Die Leiterin des Technologieprogramm-Managements sagt, dass KI ohne ausreichenden Kontext zu gefährlichen Entscheidungen führen kann
Entdecken Sie, wie eine Führungskraft im Technologieprogramm KI einsetzt, um den Berichtsaufwand zu reduzieren, Risiken bei der Auslieferung aufzudecken und Teams zu helfen, sich auf Entscheidungen statt auf Verwaltung zu konzentrieren.
Anika Banakh
Leiterin des Technologieprogramm-Managements bei ACV Auctions
Menschenzentrierte Führung: Anika betont, dass eine effektive Einführung von KI damit beginnt, Teams zu stärken – nicht nur durch Technologie.
Effizienzsteigerung: KI-Tools haben wiederkehrende Aufgaben vereinfacht und die Berichterstattung sowie Sichtbarkeit der Auslieferung in den Teams verbessert.
Übermäßige Abhängigkeit vermeiden: Menschliche Intervention ist unerlässlich, um KI-Ergebnisse korrekt zu interpretieren und den Geschäftskontext zu gewährleisten.
Arbeitsabläufe vereinfachen: Übermäßige Komplexität kann die Klarheit beeinträchtigen; die Konzentration auf wertschöpfende Entscheidungen fördert die schnellere Einführung von KI-Tools.
Verantwortung ist entscheidend: Klare Entscheidungszuordnung verbessert die Integration von KI, verringert Verwirrung und führt zu besseren Ergebnissen.
Anika Banakh ist Director of Technology Program Management bei ACV Auctions. Sie hat mehrere global verteilte, funktionsübergreifende Delivery-Teams geleitet. Jetzt konzentriert sie sich darauf, die KI-Einführung möglichst unaufdringlich zu gestalten und gleichzeitig die Lieferung effektiver zu machen.
Wir haben uns mit Anika unterhalten, um herauszufinden, wie sie KI in ihre Delivery-Workflows integriert. Das hat sie erzählt.
Menschzentrierte KI-Führung
Ich bin gebürtige Ukrainerin und Kanadierin, die Dinge erledigt. Die meisten Menschen nehmen an, dass mein Weg hin zur KI-gesteuerten Transformation mit Technologie begann, aber tatsächlich begann er mit Menschen – Talente rekrutieren, Vertrauen in globalen Teams aufbauen und lernen, wie Organisationen unter Druck funktionieren.
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 habe inzwischen mehrere global verteilte, funktionsübergreifende Delivery-Teams geleitet, die groß angelegte Initiativen zur Transformation digitaler Marktplätze und operativer Abläufe unterstützen. Die Teamgrößen reichten von sechs Personen bis zu einigen Tausend. Die meisten dieser Unternehmen agierten schnell – sie setzten agile Delivery über Produkt, Engineering, Betrieb und Business Stakeholder hinweg um und meisterten dabei komplexe Integrationen, schnelle Skalierung und datengetriebene Plattformarbeit für Kunden aus Autohandel, Banken, Einzelhandel, Non-Profit und internationalen Großunternehmen.
Die Leitung der Delivery in verschiedenen Unternehmen hat mir gezeigt, dass das größte Innovationshindernis selten die Technologie selbst ist; vielmehr geht es darum, ob sich Menschen befähigt fühlen, ihre Arbeitsweise zu verändern. Deshalb ist mein Ansatz zur KI-Führung unkonventionell: Die Zukunft der Delivery wird nicht denen gehören, die am meisten automatisieren, sondern denen, die KI menschlich, kollaborativ und kreativ belebend für die Teams gestalten, die sie täglich nutzen.
Wie KI-Tools die Effizienz am Arbeitsplatz steigern
Im vergangenen Jahr habe ich die repetitivsten, vorhersehbarsten Aufgaben im Delivery-Prozess ersetzt und so Zeit für die eigentliche Arbeit freigesetzt — hauptsächlich, indem ich KI-gestützte Zusammenfassungen und Priorisierungen in Statusberichte, die Nachverfolgung von Abhängigkeiten und Kommunikationsprozesse mit Stakeholdern eingebettet habe.
Durch KI habe ich eine höhere Effizienz bei Berichten, bessere Transparenz der Lieferung und eine verbesserte Risikoerkennung über verteilte Teams hinweg beobachten können – während ich gleichzeitig den manuellen Koordinationsaufwand reduziert und die Planungssicherheit der Umsetzung erhöht habe.
Durch KI habe ich eine höhere Effizienz bei Berichten, bessere Transparenz der Lieferung und eine verbesserte Risikoerkennung über verteilte Teams hinweg beobachten können.
Auch wenn ich mich auf KI verlassen kann, um datenintensive Aufgaben in der Delivery wie Priorisierungserkenntnisse, Statuszusammenfassungen, Erkennung von Risikomustern, Verfolgung von Abhängigkeiten und operative Berichte zu beschleunigen, kann ich sie trotzdem nicht für alles einsetzen.
Entscheidungen rund um Stakeholder-Abstimmung, Teamdynamik, organisatorischen Wandel, Konfliktlösung und strategische Abwägungen bleiben bewusst menschgeführt. Denn erfolgreiche Delivery hängt weiterhin von Vertrauen, Kontext, Empathie und Urteilsvermögen ab – Dinge, die KI nicht vollständig nachbilden kann.
Warum KI-Ergebnisse menschliches Eingreifen erfordern
Tatsächlich war meine größte Herausforderung, Teams davon abzuhalten, sich zu sehr auf automatisierte Ergebnisse zu verlassen, ohne den geschäftlichen Kontext anzuwenden. Um dies zu vermeiden, habe ich ihre Resultate hinterfragt und die Wichtigkeit praktischer Erfahrung mit Produkt- und Geschäftskontext betont. Das macht den Unterschied zwischen gut und großartig.
Menschliches Eingreifen ist beim Stellen der richtigen Aufgabenstellung (Prompting) und bei der Interpretation absolut entscheidend. Sie benötigen eine solide, strukturierte Anfrage mit richtiger Korrelation und Kausalitätskontext sowie ein tiefes Verständnis der Prozesse und Einflussfaktoren, um die Ergebnisse zu interpretieren.
Ein Beispiel: Ein Tool kann Ihnen sagen, dass ein Liefergegenstand gefährdet ist, aber der Grund könnte sein, dass der Entwickler ein krankes Kind hat. Sie müssen also tiefer graben, um die Beweggründe hinter den Daten und den Menschen hinter der Aufgabe zu verstehen.
Meine größte Herausforderung bestand darin, Teams davon abzuhalten, sich zu sehr auf automatisierte Ergebnisse zu verlassen, ohne den geschäftlichen Kontext zu berücksichtigen. Menschliches Eingreifen ist entscheidend für die Anstoßgebung und die Interpretation.
Wie Überengineering Arbeitsabläufe beeinträchtigt
Was die Tools betrifft, nutzen wir derzeit Omni für Dashboards, Rovo auf Jira für das Engineering-Management und ein internes KI-Chat-Tool für Team-Updates und Zusammenfassungen.
Schon zu Beginn hätten wir Überengineering im Workflow vermeiden können, indem wir nicht zu viele Signale und Dashboards integriert hätten. Es führte zu mehr Interpretationsaufwand als zu Klarheit. Ein einfacherer, klar abgegrenzter Anwendungsfall – mit Fokus auf eine oder zwei wertvolle Entscheidungen – hätte schnellere Akzeptanz und weniger Skepsis innerhalb der Teams gefördert.
Warum KI die Entscheidungsgeschwindigkeit nicht verbessert
KI hat nicht die erwartete Wirkung erzielt, die teamübergreifende Abstimmung und Entscheidungsgeschwindigkeit zu verbessern – nur weil mehr automatisierte Einblicke und Dashboards hinzugefügt wurden.
Ja, KI hat die Sichtbarkeit verbessert, aber sie hat weder Mehrdeutigkeiten reduziert noch widersprüchliche Prioritäten gelöst – in manchen Fällen wurde das Rauschen sogar verstärkt, da unterschiedliche Teams die gleichen Ergebnisse unterschiedlich interpretierten.
KI hat die Sichtbarkeit verbessert, aber sie hat weder Mehrdeutigkeiten reduziert noch widersprüchliche Prioritäten gelöst – in manchen Fällen wurde das Rauschen verstärkt.
Nehmen wir ein Dashboard als Beispiel. Jedes Team konzentriert sich auf seine eigenen KPIs und geschäftlichen Anforderungen und kann die Tools so einsetzen, dass sie Ergebnisse liefern, die den eigenen Zielen dienen. In diesem Chaos ist es entscheidend, für Zusammenhalt zu sorgen – gerade angesichts der Auswirkungen auf alle Teams.
Warum bessere Planung nicht zwangsläufig zu besseren Ergebnissen führt
KI hat mich dazu gebracht, die Annahme aufzugeben, dass bessere Planung automatisch zu besseren Umsetzungsergebnissen führt. Selbst sehr detaillierte Pläne werden weniger vorhersehbar, sobald KI das tatsächliche Tempo der Veränderungen aufzeigt und Prioritäten sowie Abhängigkeitsvolatilität in Echtzeit verschiebt.
Ständiges Umplanen auf Basis von Live-Signalen – statt mehr Vorab-Sicherheit – hat die Ergebnisse verbessert. Die Lieferung von Ergebnissen drehte sich nicht mehr darum, den perfekten Plan zu erstellen, sondern diesen schnell anzupassen.
Unser KI-gestützter Auslieferungs-Workflow verarbeitet Arbeitspakete und Team-Updates, wobei die KI Themen clustert, Risiken kennzeichnet und den Fortschritt teamübergreifend automatisch zusammenfasst. Diese Erkenntnisse fließen in eine von Menschen geleitete Priorisierungssitzung, aus der die Sprint-Pläne entstehen. Während der Umsetzung weist die KI laufend auf Abweichungen und neue Probleme hin.
Das Nettoergebnis: Weniger Zeit für Berichterstattung, mehr Zeit zur Lösung echter Lieferprobleme.
Warum Statusberichte mit KI neu gestaltet werden müssen
Ein Bereich, den mehr Delivery-Leads aktiv neugestalten sollten, ist das Status-Reporting und die Delivery-Governance – das sind immer noch die manuellsten, wenig wertstiftenden und störanfälligsten Komponenten in den meisten Organisationen.
Ich arbeite daran, traditionelle Statusfolien und manuelle Zusammenfassungen durch einen KI-gestützten Workflow zu ersetzen, der fortlaufend Updates aus Liefer-Tools zusammenträgt, Risiken kennzeichnet und prägnante, „entscheidungsreife“ Zusammenfassungen für das Management erstellt. Der Wandel bedeutete nicht nur Effizienz – er veränderte die Natur der Governance-Gespräche von „Was ist der Status?“ hin zu: „Welche Entscheidungen müssen wir jetzt treffen?“
Das Resultat war weniger Zeitaufwand für das Zusammentragen von Updates und mehr Zeit für die Beseitigung echter Lieferhindernisse, mit schnelleren Eskalationen realer Risiken – allerdings erst, nachdem wir die Zuständigkeit für Entscheidungen gestärkt hatten, damit KI-Outputs nicht zu einer weiteren Interpretationsebene wurden.
Warum klare Zuständigkeiten der wahre Schlüssel mit KI sind
Hier ist mein Rat:
Verwechsle nicht mehr KI-Output mit besseren Entscheidungen; das sorgt nur für mehr Themen, über die sich Menschen streiten können. Der wahre Schlüssel sind klare Zuständigkeiten. KI macht Vorschläge, Menschen entscheiden, kein Ausschuss-Drama.
Behalte außerdem Folgendes im Hinterkopf: Wenn die Einführung schleppend verläuft, liegt es meist nicht am Modell – sondern daran, dass Menschen es höflich ignorieren.
Bleiben Sie dran
Sie können Anika Banakhs Arbeit auf LinkedIn verfolgen.
Weitere Experteninterviews folgen auf The Digital Project Manager.
