Im Innern der kühnen KI-Initiative dieses CEOs: Sauberere Daten, schnellere Lieferung und einfachere PM-Workflows
Marcel Petitpas, CEO von Parakeeto, nutzt KI als zentralen Treiber für exzellente Projektausführung—Workflows werden vereinfacht, Datendisziplin wird geschaffen und jedes Teammitglied (auch Nicht-Techniker) wird befähigt, KI im Arbeitsalltag zu nutzen.
Marcel Petitpas
Gründer und CEO von Parakeeto
KI-Integration: Parakeeto nutzt KI für mehr Organisationseffizienz und verbessert die Profitabilitätsberatung durch innovative Anwendungen.
Kontexteffizienz: KI zentralisiert Kundenkontext-Materialien, verbessert die Meeting-Vorbereitung und Entscheidungsfindung mit erheblichen Zeitersparnissen.
Vereinfachte Workflows: Parakeeto minimiert Projektmanagement-Komplexität, reduziert Aufgabendetails, vereinfacht Dokumentation und ermöglicht mehr Prozessflexibilität.
Bedeutung von Datenhygiene: Strukturierte Daten bleiben entscheidend; KI verstärkt den Bedarf an robuster und sauberer Dateninfrastruktur.
Teams stärken: Nicht-technische Mitarbeitende nutzen KI für Datentätigkeiten und steigern die Produktivität mit Tools wie Notion für dynamische Dokumentation.
Marcel Petitpas ist Gründer und Geschäftsführer von Parakeeto, einer Beratungsfirma für Profitabilität, die bei ihren Projekten und Dienstleistungen verstärkt auf KI setzt.
Hier ist, was Marcel dazu zu sagen hatte, wie er das Beratungsgeschäft mithilfe von KI neu definiert.
Experimente als CEO fördern
Ich bin Gründer und Geschäftsführer von Parakeeto. Wir sind ein technologiegestütztes Beratungsunternehmen, das Agenturen – und anderen Beratungsfirmen – dabei hilft, ihre Rentabilität zu messen und zu steigern.
KI stellt für uns eine große Chance dar, und ich musste in meinem Team sehr offen darüber sprechen.
Kostenlos freischalten
Erstellen Sie ein kostenloses Konto, um diesen Beitrag zu Ende zu lesen und Teil einer Community zukunftsorientierter Führungskräfte zu werden, die Tools, Leitfäden und Insights für den Erfolg im Zeitalter der KI freischaltet.
Have an account? Log In
Ich versuche, alle zu ermutigen, zu experimentieren, KI zu nutzen und Wege zu finden, sie auf unsere Arbeit anzuwenden, um besser oder effizienter zu werden.
Ein großartiges Beispiel: Jede Woche führen wir eine Show-and-Tell-Demo durch und feiern etwas, das intern rund um KI ausprobiert wird.
Effizienzsteigerungen bei der Kontextsammlung und Lieferung
Die Kontextsammlung war wahrscheinlich der bedeutendste Effizienzgewinn, den wir bisher durch KI erzielt haben.
Wir haben daran gearbeitet, Kontext aus unseren Kundenkontakten – Anrufe, Notizen, Asana-Updates, E-Mails usw. – zu zentralisieren, damit alles per KI abfragbar ist. Jetzt ist es viel einfacher, alle auf den aktuellen Stand zu bringen, Meetings vorzubereiten und Entscheidungen mit dem richtigen Kontext zu treffen.
Das spart viel Zeit bei interner Kommunikation, Briefings, dem Ansehen von Call-Wiederholungen und beim Verfassen von Updates.
Auch bei der Auslieferung können wir viel Zeit sparen, indem wir KI nutzen, um die technische Dokumentation unserer Systeme abzufragen und sie für das Schreiben von Datenbereinigungsregeln und anderen technischen Aufgaben zu verwenden.
Indem wir KI als unser „perfektes Gedächtnis“ einsetzen, können wir uns auf die Verbesserung des Kundenerlebnisses konzentrieren. Jeder Kunde fühlt sich nun wie unser einziger Kunde an.
Komplexität aus PM-Workflows entfernen
Ein weiterer großer Wandel für uns war die vollständige Abkehr vom Bottom-up-Resourcing und von hochdetailliertem, auf Aufgaben basierendem Projektmanagement. Die Möglichkeit, Dokumentationen zu erstellen, die im Gesprächsstil genutzt werden können, bedeutet, dass wir die Vorlagen wirklich vereinfachen und viel Detail und Komplexität aus unseren PM-Workflows entfernen können – was den Aufwand zur Initiierung von Projekten und der Pflege unserer PM-Tools im Laufe der Zeit erheblich reduziert.
Es verringert auch erheblich den Widerstand, wenn Änderungen an unseren Prozessen vorgenommen werden.
Ich denke, das könnte bedeuten, das Projektmanagement irgendwann in Notion zu übertragen. Im Moment sind wir jedoch mit Asana sehr zufrieden.
Wie nutzen Kunden KI für kreative Leistungen?
Bei unseren Kunden sehen wir KI an all den Stellen, an denen man es erwarten würde.
- Sammeln von Kontext im Aufnahme- und Verkaufsprozess zur Strategie- und Briefing-Vorbereitung.
- Ideenfindung/Brainstorming und erstes Ausarbeiten von Konzepten und Briefs für das interne Team.
- Schnelle Entwicklung von Konzepten, insbesondere in der ersten Pitching-Phase (dies gilt für Texte, UI/UX, Grafikdesign, Video, Bildgenerierung).
- Bildgenerierung
- Im Bereich digitales Marketing wird KI stark zur Daten- und Kampagnenanalyse sowie zum Überwachen von Konten und Vorschlagen von Änderungen eingesetzt.
- Erstellung von Varianten bei Kreativleistungen und Texten.
- Schaffung von mehr Hebelwirkung bei Themen wie SEO-Optimierung – insbesondere bei grundlegenden Aufgaben wie Meta-Tags/Meta-Beschreibungen usw.
Die unterschätzte Bedeutung von Datenhygiene bei KI
Ich war wirklich überrascht, wie wichtig Datenhygiene und -struktur sind, wenn man KI in Arbeitsabläufen einsetzt.
Ich denke, es gibt den Irrglauben, dass KI den Investitionsbedarf in Dateninfrastruktur verringern wird, aber aus unserer Erfahrung heraus macht sie diese Investitionen nur noch wichtiger.
Ich denke, es gibt den Irrglauben, dass KI den Investitionsbedarf in Dateninfrastruktur verringern wird, aber aus unserer Erfahrung heraus macht sie diese Investitionen nur noch wichtiger.
Die meisten Unternehmen werden in ihrer Fähigkeit, KI zu nutzen, durch die Qualität ihrer zugrundeliegenden Datensysteme eingeschränkt.
Hier sind einige Dinge, die wir mithilfe von KI bereinigen:
- Korrigieren von uneinheitlichen Mitarbeiter- oder Projektnamen (z. B. Spitznamen, Rechtschreibfehler, Präfixe/Suffixe wie [ARCHIVED]).
- Entfernung unnötigen Lärms wie überflüssigen Leerzeichen, Kopf-/Fußzeilen oder nicht genutzten Spalten.
- Standardisierung von Formaten für Daten, Zahlen und Text, um sie mit internen Berichtsstrukturen in unserer Digital-Asset-Management-Software abzugleichen.
- Zuordnung von Zeiteinträgen zu den richtigen Payroll Grid-Rollen-Kategorien oder Project Grid-Projekten, auch wenn die Rohdaten nicht genau übereinstimmen.
- Bearbeitung von Retainer-Umfangsänderungen durch Aufteilen von Projekten in mehrere Versionen basierend auf Start- und Enddaten.
- Neuzuordnung älterer oder unvollständiger Daten zu Platzhalterprojekten „historisch“, um die Genauigkeit der Berichte ohne Unordnung zu wahren.
- Extrahieren von Codes, Tags oder IDs, die in Textfeldern eingebettet sind, mithilfe von Regex oder Mustererkennung.
- Anwenden mathematischer Anpassungen auf erfasste Zeiten (z. B. Aufrunden von Subunternehmerstunden, Neuverteilung von Zeitanteilen).
- Umbenennen oder Neuzuordnung von Spalten, sodass Exporte aus verschiedenen Tools ein einheitliches Schema erfüllen.
- Kombinieren oder Aufteilen von Feldern (z. B. Zusammenführen von Vor- und Nachnamen-Spalten zu einem einzelnen Mitarbeitenden-Namen).
Und das sind nur einige Beispiele.
Durch die Erstellung sehr guter Dokumentationen darüber, wie diese Datenbereinigungsregeln zu schreiben und zu konfigurieren sind, haben wir es nicht-technischen Mitarbeitenden ermöglicht, viel mehr der Vorarbeit eigenständig zu erledigen – in manchen Fällen setzen sie diese Pipelines sogar vollständig um, ohne irgendwelche technischen Ressourcen beiziehen zu müssen.
Detaillierte Dokumentation mit Notion AI
Der Knackpunkt dabei war das Verfassen detaillierter Dokumentationen zur Anweisung eines KI-Modells.
Danach müssen wir sie aktuell halten. Da die Dokumentation aber in Notion liegt und wir Notion AI zur Abfrage nutzen, ist sie gewissermaßen ein selbsterhaltendes Dokument. Muss etwas Neues hinzugefügt werden, kann KI oft einen Entwurf der Ergänzung schreiben und wir können sie direkt einfügen.
Und der große Vorteil von Notion ist, dass man von dort ziemlich einfach Kontext an Tools wie Gemini, Notebook LM oder ChatGPT übergeben kann. Auch die Agentenfunktion von ChatGPT funktioniert mit Notion.
So befähigen Sie nicht-technische Mitarbeitende durch KI
Ich habe erwähnt, dass wir nicht-technische Mitarbeitende mit KI befähigen – das war der größte Durchbruch überhaupt. Solange jemand ausdrücken kann, was er oder sie in einer logischen Aussage erreichen möchte, kann er oder sie im Grunde Python/SQL schreiben und funktionierende Daten-Pipelines bauen.
Solange jemand ausdrücken kann, was er oder sie in einer logischen Aussage erreichen möchte, kann er oder sie im Grunde Python/SQL schreiben und funktionierende Daten-Pipelines bauen.
Natürlich gibt es Grenzen, und diese Grenzen liegen meist am Anfang und Ende dieser technischen Aufgaben.
Zum Beispiel kann ein technischer Mitarbeiter besonders viel Wert schaffen, indem er gute Entscheidungen darüber trifft, welche Technologien eingesetzt werden, wie die Architektur gestaltet werden sollte und welche Sonderfälle und Anforderungen zu berücksichtigen sind – selbst wenn es nur darum geht, bestehende Überlegungen eines KI-Modells zu überprüfen und mit zusätzlichen Details zu ergänzen.
Sehr schwierig für einen nicht-technischen Nutzer ist es jedoch, die Infrastruktur und die initialen Arbeitsabläufe für einen völlig neuen Prozess aufzubauen und eine Idee von der Konzeption bis zum Start umzusetzen. In seltenen Fällen gelingt das von Anfang bis Ende, aber dass ein technischer Mitarbeiter das Fundament legt, ist in der Regel weiterhin notwendig oder zumindest deutlich effizienter und führt zu einem besseren System und Ergebnis.
Ein weiterer Bereich, in dem weiterhin technische Unterstützung nötig ist, betrifft die Problemlösung bei Sonderfällen. Doch während wir die Lösungen dafür dokumentieren, ermöglicht es die KI-Unterstützung, dass nicht-technische Nutzer immer häufiger selbstständig weiterkommen.
Und sobald die Basis geschaffen und die Prozesse etabliert sind, können nicht-technische Anwender heute viel mehr bewegen als noch vor einem Jahr.
KI verändert nicht nur Prozesse – sie verändert, wie Prozesse entstehen
In mancher Hinsicht glaube ich, dass KI uns hilft, Abläufe zu entwickeln, ohne dass wir einen Prozess im traditionellen Sinn aufsetzen müssen.
Bevor es KI-Agenten und Tools gab, die die Umsetzung solcher Dinge unterstützen, musste jemand eine sehr detaillierte und oft deterministische Abfolge von Schritten definieren, um eine Aufgabe zu erledigen.
Die Herausforderungen dabei sind:
- Es ist zeitaufwändig
- Es erfordert, dass jemand genau weiß, welche Schritte notwendig sind
- Bei sehr komplexen, nuancierten oder flexiblen Aufgaben funktioniert es meistens nicht gut
- Bei neuen, wenig ausgereiften oder sich häufig ändernden Prozessen ist es oft schwierig oder teuer
- Es kann Fortschritt durch organisatorische Reibung verlangsamen
Mit KI kann jemand einfach einen neuen Chat, Agenten oder ein eigenes GPT anlegen und direkt loslegen, während er dabei Prozesswissen und Kontext aufbaut. Es ist ein bisschen, als würde man mit einem Menschen arbeiten, aber die KI hat ein perfektes Gedächtnis und kann das Gelernte sofort mit der nächsten Person teilen.
Ich halte dies für einen der größten Vorteile von KI – sie ändert in mancher Hinsicht grundlegend, wie Prozesse entstehen und gepflegt werden.
Mein KI-Stack für die Projektabwicklung
Unser Kern-Stack besteht aus:
- Asana – Als unsere Projektmanagement-Software
- Harvest – Zeiterfassungs-Software
- QBO – Als unsere Buchhaltungs-Software
- Parakeeto – Für Management Accounting, Forecasting, Auslastung, ABR / Projekterfolg
Außerdem verwenden wir:
- Google Suite (Drive, Sheets, Docs, Kalender, Mail) – Cloud-Kollaborationssoftware
- Notion – Dokumenten-Kollaborationssoftware
- Miro – Flussdiagramm-Software
- Loom – Asynchrone Kollaborationssoftware
- Fathom – Notiz-Software
- Zapier – Prozessautomatisierungs-Software
Zwei Tools, die kein Projektmanager missen sollte
Notion und Zapier waren für uns ganz besonders wegweisend.
Ich habe es oben schon kurz angesprochen: Notion ist eine Plattform, auf die wir mittlerweile stark setzen. Sie wird zunehmend zu dem Ort, an dem wir automatisch verschiedenste Kontexte und Informationen über unsere Kunden zusammenführen können, um sie zu durchsuchen oder als Wissensbasis in anderen KI-Modellen zu verwenden.
Es werden zudem ständig neue Tools integriert (Mail, Kalender, Meeting-Notizen), wodurch vieles einfacher wird. Es kann durchaus sein, dass wir künftig immer mehr Funktionen nach und nach in Notion abbilden – vielleicht sogar irgendwann unser Projektmanagement und CRM.
Zapier hat wirklich hervorragende Arbeit geleistet, KI-Agenten in sein Tool zu integrieren. Während alle den Fokus auf Gumloop und N8N legen, behaupte ich, dass Zapier diese beide sogar übertrifft, wenn man die Breite ihrer Integrationen betrachtet.
Wir haben ein paar Automatisierungen – überwiegend im Bereich Vertrieb & Marketing – die uns jeden Monat viel Zeit sparen, indem sie Marketingaufgaben automatisieren und gewährleisten, dass Daten am richtigen Ort mit dem richtigen Maß an Anreicherung ankommen.
Eine Zapier-Automatisierung aus der Praxis
Eine der umfangreicheren Zapier-Automatisierungen, die wir derzeit im Einsatz haben, bezieht sich darauf, neue Leads, die unser Toolkit herunterladen, zu erfassen und eine Reihe von Aktionen mit ihnen durchzuführen:
- Prüfung, ob sie eine berufliche oder private E-Mail-Adresse verwenden.
- Filtern der Nutzer mit beruflicher E-Mail-Adresse.
- Extrahieren des Firmennamens aus der E-Mail sowie Aufteilen von Vor- und Nachnamen.
- Verwendung eines Anreicherungsdienstes, um Basisinformationen über das Unternehmen und die Person abzurufen.
- Weitere Filter anwenden, um festzustellen, ob der Lead anhand bestimmter Kriterien "qualifiziert" ist – z. B. in einer bestimmten Branche tätig, bestimmte Mitarbeiteranzahl usw.
- Weitere Anreicherung bei den Leads, die gut passen.
- Zusammenfassen und Bereinigen einiger Informationen, wie z. B. Unternehmensbeschreibungen.
- Hinzufügen dieser Leads zu unserem CRM und Anbringen der entsprechenden Tags/Filter.
- Hinzufügen dieser Leads zu weiteren Automatisierungen, die beispielsweise dazu dienen, sie im Lead Magnet zu registrieren, den sie heruntergeladen haben, und sie in eine zugehörige E-Mail-Drip-Kampagne aufzunehmen.
Eine einfachere Zukunft für Projektmanager
Ich glaube (und hoffe), dass Projektmanagement in fünf Jahren deutlich einfacher sein wird.
So wie ein KI-Agent es einer Organisation ermöglicht, einen "Prozess" zu entwickeln und weiterzuentwickeln, ohne einen tatsächlichen "Prozess" zu haben, hoffe ich, dass KI Projektmanagern ermöglicht, ihrer Arbeit nachzugehen, ohne ständig hunderte detaillierter Objekte in einem Projektmanagement-Tool bearbeiten zu müssen.
Es fühlt sich an, als verbrächten Projektmanager einen großen Teil ihrer Zeit damit, Aufgaben, Zeitpläne, Zeitschätzungen, Unteraufgaben, Meilensteine, Abhängigkeiten, Zuweisungen usw., usw., usw. umzusortieren.
In gewisser Weise sind diese Objekte wie die Programmiersprache des Projektmanagements, mit der sie versuchen, eine Darstellung des aktuellen Status zu codieren. Einerseits, um sich selbst einen Überblick zu verschaffen, andererseits, damit andere Beteiligte ebenfalls auf dem Laufenden bleiben können.
Dieses System wirkt unglaublich ineffizient und träge. Wie Laufen im Sand.
Ich denke, KI wird dazu beitragen, die Menge an Details und Präzision, mit denen Projektmanager bei der Kommunikation und Steuerung ihrer Projekte arbeiten müssen, zu reduzieren.
Fokus auf die KI-Grundlagen
Es fühlt sich vielleicht so an, als würden sich die Dinge sehr schnell bewegen – und in mancher Hinsicht tun sie das auch – aber wir stehen erst am Anfang einer technologischen Umwälzung, die sich mindestens noch ein oder zwei Jahrzehnte weiterentwickeln wird.
Konzentrieren Sie sich auf die Grundlagen – die werden nie aus der Mode kommen. Und suchen Sie nach Wegen, KI zu nutzen, um besser und schneller zu werden.
Bleiben Sie auf dem Laufenden
Sie können Marcel auf LinkedIn folgen. 👉 Abonnieren Sie den Digital Project Manager und bleiben Sie auf dem Laufenden über alles, was die KI im Bereich Projektmanagement beeinflusst.
