KI-Führungskraft prognostiziert das Verschwinden klassischer Projektmanagement-Rollen
Erfahren Sie, wie eine KI-Führungskraft agentenbasierte Workflows nutzt, um die Auslieferung zu beschleunigen, Meetings zu reduzieren und Teams auf eine urteilsgestützte Zusammenarbeit auszurichten.
Sairam Sundaresan
Leiter im Bereich KI-Engineering und Ausbilder
Auswirkungen von KI: KI verändert den Schwerpunkt der Aufgaben im Bereich KI/ML-Engineering erheblich, insbesondere durch eine stärkere Fokussierung auf Design und Problemdefinition.
Automatisierung von Aufgaben: KI ist hervorragend darin, wiederholende Aufgaben zu automatisieren, stößt jedoch an Grenzen bei Aufgaben, die Urteilsvermögen und Kontextverständnis erfordern.
Abläufe bei der Auslieferung: KI ermöglicht eine schnellere Projektdefinition und verbessert die asynchrone Abstimmung, wodurch Statusmeetings weniger notwendig werden.
Agentenbasierte Workflows: Durch die Einführung agentenbasierter Workflows werden nicht-technische Aufgaben verschlankt, sodass ein besserer Fokus auf entscheidende Urteilsfindung möglich ist.
Rollenwandel: Spezielle Projektmanagement-Rollen könnten an Bedeutung verlieren, während KI das Tracking übernimmt und die Teams sich auf urteilsgestützte Aufgaben konzentrieren.
Sairam Sundaresan ist eine Führungspersönlichkeit im Bereich KI-Engineering und ein Ausbilder. Er wurde von Favikon als der Nr. 1 KI-Creator auf LinkedIn Indien ausgezeichnet. Außerdem ist er Autor von "AI for the Rest of Us" und eines wöchentlichen Newsletters namens Gradient Ascent.
Wir haben mit Sundaresan darüber gesprochen, wie KI die Projektdurchführung verändert. Hier ist, was er dazu zu sagen hatte.
Wie KI AI/ML-Engineering-Rollen beeinflusst
Ich leite das AI/ML-Engineering. Bei der Projektdurchführung bin ich für Architekturentscheidungen verantwortlich, sorge dafür, dass der technische Ansatz dem Geschäftsproblem entspricht, und erkenne Risiken frühzeitig, damit wir sie angehen können.
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 bin auch der Autor von "AI for the Rest of Us".
Wie KI Aufgaben und Schwerpunkt in der Projektdurchführung verschiebt
KI übernimmt einen guten Erstentwurf bei der Implementierung, den Tests und dem Boilerplate-Code. Ich verbringe weniger Zeit damit, Code von Grund auf zu schreiben, aber ich überprüfe weiterhin alles – genauso, wie ich es bei jedem anderen Teammitglied tun würde. Die Ergebnisse werden schneller produziert, aber die Erstellung erfolgt unbeaufsichtigt.
Ich verbringe nun mehr Zeit mit Problemdefinition, Systemdesign und dem Erkennen potenzieller Schwachstellen. Diese Entscheidungen waren schon immer der Teil mit dem größten Hebel. Sie nehmen jetzt einen noch größeren Teil meines Arbeitstages ein, da die Routinearbeiten schneller ablaufen.
Was mich beim Einsatz von KI am meisten überrascht hat, war das Ausspielen von Moravecs Paradoxon in Echtzeit. Die Aufgaben, von denen ich dachte, sie wären schwer zu automatisieren, erwiesen sich als einfach: Codegenerierung, Testschreiben, Zusammenfassungen. KI tut sich schwer bei Aufgaben, von denen ich gedacht hatte, sie seien trivial: zu erkennen, wann eine Anforderung unklar ist, zu erkennen, dass eine technisch korrekte Lösung im jeweiligen Kontext falsch ist, und zu verstehen, warum ein Stakeholder etwas sagt, aber etwas anderes meint.
Wie KI repetitive Aufgaben in der Projektdurchführung optimiert
Die aktuell am besten automatisierbaren Teile meiner Arbeit bei der Umsetzung sind wiederkehrende Aufgaben mit klaren Abnahmekriterien. Testgenerierung, Code-Grundgerüst, Erstentwürfe von Dokumentationen, Statusberichte und Abhängigkeitsprüfungen – das sind klar definierte Aufgaben mit geringer Unklarheit, bei denen KI mit wenig Kontrolle solide Arbeit leistet. Die Umsetzung ist einfach: Man integriert Agenten in die CI/CD-Pipeline, gibt ihnen einen klaren Umfang vor und baut Prüfungen rund um das Ergebnis ein.
Menschen werden weiterhin für alles gebraucht, was Urteilsvermögen unter Unsicherheit erfordert. Dazu gehören:
- Priorisierung, wenn alles dringend ist
- Zu wissen, welcher technische Shortcut akzeptabel ist, und welcher in sechs Monaten auf die Füße fällt
- Die Stimmung im Raum bei einem funktionsübergreifenden Meeting erfassen und erkennen, dass das eigentliche Hindernis politischer Natur ist.
Wie KI grundlegende Delivery-Rituale und Abstimmungen verändert
Was die Rituale angeht, übernimmt KI mittlerweile einen Großteil der Arbeit.
- Scoping geht schneller, weil KI durch ein Gespräch oder die Anforderungen einen ersten Entwurf generiert und ich anschließend editiere. Ich starte nicht mehr mit einer leeren Seite. Aber die Entscheidung, was im Scope ist und was nicht, bleibt bei mir.
- Abstimmung läuft asynchroner ab. Statt einem Alignment-Meeting schreibe ich ein kurzes Dokument, KI hilft mir beim Schärfen, und das Team kommentiert. Wir treffen uns nur noch, wenn tatsächlich Uneinigkeit besteht.
- Die Validierung hat sich am meisten verändert. KI generiert Code, daher brauche ich jetzt Tests und Leitplanken, die auf die Fehlerquellen der Agenten abgestimmt sind.
- Das Management der Umsetzung ist einfacher. Tools liefern den Status direkt. Ich verbringe weniger Zeit mit Statusabfragen und mehr damit, die nächsten Schritte zu entscheiden.
Abstimmung erfolgt asynchroner. Statt eines Treffens, um alle auf denselben Stand zu bringen, schreibe ich ein kurzes Dokument, KI hilft mir, es zu schärfen, und die Leute kommentieren dazu. Wir treffen uns nur dann, wenn wir einen echten Dissens klären müssen.
Warum agentenbasierte Workflows die Liefereffizienz steigern
Ich persönlich nutze agentenbasierte Workflows täglich. Mein Setup verwendet Claude Code, um den Großteil meiner nicht-programmierbezogenen Arbeit zu orchestrieren: Recherche, Dokumentensynthese, Planung und Review. Für das Programmieren übernimmt Codex die Umsetzung, und ich überprüfe die Ergebnisse.
Ich habe mich zunächst darauf konzentriert, Aspekte der Lieferung zu automatisieren, die Zeit kosten, aber kein Urteilsvermögen erfordern. Dokumente entwerfen, Kontext zusammenfassen, Tests generieren und Status aus verschiedenen Quellen zusammenstellen. Das sind häufige Aufgaben mit wenig Interpretationsspielraum – leichte Erfolge.
Die Qualität ist so gut, dass ich die Arbeit nur noch bearbeite, nicht neu mache. Die gewonnene Zeit verwende ich für wirklich relevante Entscheidungen. Die wichtigste Erkenntnis: Der Arbeitsumfang muss klar umrissen sein. Agenten funktionieren gut mit klaren Grenzen. Gibt man ihnen eine unklare Absicht, landet man wieder beim Beaufsichtigen.
Warum Codex und Claude Code unverzichtbare Entwickler-Tools sind
Codex ist derzeit mein Hauptwerkzeug für das Programmieren. Wenn ich Claude zum Coden verwende, dient Codex als mein Code-Review-Partner. Diese Rolle ändert sich jedoch, während sich der Bereich weiterentwickelt.
Claude Code übernimmt alles, was mit Programmieren zu tun hat: Architekturüberlegungen, Dokumentation, Problemformulierung, Recherche und Überprüfung. Auch direktes Programmieren wird teilweise übernommen. Für Projekttracking nutze ich Linear – es ist übersichtlich, schnell und hält sich im Hintergrund.
Warum KI möglicherweise dedizierte Projektmanagement-Rollen überflüssig macht
Das ist vielleicht etwas kontrovers, aber ich prognostiziere, dass spezialisierte Projektmanagement-Rollen größtenteils verschwinden werden, weil alle anfangen, Projekte zu managen. KI übernimmt Tracking, Status-Zusammenfassungen und Planung. Was bleibt, ist Urteilsvermögen – und das teilt sich das Team.
Alle Rollen verschmelzen momentan. Man kann nicht mehr nur Entwickler sein, der programmiert, oder nur Designer, der gestaltet. Kleinere Teams, mehr KI-Unterstützung – und jeder übernimmt mehr Aufgabenbereiche.
Diejenigen, die erfolgreich sind, waren noch nie einfach nur eines.
Warum Führungskräfte in der Lieferung KI-Tools und -Kompetenzen annehmen müssen
Probieren Sie die Tools selbst aus. Überlassen Sie das Verständnis von KI nicht jemand anderem in Ihrem Team. Sie müssen selbst spüren, wo sie stark ist und wo die Grenzen liegen.
Schaffen Sie danach rigoros Prozesse ab, die nur deshalb existierten, weil Informationen früher schwer auszutauschen waren. KI macht das inzwischen mühelos möglich.
Folgen Sie mit
Sie können Sundaresans Arbeit auf LinkedIn, X, Instagram und seinem Newsletter verfolgen. Sie können auch sein Buch KI für den Rest von uns ansehen.
Weitere Experteninterviews folgen bald bei The Digital Project Manager!
