Die Leiterin des Technologieprogramm-Managements sagt, dass KI ohne ausreichenden Kontext zu gefährlichen Entscheidungen führen kann
Entdecken Sie, wie eine Programmleiterin im Technologiebereich KI einsetzt, um den Berichtsaufwand zu reduzieren, Lieferungsrisiken aufzudecken und Teams dabei zu helfen, sich auf Entscheidungen statt auf Verwaltung zu konzentrieren.
Anika Diachuk
Leiterin des Technologieprogramm-Managements bei ACV Auctions
Menschenzentrierte Führung: Anika betont, dass eine effektive Einführung von KI damit beginnt, Teams zu stärken – und zwar nicht nur durch Technologie.
Effizienzsteigerungen: KI-Tools haben wiederkehrende Aufgaben optimiert und so die Effizienz der Berichterstattung und die Transparenz der Lieferung in den Teams verbessert.
Übermäßige Abhängigkeit verhindern: Menschliches Einschreiten ist unerlässlich, um KI-Ergebnisse korrekt zu interpretieren und den geschäftlichen Kontext sicherzustellen.
Arbeitsabläufe vereinfachen: Überentwicklung kann die Klarheit beeinträchtigen; die Konzentration auf hochwertige Entscheidungen erleichtert die schnelle Einführung von KI-Tools.
Verantwortung zählt: Klare Entscheidungsverantwortung verbessert die Integration von KI und hilft Organisationen dabei, Missverständnisse zu vermeiden und bessere Ergebnisse zu erzielen.
Anika Diachuk ist Director of Technology Program Management bei ACV Auctions. Sie hat mehrfach global verteilte, funktionsübergreifende Lieferteams geleitet. Heute konzentriert sie sich darauf, die KI-Einführung unaufdringlich zu gestalten und gleichzeitig die Lieferung effektiver zu machen.
Wir haben Anika getroffen, um herauszufinden, wie sie KI in ihre Delivery-Workflows integriert. Hier ist, was sie uns erzählte.
Menschenzentrierte KI-Führung
Ich bin eine aus der Ukraine stammende Kanadierin, die die Dinge anpackt. Die meisten denken, mein Weg der KI-getriebenen Transformation habe mit Technologie begonnen, doch er begann mit Menschen – Talente rekrutieren, Vertrauen in globalen Teams aufbauen und erlernen, wie Organisationen unter Druck funktionieren.
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
Ich habe inzwischen mehrfach global verteilte, funktionsübergreifende Delivery-Teams geleitet, die Initiativen zur digitalen Marktplatz- und operationellen Transformation im Unternehmensmaßstab unterstützen. Die Teamgrößen reichten von sechs Personen bis zu mehreren Tausend. Die meisten dieser Organisationen waren schnell unterwegs – sie setzten agiles Arbeiten über Produkt, Technik, Betrieb und Unternehmensbeteiligte hinweg um, während sie komplexe Integrationen, rasches Skalieren und datenbasierte Plattformarbeit für Kunden aus Autohaus, Banken, Handel, Nonprofits und internationalen Unternehmen stemmten.
Die Leitung von Lieferungen in verschiedenen Organisationen hat mir gezeigt, dass das größte Innovationshindernis selten die Technologie selbst ist – sondern ob Menschen sich befähigt fühlen, ihre Arbeitsweise zu verändern. Deshalb ist meine Sicht auf KI-Führung etwas unkonventionell: Die Zukunft der Delivery wird nicht jenen Führungskräften gehören, die am meisten automatisieren, sondern denen, die es schaffen, KI menschlich, kollaborativ und kreativ beflügelnd für Teams zu gestalten, die sie täglich nutzen.
Wie KI-Tools die Effizienz am Arbeitsplatz steigern
Im vergangenen Jahr habe ich die repetitivsten, vorhersehbaren Aufgaben im Lieferprozess ersetzt und damit mehr Zeit für die eigentliche Arbeit geschaffen – insbesondere, indem ich KI-gesteuerte Zusammenfassungen und Priorisierungen in Statusberichte, Abhängigkeitsverfolgung und die Kommunikation mit Beteiligten integriert habe.
Als Ergebnis von KI habe ich effizientere Berichtsprozesse, bessere Transparenz in der Lieferung sowie eine verbesserte Risikenerkennung in verteilten Teams erlebt – bei gleichzeitig reduzierter manueller Koordinierungsarbeit und gesteigerter Vorhersagbarkeit in der Ausführung.
Als Ergebnis von KI habe ich effizientere Berichtsprozesse, bessere Transparenz in der Lieferung sowie eine verbesserte Risikenerkennung in verteilten Teams erlebt.
Aber auch wenn ich mich bei datenintensiven Aufgaben wie Priorisierungshinweisen, Statuszusammenfassungen, Risikobewertungen, Abhängigkeitsverfolgung und operativem Reporting auf KI verlassen kann, gilt das nicht für alles.
Entscheidungen, die Stakeholder-Alignment, Teamdynamik, organisatorischen Wandel, Konfliktlösung und strategische Abwägungen betreffen, bleiben bewusst in menschlicher Hand. Denn erfolgreiche Lieferung basiert weiterhin auf Vertrauen, Kontext, Empathie und Urteilsvermögen – Dinge, die KI niemals vollständig ersetzen kann.
Warum KI-Ergebnisse menschliches Eingreifen erfordern
Tatsächlich bestand meine größte Herausforderung darin, Teams davon abzuhalten, sich zu sehr auf automatisierte Ergebnisse zu verlassen, ohne den Geschäftskontext einzubeziehen. Um das zu vermeiden, habe ich ihre Ergebnisse hinterfragt und auf die Bedeutung eigener Erfahrung mit Produkt und Business-Kontext hingewiesen. Das ist der Unterschied zwischen gut und großartig.
Menschliches Eingreifen ist im Prompten und Interpretieren entscheidend. Man benötigt eine fundierte, strukturierte Anfrage mit korrektem Zusammenhang von Korrelation und Kausalität; zudem braucht es ein tiefes Prozessverständnis und Wissen über die Einflussfaktoren, um die Ergebnisse richtig zu deuten.
Ein Tool kann beispielsweise anzeigen, dass ein Liefergegenstand gefährdet ist; die Ursache könnte aber sein, dass der zuständige Ingenieur ein krankes Kind hat. Man muss also tiefergehend nach der Begründung für die Daten suchen und den Menschen hinter der Aufgabe verstehen.
Meine größte Herausforderung bestand darin, Teams davon abzuhalten, sich zu sehr auf automatisierte Ergebnisse zu verlassen, ohne den Geschäftskontext zu berücksichtigen. Menschliches Eingreifen ist entscheidend beim Anstoßen und Interpretieren.
Wie Überengineering Workflows schadet
Was Tools betrifft, verwenden wir derzeit Omni für Dashboards, Rovo auf Jira für das Engineering-Management und internen KI-Chat für Team-Updates und Zusammenfassungen.
Zu Beginn hätten wir das Überengineering des Workflows mit zu vielen Signalen und Dashboards vermeiden können. Es führte zu mehr Interpretationsaufwand als zu Klarheit. Ein einfacherer, klar abgegrenzter Anwendungsfall — fokussiert auf ein oder zwei entscheidende Werttreiber — hätte die Akzeptanz schneller erhöht und weniger Skepsis in den Teams ausgelöst.
Warum KI die Entscheidungs-Geschwindigkeit nicht verbessert
KI hat durch mehr automatisierte Einblicke und Dashboards nicht den erwarteten Mehrwert gebracht, was die teamübergreifende Abstimmung und Entscheidungsgeschwindigkeit betrifft.
Ja, KI hat die Transparenz erhöht, aber sie hat die Unklarheit nicht verringert oder widersprüchliche Prioritäten aufgelöst — in manchen Fällen hat sie die Geräuschkulisse sogar noch verstärkt, da verschiedene Teams dieselben Ergebnisse unterschiedlich interpretieren.
KI hat die Transparenz erhöht, aber sie hat die Unklarheit nicht verringert oder widersprüchliche Prioritäten aufgelöst — in manchen Fällen hat sie die Geräuschkulisse sogar noch verstärkt.
Nehmen wir ein Dashboard als Beispiel. Jedes Team konzentriert sich auf seine eigenen KPIs und Geschäftsziele, sodass die Tools so genutzt werden, dass sie die jeweils wichtigen Ziele unterstützen. In diesem Chaos gemeinsame Kohäsion zu schaffen ist entscheidend – immerhin sind alle Teams davon betroffen.
Warum bessere Planung nicht zwangsläufig zu besseren Ergebnissen führt
KI ließ mich von der Annahme abkommen, dass bessere Planung automatisch zu besseren Ergebnissen führt. Selbst sehr detaillierte Pläne verlieren an Prognosekraft, sobald KI das tatsächliche Tempo von Veränderungen aufdeckt und sich Prioritäten sowie Abhängigkeiten in Echtzeit verschieben.
Kontinuierliche Neuausrichtung auf Basis von Live-Signalen – statt vermehrter Sicherheit im Vorfeld – brachte bessere Resultate. Die Lieferung drehte sich nicht mehr darum, den Plan exakt zu treffen, sondern darum, ihn schnell anpassen zu können.
Unser KI-gestützter Delivery-Workflow verarbeitet Arbeitspakete und Team-Updates, wobei Themen gebündelt, Risiken gekennzeichnet und der Fortschritt automatisch über Squads hinweg zusammengefasst wird. Diese Erkenntnisse fließen in eine von Menschen geleitete Priorisierungssitzung, in der die Entscheidungen in Sprint-Pläne überführt werden. Während der Umsetzung weist die KI laufend auf Abweichungen und neue Probleme hin.
Das Nettoergebnis: Weniger Zeit für Berichte, mehr Zeit, um Lieferprobleme zu lösen.
Warum Status-Berichte mit KI neu gedacht werden müssen
Ein Bereich, den mehr Delivery-Leads aktiv neugestalten sollten, ist das Status-Reporting und die Delivery-Governance – sie sind immer noch einer der manuellsten, wenig wertschöpfenden und fehleranfälligsten Bestandteile der meisten Organisationen.
Ich arbeite daran, traditionelle Status-Decks und manuelle Zusammenfassungen durch einen KI-gestützten Workflow zu ersetzen, der kontinuierlich Updates aus Delivery-Tools zusammenführt, Risiken kennzeichnet und prägnante, „entscheidungsreife" Zusammenfassungen für die Leitungsebene generiert. Die Veränderung bedeutete nicht nur mehr Effizienz – sondern auch, dass Governance-Diskussionen sich von „Wie ist der Stand?“ zu „Welche Entscheidungen müssen jetzt getroffen werden?“ verschoben haben.
Das Ergebnis war: weniger Zeit für das Zusammenstellen von Updates, mehr Zeit zur Lösung echter Hindernisse in der Delivery und eine schnellere Eskalation tatsächlicher Risiken – allerdings erst, nachdem wir die Entscheidungsverantwortung geschärft hatten, damit KI-Ausgaben nicht zu einer weiteren Interpretationsebene werden.
Warum klare Verantwortlichkeiten der eigentliche Schlüssel mit KI sind
Hier ist mein Rat:
Verwechseln Sie nicht mehr KI-Ausgaben mit besseren Entscheidungen; das sorgt nur dafür, dass es mehr Diskussionsstoff gibt. Der wahre Schlüssel liegt in klaren Verantwortlichkeiten. KI schlägt vor, Menschen entscheiden – kein Komiteedrama.
Behalten Sie zudem dies im Hinterkopf: Wenn die Einführung schleppend verläuft, liegt es meist nicht am Modell, sondern daran, dass die Menschen es höflich ignorieren.
Bleiben Sie dran
Sie können Anika Diachuks Arbeit auf LinkedIn verfolgen.
Weitere Experteninterviews erscheinen demnächst auf The Digital Project Manager.
