Die Leiterin des Technologischen Programmmanagements warnt: KI ohne ausreichenden Kontext kann zu gefährlichen Entscheidungen führen
Erfahren Sie, wie eine Führungskraft im Technologiemanagement KI einsetzt, um den Berichtsaufwand zu reduzieren, Lieferungsrisiken frühzeitig zu erkennen und Teams dabei zu unterstützen, sich auf Entscheidungen statt auf Verwaltung zu konzentrieren.
Anika Banakh
Leiterin des Technologischen Programmmanagements bei ACV Auctions
Menschenzentrierte Führung: Anika betont, dass eine erfolgreiche Einführung von KI damit beginnt, Teams zu befähigen – nicht nur durch Technologie.
Effizienzsteigerungen: KI-Tools haben wiederkehrende Aufgaben optimiert, die Berichtseffizienz verbessert und die Transparenz bei der Auslieferung in den Teams erhöht.
Übermäßige Abhängigkeit vermeiden: Menschliches Eingreifen ist notwendig, um KI-Ergebnisse richtig zu interpretieren und sicherzustellen, dass der Geschäftskontext erhalten bleibt.
Arbeitsabläufe vereinfachen: Übertechnisierung kann die Klarheit beeinträchtigen; das Fokussieren auf wertstiftende Entscheidungen erleichtert die schnelle Einführung von KI-Tools.
Verantwortung zählt: Klare Entscheidungsverantwortung verbessert die Integration von KI und hilft Organisationen, Verwirrung zu vermeiden und die Ergebnisse zu verbessern.
Anika Banakh ist Director of Technology Program Management bei ACV Auctions. Sie hat mehrere weltweit verteilte, funktionsübergreifende Teams geleitet und konzentriert sich nun darauf, die Einführung von KI unaufdringlich zu gestalten und gleichzeitig die Lieferprozesse effektiver zu machen.
Wir haben Anika getroffen, um herauszufinden, wie sie KI in ihre Delivery-Workflows integriert. Das hat sie uns erzählt.
Menschzentrierte KI-Führung
Ich bin eine in der Ukraine geborene Kanadierin, die die Dinge anpackt. Die meisten vermuten, dass mein Weg in die KI-gesteuerte Transformation mit Technologie begonnen hat, aber tatsächlich fing alles mit Menschen an – Talente rekrutieren, Vertrauen über globale Teams aufbauen und Organisationen unter Druck verstehen lernen.
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
Mittlerweile habe ich mehrere weltweit verteilte, funktionsübergreifende Delivery-Teams geleitet, die unternehmensweite digitale Marktplatz- und Betriebs-Transformationsinitiativen unterstützten. Die Größe der Teams variierte von sechs Personen bis zu einigen Tausend. Die meisten dieser Organisationen handelten schnell – sie setzten agile Delivery-Methoden über Produkt-, Engineering-, Betriebs- und Geschäftsbereiche hinweg ein und managten dabei komplexe Integrationen, schnelles Scaling und datengetriebene Plattformarbeit für Auftraggeber aus den Bereichen Autohandel, Banken, Einzelhandel, gemeinnützige Organisationen und globales Enterprise-Business.
Die Führung der Delivery in verschiedenen Organisationen hat mir gezeigt, dass das größte Innovationshindernis selten die Technologie an sich ist, sondern ob Menschen sich genug befähigt fühlen, ihre Arbeitsweise zu verändern. Deshalb ist meine Sicht auf KI-Führung unkonventionell: Die Zukunft der Delivery gehört nicht den Führungskräften, die am meisten automatisieren, sondern denen, die es schaffen, KI menschlich, kollaborativ und kreativ beflügelnd für Teams zu machen, die sie täglich nutzen.
Wie KI-Tools die Effizienz am Arbeitsplatz steigern
Im vergangenen Jahr habe ich die repetitivsten und vorhersagbarsten Aufgaben im Lieferprozess ersetzt, sodass mehr Zeit für die eigentliche Arbeit blieb – hauptsächlich, indem ich KI-basierte Zusammenfassung und Priorisierung in Statusberichte, das Nachverfolgen von Abhängigkeiten und die Stakeholder-Kommunikation integriert habe.
Durch KI habe ich verbesserte Effizienz beim Reporting, bessere Transparenz in der Delivery und besseres Risikomanagement über verteilte Teams hinweg beobachtet, während der manuelle Koordinationsaufwand reduziert und die Prognostizierbarkeit der Ausführung verbessert wurde.
Durch KI habe ich verbesserte Effizienz beim Reporting, bessere Transparenz in der Delivery und besseres Risikomanagement über verteilte Teams hinweg beobachtet.
Aber während ich mich auf KI verlassen kann, um datengestützte Delivery-Aktivitäten wie Priorisierungserkenntnisse, Statuszusammenfassungen, Risikomuster-Erkennung, Abhängigkeitsnachverfolgung und Betriebsberichte zu beschleunigen, kann ich mich nicht für alles darauf verlassen.
Entscheidungen, die Stakeholder-Alignment, Teamdynamik, organisatorische Veränderungen, Konfliktlösung und strategische Abwägungen betreffen, bleiben bewusst in menschlicher Hand. Denn erfolgreiche Delivery hängt immer noch von Vertrauen, Kontext, Empathie und Urteilsvermögen ab – Dinge, die KI nicht vollständig nachbilden kann.
Warum KI-Ergebnisse menschliches Eingreifen benötigen
Tatsächlich bestand meine größte Herausforderung darin, Teams davon abzuhalten, sich zu sehr auf automatisierte Ergebnisse zu verlassen, ohne den geschäftlichen Kontext zu berücksichtigen. Um dies zu verhindern, habe ich ihre Ergebnisse hinterfragt und auf die Bedeutung von praxisnaher Erfahrung mit Produkt- und Geschäftskontext hingewiesen. Das macht den Unterschied zwischen gut und großartig.
Menschliches Eingreifen ist entscheidend beim Prompten und Interpretieren. Man benötigt eine klare, strukturierte Anfrage mit korrektem Kausalzusammenhang und einen tiefen Prozess- und Treiberüberblick, um die Ergebnisse interpretieren zu können.
Ein Tool kann beispielsweise anzeigen, dass ein Deliverable gefährdet ist, aber der Grund könnte sein, dass der Engineer ein krankes Kind hat – man muss also tiefer graben, um die Gründe hinter den Daten und den Menschen hinter der Aufgabe zu verstehen.
Meine größte Herausforderung war es, zu verhindern, dass Teams sich zu sehr auf automatisierte Ergebnisse verlassen, ohne den geschäftlichen Kontext zu berücksichtigen. Menschliches Eingreifen ist entscheidend für das Anstoßen und Interpretieren.
Wie Über-Engineering Arbeitsabläufe schädigt
Was die Tools betrifft, nutzen wir derzeit Omni für Dashboards, Rovo auf Jira für das Engineering-Management und eine interne KI-Chatlösung für Team-Updates und Zusammenfassungen.
Zu Beginn hätten wir ein Über-Engineering des Workflows mit zu vielen Signalen und Dashboards vermeiden können. Das führte zu mehr Interpretationsaufwand als zu Klarheit. Ein einfacherer, klar umrissener Anwendungsfall – fokussiert auf ein oder zwei besonders wertvolle Entscheidungen – hätte die Akzeptanz schneller gesteigert und den Skeptizismus der Teams reduziert.
Warum KI das Entscheidungstempo nicht verbessert
KI hat nicht den erwarteten Effekt gebracht, die teamübergreifende Abstimmung und Geschwindigkeit von Entscheidungen allein durch zusätzliche automatisierte Erkenntnisse und Dashboards zu verbessern.
Ja, die Sichtbarkeit wurde durch KI erhöht, aber sie reduzierte weder Mehrdeutigkeiten noch löste sie widersprüchliche Prioritäten – zum Teil verstärkte sie sogar den Lärm, weil verschiedene Teams die gleichen Ergebnisse unterschiedlich auslegten.
KI erhöhte die Sichtbarkeit, reduzierte aber weder Mehrdeutigkeiten noch löste sie widersprüchliche Prioritäten – zum Teil verstärkte sie den Lärm.
Nehmen wir ein Dashboard als Beispiel. Jedes Team konzentriert sich auf eigene KPIs und Geschäftsbedürfnisse und kann die Tools so nutzen, dass Ausgaben entstehen, die den eigenen Zielen dienen. In diesem Chaos Kohärenz zu schaffen, ist entscheidend – angesichts der Auswirkungen auf alle Teams.
Warum bessere Planung nicht zwangsläufig zu besseren Ergebnissen führt
KI hat mich gelehrt, die Annahme loszulassen, dass bessere Planung automatisch zu besseren Ergebnissen führt. Selbst sehr detaillierte Pläne werden weniger vorhersehbar, sobald KI das tatsächliche Tempo des Wandels sichtbar macht und Prioritäten und Abhängigkeiten in Echtzeit verschiebt.
Kontinuierliches Umplanen auf Basis von Live-Signalen – statt mehr Sicherheit im Vorfeld – führte zu besseren Ergebnissen. Erfolg in der Lieferung bedeutete nicht mehr, den perfekten Plan zu erstellen, sondern ihn schnell anzupassen.
Unser KI-gestützter Lieferworkflow verarbeitet Arbeitspakete und Team-Updates. KI bündelt Themen, markiert Risiken und fasst Fortschritte automatisch für die Teams zusammen. Diese Erkenntnisse fließen in eine von Menschen geleitete Priorisierung, aus der Sprint-Pläne entstehen. Während der Umsetzung hebt KI kontinuierlich Abweichungen und neu auftretende Probleme hervor.
Das Netto-Ergebnis war: weniger Zeit für Reporting, mehr Zeit für die Lösung von Delivery-Problemen.
Warum Statusberichte mit KI neu gestaltet werden müssen
Ein Bereich, den mehr Delivery-Leader aktiv neu gestalten sollten, ist das Statusreporting und die Projektsteuerung – das ist immer noch einer der manuellsten, wenig wertschöpfenden und fehleranfälligsten Teile vieler Organisationen.
Ich arbeite daran, traditionelle Statusdecks und manuelle Sammelberichte durch einen KI-unterstützten Workflow zu ersetzen, der kontinuierlich Updates aus Liefer-Tools zusammenfasst, Risiken markiert und knappe, "entscheidungsbereite" Zusammenfassungen für die Führung erstellt. Es ging nicht nur um Effizienz – das Wesen der Governance-Gespräche hat sich geändert: weg von „Wie ist der Status?“ hin zu „Welche Entscheidungen müssen wir jetzt treffen?“
Das Ergebnis: weniger Zeit zum Zusammenstellen von Updates, mehr Zeit zur Lösung tatsächlicher Lieferengpässe und eine schnellere Eskalation echter Risiken – allerdings nur, nachdem wir die Verantwortlichkeit für Entscheidungen geschärft haben, damit KI-Ausgaben nicht zu einer weiteren Interpretationsschicht wurden.
Warum klare Verantwortlichkeiten der eigentliche Schlüssel bei KI sind
Hier ist mein Ratschlag:
Verwechsle nicht mehr KI-Ausgaben mit besseren Entscheidungen; das führt nur dazu, dass es mehr Dinge gibt, über die man uneinig sein kann. Der eigentliche Schlüssel ist klare Verantwortlichkeit. KI macht Vorschläge, Menschen entscheiden – ganz ohne Komitee-Drama.
Beachte auch das Folgende: Wenn die Einführung schleppend wirkt, liegt es meistens nicht am Modell – sondern daran, dass Menschen es höflich ignorieren.
Bleiben Sie dran
Sie können die Arbeit von Anika Banakh auf LinkedIn verfolgen.
Weitere Experteninterviews folgen demnächst bei The Digital Project Manager.
