Mensch–KI-Hybride Auslieferung ist kein Luxus—Eine Robotik-Produktleiterin erklärt warum

Ich brenne dafür, technische Umsetzung mit ethischer und strategischer Führung zu verbinden — und Teams dabei zu helfen, wirkungsvolle Produkte zu liefern sowie verantwortungsvolle Innovation in aufkommenden Technologien voranzutreiben.

Lieferungsrituale sind weniger auf manuelle Aufsicht ausgerichtet, sondern vielmehr auf Interpretation, Urteilsvermögen und strategische Führung. KI agiert als Copilot — übernimmt Analyse und Mustererkennung — während Menschen Vision, Ethik und Zusammenarbeit vorantreiben.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Kateryna Portmann

Senior Product Managerin bei ANYbotics

You should also read

• Vom Junior zur Strategie: Wie Führungskräfte Projektmanager beim Aufstieg unterstützen

• PMs berichten: Wo Projektpläne im echten Leben scheitern

• Die zerstörerischen Gewohnheiten, die Coaches und Führungskräfte Projektmanagern austreiben

Wie KI das Produktmanagement und die Projektabwicklung verändert

Meine Rolle und mein Ansatz zu KI in der Projektdurchführung wandeln sich deutlich. Aufgaben, die früher manuell oder auf Monitoring und Reporting fokussiert waren, werden zunehmend automatisiert. Das bedeutet, dass ich weniger Zeit für administrative Arbeit wie Statusabfragen, einfache Aufgabenkoordination oder die Überwachung von Standard-KPIs aufwende.

Gleichzeitig konzentriere ich mich zunehmend auf Bereiche, in denen menschliches Urteilsvermögen und KI in der strategischen Planung den größten Mehrwert bieten: die Definition der Produktstrategie, die verantwortungsvolle Integration von KI in Robotiksysteme, das Antizipieren regulatorischer und ethischer Belange und das Anleiten funktionsübergreifender Teams zur Entwicklung innovativer Lösungen.

Grundsätzlich erfordert Projektabwicklung heute einen stärkeren Fokus auf datenbasierte KI-gestützte Entscheidungsfindung, KI-Ethik und adaptives Planen. Teams sollen schneller iterieren, KI-gestützte Erkenntnisse für die Priorisierung nutzen und proaktiv auf sich verändernde technologische und regulatorische Anforderungen reagieren. Meine Rolle verschiebt sich zunehmend von der Aufgabenverwaltung zur verantwortungsvollen Orchestrierung von Innovation – damit KI-Initiativen echten Mehrwert schaffen, ohne Sicherheit, Compliance oder Vertrauen zu kompromittieren.

Warum Mensch-in-der-Schleife-Systeme für KI-gesteuerte Projektdurchführung entscheidend sind

Anfangs erwartete ich, dass KI vor allem Routinearbeiten automatisiert – wie das Nachverfolgen des Projektfortschritts oder das Erstellen von Berichten – doch tatsächlich ist sie besonders darin stark, Muster aufzuzeigen, Risiken vorherzusagen und Erkenntnisse herauszufiltern, die klügere Entscheidungen ermöglichen.

Im Sandbox-AI-Projekt zum Beispiel haben KI-Tools nicht nur geholfen, Daten schneller zu analysieren – sie haben auch subtile regulatorische und operative Risiken aufgedeckt, die uns sonst entgangen wären. Dadurch mussten wir überdenken, wie wir Arbeitsabläufe strukturieren, Aufgaben priorisieren und Stakeholder einbinden.

Insgesamt sind es die datenintensiven, sich wiederholenden oder prädiktiven Aspekte der Projektdurchführung KI bei der Aufgabenautomatisierung im Projekt, die am meisten Unterstützungspotenzial bieten. Das bedeutet:

• Fortschrittsverfolgung und Berichterstattung: KI kann automatisch Updates von mehreren Teams konsolidieren, Engpässe hervorheben und Dashboards in Echtzeit erstellen.
• Risikobewertung und Szenarienplanung: Maschinenlernmodelle spielen eine Rolle beim KI-Risikomanagement. Sie können Projektdaten analysieren, um potenzielle Verzögerungen, Ressourcenkonflikte oder Compliance-Risiken vorherzusagen, bevor sie auftreten.
• Priorisierung und Ressourcenallokation: KI im Ressourcenmanagement kann optimale Aufgabenabfolgen oder eine Umverteilung von Ressourcen auf Basis von historischen Daten und Projektanforderungen vorschlagen.

Die Implementierung umfasst in der Regel die Integration von KI-gestützter Projektanalyse in Projektmanagement-Tools wie Jira, Asana oder interne, maßgeschneiderte Systeme. Für prädiktive Modellierung könnten wir schlanke Machine-Learning-Pipelines nutzen, die historische Projektdaten verarbeiten und sich kontinuierlich mit neuen Eingaben verbessern.

Allerdings bleibt menschliches Urteilsvermögen in mehreren Bereichen unverzichtbar:

• Ethik- und Regulierungsentscheidungen: Entscheidung darüber, was erlaubt, verantwortungsvoll und im Einklang mit KI in der Compliance und den breiteren Unternehmenswerten steht.
• Kommunikation und Verhandlung mit Interessensgruppen: KI im Stakeholder-Management kann Gesprächspunkte vorschlagen, aber nuancierte Gespräche und Konsensbildung erfordern Empathie und Überzeugungskraft.
• Strategische Planung und Innovation: Menschen müssen KI-Analysen im Kontext interpretieren, Abwägungen treffen und die langfristige Vision gestalten.

Kurz gesagt: Menschliches Urteilsvermögen bleibt notwendig. Es ist entscheidend. KI im Projektmanagement ist ein starker Multiplikator für Effizienz und Erkenntnisse, aber sie funktioniert am besten, wenn Menschen die Kontrolle über komplexe, strategische und wertebasierte Entscheidungen behalten.

Katerynas Tipp

Menschliches Urteilsvermögen bleibt notwendig. Es ist entscheidend. KI ist ein starker Multiplikator für Effizienz und Erkenntnisse, aber sie funktioniert am besten, wenn Menschen die Kontrolle über komplexe, strategische und wertebasierte Entscheidungen behalten.

Warum schlanke Liefersysteme nicht immer funktionieren

Es ist wichtig zu beachten, dass der Ausstieg aus traditionellen Projektmanagementmethoden im Bereich Hardware und Robotik nicht immer einfach ist — physische Systeme haben lange Vorlaufzeiten, strikte Abhängigkeiten sowie Sicherheits- oder Compliance-Anforderungen, die eine sorgfältige Planung erfordern. Iterative Flexibilität ist hier im Vergleich zu reinen Softwareprojekten stärker eingeschränkt.

Dennoch konnten wir bei Initiativen wie Women in Robotics mit schlankeren, agileren Ansätzen experimentieren. Beispielsweise nutzen wir Slack — und dessen KI-Funktionen — für die schnelle Abstimmung zwischen Freiwilligen und Teilnehmenden. Dadurch können wir Programme iterativ weiterentwickeln, Rückmeldungen sammeln und Initiativen viel schneller anpassen als mit einem traditionellen Top-down-Planungsansatz.

Während Hardwareprojekte häufig strukturierte Prozesse erfordern, können schlanke Systeme also in gemeinschaftsgetriebenen oder funktionsübergreifenden Initiativen aufblühen, was eine schnellere Anpassung, mehr Engagement und kontinuierliche Verbesserung ermöglicht.

Ein Praxisbeispiel: Moderne Liefersysteme im Umgang mit Komplexität

Hier ein gutes Beispiel für den Einsatz von KI in der Umsetzung: Im Sandbox-AI-Projekt haben wir eine hochkomplexe Umgebung mit mehreren Interessensgruppen, regulatorischen Einschränkungen und fortschrittlichen KI-Systemen gemeistert. Ziel des Projekts war es, sichere, konforme und innovative KI-Anwendungen im öffentlichen Sektor zu erkunden, was ein Gleichgewicht zwischen schneller Umsetzung und Governance sowie ethischen Anforderungen erforderte.

Einrichtung und Vorgehen:

• Wir haben ein interdisziplinäres Kernteam gebildet, darunter Ingenieur:innen, Fachexpert:innen für Politik, Rechtsberater:innen und KI-Ethiker:innen.
• Wir setzten agile Methoden ein und verwendeten Jira für die Sprintplanung, Confluence für die Dokumentation und Miro für kollaborative Design-Workshops.
• KI-gestützte Tools wurden für Risikoanalysen und Szenariosimulationen integriert, sodass wir Ergebnisse modellieren konnten, bevor KI-basierte Prozesse in der Praxis eingeführt wurden.

Umsetzung:

• Wir begannen mit kleinen Prototypen, um die Einhaltung von Vorschriften und ethische Rahmenbedingungen zu testen und iterierten wöchentlich auf Basis sowohl technischer Leistung als auch regulatorischem Feedback.
• Regelmäßige Überprüfungssitzungen der Stakeholder stellten die Übereinstimmung mit Governance-Standards sicher, während KI-Analysen potenzielle Compliance-Risiken aufzeigten, noch bevor sie eintraten.

Ergebnisse:

• Bewertung der Bereitschaft für ISO 42001
• Gelerntes floss direkt in das Whitepaper des AI House Davos 2025 ein, in dem wir elf zentrale Governance-Elemente für eine breitere Übernahme in der Branche herausarbeiteten.

Dieses Projekt zeigte, wie moderne Delivery-Systeme und KI-gestützte Werkzeuge Komplexität bewältigen, die Iteration beschleunigen und ethische sowie regulatorische Konformität aufrechterhalten können – selbst in äußerst unsicheren Umgebungen. Es bestätigte den Wert, strukturierte Delivery-Praktiken mit KI-Einblicken zu kombinieren, um herausfordernde Projekte erfolgreich zu meistern.

Ein Tech-Stack, der Zusammenarbeit fördert und Reibung verringert

Ich befinde mich derzeit im Mutterschaftsurlaub und habe daher in den letzten Monaten nicht aktiv an der täglichen Projektabwicklung mitgewirkt — und die Entwicklung von KI verläuft so rasant, dass es nicht fair wäre, zu behaupten, ich hätte direkte Erfahrung mit allen aktuellen Tool-Entscheidungen bei ANYbotics.

Dennoch bleibe ich durch meine Arbeit bei Women in Robotics stets im Austausch über Trends in der Projektabwicklung und Zusammenarbeit. In diesem Zusammenhang dreht sich der Tech-Stack oft um Kollaborations- und Wissensaustausch-Tools:

• Slack für Kommunikation und Koordination: Dieses KI-Kollaborationstool hilft dabei, globale Teams zu vernetzen und den E-Mail-Overload zu reduzieren. Ich nutze Slacks integrierte KI, um lange Threads und Kanäle zusammenfassen zu lassen, was besonders hilfreich ist, wenn ich in laufende Gespräche einsteige oder mich über Zeitzonen hinweg abstimmen muss. Außerdem nutze ich es für schnelle Antwortentwürfe oder um Updates klarer zu formulieren. Der größte Effekt ist schnelleres Umschalten zwischen Themen und eine konsistentere Kommunikation im Team.
• Figma für visuelle Zusammenarbeit, insbesondere bei Workshops, Brainstormings und Co-Design-Sessions: Mit den KI-Funktionen von Figma generiere ich erste UI-Varianten, erkunde Layoutoptionen und lasse Designkomponenten automatisch dokumentieren. Das beschleunigt die Ideenfindung in den Anfängen und ermöglicht es, visuellen Input viel früher mit Stakeholdern zu teilen. Die KI-generierten Varianten sind jedoch nicht final — sie dienen als Sprungbrett für Design-Diskussionen und verkürzen die Iterationszeit.
• Notion zur Dokumentation, Nachverfolgung von Initiativen und zum einfachen Teilen von Erkenntnissen für alle Mitglieder: Notion AI ist fest in meinen Arbeitsalltag integriert. Ich nutze dieses KI-Aufgabenmanagement-Tool zum Erstellen von Projektdokumentationen, Meetingnotizen, Zusammenfassen langer Forschungsdokumente oder Interviews, Umwandeln ungeordneter Brainstormings in strukturierte Pläne oder Aktionspunkte sowie für das Umschreiben von Inhalten in verschiedenem Tonfall je nach Zielgruppe. Der größte Vorteil ist die Zeitersparnis – unstrukturierte Informationen lassen sich in einen klaren, teilbaren Zustand um ein Vielfaches schneller aufbereiten als früher.

Im vergangenen Jahr habe ich beobachtet, dass Teams zunehmend auf Tools setzen, die asynchrone Zusammenarbeit und Transparenz fördern, gerade weil hybride Arbeitsumgebungen zur Norm werden. Gerade Notion hat sich als wertvoll erwiesen, da Mitglieder unabhängig von der Zeitzone Beiträge leisten und Arbeit prüfen können. Im Gegensatz dazu wurden einige ältere Aufgabenmanagement-Tools, die starr oder in Silos organisiert waren, zurückgestellt, weil sie flexible Workflows oder schnelle Iterationen nicht unterstützen.

Insgesamt komme ich zu dem Schluss, dass Software zur Workflow-Automatisierung dann erfolgreich ist, wenn sie Zusammenarbeit verstärkt, Reibung reduziert und Teams ermöglicht, sich auf Wirkung statt Prozesse zu konzentrieren – ein Prinzip, das ich weiterhin vertrete.

Warum Figma das am meisten unterschätzte KI-Tool für kollaborative Umsetzung ist

Eines der zeitsparendsten und am meisten unterschätzten Tools ist Figma. Ich habe es oben bereits erwähnt, aber es ist ein echter Gamechanger – insbesondere durch das kollaborative Whiteboarding in Echtzeit und die Integration von Vorlagen.

Die Auswirkungen sind erheblich. Es ermöglicht verteilten Teams, gemeinsam zu erstellen, zu brainstormen und Ideen sowohl asynchron als auch synchron weiterzuentwickeln, was den sonst üblichen E-Mail-Austausch oder lange Meetings drastisch reduziert. Teams können Arbeitsabläufe visualisieren, Prozesse abbilden und Entscheidungen an einem Ort nachvollziehen, wodurch Workshops und Planungssitzungen deutlich effizienter werden.

Ein weiteres unterschätztes Merkmal ist die Integration mit Slack, die die Lücke zwischen KI in der Projektplanung und der Umsetzung schließt. Diese Kombination stellt sicher, dass in gemeinsamen Sitzungen beschlossene Entscheidungen und Maßnahmen automatisch in das Aufgaben-Tracking einfließen, wodurch Doppelarbeit verringert und die Umsetzung beschleunigt wird.

Das Tool schafft Klarheit, bessere Abstimmung und schnellere Entscheidungsfindungen für verteilte Teams – was oft erst dann richtig geschätzt wird, wenn man mehrere kollaborative Projekte in unterschiedlichen Regionen durchgeführt hat.

Wie KI als Copilot in modernen Projektabläufen wirkt

Da KI zunehmend Teil des Delivery-Ökosystems wird, überdenken wir traditionelle Abläufe, um die Stärken der KI zu nutzen und dennoch die menschliche Urteilsfähigkeit zentral zu halten.

• Team-Abgleich: Tools helfen, Unstimmigkeiten oder sich überschneidende Verantwortlichkeiten sichtbar zu machen, aber für die Abstimmung selbst sind weiterhin menschliche Diskussionen und KI in der Projektentscheidungsfindung erforderlich.
• Arbeiten validieren: KI beschleunigt Tests und Simulationen, indem sie Fehler oder Compliance-Risiken bereits vor manuellen Überprüfungen aufdeckt. In der Robotik oder beim KI-gestützten Projektmonitoring können prädiktive Modelle Randfälle simulieren, für deren Test Menschen deutlich länger benötigen würden.
• Umsetzung steuern: Routinemäßiges Tracking und Reporting kann inzwischen automatisiert werden, sodass das Team mehr Zeit für Problemlösung, Strategie und die Betreuung von Stakeholdern gewinnt. Dashboards zeigen Risiken oder Verzögerungen in Echtzeit auf, wodurch Stand-ups und Retrospektiven sich stärker auf Entscheidungen statt auf Berichterstattung konzentrieren.

Der übergreifende Wandel ist, dass diese Abläufe weniger von manueller Überwachung geprägt sind, sondern stärker von Interpretation, Urteilsvermögen und strategischer Steuerung.

Katerynas Tipp

Eines der zeitsparendsten und am meisten unterschätzten Tools ist Figma – insbesondere die Echtzeit-Kollaborationsfunktionen für Whiteboards und die Integration von Templates.

Wie agentische Workflows und Orchestrierungsplattformen komplexe Auslieferungen unterstützen

Wenn wir mit Orchestrierungsplattformen und agentischen Workflows experimentieren, konzentrieren wir uns auf Bereiche, die besonders von Koordination und vorausschauenden Einblicken profitieren, wie zum Beispiel:

• Aufgabenpriorisierung und Abhängigkeitsmanagement: Mit KI-gestützter Projektprognose identifizieren wir, welche Arbeitsstränge kritisch sind, wo Engpässe drohen und wie Ressourcen zugeordnet werden sollten.
• Monitoring von Risiken und Compliance: Automatisierte Erkennung potenzieller Compliance- oder Sicherheitsrisiken in Robotik- und KI-Projekten, bevor sie sich auf die Auslieferung auswirken.
• Kommunikation zwischen Teams: Aktualisierungen werden effizienter bereitgestellt und Fehlabstimmungen hervorgehoben, sodass Teams weniger Zeit mit Statusabfragen verbringen.

Wie bei KI allgemein haben wir festgestellt, dass auch Orchestrierungsplattformen weiterhin einen Menschen im Entscheidungsprozess benötigen – insbesondere bei strategischer Planung und ethischen Überlegungen. Die Technologie beschleunigt die Koordination und liefert umsetzbare Einblicke, ersetzt aber nicht das nötige Urteilsvermögen, um Prioritäten auszubalancieren, Kompromisse zu bewerten oder Stakeholder effektiv einzubinden.

Warum Ethik, Inklusion und Diversität KI-gesteuerte Projektabwicklung prägen müssen

Für die Zukunft bin ich überzeugt, dass Ethik, Inklusion und Diversität zum Kernstück dessen werden, wie wir Erfolg definieren.

KI und Robotik können die Auslieferung und Entscheidungsfindung beschleunigen, doch ohne bewusste Berücksichtigung ethischer Rahmenbedingungen und vielfältiger Perspektiven drohen Projekte, Vorurteile zu verstärken oder unbeabsichtigten Schaden anzurichten.

In der Praxis bedeutet das, Ethik und Inklusivität in alle Projektphasen einzubeziehen – von der Definition des Umfangs über die Systementwicklung bis hin zu Feedbackschleifen – und sie als Motoren für Innovation und nicht als Einschränkung zu sehen.

Teams, die diese Prinzipien frühzeitig berücksichtigen, schaffen nicht nur bessere Produkte, sondern fördern auch Vertrauen, Anpassungsfähigkeit und langfristige Widerstandsfähigkeit.

Wie KI Teams von starren Prozessen hin zu agiler Auslieferung bewegt

Die Projektabwicklung selbst wird sich immer mehr von reiner Aufgabenverfolgung hin zu einer strategischen Orchestrierung entwickeln – mit KI als Echtzeit-Co-Pilot. In den nächsten fünf Jahren erwarte ich, dass KI nicht nur Berichte oder Aufgabenaktualisierungen automatisiert, sondern Risiken proaktiv vorhersagt, Prioritäten empfiehlt und sogar Abwägungen vorschlägt – basierend auf Daten aus vergangenen Projekten, Ressourcenverfügbarkeit und Marktsignalen.

Teams werden sich von starren Gantt-Diagrammen und umfangreicher Dokumentation abwenden und hin zu schlanken, flexiblen Arbeitsabläufen bewegen, bei denen Menschen sich auf hochwertige Tätigkeiten konzentrieren: Strategie definieren, KI-Erkenntnisse interpretieren, ethische Entscheidungen treffen und Zusammenarbeit fördern. Im Wesentlichen übernimmt die KI die Analyse des „Was könnte passieren“, während Produktmanager entscheiden, was geschehen sollte.

Ich erwarte außerdem, dass funktionsübergreifende Abstimmung und Entscheidungsfindung beschleunigt werden, da KI die Ergebnisse unterschiedlicher Vorgehensweisen in Echtzeit simulieren kann. So können Teams schneller iterieren und verantwortungsbewusst Innovationen vorantreiben, ohne Compliance oder Qualität zu gefährden.

Letztlich wird erfolgreiche Auslieferung daran gemessen, wie effektiv Menschen und KI zusammenarbeiten – und nicht daran, wie streng wir vorgegebene Prozesse einhalten.

Katerynas Tipp

Meine Rolle verschiebt sich von der reinen Aufgabenverwaltung hin zum verantwortungsvollen Orchestrieren von Innovationen und dem Sicherstellen, dass KI-Initiativen echten Mehrwert schaffen, ohne Sicherheit, Compliance oder Vertrauen zu gefährden.

Wie Produktverantwortliche KI übernehmen können, ohne menschliches Urteilsvermögen zu verlieren

Mein Rat an Delivery-Leads, die diesen Wandel begleiten, ist: Betrachten Sie KI als Partner, nicht als Ersatz, und stellen Sie Ethik und Vielfalt in den Mittelpunkt jeder Entscheidung. Nutzen Sie KI, um wiederkehrende Aufgaben zu automatisieren und Erkenntnisse zu gewinnen, aber stellen Sie sicher, dass Menschen Strategie, ethische Aspekte und inklusive Entscheidungsfindung steuern.

Fördern Sie außerdem vielfältige Teams und Perspektiven – Projekte haben dann Erfolg, wenn unterschiedliche Erfahrungen und Sichtweisen berücksichtigt werden, insbesondere bei KI und Robotik, wo Vorurteile oder blinde Flecken reale Folgen haben können.

Und schließlich: Investieren Sie in die Fähigkeit Ihres Teams, verantwortungsvoll mit KI zu arbeiten – durch die Kombination von technischem Know-how, ethischem Bewusstsein und gemeinsamer Problemlösung. Führungskräfte, die Innovation mit Inklusivität und Integrität ausbalancieren, werden diejenigen sein, die wirkungsvoll und nachhaltig etwas bewegen.

Bleiben Sie dran

Sie können Kateryna Portmanns Arbeit auf LinkedIn verfolgen. Und verpassen Sie nicht ihre Initiative, Women in Robotics!

Weitere Experteninterviews folgen bei The Digital Project Manager.