Senior-IT-Projektleiter sagt: Projektmanager müssen sich auf menschliche Interaktionen konzentrieren, die Algorithmen nicht ersetzen können
Erfahren Sie, wie KI das Projektmanagement von administrativen Aufgaben hin zu menschlicher Führung verlagert und es Projektmanagern ermöglicht, sich auf Strategie, Abstimmung mit Stakeholdern und Entscheidungen zu konzentrieren, die den Projekterfolg vorantreiben.
Daniel Hemhauser
Senior-IT-Projektleiter und Gründer von The PM Playbook
Auswirkungen von KI: KI verlagert das Projektmanagement von der Koordination hin zur strategischen Führung und schafft Freiräume für menschzentrierte Aufgaben.
Menschlicher Fokus: Projektleiter konzentrieren sich jetzt darauf, Vertrauen aufzubauen und komplexe menschliche Probleme zu lösen, die KI nicht bewältigen kann.
Daten-Synthese: KI löst Datenfragmentierung, bietet eine einheitliche Datenquelle und ermöglicht es Teams, sich auf strategische Entscheidungen zu konzentrieren.
Kommunikationsmängel: KI-Automatisierung enthüllt tiefere Kommunikationsprobleme, was Führungskräfte zu Vermittlern in kritischen Situationen macht.
Rollenwandel: Projektmanager entwickeln sich zu strategischen Orchestratoren weiter, die KI für Aufgaben nutzen und sich auf menschliche Aspekte fokussieren.
Daniel Hemhauser ist Senior IT-Projektleiter mit über 20 Jahren Erfahrung in der Führung von organisatorischem Wandel. Er ist außerdem der Gründer von The PM Playbook, wo er die nächste Generation von Projektleitern darauf vorbereitet, sich in einer zunehmend KI-gesteuerten Umgebung zurechtzufinden.
Wir haben mit Daniel gesprochen, um zu verstehen, wie KI die Projektdurchführung verändert — und warum die Zukunft des Projektmanagements weniger darin besteht, Arbeit zu verwalten, sondern vielmehr darin, Menschen zu führen. Hier ist, was er dazu zu sagen hatte.
IT-Projektführung und -durchführung
Ich bin Senior IT-Projektleiter mit über 20 Jahren Erfahrung in der Steuerung komplexer, groß angelegter digitaler Transformationen.
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.
Have an account? Log In
Heute konzentriert sich meine Rolle in der Projektdurchführung auf eine entscheidende Schnittstelle: die Nutzung agentischer KI zur Automatisierung administrativer Aufgaben, während ich gleichzeitig den Fokus auf menschenzentrierte Führung lege, um der Seele des Projekts gerecht zu werden. Mein Ziel ist es, transformativen Einfluss zu erzielen, indem ich über das traditionelle Aufgabenmanagement hinausgehe und Führungsqualitäten priorisiere, die mit der Komplexität moderner IT-Umgebungen wachsen.
Über die aktive Projektdurchführung hinaus bin ich Gründer von The PM Playbook. Dort helfe ich, die nächste Generation von Projektleitern durch praxisnahe, realitätsbezogene Schulungen zu formen, um zukunftssichere PM-Karrieren zu schaffen.
Warum KI das Projektmanagement von Administration zu Strategie verschiebt
Meine Rolle wandelt sich grundsätzlich von der Informationskoordination zur strategischen Orchestrierung – weg davon, als menschlicher Router zu fungieren, in dem der Projektleiter jede Information filtern muss. In dieser sich verändernden Landschaft wird Projektdurchführung zu einer hochrangigen Governance-Funktion; KI übernimmt die Daten, während ich die menschliche Richtung gebe. Ich verbringe inzwischen deutlich weniger Zeit mit manuellen Aufgaben wie dem Erstellen von Statusberichten, dem Zusammenfassen von Besprechungsprotokollen oder dem Abgleichen von RAID-Logs.
Da der administrative Aufwand größtenteils wegfällt, widme ich meine Zeit nun verstärkt der Empathie für wichtige Stakeholder und dem Navigieren der komplexen Organisationspolitik, die über den letztendlichen Projekterfolg entscheidet.
Der Einsatz von KI hat auch neue Aufgaben geschaffen. Ich beschäftige mich jetzt häufiger mit KI-Governance und Qualitätskontrolle, um sicherzustellen, dass die Prompts und Dateneingaben für unsere automatisierten Agenten von hoher Integrität sind und keine "Halluzinationen" enthalten. Auch wenn dies meinen Arbeitstag etwas erweitert hat, gibt mir dieser Wandel mehr Raum, mich auf menschliche Dynamiken und subtile Verhandlungen zu konzentrieren – Dinge, die bislang weder ein Dashboard noch ein Algorithmus richtig erfassen können.
Letztendlich verbringe ich meinen Tag damit, die Menschen im Projektökosystem zu führen und gleichzeitig diese großartigen neuen KI-Tools zu nutzen.
Wie Menschen die „Seele“ eines Projekts bewahren, während KI die Datensynthese automatisiert
Im Zeitalter der KI geht Führung vor allem darum, die „Seele“ des Projekts zu bewahren: das Vertrauen, die Kultur und die entscheidende Ausrichtung, die kein Algorithmus nachbilden kann. Komplexe Verhandlungen und Empathie gegenüber Stakeholdern bleiben rein menschliche Aufgabenfelder. KI kann mir beispielsweise mitteilen, dass ein Meilenstein in Gefahr ist. Sie kann aber immer noch nicht die politischen Feinheiten einer Budgetverhandlung erfassen oder die unausgesprochene Überlastung in der Stimme eines leitenden Entwicklers während eines Einzelgesprächs heraushören.
Ich konzentriere mich vollständig auf das „Wer“ und „Warum“, während KI das „Was“ und „Wann“ übernimmt. Das wohl eintönigste Element meiner Arbeitswoche ist die plattformübergreifende Datensynthese. In einer typischen Unternehmensumgebung liegen Projektdaten häufig in Silos wie Jira für Aufgaben, Azure DevOps für Releases und in verschiedenen, voneinander unabhängigen Tabellen für finanzielle Nachverfolgung. Agentische KI ermöglicht es mir, eine erste "Datenbereinigung" und Abhängigkeitszuordnung vorzunehmen – potenzielle Ressourcenkonflikte oder Terminverschiebungen werden markiert, bevor ich morgens überhaupt meinen Laptop öffne.
Ich konzentriere mich vollständig auf das “Wer” und das “Warum”, während KI das “Was” und das “Wann” übernimmt.
Auf der Ausführungsseite ist Meeting-Intelligenz immer das naheliegendste Optimierungspotenzial. Ich nutze mittlerweile KI-Tools, um Besprechungen zu transkribieren, Stimmungsanalysen und die Extraktion von To-dos durchführen zu lassen – und ersetze damit das manuelle Schreiben von Protokollen. Indem ich diese Transkripte in eine private, sichere Instanz einspeise, kann ich RAID-Logs automatisch aktualisieren und Stakeholdern basierend auf ihren individuellen Erwähnungen im Call personalisierte Follow-ups senden.
Dadurch entfallen effektiv die 5–10 Stunden pro Woche, die ich früher nach jeder größeren Lenkungsausschuss- oder Planungssitzung für die "administrative Nachbereitung" aufwenden musste.
Wie KI Datenfragmentierung in der Projektabwicklung löst
Bei einer aktuellen, über 100 Millionen Dollar teuren, globalen digitalen Transformation stand mein Team vor einem gewaltigen Koordinationsengpass, weil Daten über Jira, Azure DevOps und dutzende Tabellenkalkulationen fragmentiert waren. Wir gingen in einer Datenflut verschiedenster Quellen unter und verbrachten mehr Zeit damit, widersprüchliche Statusberichte abzugleichen, als Initiativen voranzutreiben. Zur Lösung setzten wir eine KI-gesteuerte Orchestrierungsschicht ein, die mit benutzerdefinierten API-Konnektoren Rohdaten aus diesen Quellen in einen zentralen Data Lake einspeiste.
Der Aufbau erforderte rund 60 Stunden Engineering und Feinabstimmung der Prompts, damit die KI zuverlässig Abhängigkeiten abbilden und die teils sehr unterschiedlichen Namenskonventionen der verschiedenen Anbieter normalisieren konnte.
Die KI hat unser Datenfragmentierungsproblem komplett gelöst – sie beseitigte etwa 20 Stunden manuellen Abgleichs pro Woche für das Team. Durch die Auslagerung der systemübergreifenden Zusammenführung an automatisierte Agenten erhielten wir eine einzigartige "Single Source of Truth". Dadurch wurde ein kritischer Ressourcenkonflikt zwischen drei separaten Arbeitspaketen etwa drei Wochen früher erkannt, als es ohne KI möglich gewesen wäre.
Diese Transparenz ermöglichte es uns, Ressourcen in Echtzeit neu zuzuteilen und so geschätzte 320.000 US-Dollar potenzielle Verzögerungskosten einzusparen. Anstatt in Lenkungsausschüssen über Datenqualität zu diskutieren, konnten wir die Zeit endlich für strategische Entscheidungen und menschzentrierte Lösungsfindung nutzen.
Warum KI Kommunikationsprobleme in Projekten aufdeckt
KI macht Projektmanagement nicht einfacher – sie macht es transparenter. Im traditionellen Projekt kann sich eine Projektleitung hinter einem "vollen" Kalender mit Status-Abfragen und manueller Berichterstellung verstecken. Automatisiert man diese administrativen Schichten, wird schnell offensichtlich, wie sehr solche Aufgaben tatsächliche Teamkonflikte oder Stakeholder-Fehlausrichtungen überdecken. Fällt diese Beschäftigungstherapie weg, wird sofort sichtbar, wo die Kommunikation im Team bricht – man muss quasi über Nacht vom Koordinator zur hochverantwortlichen Moderation wechseln.
Mir ist außerdem aufgefallen, dass die Regel "Garbage In, Garbage Out" mit KI deutlich stärker zum Tragen kommt.
In manuell geführten Projekten kann ich aus einem Gespräch auf dem Flur heraus merken, wenn ein Wert in einer Tabelle "falsch" erscheint, doch eine KI verarbeitet fehlerhafte Daten ohne Kontext und skaliert den Fehler blitzschnell auf das gesamte Berichts-Ökosystem – alle Dokumentationen, Dashboards und Auswertungen werden dementsprechend angepasst. Das hat mir gezeigt: Mein Mehrwert liegt nicht mehr im Datenproduzieren, sondern im Kuratieren der Wahrheit.
Wie KI Technologiestacks vom Reaktiven ins Proaktive wandelt
Mein Tech-Stack hat sich im letzten Jahr deutlich verändert: weg von reaktiven Tracking-Apps, hin zu einem proaktiven, integrierten Ökosystem. Anfangs habe ich hauptsächlich, wie viele Projektmanager:innen, mit ChatGPT, Gemini und Claude als eigenständige Assistenten experimentiert, um E-Mails zu entwerfen oder Gesprächsprotokolle zusammenzufassen. Sie waren hilfreiche Sidekicks, aber ich blieb der Engpass für Projektdaten. Ich habe Berichte manuell aus Jira und Tabellen gezogen, um Statusübersichten zu erstellen und versucht, alle Informationen synchron zu halten.
Heute habe ich den Schritt von allgemeinen Chatbots zu spezialisierten, einsatzbereiten Orchestrierungslösungen gemacht. Atlassian Rovo und ClickUp Brain sind jetzt meine wichtigsten Intelligenzschichten. Diese Tools sind tief in meine Arbeitsabläufe integriert. Rovo steht im Zentrum: Die Fähigkeit, Datenhygiene sicherzustellen und mittels natürlicher Sprache über meine gesamte Projekthistorie und angebundene Drittanbieter-Apps zu suchen, ist essenziell für meine Arbeit. ClickUp Brain nutze ich, um Lücken zwischen meinen Tools zu schließen. Es indexiert alle Projektdaten effizient, inklusive Aufgaben, Dokumente und verknüpften externen Tools. So kann ich abteilungsübergreifende Abhängigkeiten und Ressourcenkonflikte erkennen, die sonst in Silos versteckt wären. Das ist enorm wertvoll für das Programm- und Portfoliomanagement.
Heute habe ich den Schritt von allgemeinen Chatbots zu spezialisierten, einsatzbereiten Orchestrierungslösungen gemacht.
Dieses "verbindende Gehirn" erkennt Ressourcenkonflikte und hält meine Datenhygiene hoch, wodurch ich effektiv etwa 15 bis 20 Stunden meiner Woche zurückgewinne.
Darüber hinaus nutze ich Jira (mit voll integrierten Rovo) und Azure DevOps für das Aufgabenmanagement und die agile Umsetzung. Für Meeting-Governance und die Abstimmung mit Stakeholdern sind Otter.ai und Notion AI für mich unverzichtbar. Ich zeichne mit Otter alle Meetings auf und lasse sie transkribieren, dann synchronisiere ich automatisch die Aktionspunkte nach Notion, das als zentrale Wissensbasis für Management-Zusammenfassungen dient. Dadurch stelle ich sicher, dass ich wichtige Nuancen, Stimmung und strategische Kurswechsel festhalte und sie nicht in statischen Dokumenten verloren gehen.
Dank all dieser Tools hat sich meine Rolle vom reinen Datenersteller zum Wahrheitskurator entwickelt, der sich auf die wirklich wichtigen Führungsentscheidungen konzentrieren kann, die Tools nicht leisten können.
Warum Atlassian Rovo die Team-Effizienz steigert
Ich finde, Atlassians Rovo hat an dieser Stelle eine besondere Erwähnung verdient. Die meisten sehen in KI eine Möglichkeit, schneller zu schreiben. Aber die eigentliche Stärke von Rovo ist, dass es Verbindungen zwischen Jira-Tickets, Confluence-Seiten, Slack-Unterhaltungen und sogar externen Google Drive-Dokumenten herstellt. Es agiert als lokalisierte Suchmaschine für unsere gesamte Projekthistorie. So kann ich eine natürliche Frage stellen wie: „Was war die technische Umgehungslösung für das API-Latenzproblem im Pilotprojekt des letzten Jahres?“ – und erhalte in Sekunden eine zitierte, präzise Antwort.
Gerade bei großen Transformationen vergeudet man enorm viel Zeit mit der Lösung bereits bekannter Probleme, weil Wissensträger das Team verlassen haben oder Entscheidungen in alten Slack-Chats verborgen sind. Mit Rovo, das diesen Kontext sofort sichtbar macht, gewinnen wir etwa einen zusätzlichen Arbeitstag an Produktivität pro Monat zurück. Unser Fokus liegt so nicht mehr auf der Informationssuche, sondern auf dem Handeln – das schafft echten Mehrwert für Projekte.
Gerade bei großen Transformationen vergeudet man enorm viel Zeit mit der Lösung bereits bekannter Probleme, weil Wissensträger das Team verlassen haben oder Entscheidungen in alten Slack-Chats verborgen sind. Mit Rovo, das diesen Kontext sofort sichtbar macht, gewinnen wir etwa einen zusätzlichen Arbeitstag an Produktivität pro Monat zurück.
Wie leichtgewichtige Systeme traditionelle PM-Methoden ersetzen
Der Abschied von klassischen, schwerfälligen Projektmanagement-Ansätzen bedeutet, dass die manuelle Nachverfolgung automatisierter Orchestrierung weicht. Konkret heißt das für mich: Ich habe aufgehört, den „perfekten“ statischen Projektplan als Gantt-Diagramm zu bauen, und arbeite stattdessen mit einem hochdynamischen, leichtgewichtigen System, in dem die Daten für mich arbeiten.
Diesen Wandel habe ich eingeleitet, indem ich Jira und Confluence als lebendige Datenschicht behandelt habe. Es überrascht kaum, wer hierbei der Haupttreiber ist: Atlassian Rovo. Anstatt Stunden in „Statusabgleich“-Meetings zu verbringen, nutze ich Rovos Teamwork Graph, um Kontext aus meinem gesamten Stack inklusive Slack und Google Drive zu ziehen. Wenn ein Entwickler beispielsweise eine Blockade in einem Slack-Thread erwähnt, erkennt die KI diese Beziehung und markiert sie automatisch beim passenden Jira-Ticket – ganz ohne meine Nachfrage. Unser Wandel begann damit, den mühsamen und zeitraubenden Status-Update-Prozess zu automatisieren. Ich habe Rovo Agents eingerichtet, die wöchentliche Projektzusammenfassungen auf Basis realer Aktivitäten statt manueller Eingaben generieren.
Die Ergebnisse zeigen eine massive Reduzierung der organisatorischen Amnesie. Wir haben uns von einer Kultur des Berichtens über die Arbeit hin zu einer Kultur des Machens der Arbeit entwickelt – genau dort, wo eine Führungskraft auf höchster Ebene stehen sollte. Das hilft uns, endlich den Platz am Tisch einzunehmen, der Projektmanagern jahrzehntelang verwehrt blieb.
Wie KI Projektabwicklungsrituale von statischen Kalendereinträgen zu kontinuierlichen Datenkreisläufen transformiert
Auch Rituale verändern sich. Wenn ich den Projektumfang definiere, beginne ich nicht mehr mit einem leeren Dokument. Ich nutze Atlassian Rovo und ClickUp Brain, um unstrukturierte Daten aus Stakeholder-Telefonaten und Brainstormings in Slack/Teams aufzunehmen. KI definiert den Umfang nicht für mich, aber sie bringt sofort Widersprüche ans Licht – zum Beispiel wenn eine Budgeteinschränkung in einer E-Mail einer Feature-Anfrage in einem Chat widerspricht. Dadurch kann ich meine Energie auf die komplexen Verhandlungen und Abwägungen richten, die den Projekterfolg bestimmen, statt nur Anforderungen zu verschriftlichen. Ich habe aufgehört, normale Delivery-Rituale als statische Kalendereinträge zu betrachten und sehe sie nun als kontinuierliche Datenkreisläufe.
KI definiert den Umfang nicht für mich, aber sie bringt sofort Widersprüche ans Licht – zum Beispiel wenn eine Budgeteinschränkung in einer E-Mail einer Feature-Anfrage in einem Chat widerspricht.
Wir haben zu einer Kultur der asynchronen Transparenz gewechselt, in der Tools wie Otter.ai und Notion AI den Teil "Was ist passiert?" unserer Arbeit übernehmen. Da KI den Datenfluss über Jira und unsere Kommunikationskanäle ständig überwacht, erkennt sie Ressourcenkonflikte und stille Signale für Verzögerungen, bevor sie zu echten Warnsignalen auf dem Dashboard werden. Das sorgt dafür, dass unsere menschliche Zeit für emotionale Abstimmungen und für die Feinheiten der Arbeit reserviert wird, die ein Algorithmus nicht erfassen kann.
Wie agentenbasierte Workflows die Projektabwicklung optimieren
Wie man sieht, habe ich mich von der Vorstellung "KI als Chatbot" zu "KI als Teammitglied" entwickelt, das in meinem bestehenden Tool-Stack aktiv wird. Ich gehe über eigenständige Assistenten wie ChatGPT und Claude hinaus und setze auf agentenbasierte Orchestrierung, wenngleich ich diese generativen KI-Tools weiterhin für spezielle Aufgaben nutze. Ich habe Agenten implementiert, die diese Tools verbinden, um die Silos in Echtzeit zu überwachen.
Bisher verläuft das Experiment überaus erfolgreich, da es die menschliche Blockade nahezu eliminiert. Indem ich die ständige Datennachverfolgung diesen Agenten überlasse, habe ich etwa 15 Stunden pro Woche zurückgewonnen, die ich zuvor für administrative Abstimmung aufgewendet habe. Das ermöglicht mir, in einer Rolle der übergreifenden Orchestrierung zu bleiben, in der ich die strategische Richtung und die "menschliche Seele" des Projekts steuere, anstatt nur Tools zu verwalten.
Warum strategische Orchestratoren Projektmanager ablösen werden
Wir bewegen uns schnell auf eine Welt zu, in der agentische KI autonom 80 % dessen übernimmt, was wir heute Projektmanagement nennen – Zeitpläne, Statusberichte, Ressourcenausgleich, usw. In dieser Zukunft verwalten wir kein Projekt mehr, sondern eine digitale Belegschaft, die die administrativen Aufgaben übernimmt, während wir uns ausschließlich auf die menschlichen Variablen mit hohem Einfluss konzentrieren.
Sie managen nicht mehr ein Projekt, sondern eine digitale Belegschaft, während Sie sich auf die menschlichen Einflussfaktoren konzentrieren.
Der Titel des Projektmanagers wird in den nächsten fünf Jahren obsolet und durch eine Rolle ersetzt, die dem Strategischen Orchestrator viel ähnlicher ist.
Wir werden nicht mehr dafür belohnt, wie viele Tickets wir bewegt oder wie viele Meetings wir moderiert haben, sondern für unsere Fähigkeit, die komplexe Organisationspolitik und ethische Grauzonen zu navigieren, die KI nicht erfassen kann. Der Erfolg wird anhand von Teamvertrauen und strategischer Ausrichtung gemessen – und nicht mehr ausschließlich am termingerechten Abschluss.
Die Projekte, die 2030 scheitern, werden nicht an Terminüberschreitungen oder Budgetproblemen scheitern, sondern an mangelnder menschlicher Vision. Die erfolgreichsten Führungskräfte werden diejenigen sein, die KI nutzen, um das "Was" zu erledigen, damit sie sich auf das "Warum" konzentrieren können.
Wie KI Raum schafft, damit Projektmanager sich den menschlichen Kernelementen eines Projekts widmen können
Der beste Rat, den ich geben kann, ist: Hört auf, KI nur als Effizienzwerkzeug zu sehen, und betrachtet sie als Mittel zur Erweiterung eurer Führungskompetenz.
Viele Jahre lang agierten Projekt-Administratoren wie Roboter – wir verbrachten unsere Tage mit dem Abgleichen von Tabellen, dem Nachfassen bei Kollegen für Updates und dem Verfassen generischer Statusberichte. Wir waren so sehr in der administrativen Maschinerie des Projektmanagements gefangen, dass für echte Führungsarbeit kaum Zeit blieb.
Jetzt treten wir in eine Ära ein, in der KI endlich die administrative Last im Projektmanagement hebt – ein Geschenk, das auch den Puffer der Fleißarbeit entfernt, auf den sich viele Führungskräfte traditionell verlassen haben. Wenn KI das Nachverfolgen, Berichten und die Auswertung von Daten übernimmt, werdet ihr mit den echten, menschlichen Aspekten des Projekts konfrontiert: Führung, Vertrauen, Politik und strategische Ausrichtung.
Die Zeit, die ich zurückgewonnen habe, investiere ich nicht in noch mehr Automatisierung, sondern in kritische Gespräche, die wirklich etwas bewegen. Ich nutze diese neue Zeit, um einen Junior-Projektleiter bei einem technischen Problem zu coachen, unausgesprochene politische Spannungen im Lenkungsausschuss zu moderieren oder sicherzustellen, dass eine digitale Transformation ein reales Problem für eine echte Person löst. Wir verlassen das Zeitalter des „Projektadministrators“ und gehen über in das Zeitalter des „menschenzentrierten Führens“, und das ist der spannendste Wandel, den ich in meinen zwanzig Berufsjahren erlebt habe.
Setzt also euren Fokus auf Kuratieren statt Kreieren. Verbringt eure Zeit nicht mit dem Schreiben des perfekten Statusberichts; arbeitet lieber an der Logik und Datenqualität, die es euren KI-Agenten ermöglichen, den Bericht zu erstellen. Und nutzt die so gewonnene Zeit, um euch um die zwischenmenschlichen Herausforderungen zu kümmern, die keine KI bewältigen kann.
Seid die Führungspersönlichkeit, die unausgesprochene Spannungen im Lenkungsausschuss erkennt oder komplexe ethische Abwägungen bei einem globalen Rollout navigiert. In dieser neuen Landschaft bemisst sich euer Wert nicht daran, wie viele Informationen ihr bewegt, sondern wie klar eure Entscheidungen sind, die ihr mit Hilfe der von der KI gelieferten Informationen trefft.
Bleiben Sie dran
Sie können Daniel Hemhausers Newsletter abonnieren und seine Arbeit auf LinkedIn verfolgen. Schauen Sie sich auch The PM Playbook an.
Weitere Experteninterviews folgen demnächst auf The Digital Project Manager!
