Wie eine erfahrene Projektmanagerin KI einsetzt, um die Projektabwicklung zu optimieren

Zurzeit leite ich Betriebs- und Wachstumsprojekte im Bildungsbereich sowie Implementierungsprojekte in der Gesundheitstechnologie. Dabei stelle ich sicher, dass klinische und geschäftliche Anforderungen in skalierbare digitale Lösungen umgesetzt werden. Das heißt, ich leite zwei völlig unterschiedliche Arten von Projekten/Programmen für verschiedene Unternehmen.

In all diesen Bereichen besteht meine Aufgabe darin, für Klarheit hinsichtlich komplexer Anforderungen aus der Führungsebene zu sorgen, viele unterschiedliche Stakeholder zu managen und mit Projektmanagement-Methoden dafür zu sorgen, dass gute Ideen tatsächlich als konkrete Ergebnisse umgesetzt werden.

Wie KI Teams beim Wechsel zu schlankem Projektmanagement unterstützt

Ich habe meine Karriere im klassischen Wasserfall-Projektmanagement begonnen – mit großen MS Project-Plänen, RAID-Logs in Excel und langen wöchentlichen Status-Präsentationen. In schnelllebigen digitalen/agilen Umgebungen wurde dieser Aufwand jedoch schnell zur Belastung, und ich habe gemerkt, dass ich mich zu sehr auf den Prozess statt auf den eigentlichen Wert konzentrierte.

Deshalb ist es so wichtig, auf schlanke Methoden im Projektmanagement umzusteigen. In diese Richtung bewegt sich auch die gesamte Branche. Niemand möchte sich mehr mit schwerfälligen Prozessen belasten.

KI erleichtert diesen Wechsel, weil sie die lästige Fleißarbeit übernimmt – so kann man den Mehrwert liefern, den die Stakeholder erwarten.

Für mich sah diese Umstellung so aus, dass ich die Arbeit in einem einzigen, ständig aktuellen Board zentralisiert habe, statt auf viele verstreute Dokumente zu setzen. Zum Beispiel habe ich Teams in ein Kanban-ähnliches Tool überführt mit Spalten wie Backlog, Dieser Monat, Diese Woche, In Bearbeitung, Blockiert und Erledigt. Risiken, Entscheidungen und Abhängigkeiten werden im selben Bereich dokumentiert. Aus dem alten Gantt-Diagramm übertrug ich nur die wirklich kritischen Meilensteine, ließ das neue Board für eine kurze Zeit parallel laufen und stellte dann das separate RAID-Log und die Präsentationsdecks ein, sobald die Stakeholder zufrieden waren. Das Ergebnis: eine einzige Quelle der Wahrheit statt fünf konkurrierender Versionen.

Auch Kommunikation und Steuerung wurden vereinfacht. Statt aufwendige Präsentationen zu erstellen, nutze ich das Board + KI, um für unterschiedliche Zielgruppen prägnante Updates zu entwerfen.

Letztlich hat KI sehr deutlich gemacht, dass mein Mehrwert in Urteilsvermögen, Ausrichtung und Change Management liegt – nicht darin, den ganzen Tag Tabellen zu aktualisieren!

Share This Quote on:

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

Melissa Khan-Blackmore

PMP-zertifizierte Projektmanagerin

Wie KI moderne Projektführung und -umsetzung verändert

KI wirkt sich auch auf meine Rolle aus. Heute muss ich deutlich weniger Notizen machen, Aufgaben nachverfolgen, Status-Updates aktualisieren oder sogar allgemeine Projektplanung übernehmen. Ich habe viel mehr Zeit, mich wirklich auf Geschäftsprobleme einzulassen und mich mit übergeordneten strategischen Zielen zu beschäftigen.

Auch bei der Umsetzung ist KI inzwischen fest in unseren Projektablauf integriert. Wir nutzen sie, um Kundengespräche zusammenzufassen, Rückmeldungen von Stakeholdern zu clustern und Muster zu erkennen sowie erste Anforderungen, Projektpläne/-zeitleisten und sogar Kommunikation basierend auf unseren Projektergebnissen zu entwerfen. Statt etwa stundenlang Meeting-Notizen und Jira-Tickets in eine Status-Präsentation zu verwandeln, erhalte ich von der KI einen Entwurf mit markierten Mustern oder Risiken – und kann meine Zeit darauf verwenden, zu überprüfen, zu priorisieren und zu entscheiden, was fürs Geschäft wirklich zählt.

Im Prinzip verbringe ich weniger Zeit mit manueller Statusberichterstattung, Dokumentenpflege, dem Anpassen desselben Updates für verschiedene Zielgruppen und dem mühsamen Durchforsten von Daten, um herauszufinden, was passiert.

Und das gibt mir mehr Freiraum für Tätigkeiten mit mehr Hebelwirkung: Gespräche mit meinen Kunden, Teams oder Geschäftsführern, kreative Aufgaben wie Prozessverbesserungen oder die Entwicklung neuer Projektideen und die Entwicklung von Strategien.

Letztlich hat KI sehr deutlich gemacht, dass mein Mehrwert in Urteilsvermögen, Ausrichtung und Change Management liegt – nicht darin, den ganzen Tag Tabellen zu aktualisieren!

Wie KI eine komplexe Einführung über mehrere Stakeholder hinweg vereinfacht hat

Hier ein Beispiel: Ich leitete eine Produkteinführung für eine große, stark regulierte Organisation. Es gab unzählige bewegliche Teile: Betrieb, IT, Endanwender, Anbieter-Ingenieure sowie interne und externe Führungskräfte – und sämtliches Feedback war über E-Mail, Chat, Tickets und Meeting-Notizen verstreut. Irgendwann war meine eigentliche Hauptaufgabe, Beschwerden, Probleme und Anforderungen zu koordinieren.

Wir haben ein schlankes System eingerichtet, das KI auf die bereits genutzten Tools aufgesetzt hat:

• Die Arbeitsorganisation fand auf Asana-/Jira-ähnlichen Boards statt.
• Supportanfragen liefen über ein gemeinsames E-Mail-Postfach und einen internen Chat-Kanal.
• Besprechungsnotizen und Nachbesprechungen wurden in einem gemeinsamen Dokument festgehalten.

Ich habe diesen Rohtext in einen KI-Arbeitsbereich eingefügt und die KI darum gebeten:

• Probleme thematisch zu clustern
• Alles hervorzuheben, was als risikoreich oder sicherheitskritisch erscheint
• Status-Updates für verschiedene Stakeholder-Gruppen zu erstellen

Ich mache das – und mache es immer noch – zweimal pro Woche. Es ist nicht zu 100 % perfekt, aber es spart mir Stunden an Analysezeit und dem Bearbeiten verschiedener Anfragen.

Was Aufwand und Ergebnis betrifft:

• Die Entwicklung der Pipeline hat vielleicht 2–3 Stunden beim ersten Mal gedauert.
• Mein wöchentliches Triage ist von etwa einem halben Tag Ticketsichtung und Zusammenfassungsschreiben auf ungefähr 50 Minuten Überprüfung und Entscheidungsfindung geschrumpft.
• Dieser Prozess hilft mir enorm, ALLES aus jeder Stakeholder-Gruppe zusammenzufassen, zu erfassen und Risiken leichter zu erkennen.

Deshalb denke ich, dass KI-Tools den Projektmanager nicht ersetzen – sie eliminieren einfach viel zeitfressende, manuelle Arbeit, sodass ich mehr Zeit in Priorisierung, Interessenabstimmung und zügige, klare Entscheidungen in ohnehin schon komplexen Umfeldern stecken kann.

Melissas Tipp

KI kann – und wird – unsere Risiko­planung radikal verändern. Sie wird das Risiko natürlicherweise auch senken. Aber die Aspekte, die echtes menschliches Urteilsvermögen und Verantwortlichkeit verlangen, kann sie nicht ersetzen.

Wie Projektmanager wiederkehrende Delivery-Aufgaben mit KI automatisieren können

Ich betrachte KI mittlerweile wie ein neues Teammitglied auf Junior-Level, das die erste Runde bei allem übernimmt, was wiederholbar, textlastig oder muster­basiert ist. Anschließend trete ich als Redakteurin und Entscheiderin auf. Diese Herangehensweise verändert nachhaltig, wie ich Projekte ausliefere:

• Wiederkehrende und administrative Aufgaben: Meetingnotizen und Zusammenfassungen, Action-Items taggen und sie in lesbare Formate bringen.
• Statusberichte: Entwurfsversionen basierend auf Ticket-Fortschritt, Stakeholder-Updates und Projektmeilensteinen generieren.
• Task-Nachverfolgung: Intelligente Erinnerungen und Check-ins, um Stakeholder für überfällige Aufgaben oder Freigaben anzuschieben. Automatisiere das direkt aus deinem KI-Projektmanagementtool — ich verwende Asana AI.
• Kommunikation personalisieren: Das gleiche Update in unterschiedlichen Tonalitäten und Formaten (z.B. Management-Übersicht, Detail-Ebene für das Team, usw.) übersetzen.
• Erstellung von kundenseitigen Mitteilungen oder Foliensätzen auf Basis von Rohdaten
• Mustererkennung: Blocker oder Risiken aus Feedback, Tickets, Stimmungsbildern in Updates oder Antwortmustern herausfiltern.
• Themen-Clusterbildung bei Featureanfragen oder Beschwerden, um Muster team- oder nutzerübergreifend zu erkennen: Gerade in der Produktentwicklung hilfreich.
• Dokumentation und Wissensmanagement: Chaotische Dokumentationen in eine saubere Wissensdatenbank überführen.
• Erstellung oder Aktualisierung von SOPs und Prozessabläufen mittels Mitschriften oder Rohnotizen.
• Planung und Prognose: Entwurf von Gantt-Charts, Roadmaps oder Sprintplänen auf Basis von übergeordneten Zielen oder Backlog-Einträgen.
• Frühes Erkennen von Ressourcenengpässen oder Zeitverzögerungen anhand von Hinweisen in Tools wie Jira, Confluence oder Slack.
• Performance-Trends über Sprints oder Arbeitsströme hinweg identifizieren.

Wie KI das Risikomanagement transformieren kann und sollte

KI kann – und wird – unsere Risiko­planung radikal verändern. Sie wird das Risiko natürlicherweise auch senken. Aber die Aspekte, die echtes menschliches Urteilsvermögen und Verantwortlichkeit verlangen, kann sie nicht ersetzen.

Menschen müssen weiterhin:

• Die Risikobereitschaft festlegen: Also, was wir tatsächlich unter „schlecht“ verstehen.
• Die endgültigen Entscheidungen treffen: Akzeptieren/vermeiden/übertragen, Go/No-Go, Budget- und Scope-Abwägungen.
• Die Menschen- und Politikrisiken behandeln, die nie klar aus den Daten hervorgehen: Widerstände, Vertrauensprobleme, Zuverlässigkeit von Lieferanten und die Aushandlung, dass Verantwortliche tatsächlich Maßnahmen ergreifen.

Wo KI im Projekt-Risikomanagement glänzt, ist bei der Schwerarbeit:

• Risiken aus Notizen/Tickets/Dokumenten extrahieren.
• Sie zu deduplizieren und zu kategorisieren.
• Klare Ursache-Ereignis-Auswirkungs-Aussagen zu entwerfen.
• Vorschläge für Wahrscheinlichkeits-/Auswirkungsbewertungen machen.
• Vorschläge für Gegenmaßnahmen, Trigger und Notfallpläne unterbreiten.
• Trends und Frühwarnsignale überwachen.
• Das Risikologbuch in präsentationsreife „Top-Risiken + was ich von euch brauche“-Updates umwandeln.

Kurz gesagt: Menschen müssen die Realität validieren und entscheiden, was wichtig ist. KI kann uns helfen, genauer zu sein und Risiken zuverlässiger zu erkennen.

Allerdings können Stakeholder und Sponsoren davor zurückschrecken, dass ein KI-Modell (auch wenn es Closed Source ist) Zugriff auf alle Daten hat, sodass es oft Widerstand gibt. Also sollte das Risikomanagement eigentlich ein Job für KI sein, ist es aber in der Praxis nicht immer.

Warum Datenschutz und Closed-Source-KI in echten Projektumgebungen wichtig sind

Viele Menschen sind gegen KI. Sie haben wirklich Angst, dass sie Daten „stiehlt“. Und ich denke, das kann berechtigt sein. Wie bei allem gibt es Nachteile, wenn man nicht vorsichtig ist.

Wenn Sie eine Closed-Source-KI verwenden, ist es viel sicherer. Es kommt ganz darauf an, wie Sie die Systeme aufsetzen. Vielleicht benötigen Sie auch intern Datenschutz. Zum Beispiel: Wenn die Personalabteilung dasselbe Closed-Source-Tool wie die Entwicklung nutzt, könnte vertrauliche HR-Daten in andere Bereiche der Organisation gelangen.

Deshalb halte ich es für wichtig, einen Datenschutzbeauftragten zu haben, der sich mit KI auskennt und genau überwacht, wie Ihre KI-Systeme intern eingerichtet sind.

Wie ein praxisnaher KI-Tech-Stack für schnellere, intelligentere Auslieferung sorgt

Das ist mein Delivery-Tech-Stack:

• MS Copilot: Tägliche E-Mails, Notizen, Aufgaben zusammenfassen. Läuft bei mir über Microsoft 365 auf der Arbeit.
• Fathom: Notizen, Aufzeichnungen, Nachverfolgungspunkte
• Asana: Projektmanagement, Aufgabenverfolgung, Terminvorhersagen
• SuperPrompt: Unterstützung beim Prompten
• Jasper AI: Alles rund ums Marketing

Ich liebe Copilot. Ich wünschte, jede Firma, für die ich arbeite, würde es nutzen. Es kann alle deine Daten aus E-Mails, Meeting-Notizen, Dokumenten usw. zusammenführen und ist quasi ein zweites Gehirn. Ich werde dadurch fünfmal produktiver.

Melissas Tipp

Die Asana KI-Funktion ist im Grunde wie ChatGPT, das auf deinem Projektplan sitzt – aber sie liest wirklich deine echten Aufgaben, Termine, Abhängigkeiten, Updates und Zeitpläne.

Und bei einem der Startups, für die ich arbeite, nutzen wir jetzt die Asana KI-Funktion. Sie ist quasi wie ChatGPT, das auf dem Projektplan sitzt – nur dass sie tatsächlich deine echten Aufgaben, Termine, Abhängigkeiten, Updates und Zeitpläne liest. Diese KI kann:

• Einen „KI-Risiko-Check" über deinen Plan und deine Notizen laufen lassen, um zu kennzeichnen, was sich gerade stillschweigend zu einem Termin- oder Lieferproblem entwickelt.
• Intelligente Statusupdates und Projekzusammenfassungen entwerfen, die hervorheben, was sich geändert hat, was blockiert ist und was du von Stakeholdern brauchst.
• Dir helfen, das Projektgewusel in saubere, präsentationsreife Berichte umzuwandeln.

Das Beste daran ist, dass sie auch das lästige operative Zeug unterstützt – etwa Auswirkungen von Abhängigkeiten erkennen, wenn sich etwas verschiebt, dir helfen, Pläne schneller zu aktualisieren oder sogar No-Code-KI-Workflows so zu unterstützen, dass das System automatisch die nächsten richtigen Schritte vorschlägt.

Warum Projektmanager KI nutzen sollten – und keine Angst davor haben müssen

Die Rolle des Projektmanagers verändert sich bereits und wird sich mit KI weiterentwickeln. Mein Rat ist daher einfach: Nutzt KI, habt keine Angst davor.

Und nutzt für vertrauliche Daten eine Closed-Source-KI.

Ach ja, und KI wird dir den Job nicht wegnehmen!

Bleib dran

Du kannst Melissa auf LinkedIn, Instagram und TikTok folgen, während sie weiterhin gute Ideen in greifbare Ergebnisse verwandelt.

Weitere Experteninterviews folgen auf The Digital Project Manager!