Diese Senior Directorin für Programmmanagement erklärt die KI-Tools und Integrationen, mit denen sie technische Lücken bei ihren Kund:innen schließt
Lauren Selley ist Senior Director of Production bei Code and Theory. Sie verantwortet die End-to-End-Bereitstellung digitaler Lösungen für Web und Mobile. Dank KI, die inzwischen in ihre Arbeitsprozesse integriert ist, verbringt sie weniger Zeit mit administrativen Aufgaben – und kann sich stärker auf strategische Entscheidungen konzentrieren.
Lauren Selley
Senior Director of Production bei Code and Theory
KI-Experimentieren: KI-Tools erfordern Ausprobieren und fördern strategische Führung gegenüber administrativen Aufgaben im Projektmanagement.
Strategische Führung: KI reduziert Fleißaufgaben und schafft Freiräume für Planung, Risikomanagement und die Lösung übergreifender strategischer Herausforderungen.
Unverzichtbare Tools: Tools wie Elvex und Claude optimieren Arbeitsabläufe und ermöglichen Projektmanager:innen effizienteres und wirkungsvolleres Handeln.
Herausforderungen der KI-Integration: Die Integration von KI-Tools in unterschiedliche Systeme bleibt schwierig, da Ökosysteme oft abgeschottet und die Tool-Leistungen variieren.
Zukünftige Führungslücke: Der Anstieg von KI könnte Rollen verändern – und macht Führungs- sowie Sozialkompetenzen im Projektmanagement wichtiger.
Lauren Selley ist Senior Director of Production bei Code and Theory, wo sie die komplette Umsetzung digitaler Lösungen über Web und Mobile hinweg betreut. Da KI inzwischen in ihre Arbeitsabläufe integriert ist, verbringt sie weniger Zeit mit administrativen Aufgaben – und mehr damit, strategische Entscheidungen voranzutreiben.
Wir haben mit Lauren darüber gesprochen, was sich in der Delivery-Welt verändert, welche Tools tatsächlich einen Unterschied machen und wie sie ihr Team beim Wandel vom Projektmanager zur strategischen Führungskraft unterstützt. Hier sind ihre Antworten.
Warum Programm-Management KI-Experimente erfordert
Ich bin Senior Director of Production (Programm-Management) bei Code and Theory.
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 überwache die End-to-End-Bereitstellung digitaler Lösungen für unsere Kunden – von der Strategie über den Launch bis zur Nachbetreuung auf Web und Mobile. Ich stelle sicher, dass unsere Teams alles haben, was sie für einen erfolgreichen Delivery-Prozess benötigen, und dass unsere Kunden uns als zuverlässigen Partner wahrnehmen.
In unserem Geschäft bedeutet KI vor allem eines: Experimentieren – testen, optimieren, wiederholen.
Unternehmen liefern uns keine ausgefeilten Lösungen mit dem Hinweis: „Hier sind eure Prompts und Tools, nutzt sie.“ Stattdessen heißt es: „Hier habt ihr Zugang zu ein paar Tools, findet heraus, was ihr damit machen könnt.“
Deshalb verbringe ich viel Zeit mit Experimentieren, baue Workflows auf und schaue, was tatsächlich funktioniert.
Wann man KI im Projekt-Delivery einsetzen sollte – und wann lieber nicht
Was mich an KI im Projekt-Delivery am meisten begeistert, ist, dass wir endlich weniger Zeit als Aufgabenmanager verbringen und mehr Zeit als tatsächliche Führungskräfte agieren. Dieser Wandel war längst überfällig.
Dank KI verbringen wir endlich weniger Zeit mit Aufgabenmanagement und mehr Zeit mit echter Führung.
Ich nutze KI ständig, um mich von Routineaufgaben zu entlasten. Sie ist hervorragend darin, Antworten aus einem Datenbestand an Projektwissen zu liefern, Zusammenfassungen zu erstellen, Notizen zu verfassen und Erinnerungen für To-dos auszugeben. Allerdings muss man alles überprüfen. KI neigt dazu, Aufgaben zu erfinden oder Fälligkeiten zu verfälschen.
So kann ich mich darauf konzentrieren, das Team zu führen und größere Herausforderungen zu lösen.
Meine Expertise in der Projektausführung ist am wertvollsten in der strategischen Planung, im Risikomanagement, bei der Führung durch komplexe Situationen und bei klügeren Delivery-Entscheidungen – nicht beim ständigen Eintreiben von Status-Updates.
Außerdem überlasse ich das Thema Kundenkommunikation rund um Scope und Risiken nicht der KI. Es gibt keinen Ersatz für das Lesen von Persönlichkeiten, das Anpassen an Kommunikationsstile und das Nutzen der eigenen Erfahrung, um schwierige Gespräche zu führen.
Wenn KI irgendwann Reisekostenabrechnungen erstellen und Zeiten für mein Team eintragen könnte, wäre das toll. Darauf warte ich noch.
Die KI-Tools, die Projekt-Delivery und Workflows antreiben
Im Beruf nutzen wir eine Suite autorisierter KI-Werkzeuge von Atlassian, Vercel und Google sowie Zugriff auf ein Enterprise-Tool, das verschiedene LLMs wie ChatGPT und weitere anbindet.
Atlassian bietet mit Rovo ein großartiges Tool für die unternehmensweite Suche – damit lassen sich Ergebnisse aus Gmail, Docs, Confluence-Seiten und Jira-Tickets gleichzeitig abrufen.
Wir nutzen außerdem Elvex, um eine kontrollierte Wissensdatenbank mit einem definierten Datensatz aufzubauen, sodass das Team projektbezogene Fragen gezielt abfragen kann.
Und Vercel bietet V0 an, was fantastisch für sogenanntes „Vibe Coding“ ist – damit lassen sich interne Prototypen schnell generieren oder Ideen rasch visualisieren.
Außerhalb der Arbeit setze ich für meine Content-Erstellung stark auf ChatGPT, Claude und verschiedene Design-Tools.
Claude hat für mich alles verändert. Ich brauche keine individuellen Plugins oder Entwickler-Support mehr, weil Claude Frontend-Code generiert und mir eine Vorschau ermöglicht, sodass ich vor dem Live-Gang selbst optimieren und meinen Workflow optimieren kann.
Und zuhause sind Notion und Notion AI quasi mein Gedächtnis – damit halte ich das gesamte Familien- und Privatleben organisiert.
Und ich sage es mal so: KI kann nicht alles. Sie hat mein Kleinkind noch nicht davon überzeugt, Gemüse zu essen. Falls jemand so ein Modell entwickelt – ich bin dabei!
Das unverzichtbare KI-Tool für Projektmanager
Ich habe momentan zwei Lieblings-KI-Tools.
Aus Sicht der Projektleitung ist es Elvex. Teams die Möglichkeit zu geben, eine Datenbank abzufragen und Antworten per Chat zu erhalten, spart mir jeden Tag Stunden an Arbeit.
Aus Sicht der Projektleitung ist es Elvex. Teams die Möglichkeit zu geben, eine Datenbank abzufragen und Antworten per Chat zu erhalten, spart mir jeden Tag Stunden an Arbeit.
Sie würden sich wundern, wie oft ein PM die Person ist, die kontaktiert wird, wenn jemand etwas nicht findet oder sich nicht erinnern kann. Jetzt kann ich sie einfach an einen Chatbot verweisen. Wir haben Elvex-Integrationen mit Slack erstellt, sodass Teams den „Project“-Bot Fragen zu Zielen, Deadlines, Teammitgliedern oder anderen Projektdetails stellen können – und sofort genaue Antworten erhalten.
Aus Perspektive der Inhaltserstellung muss ich wieder Claude erwähnen. Das Tool hat mir den Bedarf nach vielen Plugins und Backend-Skripten, für die ich früher bezahlt habe, genommen und spart mir durch die Vereinfachung von Aufgaben sowohl im Frontend als auch im Backend viele Stunden.
Wie KI zentrale Abläufe in der Projektabwicklung transformiert
KI ist fantastisch, um Informationsüberflutung am Anfang eines Projekts zu reduzieren.
KI ist fantastisch, um Informationsüberflutung am Anfang eines Projekts zu reduzieren.
Anstatt lange Wissenstransfer-Meetings abzuhalten, können Teams eine Projektdatenbank abfragen und erhalten in Echtzeit, was sie benötigen.
Sie wird auch immer wertvoller, wenn es um die Überprüfung von Projektergebnissen geht – von Unterstützung bei Code-Reviews bis zum automatisierten Testen.
KI ersetzt keine Expertenprüfung, aber sie beschleunigt den Prozess und hilft, Probleme früher zu erkennen.
Mit KI-Workflows komplexe Multi-Stakeholder-Projekte managen
Bei großen, komplexen Programmen mit mehreren Abteilungen, Anbietern und Kunden sind automatisierte Workflows und integrierte Tools absolut entscheidend.
Zum Beispiel habe ich Workflows eingerichtet, die automatisierte Erinnerungen in Slack senden, KI-gestützte tägliche Zusammenfassungen generieren, um Meetingzeiten zu verkürzen, und Projektpläne über verschiedene Plattformen hinweg synchronisieren.
Slack hat kürzlich eine eigene Zusammenfassungsfunktion für Channel-Konversationen veröffentlicht, die unglaublich nützlich ist. Und wenn ich sicherstellen möchte, dass das Team über die neuesten Entwicklungen in Jira informiert ist, nutze ich einen Rovo-Agenten, um Änderungen an ausgewählten Feldern auf unseren Boards zusammenzufassen.
Rovo wird auch immer wertvoller, wenn es darum geht, Projekttrends zu erkennen, die wir dann in Retrospektiven und Learnings einfließen lassen können – hier gibt es einen Atlassian-Artikel dazu, wie das geht.
Das war besonders hilfreich, wenn Kunden unterschiedliche Ökosysteme wie Microsoft oder Google nutzen. Durch Workflows und KI-Integrationen, die diese Lücken überbrücken, bleiben alle abgestimmt – ohne jemanden zu einer bestimmten Lösung zu zwingen.
Das war besonders hilfreich, wenn Kunden unterschiedliche Ökosysteme wie Microsoft oder Google nutzen. Durch Workflows und KI-Integrationen, die diese Lücken überbrücken, bleiben alle abgestimmt – ohne jemanden zu einer bestimmten Lösung zu zwingen.
Mit agentischen Workflows die Effizienz in der Abwicklung steigern
Wir experimentieren in allen Bereichen – auch mit agentischen Workflows. Wir haben unser eigenes Orchestrierungstool entwickelt und testen kontinuierlich verschiedene Ingestionspunkte.
Der Fokus liegt auf allen Phasen der Abwicklung:
- Strategische Einblicke
- Dokumentation des Designs
- Projektüberwachung und
- Technische Umsetzung
Wir befinden uns immer noch im Iterationsprozess, aber wir erwarten erhebliche Effizienzgewinne, sobald diese Systeme ausgereifter sind.
Warum die Integration von KI-Tools in Delivery-Workflows weiterhin herausfordernd bleibt
Trotz allem ist es immer noch viel schwieriger als nötig, Integrationen für das einzurichten, was ich als gängige Geschäftsprobleme kenne.
KI führt mich zwar bereitwillig durch die einzelnen Schritte, aber ich würde es bevorzugen, wenn sie die Einrichtung einfach für mich übernehmen könnte. Die Ausführung über verschiedene Systeme wie Google oder Microsoft ist wegen der abgeschotteten Ökosysteme jedoch ein anderes Thema.
Eine weitere Überraschung – oder besser gesagt Frustration – ist die schiere Vielfalt an Modellen und Tools. Je nachdem, welches Tool und welche Spezialisierung man nutzt, erhält man wirklich ganz unterschiedliche Antworten. Es kostet also Zeit, den Überblick zu behalten und sie an realen Use Cases zu testen.
Warum KI eine zukünftige Führungslücke im Projektmanagement verursachen könnte
Projektmanager sind Verbindungsglieder und Kommunikationsprofis. In fünf Jahren, denke ich, wird KI 90 Prozent der Datensammlung und -analyse übernehmen, die wir heute durchführen.
Das bedeutet, PMs müssen sich noch stärker auf Führung, Kundenmanagement und soziale Kompetenzen konzentrieren – ihre Jobs werden nicht verschwinden, aber sie werden sich verändern.
Projektmanager verschwinden nicht. Die Aufgaben werden einfach anders sein.
Die größte Herausforderung wird in der Zeit bis dahin die Nachwuchslücke sein, die wir erleben werden.
Wenn KI all die Fleißarbeit übernehmen kann, die bisher Praktikanten oder Junior PMs erledigt haben, müssen wir völlig neue Einstiegsrollen für Projektmanager schaffen – möglicherweise mit Schwerpunkt auf Datenbank- und Prompt-Arbeit – um eine Pipeline an Kandidaten für die künftigen Führungspositionen zu sichern. Andernfalls gibt es niemanden, der in diese Führungsrollen hineinwachsen kann.
Ich denke außerdem, dass sich die Personalplanung stark verändern wird. Anstatt statischer Rollen wird es kurzfristige Bedarfe geben, etwa für Prompt Engineering, KI-Validierung oder Integrationsaufbau.
Die Rollen werden sich von Projekt zu Projekt flexibel verändern, und PMs müssen Experten darin sein, diese Mischungen zusammenzustellen und zu steuern.
Ratschläge für Delivery-Leader, die sich an die KI-Ära anpassen
Verkomplizieren Sie es nicht – fangen Sie einfach an, die Tools zu nutzen. Jeder sieht so aus, als wüsste er, was er tut, aber die meisten arbeiten sich Schritt für Schritt heran.
Jeder sieht so aus, als wüsste er, was er tut, aber die meisten arbeiten sich Schritt für Schritt heran.
Sie sind nicht im Rückstand. Wir haben alle Zugang zur gleichen KI. Der Unterschied liegt darin, ob Sie Zeit investieren, um zu experimentieren und herauszufinden, was tatsächlich funktioniert.
Folgen Sie mit
Bleiben Sie mit Lauren auf LinkedIn und ihrer Website verbunden. Und behalten Sie die laufende Arbeit ihres Teams bei Code and Theory im Auge.
Weitere Experteninterviews folgen auf The Digital Project Manager.