Die praxisbewährten KI-Workflows des Head of Delivery einer Asana-Implementierungsagentur
Brandon Llewellyn, Head of Delivery bei der Asana-Implementierungsagentur Cirface, teilt praxisnahe Beispiele für KI-gestützte Workflows, die die Projektausführung transformieren.
KI als strategische Ebene, nicht als Ersatz: KI automatisiert taktische Aufgaben und beschleunigt das Sammeln von Kontext, aber menschliches Urteilsvermögen, Kreativität und Abstimmung bleiben für die Delivery-Führung zentral.
Weiterentwicklung von Workflows ohne Ersatz von Ritualen: Tools wie Asana und Fellow rationalisieren die Projektausführung, während KI Rituale wie Discovery, Briefings und Onboarding unterstützt, anstatt zentrale Delivery-Praktiken zu ersetzen.
Agentische Ergebnisse sind Entwürfe, keine Entscheidungen: Agentische Workflows sollten nur als Ausgangspunkte betrachtet werden. Erfolgreiche Teams überarbeiten, validieren und passen Workflows weiterhin an den Kundenkontext und die Dynamik der Beteiligten an.
An den vordersten Fronten als Head of Delivery bleiben
Ich bin Head of Delivery bei Cirface. Wir sind eine Asana-Implementierungsagentur, die Prozesse und Workflows für Großunternehmen einführt – unsere Kunden sind bekannte Namen wie PayPal, Cloudflare, die MLB und die LA Rams.
Meine Aufgabe ist es, unser Delivery-Team zu führen: unsere Berater, die an vorderster Front mit unseren Kunden arbeiten. Ich bin verantwortlich für die Messung von Projektprofitabilitätsdaten, Auslastung und Ressourceneinsatz, Auslieferungsprozesse und Abläufe.
Natürlich liegt es auch in meiner Verantwortung, in unserer Agentur Feedback-Schleifen zu implementieren, damit wir unsere Dienstleistungen ständig weiterentwickeln, sowohl aus unseren Volltreffern als auch aus gelegentlichen Fehlschlägen lernen.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Bei Cirface verbringen wir mittlerweile deutlich weniger Zeit mit kleinen taktischen Aufgaben als früher. Alles, was sich in Asana automatisieren lässt, wird mittlerweile übernommen. Diese Veränderung begann sogar schon vor dem KI-Boom, mit Asanas eigenen Regeln und Automatisierungen, aber KI hat dem Ganzen eine völlig neue Ebene hinzugefügt.
Das Tool kann jetzt logische Schlussfolgerungen und Kontext anwenden, was bedeutet, dass es einen Teil der gedanklichen Vorarbeit und Organisation übernimmt, bevor ich als Mensch eingreife.
Man muss das nicht wirklich selbst aufsetzen. Klassische Asana-Regeln sind binär: Auslöser, optionale Bedingung und Aktion.
Mit KI wird die Logikschicht von Haus aus intelligenter. Anstatt "wenn Priorität = hoch, dann tue X" kann man der KI in natürlicher Sprache beschreiben, wie "hoch", "mittel" oder "niedrig" aussieht, sogar Dokumente wie Markenrichtlinien anhängen – und dann entscheiden lassen.
Die KI wendet dann Argumentation und Kontext auf eine Weise an, wie es statische Regeln nie könnten, was bedeutet, dass sie die gedankliche Vorarbeit leisten und ein genaueres Ergebnis an das Team weitergeben kann.
Dadurch hat sich mein Schwerpunkt verändert. Ich verbringe mehr Zeit mit der Gestaltung und Optimierung dieser KI-gestützten Workflows und gewinne gleichzeitig viele Stunden zurück, die ich bisher mit repetitiven Aufgaben wie dem Tracking von Metriken verbracht habe.
So bleibt mehr Zeit, um mich auf strategisch wichtigere Aufgaben zu konzentrieren: Verbesserungen von Abläufen, Unterstützung des Teams und die Sicherstellung, dass Projekte insgesamt effektiver durchgeführt werden.
Gleiche Methoden wie früher, nur leichter
Unsere Methoden haben sich also kaum verändert, aber die Art und Weise, wie wir sie anwenden, ist leichter geworden.
Hier ein Beispiel: Bei Asana ist die Übersicht über Status und Prioritäten bereits integriert, sodass tägliche Meetings oder ständige Updates überflüssig sind. KI geht sogar noch einen Schritt weiter.
Asana bietet nun auch einen KI-gestützten Projektstatus-Update. Stellen Sie sich ein gemeinsames Projekt vor, bei dem Kreativ- und Entwicklungs-Teams für einen Kunden arbeiten. Aufgaben kommen hinzu, Kommentare sammeln sich, Unteraufgaben, Abhängigkeiten, Anhänge – das übliche Chaos.
Normalerweise wählt man einen Status ("On Track", "At Risk", "Off Track") und verfasst dann eine Zusammenfassung: Was passiert ist, Hindernisse, nächste Schritte, Aufgaben und wer was braucht. Das ist sinnvoll, aber wenn man zehn oder mehr Projekte jongliert, wird das wöchentliche Schreiben dieser Updates mühsam.
Hier kommt "Mit KI entwerfen" ins Spiel. Beginnt man ein Status-Update, kann Asana den gesamten Verlauf des Projektes scannen – inklusive abgeschlossener Aufgaben, Kommentare, Unteraufgaben, Abhängigkeiten und Anhänge. Es erzeugt einen ersten Entwurf, der auf verständliche Weise erklärt, "wie es läuft" und "was letzte Woche passiert ist". Sie bleiben als menschlicher Redakteur in der Schleife: Entwurf prüfen, Ton anpassen, Nuancen hinzufügen – und veröffentlichen.
Es ist ganz einfach: KI übernimmt die Schwerstarbeit im Workflow, Sie liefern das Urteil. Für alle, die regelmäßig Statusberichte über mehrere Projekte verfassen, lassen sich so problemlos jede Woche ein bis zwei Stunden sparen – ohne Einbußen bei der Klarheit für das Team oder das Management.
Management ohne KI
Was mich an unseren KI-gestützten Workflows und Prozessen am meisten überrascht hat, ist nicht die KI selbst, sondern, wie ich jemals ohne sie klargekommen bin!
In der Discovery-Phase mit Kunden nehmen wir häufig eine riesige Menge an Informationen auf: mehrere Abteilungen, Dutzende Nutzer, verzweigte Prozesse, Tabellen und Video-Walkthroughs. Das fühlt sich manchmal an wie Trinken aus dem Feuerwehrschlauch.
Jetzt können wir sichere KI-Projektmanagement-Software nutzen, um all diese Informationen zu organisieren. So behalten wir gleichzeitig den Überblick aus der Vogelperspektive und über die Details. Außerdem können wir blitzschnell bereits besprochene Punkte nachschlagen, ohne immer wieder beim Kunden nachfragen zu müssen.
Dieses Gleichgewicht aus Klarheit und Effizienz war für mich bahnbrechend. Überraschend ist, wie schnell KI in professionellen Dienstleistungen zur zweiten Natur geworden ist; ehrlich gesagt weiß ich nicht mehr, wie ich vorher ohne arbeiten konnte.
Überraschend ist, wie schnell KI zur zweiten Natur geworden ist; ehrlich gesagt weiß ich nicht mehr, wie ich vorher ohne sie arbeiten konnte.
Eine häufige Herausforderung in Arbeitsabläufen ist fehlende Information zum Zeitpunkt der Einreichung. Nehmen wir zum Beispiel ein Designteam, an das Anforderungen aus jeder Abteilung kommen können. Damit Designer ihre Arbeit richtig machen können, brauchen sie Angaben wie Pixelmaße, Farbpaletten, Inspirationsbeispiele und Fälligkeitsdaten. Fehlen diese Informationen, wird der Prozess verlangsamt.
Wir haben dieses Problem gelöst, indem wir einen KI-gestützten Workflow in Asana erstellt haben, der Einreichungen prüft, bevor sie einen Menschen erreichen. Fehlen wichtige Angaben, kennzeichnet die KI die Anfrage, lehnt sie ab und markiert den Einreicher, damit die fehlenden Informationen ergänzt werden. Erst wenn die Aufgabe diese Prüfung besteht, wird sie an einen Designer weitergeleitet.
So haben wir das frühere Hin und Her und den damit verbundenen Zeitverlust eliminiert. Zudem schützt dies die Designer davor, durch unvollständige Anfragen ausgebremst zu werden. Sie sehen nun nur noch Aufgaben, die vollständig vorbereitet und für sie bereit sind – was den Prozess schneller und weniger frustrierend macht.
Der Schritt-für-Schritt-Prozess zum Hinzufügen von KI-Prüfungen
Hier ist eine Schritt-für-Schritt-Anleitung, wie Sie mit dem Regel-Builder von Asanas AI Studio KI-Prüfungen hinzufügen können:
Aktivieren Sie AI Studio
Stellen Sie sicher, dass KI-Funktionen in Ihrer Admin-Konsole eingeschaltet sind.
Dies funktioniert nur mit aktuellen Business-/Enterprise-Tarifen (nicht mit alten Tarifstufen).
Erstellen Sie eine neue KI-Regel
Gehen Sie in Ihrem Projekt zu Anpassen → Regeln → Regel hinzufügen.
Wählen Sie die vorgefertigte Regel „AI Studio → Prüfung auf fehlende Informationen“.
Definieren Sie den Auslöser
Wir verwendeten „Wenn eine Aufgabe dem Projekt hinzugefügt wird“ (in der Regel eine Formulareinreichung).
Sie können den Anwendungsbereich auf alle Aufgaben festlegen oder nur auf solche, die aus einem bestimmten Intake-Formular stammen.
Fügen Sie die KI-Anweisungen (den „Prompt“) hinzu
AI Studio Agents agieren wie kleine GPTs, denen Sie genau erklären, wie „gut“ aussehen soll.
Unsere Basisdefinition für „ausreichende Informationen“ umfasste:
Klare Beschreibung der Anfrage
Fälligkeitsdatum oder Zeitrahmen
Abhängigkeiten von anderen Aufgaben
Wir haben dies weiter angepasst, um unseren Kreativprozess abzubilden (z. B. Ziele, Zielgruppe, Videostil).
Konfigurieren Sie die Aktionen
Wenn Informationen fehlen, dann:
Fügt die KI einen Kommentar ein, der um Klarstellung bittet (maximal 3–5 Fragen).
Erstellt eine Unteraufgabe, die dem Anfordernden zugewiesen wird, damit nichts verloren geht.
Wenn ausreichende Informationen vorhanden sind, wird die Aufgabe einfach weitergeführt.
Wählen Sie das Modell
Für diesen Anwendungsfall haben wir ein kleines, günstiges Modell (GPT-4o Mini) verwendet, da es nur um Klassifizierung und Prompting geht, nicht um tiefgreifende Analysen.
Größere Modelle (Claude Opus, Sonnet 4) sind überdimensioniert, es sei denn, Sie benötigen dokumentübergreifende Schlussfolgerungen oder komplexe Zusammenfassungen.
Testen mit einer Beispiel-Einreichung
Wir haben ein vages Formular eingereicht („Benötige ein neues Video für eine globale Kampagne“).
Die KI hat es als unvollständig markiert, nach Kampagnenzielen, Zielgruppe und Stil gefragt, und eine Unteraufgabe für den Anforderer angelegt.
Sie hat sogar aktuelle Marketing-Best-Practices herangezogen, um die Anfrage zu lenken.
Das ist das Ende des Prozesses. Es prüft unsere Einreichungen auf fehlende Informationen und bezieht den Einreichenden ein, wenn etwas fehlt.
Unser Vertriebsteam nutzt KI, um Kontext aus Verkaufsgesprächen zu erfassen und daraus einen Ausgangspunkt für die Leistungsdefinition zu erstellen. Das spart viel Zeit und gibt dem Delivery schon vor Projektstart ein stärkeres Fundament.
Wenn es darum geht, alles im Einklang zu halten, ist dies jedoch weiterhin in erster Linie durch unser zentrales Asana-Setup getrieben. Sichtbarkeit von Status, Prioritäten und nächsten Schritten sorgt dafür, dass alle auf dem gleichen Stand sind – und das kann von KI nicht ersetzt werden.
Echten Mehrwert hat KI für uns bei Zusammenfassungen gebracht. Die Möglichkeit, rasch eine Projektübersicht zu generieren, erleichtert das Onboarding neuer Teammitglieder oder die Übergabe von Arbeit bei Ausfällen, ohne alles händisch erklären zu müssen.
In der Praxis wird KI eher zu einer unterstützenden Ebene um unsere Rituale statt deren Ersatz. Sie beschleunigt das Zusammentragen von Kontext und Wissenstransfer, während die menschliche Seite weiterhin entscheidend für Ausrichtung und Entscheidungen ist.
Agentische Workflows: Entwürfe, keine Entscheidungen
Agentische Ergebnisse geben uns eine Entwurfsstruktur, aber echte Delivery erfordert weiterhin menschliche Feinarbeit.
Als erster Schritt können sie sehr nützlich sein, um Kundenlieferungen zu strukturieren. Die Herausforderung besteht darin, dass KI selten die Hierarchie oder das Workflow-Design vollständig korrekt umsetzt. Und selbst wenn das gelingt, gibt es immer reale Situationen, die von der KI nicht berücksichtigt werden.
Deshalb behandeln wir agentische Ergebnisse eher als Ausgangspunkte denn als Endprodukte.
Sie geben uns eine Entwurfsstruktur, auf die wir reagieren und die wir dann mit unserem eigenen Urteilsvermögen und dem Kontext des Kunden verfeinern. Es läuft gut im Sinne einer Zeitersparnis im Vorfeld, aber wir sehen die menschliche Ebene weiterhin als unerlässlich an, um zu einem praktikablen System zu gelangen.
Ein Blick in Cirfaces KI-First-Delivery-Stack
Unser zentraler Stack basiert auf Asana für das Projektmanagement, Harvest für das Zeiterfassen, Slack für die Zusammenarbeit, Google Workspace, Fellow und Miro. Das sind die Konstanten, die alles am Laufen halten.
In den letzten zwölf Monaten haben wir besonders auf Fellow gesetzt, insbesondere als KI-gestützten Notiz-Assistenten. Damit können wir Gespräche dokumentieren und strukturieren, ohne Mehraufwand zu erzeugen. Tatsächlich ist Fellow das Tool, das unserem Team am meisten Zeit spart.
Ich habe außerdem begonnen, Notebook LM in bestimmten Fällen einzusetzen, wenn ich große Informationsmengen schnell erfassen und navigieren muss.
Bezüglich Miro als Task-Management-Tool: Die Entwicklung hat sich nicht speziell auf KI konzentriert, aber es gibt kontinuierliche Updates, die die Zusammenarbeit flüssiger und intuitiver machen, wodurch Miro in unserem Prozess weiterhin wertvoll bleibt.
Freie Bahn schaffen: Wo KI den größten Mehrwert bietet
Aktuell sind die Bereiche, die am meisten von KI profitieren, jene, in denen Informationen gesammelt, geformt und überprüft werden. Wir ziehen großen Nutzen aus KI-basierten Briefings, Zusammenfassungen, Übersetzungen, Übersichten und Filtern, die sicherstellen, dass nichts fehlt, bevor die Arbeit an einen Menschen übergeben wird.
Das sind Aufgaben, die früher repetitiv und zeitaufwendig waren, inzwischen aber in Sekunden mit deutlich weniger Fehlern erledigt werden. Eingeschränkt bleibt KI bei allem, was echtes Urteilsvermögen, Kreativität oder Nuancen erfordert.
Zum Beispiel das Verständnis für politische Verflechtungen zwischen Abteilungen, das Abwägen von Kompromissen mit unterschiedlichen Auswirkungen auf Beteiligte oder das Erkennen, wenn die Anfrage eines Kunden nicht ganz dem entspricht, was er wirklich braucht. Dieses Maß an Überlegung erfordert weiterhin menschliches Fingerspitzengefühl.
KI ist am besten darin, die Bahn freizumachen: Sie übernimmt die Schwerstarbeit mit Informationen, sodass sich die Menschen auf das Interpretieren, Beraten und Entscheiden konzentrieren können – dort, wo Kontext und Empathie gefragt sind.
Die Zukunft von KI-basierten Lieferprozessen: Angst versus Realität
KI wird Projektmanager oder Delivery Leads nicht ersetzen, sondern ihr Rollenbild grundlegend verändern. Künstliche Intelligenz wird die meisten Inputs wie Datenverarbeitung, das Erstellen von Updates und die Identifikation von Lücken übernehmen, während Menschen sich fast ausschließlich auf hochwertige Ergebnisse konzentrieren.
Das bedeutet, dass Kreativität, Urteilsvermögen, Empathie und kontextbezogenes Entscheiden zum Kern der Delivery-Rollen werden.
Brandons Tipp
Die Angst ist der Ersatz – die Realität ist die Orchestrierung. KI wird die Systeme steuern und Menschen bleiben diejenigen, die die Arbeit lenken, freigeben und auf eine Weise abstimmen, wie es Maschinen nicht können.
KI nutzen, ohne das Steuer abzugeben
Mein Rat ist: Testen Sie weiter und bleiben Sie offen dafür, KI als Werkzeug einzusetzen, um Ihre Arbeit einfacher zu machen.
Derzeit ist das eine der größten Chancen, Zeit zu sparen und den Kopf freizubekommen, und ich bin überzeugt, dass es bald eine Grundvoraussetzung für die meisten digitalen Berufe sein wird. Je früher Sie sich damit vertraut machen, desto besser sind Sie aufgestellt.
Und gleichzeitig sollten Sie auf Ihr eigenes Urteilsvermögen vertrauen. Alle sagen: „Passe dich an oder bleib zurück“, aber nicht jeder Anwendungsfall ergibt Sinn und nicht jede Lösung ist vertrauenswürdig.
Das Ziel ist, KI einzusetzen, um die Leistung zu verbessern – nicht, das Steuer völlig aus der Hand zu geben.
Kontakt aufnehmen!
Brandons DMs sind auf LinkedIn für alle offen, die weiter diskutieren möchten oder einen Rat suchen. Und schauen Sie sich Cirface an!
