Blogartikel
KI im Projektmanagement: Warum Self-Service nicht ausreicht
Christian Galle
Managing Consultant & Architect
Die Pipeline ist gefüllt, die Teams ausgelastet, die Auftragsbücher voll. Und dann kommt das, womit viele nicht rechnen: die Komplexität in der Steuerung, die proportional mitwächst. Ab einer Größenordnung von 50 Mitarbeitenden und 30 parallelen Projekten im Jahr wird rechtzeitiges Erkennen und Reagieren immer schwieriger. Das ist keine Frage der Datenmenge. Es ist eine Frage der Interpretierbarkeit.
Lesedauer: 5 Minuten
Was heutige Systeme leisten – und wo sie aufhören
Wer heute im Multiprojektgeschäft nach einer Softwarelösung sucht, findet ein breites Angebot. Und trotzdem beschreibt die Mehrheit der Unternehmen ihren Arbeitsalltag ähnlich: mehrere spezialisierte Tools, die nebeneinander existieren, gelegentlich synchronisiert werden, und ein Reporting, das irgendwo dazwischen entsteht.
Für jede Aufgabe das beste verfügbare Werkzeug – Projektmanagement hier, Ressourcenplanung dort, Zeiterfassung woanders. In der Theorie sinnvoll. In der Praxis bedeutet es oft: Daten müssen manuell oder per Integration kostenpflichtig zusammengeführt werden, Synchronisationen laufen nicht immer fehlerfrei, und ein konsistentes Gesamtbild existiert nur in dem Moment, in dem jemand aktiv daran gearbeitet hat.
Der blinde Fleck im zyklischen Reporting
Was diese Systemlandschaft zusätzlich kennzeichnet: Das Reporting ist weitgehend statisch. Zahlen werden aufbereitet, Berichte werden erstellt, aber das System selbst bleibt passiv. Es liefert keine Hinweise, es stellt keine Fragen, es reagiert nicht auf Veränderungen. Wer wissen will, ob in einem Projekt gerade etwas Relevantes passiert, muss aktiv nachschauen.
Genau hier liegt eine strukturelle Schwäche, die im Einzelfall kaum auffällt, im Portfolio aber erheblich wirkt: Das zyklische Durchklicken durch Projekte, ob wöchentlich im Jour fixe oder im monatlichen Statusmeeting, hat einen blinden Fleck. Man schaut entweder zu früh, wenn noch nichts zu erkennen ist, oder zu spät, wenn der relevante Moment bereits verstrichen ist. Das ist kein Vorwurf an die Tools. Es ist eine strukturelle Eigenschaft des reaktiven Prinzips, auf dem die meisten Systeme heute noch aufbauen.
Eine neue Bewegung zeichnet sich ab: Seit etwa 2025 integrieren immer mehr Anbieter KI-gestützte Self-Service-Funktionen – Chatbots innerhalb der Anwendung, natürlichsprachliche Abfragen, ad-hoc generierte Berichte per Prompt. Das ist ein echter Schritt nach vorne. Ob er ausreicht?
Self-Service KI: Schritt in die richtige Richtung, aber nicht das Ziel
Die Möglichkeit, per Texteingabe einen Report zu generieren oder das System direkt zu fragen, ist kein Marketingversprechen mehr. Sie ist technisch verfügbar, wird aktiv eingesetzt und löst ein echtes Problem: den Engpass zwischen Datenverfügbarkeit und Datenzugang. Wer früher auf den nächsten Reporting-Zyklus warten musste, kann heute in vielen Systemen direkt fragen. Das ist ein guter Einstieg für KI im Unternehmenskontext – niedrige Hürde, schnell spürbarer Nutzen, keine tiefen Eingriffe in bestehende Prozesse. Trotzdem verfehlt dieser Ansatz ein kritisches Ziel, sobald es um übergreifende Unternehmenssteuerung geht.
Dabei ist nicht die Technologie das Problem. Es ist die Grundannahme, dass mehr Datenzugang für mehr Personen automatisch zu besseren Entscheidungen führt. Das mag im Einzelprojekt stimmen, aber im Portfolio-Kontext ist häufig das Gegenteil der Fall.
Wenn jede beteiligte Person ad hoc ihre eigene Sicht auf dieselbe Datenbasis generiert, entstehen parallele Realitäten. Unterschiedliche Zahlen für denselben Sachverhalt, je nach Prompt, Zeitraum und Filter. Die Diskussion verlagert sich dann vom eigentlichen Problem auf die Frage, welche Zahl überhaupt stimmt. Das kostet Zeit, erzeugt Misstrauen in die Daten und verlangsamt genau die Entscheidungen, die eigentlich beschleunigt werden sollen.
Self-Service KI ist damit ein Werkzeug für explorative Analyse, nicht für koordinierte Steuerung.
Was stattdessen gebraucht wird: eine gemeinsame Steuerungslogik
Der Ausweg aus dem Self-Service-Dilemma ist keine bessere Suchfunktion. Es ist eine andere Systemlogik: eine, die nicht wartet, bis jemand fragt, sondern die relevanten Veränderungen selbst erkennt und aktiv meldet.
Das setzt zwei Dinge voraus. Erstens eine gemeinsame, verbindliche Datenbasis – keine parallelen Exporte, keine individuellen Filter, sondern ein einziges Bild, auf das alle Beteiligten zur gleichen Zeit schauen. Zweitens eine Steuerungslogik, die definiert, welche Veränderungen überhaupt relevant sind und für wen.
Erst wenn diese Grundlage steht, kann ein System proaktiv werden. Nicht weil es autonom entscheidet, sondern weil es weiß, was wichtig ist und wer es wissen muss.
Vom reaktiven Report zur proaktiven Steuerung
Das eigentliche Problem ist nicht fehlendes Reporting. Es ist die Richtung, in der Information fließt.
In den meisten heutigen Systemen fließt Information auf Abruf: jemand öffnet ein Dashboard, stellt eine Abfrage, ruft einen Bericht auf. Das System wartet, bis es gefragt wird. Wer nicht fragt, bekommt keine Antwort. Wer zum falschen Zeitpunkt fragt, bekommt eine Antwort, die nicht mehr handlungsrelevant ist.
Ein proaktives System dreht dieses Prinzip um. Statt Projekten und Projektleitern zyklisch hinterherzulaufen, erkennt es relevante Veränderungen selbst und meldet, wo Aufmerksamkeit heute landen sollte.
Was das konkret bedeutet, zeigt ein einfaches Beispiel: Ein Mitarbeiter trägt Urlaub ein. Für sich genommen eine Kleinigkeit. Das System erkennt jedoch, dass er in drei parallelen Projekten eingeplant ist, zwei davon mit kritischen Lieferterminen im betroffenen Zeitraum. Es berechnet die Verschiebung, bewertet den wirtschaftlichen Effekt und informiert die zuständige Projektleitung proaktiv. Die informierte Person entscheidet: Planung übernehmen oder rückgängig machen. Ein Klick.
Das ist kein Zukunftsszenario. Es ist die logische Konsequenz aus dem, was technisch heute möglich ist, wenn man es konsequent auf den richtigen Anwendungsfall ausrichtet.
Der Begriff, der diese Systemlogik am besten beschreibt, ist „context-aware“: Das System versteht nicht nur einzelne Datenpunkte, sondern deren Bedeutung im Gesamtzusammenhang – und bereitet Entscheidungen vor, ohne sie abzunehmen.
Was ein context-aware System konkret leisten muss
Context-awareness in der Unternehmenssteuerung ist kein einzelnes Feature. Es ist eine Systemeigenschaft, die aus dem Zusammenspiel mehrerer Fähigkeiten entsteht, die einzeln bekannt sind, in Kombination aber eine neue Qualität erzeugen.
- Anomalieerkennung ist der Einstieg. Das System erkennt, wenn ein Projekt vom erwarteten Verlauf abweicht, nicht weil jemand eine Ampel manuell auf Rot gesetzt hat, sondern weil die Daten selbst ein Muster zeigen, das Aufmerksamkeit verdient. Ein steigender Restaufwand bei gleichzeitig stagnierendem Fortschritt. Eine Ressource, die in zu vielen kritischen Pfaden gleichzeitig gebunden ist. Eine Abweichung zwischen geplantem und tatsächlichem Aufwand, die sich über mehrere Wochen still aufgebaut hat.
- Mustererkennung über Projektgrenzen hinweg ist der nächste Schritt. Ein System, das nur das aktuelle Projekt kennt, sieht eine Verzögerung. Ein System, das den Verlauf vergleichbarer Projekte kennt, kann einschätzen, ob diese Verzögerung ein Ausreißer ist oder einem bekannten Muster folgt, und was in ähnlichen Situationen geholfen hat. Das ist der Übergang von Transparenz zu echtem Erfahrungswissen.
- Forecast auf Basis historischer Projektdaten schließt die Lücke zwischen aktuellem Status und realistischer Prognose. Nicht „wir sind 60 % fertig“, sondern „auf Basis des bisherigen Verlaufs und vergleichbarer Projekte ist der wahrscheinliche Fertigstellungszeitpunkt der X, mit einer Abweichung von Y.“ Das gibt Führungskräften eine belastbare Grundlage für Zusagen gegenüber Kunden und gegenüber dem eigenen Unternehmen.
Was alle drei Fähigkeiten verbindet: Das System nimmt keine Entscheidung ab. Es stellt sicher, dass die richtige Person zur richtigen Zeit die richtige Information hat. Hinweis, Kontext, Handlungsoption.
Für regelbasierte Eskalationslogiken und strukturierte Benachrichtigungen braucht es keine KI – da reichen klar definierte Prozesse und konsequent umgesetzte Schwellenwerte. KI als Voraussetzung zu behandeln, wo Prozessklarheit die eigentliche Grundlage ist, wäre der falsche Ansatz.
Fazit: Prozess vor System, aber das System muss mitdenken
Die Frage, welche Software ein Unternehmen für die Multiprojektsteuerung braucht, ist die falsche Einstiegsfrage. Die richtige lautet: Welche Entscheidungen müssen wann von wem getroffen werden, und was braucht es dafür?
Wer diese Frage beantwortet hat, stellt fest, dass ein modernes System mehr leisten muss als Transparenz. Transparenz ist die Voraussetzung. Was darüber hinausgeht, ist die Fähigkeit des Systems, relevante Veränderungen selbst zu erkennen, in einen Kontext zu stellen und proaktiv sichtbar zu machen, bevor die Menschen, die handeln müssten, überhaupt gefragt haben.
Das ist keine utopische Vision. Es ist die Richtung, in die sich Steuerungssoftware bereits bewegt. Gartner prognostiziert, dass mehr als Hälfte aller Geschäftsentscheidungen künftig auf proaktiv zugestellten Daten basieren wird, nicht auf Dashboards.
Arbeitet ihr heute schon in einem System, das euch auf relevante Entwicklungen hinweist oder schaut ihr noch selbst nach?
In 15 Minuten herausfinden, ob euer System bereits proaktiv ist
Wenn ihr wissen möchtet, wie weit euer Unternehmen von proaktiver Steuerung entfernt ist und welche Schritte als nächstes sinnvoll wären, klären wir das gerne in einem kurzen Gespräch.
Passend dazu, wie Senzavi proaktive Steuerung im Multiprojektgeschäft unterstützt, findet ihr im Blog.
