Berater mit jahrzehntelanger Erfahrung erklärt, warum KI ein strategischer Denkpartner und kein Projekttreiber sein sollte
Mike Hannan ist Gründer und Hauptberater bei Fortezza Consulting. Mit jahrzehntelanger Erfahrung als Coach für Projektleiter auf allen Ebenen hat er seine Karriere darauf verwendet, Organisationen dabei zu unterstützen, komplexe Liefersysteme zu navigieren, Portfolios zu optimieren und konventionelle Denkweisen in Frage zu stellen.
Mike Hannan
Gründer und Hauptberater bei Fortezza Consulting
KI sollte als strategischer Denkpartner und nicht als Treiber der Lieferung agieren: Hannan argumentiert, dass KI hervorragend Vorlagen generieren, Inhalte zusammenfassen und Szenario-Alternativen bewerten kann, aber keine echte Einsicht in tiefgreifende Komplexität besitzt.
Menschliches Urteilsvermögen bleibt bei komplexen Projekten unerlässlich: Während KI Routinetätigkeiten (wie Protokolle von Besprechungen oder einfaches Modellieren) übernehmen kann, sind Menschen weiterhin für soziale, emotionale und tiefgehende strategische Arbeit notwendig.
KI-Orchestrierung und Systemdenken werden die Führungskräfte der Zukunft auszeichnen: Hannan ist überzeugt, dass der eigentliche Mehrwert bei jenen liegt, die KI intelligent orchestrieren können, indem sie mit systemischem Verstehen auf Portfolioebene den ROI maximieren und komplexe Probleme effektiver lösen als Spezialisten mit rein technischem Tiefenfokus.
Mike Hannan ist Gründer und Hauptberater bei Fortezza Consulting. Mit jahrzehntelanger Erfahrung im Coaching von Projektleitern auf allen Ebenen hat er seine Karriere darauf ausgerichtet, Organisationen dabei zu unterstützen, komplexe Lieferstrukturen zu meistern, Portfolios zu optimieren und konventionelle Denkweisen in Frage zu stellen.
In diesem Gespräch erklärt Mike, wie er KI einsetzt – nicht, um Projektpraktiken zu ersetzen, sondern um Teams dazu zu bringen, bessere Fragen zu stellen, falsche Gewissheiten zu vermeiden und näher an die wirklichen Leistungshebel heranzukommen.
Das Verständnis systemischer Leistungsfaktoren ist im KI-Zeitalter wichtiger denn je
Ich bin Gründer und Hauptberater von Fortezza Consulting, wo ich Führungskräfte auf allen Ebenen dabei unterstütze, die Performance ihrer Projektportfolios zu verbessern. Das bedeutet, ihnen zu helfen, systemischer zu denken – besonders in Umgebungen, die von Beschränkungen, Abhängigkeiten und nun auch von KI geprägt sind.
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
Meiner Meinung nach ist es in einer KI-dominierten Welt wichtiger denn je, wirklich zu verstehen, was auf Systemebene die Leistung antreibt. Nur so kann man Komplexität besser bewältigen als die Konkurrenz.
KI kann das bisher noch nicht. Und sie wird dazu erst in der Lage sein, wenn sie besser darin ist, Müll von wertvollen Informationen zu unterscheiden.
Wie man KI für Projekttemplates, -lieferung und Portfolio-Optimierung nutzt
Die Projektabwicklung verändert sich. Ich stelle fest, dass der Bedarf an klassischen Projekttemplates stark zurückgegangen ist. Die meisten großen Sprachmodelle können mittlerweile solide Vorlagen erstellen und diese sogar an bestimmte Situationen anpassen.
Beispielsweise macht Claude das ziemlich gut. Ich könnte es folgendermaßen auffordern:
- „Bitte gib mir eine Vorlage für ein Projekt-Charter, angepasst an die Kosmetikbranche.“
- „Bitte gib mir eine Vorlage für ein Risikoregister, zugeschnitten auf die Nuklearenergiebranche.“
Von dort aus gehe ich in die Feinanpassung: „Fokussiere dich auf IT-Projekte in der Kosmetikbranche“ oder „Fokussiere auf Risiken bei der Entsorgung von Atommüll.“ Die Antworten sind schnell, flexibel und erstaunlich präzise.
Ich bin ebenfalls begeistert von neuen KI-Fähigkeiten, hunderte oder gar tausende Szenarien zu prüfen, um unter realen Beschränkungen die optimale Lösung zu finden – zum Beispiel, um das Projekt mit dem höchsten Wertbeitrag zu identifizieren.
Ein Beispiel, das mir gefällt, ist Lightning Motorcycle, das die KI-gestützten CAD-Tools von Autodesk einsetzte, um wesentlich optimalere Bauteile zu entwerfen, als menschliche Ingenieure es allein könnten.
Ein weiteres Beispiel ist TransparentChoice, das KI nutzt, um Kunden zu helfen, das Modell mit gestaffelter Reihenfolge zu bestimmen, das den Durchsatz unter Ressourcenbeschränkungen maximiert. So wird eine schwierige Frage vereinfacht: „Wie viele Projekte können wir gleichzeitig betreiben und trotzdem die höchste Abschlussquote erreichen?“
Wo KI in der Projektabwicklung Mehrwert bringt – und wo Menschen weiterhin unersetzlich sind
Routinetätigkeiten wie Besprechungsnotizen, Kernaussagen und Zusammenfassungen umfangreicher Inhalte werden von KI ebenfalls sehr effektiv erledigt. Allein das verschafft mir jede Woche mehrere Stunden zurück.
Dafür nutze ich meist Otter.ai, mein bevorzugtes Tool zur Aufnahme und Zusammenfassung von Besprechungen. Aber auch Werkzeuge wie Copilot funktionieren gut.
Bereiche, die weiterhin einen menschlichen Ansatz verlangen, sind vielfältig. Alles im sozialen Bereich oder in der Sozialarbeit – wo Mentoring, Empathie oder vertrauensvolle Beziehungen zählen – ist weiterhin stark von Menschen abhängig. Gleiches gilt für Tätigkeiten, die tiefes systemisches Denken oder kritische Urteilsfähigkeit erfordern.
Das sind weiterhin Domänen für Menschen.
Wie man KI in komplexe Arbeitsabläufe integriert und menschliches Urteilsvermögen zentral hält
Manchmal gehe ich weiter und setze ein Modell auf, das alles definiert, was zur Synchronisation der Arbeit über Personen, Funktionen und sogar Partner entlang der Lieferkette benötigt wird.
Weil KI überall dort in dieses Modell eingebaut werden kann, wo es sinnvoll ist. Menschen müssen dann je nach Leistungsfähigkeit des Mixes aus KI und menschlichen Akteuren nachregeln.
Hier ein einfaches Beispiel: Stellen Sie sich vor, ein/e Assistent/in geht in den Ruhestand und der/die Geschäftsführer/in ist verzweifelt über den Verlust dieser perfekt abgestimmten Unterstützung. Anstatt einen Ersatz einzustellen, bauen Sie ein Modell, das die Präferenzen abbildet:
- „Immer 15 Minuten zwischen Besprechungen“
- „Bevorzugte Fluglinie A, außer es gibt keinen Direktflug“
- „Fokuszeit darf nur unterbrochen werden, wenn Geschäftsführer A oder Kunde B darauf besteht“
Im Laufe der Zeit verfeinert sich das Modell und deckt 95 % der Szenarien gut ab.
Aber es gibt immer einen Punkt, an dem menschliches Urteilsvermögen unersetzlich ist – das Erfassen von emotionalen Signalen, kulturellen Nuancen oder sich verändernden Prioritäten. Was, wenn ein Familienbesuch nicht willkommen ist? Was, wenn ein Kunde zu sehr drängt? Was, wenn die Dringlichkeit des Chefs auf subtile Weise zunimmt? Genau hier ist die Kombination aus Mensch und KI besonders wertvoll.
In Projekten ist das Modell komplexer, aber das Prinzip bleibt das gleiche: Es wird gebaut, verfeinert und die Mischung aus KI- und menschlichen Akteuren so orchestriert, dass jeder genau das macht, worin er besonders effektiv ist.
KI versteht Komplexität nicht wirklich
Während KI mir hilft, weniger Zeit mit dem Zusammenfassen oder Destillieren von Informationen zu verbringen, erzeugt sie auch eine gefährliche Illusion: Dass die Modelle selbst tiefe Komplexität „verstehen". Das tun sie nicht.
Aufgrund dieser Illusion wünschen sich viele Kunden schnellere Ergebnisse, in der Hoffnung, dass KI das liefert, was sie als „schnelle Lösungen" betrachten. Um sie dabei zu unterstützen, setze ich auf Flussbeschleunigungs-Techniken, die sich auf die Engpasstheorie und Lean stützen. Diese Ansätze helfen, Projekte schneller voranzubringen, ohne Abstriche zu machen.
Und wenn es darum geht, Erwartungen zu formulieren, ermutige ich Kunden meist, größere Ziele zu setzen – und auf noch mehr Beschleunigung zu hoffen. Bescheidene Ziele führen meist nur zu bescheidenen Ergebnissen.
Meine heutige Rolle ist also weniger, Zusammenfassungen zu liefern oder Kernaussagen zu präsentieren, sondern vielmehr Führungskräfte dazu zu bringen, innezuhalten, zurückzutreten und ihre Annahmen zu hinterfragen. Hier liegen die echten Leistungsgewinne.
Wie man KI nutzt, um Annahmen zu hinterfragen und kritisches Denken zu fördern
Ich nutze KI als Zielscheibe, nicht als Lösung. Sie ist da, um herausgefordert zu werden. Sie ist ein Denkanstoß, kein Steuerungsinstrument.
Ich nutze KI als Zielscheibe, nicht als Lösung. Sie ist da, um herausgefordert zu werden. Sie ist ein Denkanstoß, kein Steuerungsinstrument.
Ein gutes Beispiel ist es, die generischen, oberflächlichen Antworten, die LLMs generieren, als Ausgangspunkt für die Kritik zu nehmen. Ich fordere Kunden auf, diese Antworten gezielt auseinanderzunehmen:
- „Was müsste stimmen, damit das falsch ist?“
- „In welchem Kontext könnte das völlig danebenliegen?“
Diese Fragen trainieren sie darauf, klügere Folge-Prompts zu entwickeln, die oft zu echten Erkenntnissen führen.
Und sie schärfen damit auch ihr kritisches Denken – was gerade heute besonders wichtig ist. Es ist erstaunlich, wie anfällig die meisten von uns für Bestätigungsfehler sind. Wenn KI eine Antwort liefert, die das eigene Weltbild stärkt, fühlen sich viele bestätigt – und schalten ihr kritisches Denken ab.
Das ist nicht nur erstaunlich; es ist beängstigend.
Modernisierung der Projektdurchführung und Maximierung des ROI
Für mich ist jede Technik oder Herangehensweise, die dabei hilft, den ROI eines Projektportfolios zu maximieren – anstatt bloß die Status-quo-Baselines zu verwalten, ohne nach höherwertigen Alternativen zu suchen – Gold wert. Das ist nicht immer „leichtgewichtig“, nimmt den Leuten aber etwas Last ab und erhöht zugleich den Gesamteinfluss.
Einige Beispiele, die ich mit Kunden einsetze – und die alle in der kommenden PMBOK 8. Ausgabe (an deren Erstellung ich mitgewirkt habe) enthalten sein werden – sind Value Breakdown Structures, Critical Path Drag und Critical Path Drag Cost.
Diese erweitern das traditionelle Konzept des kritischen Pfads um die Wert-Komponente. Wenn ich zum Beispiel den kritischen Pfad um einen Monat verkürzen kann, es aber $200K kostet – übersteigt der zusätzliche Wert die Kosten?
Weitere leistungsstarke Ansätze sind unter anderem:
- Critical Chain Project Management (CCPM) sowohl auf Projekt- als auch Portfolioebene – um den Durchsatz und die Termineinhaltungsquote zu maximieren.
- Analytic Hierarchy Process (AHP) – für die Auswahl von Projekten mit höherem Wert.
Jede dieser Methoden zielt darauf ab, den ROI zu maximieren, nicht nur die Auslieferung zu verwalten.
Agentische Workflows sind den Aufwand (noch) nicht wert
Wenn KI dazu in der Lage wäre, proaktiv höherwertige Alternativen zu präsentieren – ohne dazu aufgefordert zu werden –, wäre das ein echter Durchbruch. Dann wäre KI nicht mehr bloß ein Werkzeug, sondern würde zu einem wirklich beitragenden Teammitglied werden.
Ich habe angefangen, dieses Konzept konzeptionell zu erproben. Es gibt einige vielversprechende Modelle, die agentische Workflows benutzerfreundlicher und massentauglich machen könnten. Doch sie erfordern immer noch einen beträchtlichen Initialaufwand, um sie auf den einzigartigen Kontext jeder Organisation anzupassen.
Sogar etwas Einfaches – wie einem Agenten beizubringen, meine Reisevorlieben zu verstehen und komplette Reiserouten vorzuschlagen – hat bisher mehr Zeit für das Training beansprucht, als es mir eingespart hat. Aber sobald er wirklich gelernt hat, bin ich überzeugt, dass sich der Nutzen umkehren wird, und dieses Prinzip wird dann auch bei der Projektabwicklung gelten.
Warum Menschen, die KI meistern, die Projektabwicklung neu gestalten werden
Letztendlich glaube ich nicht, dass KI die Projektabwicklung neu gestalten wird. Ich glaube, die Menschen, die lernen, KI zu beherrschen und zu orchestrieren, werden sie neu gestalten.
Letzten Endes glaube ich nicht, dass KI die Projektabwicklung neu gestalten wird. Ich denke, die Menschen, die lernen, KI zu meistern und zu orchestrieren, werden sie neu gestalten.
Und sehr komplexe, sogar sogenannte „bösartige“ Probleme werden anfangen, einfachere und elegantere Lösungen zu produzieren – schneller als je zuvor, ermöglicht durch die enorme Rechenleistung agentischer KI.
Warum Breadth-First-Denken die nächste Generation der Delivery-Leader prägen wird
Mein Rat ist einfach: Zuerst in die Breite denken.
Die meisten von uns haben gelernt, dass sich spezialisierte und technisch tiefgehende Experten finanziell mehr lohnen als Generalisten. Das war jahrzehntelang zutreffend. Doch je mehr KI technisch anspruchsvolle Probleme schneller und effektiver lösen kann als Menschen, desto wertvoller wird das umfassende, end-to-end-basierte und systemische Wissen.
Je mehr KI technisch anspruchsvolle Probleme schneller und effektiver lösen kann als Menschen, desto wertvoller wird das umfassende, end-to-end-basierte und systemische Wissen.
Wenn Sie letztlich nicht genug über den gesamten Umfang eines Problems wissen, um ein Netzwerk von KI-Agenten dafür einzusetzen, dessen Lösung zu unterstützen, wird Ihr Wert auf dem Arbeitsmarkt schwinden.
Bleiben Sie dran
Sie können Mikes Arbeit auf LinkedIn verfolgen und mehr zu seinem Beratungsangebot bei Fortezza Consulting erfahren.
Weitere Experteninterviews folgen demnächst auf The Digital Project Manager.