicht auf die große KI-Strategie

Hier scheitern die meisten. „Wir setzen erst mal eine sechsmonatige KI-Strategie auf.“ Am Ende stehen 50 schöne Folien – und im Projektalltag hat sich nichts verändert.

Mach es anders. Mach es klein. Mach es bald:

1. Such dir eine Aufgabe, die dich jede Woche zwei Stunden kostet (Protokolle schreiben, Status-Mails formulieren, Risiken nachverfolgen).
2. Bau dir einen kleinen Workflow, der das mit KI abdeckt – im Rahmen dessen, was bei euch datenschutzrechtlich erlaubt ist.
3. Miss die Zeitersparnis. Zwei Wochen lang. Mit Stoppuhr, wenn nötig.
4. Erzähl deinen Kolleg:innen davon. Echte Geschichten von gesparter Zeit bewegen mehr als jede PowerPoint-Folie.

Strategie kommt später. Wenn du weißt, was in der Praxis wirklich funktioniert. Dann mit operativer Erfahrung und mit echten Daten. Nicht mit hübschen Folien.

Genau für diesen Einstieg haben wir das Mini-Workbook „KI im Projektmanagement“ gerade auf Version 3 aktualisiert. Enthalten sind:

• Sieben konkrete Anwendungsfelder mit fertigen Prompts
• Der Schritt-für-Schritt-Aufbau eines eigenen PMO-Assistenten
• Ein Business Case Canvas für KI-Initiativen
• Eine Startcheckliste für deine erste Woche

V