Welche Projektmanagemententscheidungen KI-Agenten treffen können – und welche nicht

Galen Low: Mit agentischer KI im Mix hat sich die KI-Technologie von einem Werkzeug zu einem Teammitglied entwickelt. Gut, aber darin liegen nicht die kompliziertesten Aspekte. Die komplizierten Aspekte bestehen darin, dass KI-Agenten oft Teammitglieder sind, die besser trainiert wurden als Sie, anders arbeiten als Sie und möglicherweise nach völlig anderen Maßstäben bewertet werden als Sie und Ihre menschlichen Teamkollegen.

Wahrscheinlich wurden sie ohne Handbuch geliefert, sind vermutlich so konfiguriert, dass sie Entscheidungen treffen, die Sie lieber selbst treffen würden, und waren wahrscheinlich noch nicht vorhanden, als Ihr Team seine Vereinbarungen zur Zusammenarbeit festgelegt hat. Im Grunde ist es so, als würden Ihnen über Nacht Dutzende neue Teammitglieder aus einer völlig anderen Organisation zugewiesen. Wenn Sie schon einmal eine Fusion oder Übernahme erlebt haben, wissen Sie, dass das wirklich, wirklich chaotisch werden kann.

Aber man kann diese Herausforderung durchaus bewältigen, und die potenziellen Vorteile sind zweifellos real. Für diese Episode wollte ich deshalb etwas anders machen. Ich wollte ein Gespräch aus einer unserer Live-Veranstaltungen teilen, die von Tim Fisher und dem Team von Wrike veranstaltet wurde. Darin geht es darum, wie KI-Agenten bei projektbasierter Arbeit tatsächlich einen Unterschied machen und welche Voraussetzungen erfüllt sein müssen, damit die Einführung agentischer KI erfolgreich ist.

In ihrem Gespräch sprechen sie darüber, warum mehr Daten nicht unbedingt besser sind, welche Entscheidungen Menschen und welche ein Agent treffen sollten und warum Bildung – nicht nur Zugang – für die erfolgreiche Einführung organisationsweiter, agentengesteuerter Arbeit entscheidend ist. Bevor wir einsteigen, möchte ich Ihnen zunächst etwas Kontext geben.

Tim war bei dieser Veranstaltung nämlich nicht nur der Gastgeber. Er baut tatsächlich innerhalb der Muttergesellschaft von The Digital Project Manager, Black and White Zebra, eine agentische Belegschaft auf. Mit anderen Worten: Er erlebt diese agentische Transformation und alle damit verbundenen Herausforderungen unmittelbar. Eines der Themen, über die wir kürzlich gesprochen haben, war die Idee, bei null anzufangen, die bisherigen Arbeitsweisen zu verlernen und unsere agentischen Prozesse von Grund auf neu zu entwickeln – ohne den ganzen Ballast.

Für Menschen ist das schwierig. Oft sind unsere Identitäten eng mit unseren Berufsbezeichnungen und Verantwortlichkeiten verbunden. Wir werden nicht oft aufgefordert, uns außerhalb dieses Rahmens zu betrachten. Und wenn wir es doch tun, ist die leere Leinwand häufig zu groß, um unsere Wünsche mit dem abzugleichen, was unsere Arbeitgeber von uns sehen möchten. Es fühlt sich wie ein Ratespiel an – ein Ratespiel, bei dem wir und unsere Teams möglicherweise unsere Arbeitsplätze verlieren könnten.

Aber auch der Bildungsaspekt kann gar nicht hoch genug eingeschätzt werden. Ja, von uns allen wird inzwischen erwartet, dass wir Dinge entwickeln und die Rolle des Menschen in der Schleife übernehmen. Aber was bedeutet das wirklich, und wie können wir unseren Leuten helfen, dorthin zu gelangen, anstatt ihnen einfach Werkzeuge hinzustellen und zu erwarten, dass sie sich selbst weiterentwickeln? Letztlich scheint sich der große Wandel auf Verantwortlichkeit, Risiko und organisatorischen Kontext zu konzentrieren.

In einer agentischen Welt verwaltet jetzt jeder autonome Akteure, die miteinander zusammenarbeiten – manchmal in einer Blackbox. Was wir diesen Akteuren anvertrauen und was wir als menschliche Verantwortung behalten, muss sich an der Schwere des Risikos, der zwischenmenschlichen Empathie und den Auswirkungen dessen orientieren, was es bedeutet, ein Projekt oder einen Arbeitsbereich wirklich zu verantworten.

Nicht nur an den Fähigkeiten der Technologie. Übertragen wir das also auf ein projektspezifisches Szenario. Stellen Sie sich vor, ein KI-Agent hilft Ihnen dabei, ein Projekt zu besetzen. Er weiß, wer verfügbar ist, welche Fähigkeiten die Personen besitzen, woran alle gerade arbeiten und vielleicht sogar, welche Personenkombinationen in der Vergangenheit Projekte am erfolgreichsten umgesetzt haben.

Er könnte innerhalb von Sekunden einen Ressourcenplan erstellen, für den Sie sonst Stunden benötigen würden. Fantastisch. Aber was ist, wenn dieser Ressourcenplan vorsieht, Lucia, Ihre beste Entwicklerin, aus einem anderen Projekt abzuziehen, das bald in Verzug geraten wird, weil Amireth, die leitende Designerin, gerade ihre Großmutter verloren hat und versucht, ihre Trauer zu bewältigen, während sie mit 80 % ihrer üblichen Produktivität weiterarbeitet, um weiterhin für die Zahnspange ihrer Tochter zu sparen?

Ihre agentische Belegschaft verfügt möglicherweise über alle Informationen, die sie für eine Empfehlung benötigt. Aber bedeutet das, dass ein Agent auch die Entscheidung treffen sollte? Denn jetzt sprechen wir nicht mehr nur über die Optimierung einer Tabelle. Wir sprechen über Kundenbeziehungen, geschäftliche Prioritäten, Lieferzusagen und – besonders wichtig – über die Auswirkungen auf echte Menschen.

Und ich glaube, genau hier wird das nächste Kapitel von KI und Projektmanagement besonders spannend. Es geht nicht einfach darum herauszufinden, wozu KI fähig ist. Es geht darum herauszufinden, welche Verantwortlichkeiten wir an KI delegieren sollten, welche Entscheidungen bei Menschen bleiben müssen und welche Art von Kontrolle wir benötigen, wenn unsere KI-Teamkollegen im Hintergrund arbeiten.

Es ist ein komplexes Rätsel, für das wir das richtige Gleichgewicht finden müssen. Und vielleicht am wichtigsten: Es ist keine Plug-and-Play-Lösung. Es geht um einen Bereich, in dem wir Gespräche über Urteilsvermögen und Ermessensspielräume führen müssen, in dem wir unsere Mitarbeiter weiterbilden und entwickeln müssen, damit sie erfolgreich sind, wenn sich die Dinge verändern, und in dem wir uns selbst die Erlaubnis und Sicherheit geben müssen, einen Teil des Ballasts abzuwerfen und unsere Rollen danach auszurichten, was wir am besten können.

Genau das hat Tim in seinem Gespräch mit dem Team von Wrike untersucht. Ohne weitere Umschweife folgt nun das Gespräch, das mein am meisten geschätzter KI-Experte Tim Fisher mit Nancy und Andras von Wrike über die Auswirkungen agentischer KI auf das heutige Projektmanagement geführt hat. Ich hoffe, Ihnen gefällt die Episode.

Tim Fisher: Hallo und willkommen bei „Die Zukunft der KI im Projektmanagement“. Hier gehen wir über Präsentationsfolien hinaus und schauen uns an, wie KI tatsächlich die Art und Weise verändert, wie Teams Arbeit planen, liefern und organisieren. Heute stellen wir Wrike vor. Wir betrachten, wie KI Projektverantwortlichen helfen kann, früher bessere Entscheidungen zu treffen – von der Frage, wie ein Projekt besetzt wird, bis hin zur Erkennung von Lieferrisiken, bevor daraus weitaus größere Probleme entstehen. Anschließend werfen wir einen Blick darauf, was passiert, wenn KI eine aktivere Rolle bei der Lieferung von Arbeit übernimmt.

Heute begrüßen wir Andras Horvath, Director of Product für KI und Analytik bei Wrike. Andras verfügt über mehr als 15 Jahre Erfahrung in der Entwicklung von B2B-Produkten mit Schwerpunkt auf Daten, Analytik und KI. Außerdem begrüßen wir Nancy Boas, Senior PMM, KI bei Wrike.

Nancy leitet die Markteinführungsstrategie und die Kommunikation für Wrikes KI-gestützte Lösungen für Arbeitsmanagement. Ihr Schwerpunkt liegt darauf, wie KI die Zusammenarbeit von Teams verändert.

Andras, Nancy, herzlich willkommen. Vielen Dank, dass ihr da seid.

Nancy Boas: Vielen Dank. Wir freuen uns sehr, heute dabei zu sein.

Andras Horvath: Ich freue mich sehr, hier zu sein, Tim. Vielen Dank für die nette Einführung.

Tim Fisher: Für alle, die Wrike noch nicht kennen: Könnt ihr uns die Version in 30 Sekunden geben? Was macht eure Plattform? Für wen wurde sie entwickelt?

Andras Horvath: Was die Plattform selbst betrifft: Wrike ist eine Plattform beziehungsweise im Grunde ein zentraler Ort, an dem Menschen ihre Arbeit planen, verfolgen und erledigen können. Wir haben KI entwickelt, um Teams und Einzelpersonen zu unterstützen und sicherzustellen, dass ihnen die gesamte Routinearbeit abgenommen wird.

In den vergangenen sechs bis neun Monaten haben wir uns jedoch auch stark auf die Umsetzung von Arbeit konzentriert, denn KI kann Einzelpersonen unterstützen oder Menschen helfen, Arbeit schneller zu erledigen – etwa durch die Erstellung von Inhalten und Zusammenfassungen. Man kann KI auch dazu verwenden, Teile der Arbeit zu automatisieren. Darauf haben wir uns zuletzt konzentriert.

Tim Fisher: Das ist sehr interessant. Es scheint sich ein wenig von einigen anderen Produkten in diesem Bereich zu unterscheiden. Eure Philosophie lautet also: KI sollte auch dabei helfen, Arbeit zu erledigen – und nicht nur beim Personalmanagement unterstützen, was meiner Meinung nach meistens im Vordergrund steht. Was bedeutet das in der Praxis?

Andras Horvath: Das bedeutet konkret, dass KI als Teammitglied agieren kann, das Ihnen hilft, die Arbeit zu erledigen – nicht nur als Werkzeug, mit dem Sie sich selbst beschleunigen, oder als Arbeitsmanagementplattform, auf der Sie lediglich die Arbeit koordinieren.

Sie können ein KI-Teammitglied einrichten, das wir bei Wrike gern „Workmate“ nennen. Dieses Teammitglied kann über eigene Kapazitäten verfügen und Sie bei der Umsetzung der Arbeit unterstützen. Ein Beispiel: KI kann Ihnen dabei helfen, Leistungsbeschreibungen auf Grundlage früherer Arbeiten zu entwerfen und sie an bestimmte Kundenanforderungen anzupassen, die in einem CRM-System wie Salesforce hinterlegt sind.

Oder Sie lassen KI automatisch Social-Media-Beiträge erstellen, sobald eine neue Funktion veröffentlicht wurde. Sie sitzen mit Ihrem Team zusammen, entwickeln etwas und liefern die Funktion aus. Danach übergeben Sie die Arbeit beispielsweise an Ihren Social-Media-Workmate. Dieser nimmt alle Projektinformationen und hilft Ihnen, den passenden Beitrag für Ihren Blog oder LinkedIn zu erstellen.

Er erstellt auch die Bilder und markiert Sie darin. Sie genehmigen alles, und die Arbeit wird erledigt. Dasselbe manuell zu erledigen, kann eine halbe Stunde, eine Stunde oder sogar länger dauern. KI wird also tatsächlich zu Ihrem Teammitglied.

Tim Fisher: Projektverantwortliche haben sicher Zugriff auf mehr Daten als je zuvor. Entscheidungen über Ressourcen und Projektrisiken hängen jedoch weiterhin von manuellen Aktualisierungen und Tabellen ab – oder, schlimmer noch, von Informationen, die erst eintreffen, nachdem bereits etwas schiefgegangen ist.

Wo siehst du heute die größte Lücke zwischen den Informationen, die Projektverantwortlichen zur Verfügung stehen, und den Entscheidungen, die sie tatsächlich treffen müssen?

Andras Horvath: Beginnen wir mit den Grundlagen beziehungsweise dem Fundament. Damit beschäftigen wir uns bei der Einführung auf einer grünen Wiese. Es geht darum, dass Daten über die gesamte Umgebung und das gesamte Ökosystem verteilt sind.

Es gibt Dateien auf SharePoint, Nachrichten in Teams oder Slack sowie Aufzeichnungen von Besprechungen oder die Besprechungen selbst. Alles ist verstreut. Alles ist überall. Wrike bietet einen Ort, an dem Sie diese Informationen tatsächlich zusammenführen können. Dadurch erhalten Sie den notwendigen Kontext, um Entscheidungen zu treffen.

Daten oder Kontext zu besitzen bedeutet jedoch nicht automatisch, dass man über die richtigen Erkenntnisse verfügt, um die richtigen Entscheidungen treffen zu können. Hier kann KI helfen, indem sie Rohdaten in Erkenntnisse umwandelt. Wenn ein Projekt bei Schritt B bereits fünfmal verzögert wurde, bedeutet das höchstwahrscheinlich, dass auch das nächste Projekt verzögert wird.

Das nennt man prädiktive Analytik, und solche Informationen können sichtbar gemacht werden. Wenn wir außerdem über Ressourcenplanung sprechen, haben viele Menschen im Kopf: „Ich weiß, dass Tim dies kann und Nancy jenes, aber wie sieht es mit ihrer Verfügbarkeit aus? Ich frage sie in Teams oder Slack.“

Wenn jemand ein System wie Wrike konsequent genutzt hat, wissen wir, welche Arbeit diese Person erledigt hat, wie hoch ihre Auslastung ist, wann sie verfügbar ist und so weiter. Bei scheinbar einfachen – wenn auch nicht ganz einfachen – Dingen wie der Ressourcenplanung kann KI innerhalb weniger Sekunden ein Projekt mit bis zu 137 Aufgaben starten. Denn Sie können entweder die Fähigkeiten der Personen eingeben, oder wir ermitteln diese automatisch.

Wir können die Auslastung bestimmen und vieles mehr. Soll das Projekt so schnell wie möglich fertiggestellt werden? Hier sind die Ressourcenaufteilungen. Sind Sie eine Organisation für Dienstleistungen und möchten Sie das Projekt so umsetzen, dass die Rentabilität maximiert wird, also mit den günstigsten verfügbaren Ressourcen?

Auch das können wir erledigen. Es gibt also sehr viele Optionen, die berücksichtigt werden können. Solange Sie über die Daten und die nötige Intelligenz verfügen, können Sie die erforderlichen Erkenntnisse gewinnen, um die richtigen Empfehlungen zu erhalten. Und wieder handelt es sich um eine langwierige Aufgabe, die in wenigen Sekunden erledigt wird.

Tim Fisher: Das ist wirklich beeindruckend. Du sprichst eindeutig davon, dass KI viel proaktiver agiert – insbesondere in eurem Produkt.

Ich stelle deshalb die Frage, die meiner Meinung nach jeder an diesem Punkt stellt: Wo sollte KI eine Entscheidung oder Empfehlung treffen? Wo muss weiterhin menschliches Urteilsvermögen übernehmen? Wie denkt ihr darüber nach?

Andras Horvath: Das ist eine sehr gute Frage, Tim. Um ganz offen zu sein: Diese Frage wird uns von vielen Kunden gestellt, mit denen wir arbeiten.

Meine Haltung ist ziemlich einfach: Wenn es einen gut bekannten Prozess gibt, den Sie automatisieren möchten, sollten Sie unbedingt KI einsetzen. Wenn es um Ausnahmefälle geht, ist KI vielleicht nicht der beste Ort. Sie können KI verwenden, um Ihr Denken zu unterstützen und die Markteinführungszeit zu verkürzen oder was auch immer Sie erreichen möchten. Ich würde jedoch nicht unbedingt etwas Unbekanntes an einen Agenten delegieren und ihn auffordern, es herauszufinden – es sei denn, es geschieht mit ständiger menschlicher Beteiligung und Unterbrechungsmöglichkeiten, damit er nicht außer Kontrolle gerät und Ihr gesamtes System oder Ihren Arbeitsbereich durcheinanderbringt.

Ein weiterer Faktor ist das Risiko. Handelt es sich um eine Aufgabe mit hohem oder niedrigem Risiko? Wenn etwas wenig riskant ist, etwa das Sortieren eingehender Anfragen oder die Aufnahme von Anfragen, um sicherzustellen, dass alle notwendigen Informationen vorhanden sind und die Anfrage bearbeitbar wird, kann KI diese Aufgabe übernehmen.

„Ich habe dieses Ticket geprüft. Die meisten Informationen sind vorhanden. Es fehlt jedoch etwas. Ich kontaktiere den Kunden per E-Mail, Slack oder über einen anderen Kanal und besorge diese Information.“ Sobald sie vorliegt, ist die Anfrage zur Umsetzung bereit und wird zum Beispiel in den Rückstand aufgenommen.

Wenn wir uns jedoch die Ressourcenplanung ansehen und ein Projekt verspätet ist, besteht eine Möglichkeit, es wieder auf Kurs zu bringen, darin, einen wichtigen Entwickler oder eine andere wichtige Person aus einem anderen Projekt abzuziehen. Dadurch wird sich Projekt B jedoch verzögern. Ein Mensch sollte weiterhin entscheiden, ob diese Person versetzt werden soll oder nicht. Diese Entscheidung hat weitaus größere Auswirkungen, als fehlende Informationen einzuholen.

Allgemein gesagt, sollte man sich fragen: Handelt es sich um einen bekannten Prozess? Ist das Risiko oder die Auswirkung hoch oder niedrig? Das sind die Dinge, die man meiner Meinung nach immer berücksichtigen sollte, denn menschliches Urteilsvermögen lässt sich letztlich durch nichts ersetzen.

Tim Fisher: Ich höre viele Diskussionen über Menschen im Vergleich zu KI und über Entscheidungen – sowohl thematisch als auch konzeptionell und sogar philosophisch. Gleichzeitig fallen viele neue Begriffe.

Ich glaube, ich habe dich vorhin MCP erwähnen hören. Wir haben sicherlich auch schon über Begriffe wie Agent gesprochen. Ich weiß, dass nicht jedes Unternehmen, das eure Werkzeuge nutzt, besonders erfahren im Umgang mit KI ist. Wie könnt ihr den Menschen helfen, diese Hürde zu überwinden? Gibt es Möglichkeiten, etwas über KI zu lernen, bei denen ihr sie unterstützen könnt?

Ich höre oft die Rückmeldung, dass das alles sehr viel ist. Mich interessiert, wie ihr darüber denkt, Menschen bei diesen Hürden zu helfen.

Nancy Boas: Ja, gern. Es gibt einige Möglichkeiten, wie wir Menschen weiterbilden. Es herrscht die Erkenntnis, dass sehr viel über KI, Agenten und sogar darüber gesprochen wird, ein Entwickler zu sein. In der Praxis wissen Unternehmen jedoch wirklich nicht, wie man einen Agenten erstellt.

Deshalb haben wir mehrere Dinge unternommen. Wir verfügen über eine großartige Bildungsabteilung, die sich traditionell mit unseren Funktionen, der Wrike-Administration und Governance beschäftigt hat. Vor einigen Monaten hat sie jedoch die „AI Elite Mastery“ gestartet. Das ist ein vierstündiger Kurs, den jeder absolvieren kann. Am Ende erhalten die Teilnehmer ein Zertifikat. Sie lernen dort alles – von den besten Vorgehensweisen beim Erstellen von Eingabeaufforderungen bis hin zum tatsächlichen Aufbau eines Agenten.

Das ist eine unserer Maßnahmen. Außerdem haben wir eine siebenwöchige KI-Sommerschule durchgeführt, ein praktisches Bildungsprogramm, das jeden Freitag stattfand. Dadurch wurden deutlich mehr Agenten entwickelt, und viel mehr Menschen haben sich beteiligt und ihre Bereitschaft signalisiert.

Außerdem habe ich einen Link zu den Workmates geteilt. Wir verfügen auch über eine Online-Community. Dort teilen wir Beispiel-Prompts und Anwendungsfälle, und andere können ebenfalls ihre Anwendungsfälle für Agenten beitragen.

Denn letztlich geht es in dieser neuen, mutigen Welt darum, einander zu helfen und Erfahrungen untereinander auszutauschen.

Tim Fisher: Das ist großartig. Ich freue mich, das zu hören. Ich habe euch über Kontext, Kontrolle und Zusammenarbeit als Voraussetzungen für KI in Unternehmen sprechen hören. Warum sind diese Dinge besonders wichtig, wenn KI beginnt, mit echten Projektdaten und echten Arbeitsabläufen zu arbeiten?

Andras Horvath: Wenn man über Kontext nachdenkt, kann KI ohne Kontext selbstbewusst falsche Antworten geben oder im besten Fall so allgemein wie möglich bleiben. Nehmen wir ein einfaches Beispiel: Sie bitten irgendeine KI, eine Projektstruktur beziehungsweise einen Projektstrukturplan zu erstellen. Sie verwendet entweder das Wissen, mit dem sie trainiert wurde, oder durchsucht das Internet, um herauszufinden, wie man ein Projekt am besten aufsetzt – und tut es dann.

Ist das gut oder schlecht? Es ist eine allgemeine Art, ein Projekt aufzusetzen, die in bestimmten Fällen funktionieren kann – vor allem, wenn Sie nicht viele Projekte durchführen. Als großes Unternehmen verfügen Sie jedoch normalerweise über eine Methodik, die Sie über Jahre oder Jahrzehnte entwickelt haben. Bei jedem neuen Projekt müssen bestimmte Dinge berücksichtigt werden.

Ein klassisches Beispiel ist die Frage, welche Entscheidungen genehmigt werden müssen und welche Person, Organisation oder Rolle diese Genehmigungen erteilen muss. Wenn Sie Ihren KI-Assistenten mit Wrike verbinden und Wrike konsequent genutzt haben, befindet sich dieses gesamte Wissen bereits dort.

Ihr KI-Assistent verwendet diese Informationen, um den Projektstrukturplan so einzurichten, dass er mit der Organisation übereinstimmt, der Sie angehören. Genau deshalb ist Kontext wichtig. Erstens geht es darum, Zugriff auf Daten zu haben. Zweitens geht es darum, diese Daten so zu nutzen, dass die Ergebnisse auf die Bedürfnisse Ihrer Organisation zugeschnitten werden können.

Bei der Kontrolle möchten Sie wiederum sicherstellen, dass Ihre KI nicht völlig außer Kontrolle gerät. Sie müssen sicherstellen, dass der Agent, den Ihre KI beispielsweise verwendet, über klare Berechtigungen und eine Identität verfügt und am Ende nachvollziehbar ist. Deshalb protokollieren wir alles, wenn Sie einen KI-Agenten in Wrike einbinden.

Wenn Sie mit Ihrem KI-Agenten sprechen, wenn er Ihre Genehmigung oder Eingaben anfordert, geschieht dies über den Kommentarverlauf von Wrike. Alle Entscheidungen und alle Vorgänge sind somit im System nachvollziehbar. Wenn Sie sich beispielsweise die Wrike-Agenten ansehen, die wir vor etwa einem Jahr veröffentlicht haben, sehen Sie in deren Protokollen nicht nur, dass ein Datensatz gelöscht wurde. Sie sehen auch, welcher Datensatz gelöscht wurde und aus welchem Grund dies auf Grundlage welcher Daten geschah.

War ein Mensch beteiligt? Welche Anweisung hat der Agent erhalten? Warum wurde genau diese Aktion durchgeführt? Für die meisten Unternehmen ist das äußerst wichtig. Sie möchten tatsächlich wissen, warum sich der Agent so verhalten hat. Bei Menschen fragt man dagegen nicht unbedingt, warum jemand einen Datensatz gelöscht hat – oder man klärt es in einem Gespräch am Wasserspender.

Kontrolle ist also sehr wichtig. Man muss sicherstellen, dass man der Arbeit der KI tatsächlich vertrauen kann. Wie du gesagt hast, ist das schwierig. Viele Menschen wissen nicht, wie man mit KI arbeitet, und vertrauen ihr nicht. Kontrollen und Schutzvorkehrungen erhöhen dieses Vertrauen.

Schließlich gibt es die Zusammenarbeit, die ich vorhin bereits angesprochen habe. Wenn man ein kollaboratives Arbeitsmanagementsystem verwendet, heißt es nicht ohne Grund kollaborativ. Sie arbeiten an einer Aufgabe und kennen nicht alle Einzelheiten. Also markieren Sie jemanden und sagen: „Hey, kannst du mir helfen, das herauszufinden?“

Genauso sprechen Sie auch mit den Agenten. Sie weisen ihnen Arbeit zu, so wie Sie Arbeit an Kollegen verteilen. Sie erwähnen sie mit @, stellen Fragen, holen Informationen ein und geben Anweisungen. Die Zusammenarbeit zwischen Menschen und KI sorgt dafür, dass sich die KI so verhält, wie sie soll.

Deshalb sind Kontext, Kontrolle und Zusammenarbeit unserer Ansicht nach die drei wichtigsten Säulen, damit KI bestmöglich funktioniert. In diese drei Säulen investieren wir kontinuierlich.

Tim Fisher: Ich mag die Art, wie ihr darüber denkt – insbesondere diesen Aspekt von Kontrolle und Transparenz, in den ihr sehr tief eingestiegen seid. Für alle, die zuhören, kann ich gar nicht genug betonen, wie wichtig das ist: der Übergang vom Vertrauen in Menschen zu einer Welt, in der ein autonomes, unsichtbares System im Hintergrund Arbeit erledigt.

Wie du gesagt hast, gehört bei Menschen vieles einfach dazu – etwa Gespräche am Wasserspender. In einer Welt, in der ein autonomes, unsichtbares System im Hintergrund arbeitet, muss man wissen können, warum all diese Entscheidungen getroffen wurden. Darüber wird meiner Meinung nach nicht genug gesprochen. Dafür gebührt euch Anerkennung.

Das führt uns zu einer Frage, die vielleicht nicht mehr allzu weit in der Zukunft liegt: Wenn KI und KI-gestützte Agenten immer mehr dieser Arbeit übernehmen, womit verbringt der Projektmanager dann eigentlich mehr Zeit? Diese Frage taucht häufig im Zusammenhang mit Automatisierung und der Wirtschaft allgemein auf. Wir nehmen all diese monotonen Aufgaben weg oder lassen Agenten und KI Dinge erledigen, die sie in großem Maßstab effektiver erledigen können.

Was bleibt dann für uns übrig? In dieser Welt würde ich gern eure Gedanken dazu hören.

Nancy Boas: Ehrlich gesagt denke ich, dass Menschen mehr angenehme Arbeit erledigen. Wer möchte schon den halben Tag mit der Aufnahme und Sortierung von Formularen verbringen? Einer unserer Kunden, Jellyfish, ist beispielsweise eine Werbeagentur. Ich habe bei unserer virtuellen Konferenz, einer Nutzerkonferenz, eine Breakout-Session für sie durchgeführt.

Sie verbringen deutlich mehr Zeit mit ihren Kunden. Sie erledigen weniger Routinearbeit, führen dafür aber intelligentere Gespräche. Sie beseitigen Hindernisse, die früher bei Projekten auftraten. Für Projektmanager bedeutet das meiner Meinung nach, dass sie anfangen müssen, Agenten und KI als alltägliche Assistenten zu betrachten.

Wir alle haben Menschen zu verwalten, aber auch KI und Agenten. Diese nehmen uns die langweiligen Aufgaben ab. Trotzdem gibt es weiterhin Arbeit zu erledigen – hoffentlich zunehmend die angenehmeren Dinge wie Strategie, Problemlösung und das Erreichen übergeordneter Ziele.

Andras Horvath: In meinem Produktmanagerteam wird beispielsweise deutlich weniger Zeit dafür aufgewendet, eine Spezifikation zu schreiben. Das erledigen wir mit Unterstützung von KI. Auch Überprüfungen erfolgen mit Unterstützung von KI. Die Umwandlung dieser Spezifikation in einen Projektstrukturplan und anschließend die Besetzung dieses Projektstrukturplans erfolgen ebenfalls mit Unterstützung von KI.

All das geschieht nicht augenblicklich, aber deutlich schneller als früher – selbst wenn Menschen weiterhin beteiligt sind. Der durchschnittliche Produktmanager verbringt heute tatsächlich mehr Zeit damit, unsere Kunden zu interviewen, sich intensiver mit dem Problemraum zu beschäftigen und beispielsweise zu verstehen, welche Themen wir verfolgen müssen.

Produktmanager verbringen mehr Zeit mit Validierung, Anpassungen, Stakeholder-Management und Organisationsdesign, weil wir auch innerhalb von Wrike ständig die Art und Weise verändern müssen, wie wir arbeiten und miteinander interagieren, um den sich ständig verändernden Anforderungen gerecht zu werden. Aber, wie Nancy sehr richtig gesagt hat, benötigt man dafür Zeit.

Ich habe jeden Freitag zwei Stunden in meinem Kalender blockiert. In dieser Zeit kümmere ich mich um die Wartung all meiner Agenten, Assistenten, spezialisierten und geplanten Aufgaben in Claude und ChatGPT sowie um Agenten in Wrike und vieles mehr. Die Realität ist, dass sich das Geschäft verändert. Alles befindet sich ständig in Bewegung und im Wandel.

Entweder verändert sich die Technologie oder das Geschäft, und man muss etwas Zeit investieren. Ich verbringe diese zwei Stunden damit, aber diese Arbeit spart anschließend tatsächlich 15 bis 20 Stunden ein.

Tim Fisher: Mir gefällt, wie du das formuliert hast. Die Analogie ist zwar nicht perfekt, aber es ist ein wenig so, als hätte man Einzelgespräche mit seinem Team. Es gibt kontinuierliche Wartung, Weiterbildung und eine Weiterentwicklung des Geschäfts, die mit allen Menschen stattfinden muss, an die man Arbeit delegiert.

Und jetzt gehören auch Agenten dazu. Ich finde diese Sichtweise sehr überzeugend.

Andras Horvath: Ja, definitiv. Heute wird jeder zum Manager – ob man will oder nicht. Ich liebe diesen Ausdruck: Man muss seine Flotte von Agenten verwalten.

Tim Fisher: Bleiben wir noch für eine weitere Frage in der Zukunft. Sagen wir, es ist in fünf Jahren. Jemand, der neu im Projektmanagement ist, arbeitet in den Systemen, die wir dann haben – in der Fünf-Jahres-Version von Wrike. Worüber wird diese Person rückblickend erstaunt sein, wenn sie von älteren Kollegen hört, dass Menschen bestimmte Dinge früher selbst erledigt haben? Welche Aufgabe wird verschwinden, sodass wir nie wieder davon hören?

Andras Horvath: Zum Beispiel das Aktualisieren von Statusangaben in Wrike. Eine Sache, an der wir arbeiten, sind Agenten, die an Besprechungen teilnehmen, Teams- und Slack-Kanälen beitreten und all dies verfolgen. Wenn Gespräche stattfinden, halten sie die Arbeit in Wrike auf dem neuesten Stand.

Letztlich möchten wir, dass diese Agenten im Hintergrund arbeiten, sodass all diese Aktualisierungen erfolgen und sie im Laufe der Zeit von Ihnen lernen, welche Aktualisierungen sie automatisch durchführen und bei welchen Dingen sie bei Ihnen nachfragen müssen.

Im Laufe der Zeit wird sich das weiterentwickeln. Niemand wird dann noch sagen: „Ich öffne Wrike und stelle sicher, dass diese Aufgabe als abgeschlossen markiert ist.“ Viele unserer Kunden erledigen das heute bereits über ihren bevorzugten Assistenten. Mit der Zeit wird es automatisch geschehen, ohne dass Sie überhaupt eine Eingabe machen oder etwas auslösen müssen. Dasselbe gilt für Statusaktualisierungen, Kapazitätsberichte, Risikoberichte und vieles mehr.

All das ist bereits für Tausende und Abertausende unserer Kundenkonten automatisiert. Wie erwähnt gilt das auch für das Erstellen von Projekten oder Arbeit von Grund auf, die Besetzung und all diese Dinge. Es gibt bereits so viele Informationen. Wir arbeiten intensiv daran, die Informationen innerhalb von Wrike zu analysieren und in organisatorisches Wissen umzuwandeln, wie wir es nennen, um möglichst viel dieser Arbeit zu automatisieren.

Hoffentlich konzentriert sich der durchschnittliche Projektmanager, Produktmanager oder überhaupt jeder, der etwas leitet oder organisiert, in fünf Jahren hauptsächlich auf Abstimmung, Feedback und den menschlichen Teil – und sitzt nicht vor einem Computer, um Daten einzugeben oder Statusangaben und Berichte zusammenzufassen.

Wir müssen lediglich sicherstellen, dass die Dateneingabe dort erfolgt, wo die Kommunikation stattfindet. Wenn jemand wissen möchte, wo etwas steht, sollte er nicht fragen müssen: „Ich frage den Projektmanager“ oder „Ich frage den Teammanager“. Die Antwort sollte nur eine Frage entfernt sein. Diese Frage sollte jedoch mehrere Quellen durchsuchen, die Daten abrufen und sie der betreffenden Person zurückgeben.

Es handelt sich nicht nur um eine einseitige Statusaktualisierung. Es ist ein Statusgespräch, denn im Laufe der Jahre verschickt man einen Statusbericht und erhält anschließend 22 Fragen. Ihre Agenten benötigen den nötigen Kontext, um auch diese Folgefragen beantworten zu können.

Tim Fisher: Mich interessiert, worauf ihr euch in eurer Roadmap am meisten freut.

Und ich würde mich freuen, wenn ihr uns etwas verratet, was bisher noch niemand über die Entwicklungen bei Wrike gehört hat. Das ist natürlich kein Druck, aber ich bin neugierig: Wenn ihr morgens zur Arbeit geht und am Horizont etwas seht, das ihr gerade entwickelt oder über das ihr nachdenkt – was begeistert euch am meisten?

Andras Horvath: Für mich persönlich sind das organisatorisches Wissen und organisatorisches Gedächtnis. Daran arbeiten wir gerade. Es handelt sich um Prozess-Mining in seiner besten Form: Informationen zu erfassen und anschließend an den richtigen Stellen zu speichern.

Was ich heute im Internet häufig sehe, ist – in Anführungszeichen – Folgendes: Man hat Agenten, und diese Agenten verfügen über eigene Erinnerungen. Das ist großartig.

Wenn man jedoch unternehmensweite Implementierungen durchführt, hat man vielleicht 55.000 Agenten im Einsatz. Man hat vielleicht 60 Produktmanager und Agenten mit unterschiedlichen Erinnerungen. Wenn man einen Agenten entfernt, verschwindet dessen Erinnerung – und so weiter. Wir untersuchen deshalb, wie Erinnerungen an dem Ort gespeichert und mit ihm verbunden werden können, an dem man arbeitet, statt an den Agenten gebunden zu sein.

Wenn man einen weiteren Agenten einsetzt, erhält dieser dasselbe Wissen. Die Herausforderung besteht darin, sicherzustellen, dass der Kontext nicht überladen wird. Man muss also gewährleisten, dass Erinnerungen möglichst effizient erstellt, gespeichert und abgerufen werden.

Sobald das erreicht ist, werden das System und die Agenten, die Sie steuern, immer intelligenter, je länger Sie sie selbst nutzen. Sie nehmen Ihnen immer mehr Arbeit ab.

Es ist ein Lernen während des Arbeitens – genauso wie bei Menschen. Ich glaube, dass wir hier gerade erst an der Oberfläche kratzen. Agenten werden immer besser werden, und zwar nicht unbedingt dadurch, dass sich die Modelle verbessern. Die Modelle sind fantastisch. Es spielt keine entscheidende Rolle, ob sie noch besser werden. Wichtig ist vor allem, dass sie günstiger werden, damit Agenten ständig aktiv sein können, anstatt nur durch bestimmte Auslöser gestartet zu werden – etwa wenn man ihnen eine Aufgabe zuweist, sie erwähnt oder sie nach einem Zeitplan ausführt.

Einen Agenten ständig aktiv zu halten, wird derzeit Millionen Dollar kosten. Seien wir realistisch. Dass die Modelle günstiger werden, ist daher eine gute Entwicklung. Wir werden dorthin gelangen, und dadurch werden ständig aktive Agenten möglich. Aber auch Gedächtnis und Prozess-Mining werden sie im Vergleich zu heute wirklich, wirklich leistungsfähig machen.

Nancy Boas: Ich finde, du hast das sehr gut erklärt. Ich möchte nur noch ergänzen, dass wir gerade unser 20-jähriges Bestehen feiern und von Organisationen genutzt werden, die sechs oder sieben Abteilungen und Tausende von Nutzern haben. Wenn dieses Wissen einfach vorhanden ist, aber nicht wirklich genutzt wird, tun wir den Menschen keinen Gefallen.

Es ergibt also sehr viel Sinn, wenn wir ihnen helfen können, besser zu arbeiten, Erkenntnisse aufzudecken, Dinge wie abgeleitete Fähigkeiten zu erkennen und den gesamten Projektmanagementprozess wirklich zu verfeinern.

Andras Horvath: Wenn ich darf, Tim: Nancy hat die abgeleiteten Fähigkeiten angesprochen. Letztlich geht es nicht darum, die Dateneingabe als Teil der Arbeit zu vereinfachen.

Wenn Agenten an allen Gesprächen teilnehmen können, an denen Sie beteiligt sind, und alles auf dem neuesten Stand halten, wird die Arbeit einfach wesentlich leichter und angenehmer. Sie müssen dann nicht mehr sagen: „Entschuldigung, ich brauche etwas Zeit, weil ich alles in Wrike aktualisieren muss“ – oder in einem anderen System, das Sie verwenden.

Tim Fisher: Das ist eine sehr interessante Zukunftsvision. Wenn man in die Zukunft blickt, sprichst du über etwas, das meiner Meinung nach nicht oft genug erwähnt wird. Es besteht eine gewisse Besessenheit davon, dass Modelle immer intelligenter werden. Dabei ist das inzwischen gar nicht mehr der Engpass. Es geht um Kosten und darum, dass die Systeme ständig aktiv sein können.

Ich finde es großartig, worüber ihr nachdenkt. Wenn jemand zuhört, der diese Funktionen in Wrike oder Wrike selbst noch nicht kennt: Wo kann man mehr erfahren?

Nancy Boas: Man kann wrike.com/ai besuchen. Wenn man eine Demo oder weitere Informationen anfordern möchte, ist das ein guter Ausgangspunkt.

Tim Fisher: Andras, Nancy, vielen Dank, dass ihr dabei wart. Wir sehen uns bei der nächsten Sitzung von „Die Zukunft der KI im Projektmanagement“.

Nancy Boas: Vielen Dank.

Andras Horvath: Vielen Dank.