Wie KI Ihnen hilft, bessere Projektentscheidungen zu treffen

Galen Low: In gewisser Weise sind Projekte einfach eine Sammlung von Entscheidungen. Tatsächlich sind Entscheidungen ein wichtiger Teil dessen, was Projekte vorantreibt. Aber wie können wir erwarten, dass Menschen gute Entscheidungen treffen, wenn Projekte in hohem Tempo laufen und es eine überwältigende Menge an Informationen und Daten zu beurteilen gibt? Natürlich kann KI helfen, aber sie hat nicht immer den Kontext, und ihr die Verantwortung für die Entscheidungen zu übertragen, ist ohnehin keine Option.

Gleichzeitig sind manchmal die spontanen Entscheidungen aus dem Bauch heraus die besten. Was ist also das richtige Gleichgewicht zwischen datengetriebener, KI-unterstützter Entscheidungsfindung und einfach darüber reden? Wo gibt es abnehmende Erträge, und vor allem: Wie treffen wir tatsächlich Entscheidungen? Um das zu beleuchten, habe ich heute eine Spezialistin für KI und Wissensmanagement eingeladen, deren Hintergrund von Psychologie und Unternehmensschätzungen bis hin zu Unternehmertum und Produktverantwortung bei Fortune-50-Unternehmen wie Meta und ExxonMobil reicht.

Gemeinsam werden wir uns einige konkrete Beispiele ansehen, wie KI qualitativ hochwertige Entscheidungsfindung unterstützen kann, wie Nachvollziehbarkeit Menschen hilft, bessere Entscheidungen zu treffen, wie sich Verantwortlichkeit mit KI verändert, und was aus der Rolle des Projektmanagers wird, wenn KI die Entscheidungen erleichtert, die früher auf unserem Tisch lagen.

Ich wünsche viel Spaß mit der Episode.

Willkommen beim Digital Project Manager Podcast – die Show, die Leitenden in der Umsetzung hilft, smarter zu arbeiten, reibungslos zu liefern und mit Selbstvertrauen ihre Teams im KI-Zeitalter zu führen. Ich bin Galen und jede Woche tauchen wir ein in praxisnahe Strategien, neue Trends, bewährte Rahmenwerke und gelegentlich eine Anekdote aus dem Projektalltag.

Egal, ob Sie gerade groß angelegte Transformationsprojekte leiten, KI-Abläufe koordinieren oder einfach nur das Chaos im Griff behalten wollen – Sie sind hier genau richtig. Und wenn Ihnen gefällt, was Sie von uns in letzter Zeit hören, überlegen Sie doch, uns dort zu folgen, wo Sie gerade zuhören oder zuschauen, und uns vielleicht sogar eine Bewertung zu hinterlassen. Los geht’s.

Heute sprechen wir also über KI-gestützte Entscheidungsfindung und warum Entscheidungsqualität vielleicht heute ausschlaggebend für den Erfolg eines Projekts oder einer Initiative ist. Wir werden beleuchten, wie voneinander losgelöste Entscheidungen Risiken erzeugen, wie Projektleitende die Entscheidungsqualität in komplexen Teams verbessern können und wie KI uns zu besseren Entscheidungen verhilft – und umgekehrt.

Mit dabei ist heute Cali Collins, Mitgründerin und Chief Product Officer von Optimality. Cali ist eine erfahrene Produktleiterin, deren Karriere KI-Infrastruktur, Wissenssysteme, Unternehmenswandel und groß angelegte Kapitalprojekte umfasst. Bevor sie Optimality mitgründete, leitete sie die Produktentwicklung bei Unternehmen wie Meta und ExxonMobil, was ihr eine einzigartige Perspektive darauf gibt, wie Entscheidungen in sowohl schnelllebigen Technologiebereichen als auch komplexen Fortune-50-Unternehmen getroffen oder eben nicht getroffen werden.

Heute macht sie sich mit Optimality für den Wert einer KI-nativen Entscheidungsinfrastruktur stark, die Organisationen hilft, Entscheidungsfindungen in Zeiten überwältigender Daten und konkurrierender Prioritäten zu strukturieren, zu optimieren und zu skalieren.

Cali, schön, dass du heute hier bist.

Cali Collins: Auf jeden Fall. Vielen Dank, dass ich da sein darf.

Galen Low: Ich freue mich, dich dabei zu haben. Ich starte mal mit einer etwas provokanten Frage und nehme ein wenig Anlauf. In vielen Organisationen gibt es tatsächlich kaum Struktur oder Disziplin darin, wie Entscheidungen getroffen werden, und manchmal werden entscheidende Dinge über eine E-Mail-Kette oder beim Golfen mündlich beschlossen.

Und meistens sind die Teams zu sehr damit beschäftigt, auf diese Entscheidungen zu reagieren, um innezuhalten und zu überlegen, „Ist das eigentlich eine gut informierte Entscheidung?“ Sie gehen einfach irgendwie damit um. Meine Frage ist: Da wir Menschen einander oft gar nicht wirklich erklären können, wie und warum Entscheidungen getroffen werden, ist es da nicht etwas überheblich zu glauben, dass KI plötzlich die organisatorische Entscheidungsfindung verbessern kann?

Cali Collins: Ja, definitiv. Vieles läuft auf Vorurteile hinaus. Wenn du mich fragst, warum ich genau so entschieden habe, ist das, was ich dir erzähle, vielleicht gar nicht der wirkliche Grund. Wir alle haben unsere eigenen Perspektiven. Du hörst auch anders, wie ich diese Entscheidung erkläre. Darüber haben wir im Vorgespräch auch schon ein wenig gesprochen.

Alles, was du tust, ist eine Entscheidung. Man kann nicht alles dokumentieren, während man es tut. Ich habe mich entschieden, mich heute zu diesem Call einzuwählen. Schreibe ich das jetzt gleich auf? Dann müsste ich ja wieder entscheiden, wann ich entscheide, die Entscheidung zu dokumentieren, die ich gerade getroffen habe. Unser Leben besteht aus Entscheidungen, und wenn man eine KI hat, die automatisch alles festhält, während man handelt, ohne dass man es bewusst dokumentieren muss – da fängt sie an zu helfen.

Galen Low: Das finde ich sehr spannend, weil du gleich mit Vorurteilen beginnst, und ich glaube daran, dass Vorurteile auch positiv wie negativ sein können. Ja, Unconscious Bias hält uns definitiv zurück, aber es gibt auch das Vorurteil, einfach zu wissen, was man weiß. Wir reden oft darüber, nach Bauchgefühl zu entscheiden, ob das gut oder schlecht ist, aber in vielen Fällen ist es einfach nötig, gerade als Entscheidungsträger oder auch jeder andere.

Es wäre zu aufwendig, alles immer im Detail begründen zu müssen, aber es passiert ständig. Die wenigsten Entscheidungen – eigentlich ist ein Teil immer logisch begründet, auch wenn man die Begründung nicht offenlegt. Die Zuhörer denken sicher gerade, „Was ist mit der Entscheidung, die so schnell getroffen wurde und in die Hose gegangen ist?“ Klar gibt es das auch. Aber wir tendieren dazu, es zu übergehen, weil A) einfach keine Zeit ist, alles zu analysieren, und B) wir den Entscheidungsträgern vertrauen müssen. Und das ist oft gar nicht so schlimm.

Cali Collins: Das stimmt absolut. Es gibt wissenschaftliche Ansätze dazu, welcher Teil des Gehirns welche Art von Entscheidungen trifft. Für schnelle, impulsive Entscheidungen läuft ein anderer Bereich, als für wohlüberlegte. Das ist faszinierend.

Galen Low: Genau das gefällt mir. Vielleicht ist das ein guter Punkt, um näher heranzuzoomen, weil es diese zwei Modi der Entscheidungsfindung gibt. Also einerseits gibt es den schnellen Reflex, der vielleicht die gesamte Logik und unsere Grundlagen überspringt.

Und dann die Phase der Ruhe, in der man Informationen analysiert und eine bewusste Entscheidung trifft. Die Verfügbarkeit von Informationen hilft, keine Schnellschüsse machen zu müssen. Uns stehen Informationen schnell zur Verfügung, damit wir fundiert entscheiden können. Noch einmal zur Einordnung: Du hast einen Hintergrund aus dem Produktbereich. Du bist eine sehr erfahrene Produktspezialistin, die einen Richtungswechsel gewagt hat, um ein KI-natives Entscheidungs-OS zu bauen.

Ich hoffe, ich darf das so nennen.

Cali Collins: Ja.

Galen Low: Warum also Fokus auf Entscheidungen? Wo hast du erlebt, dass mangelhafte Entscheidung Prozesse oder strategische Pläne scheitern lassen? Was sind die Ursachen, die dich motiviert haben, eine Lösung zu finden?

Cali Collins: Alles, was man tut, beruht auf Entscheidungen. Das ist ein menschliches Grundproblem, und ich wollte etwas bewirken, das wirklich Einfluss auf unseren Arbeitsalltag hat. Wie du schon meintest, gibt es datengetriebene und spontane Entscheidungen.

Du hast „Sicherheit“ gesagt, und ich habe direkt an Arbeitssicherheit gedacht – HSE-Sicherheit, wenn jemand in Gefahr ist.

Galen Low: Genau.

Cali Collins: In manchen Fällen muss man sofort eingreifen, wenn eine gefährliche Situation entsteht. In anderen kann man erst analysieren und abwägen.

Als Schätzerin hatte ich viele Jahre Einblick und Kontakt mit Führungskräften, saß bei Verhandlungen mit am Tisch und habe gesehen, was in deren Entscheidungen alles mit reinspielt.

Ich habe erlebt, wie diese Führungskräfte auf ein Podest gestellt werden, man fragt sie: „Was meinst du?“, „Was sollen wir tun?“ Habe auch mal ein paar direkt gefragt: „Wie weißt du, dass es die richtige Entscheidung ist? Ist das alles Daten-getrieben? Wo ist der Punkt des abnehmenden Nutzens?“ Und sogar sie sagen: „Weißt du was? Die Hälfte davon ist Bauchgefühl. Ich fliege da oft auf Sicht.“ Man erwartet von ihnen, dass sie immer gute Entscheidungen treffen, aber sie haben auch nicht immer alle Infos und das Wissen, um die optimale Entscheidung zu treffen.

Mein Gedanke: Wenn ich diesen Leuten helfen könnte, die wirklich riesige Entscheidungen treffen – investieren wir Milliarden hier oder da –, wie kann ich sie darin unterstützen, zu erkennen, wo der Nutzen abnimmt? Wo helfen Daten, und wie kann man sie schnell zur Verfügung stellen, damit Bauchgefühl und Daten zusammenspielen?

Galen Low: Dieses kurzzeitige Eingeständnis der Unsicherheit finde ich wunderbar. Den meisten geht es wohl ähnlich: „Ich weiß nicht, ich bin unter Druck, ich muss schnell entscheiden. Mein Track Record ist okay, deshalb bin ich hier, aber ich weiß es in dem Moment oft nicht. Manchmal improvisiere ich einfach.“ Schön fände ich, wenn die Erfolgswahrscheinlichkeit noch höher wäre, und sogar die Angst – Impostor-Syndrom – spielt eine Rolle, gerade wenn es um Milliarden geht.

Das ist der Charme von KI, dass sie Informationen und Daten zusammenträgt, bündelt und für uns nutzbar macht.

Vielleicht ist das der perfekte Übergang zu Optimality. Kannst du uns erklären, was Optimality tut, wie es unterstützt und Use Cases, wie Risiken im Entscheiden minimiert werden?

Cali Collins: Sehr gern.

Wir arbeiten jetzt seit zweieinhalb Jahren an Optimality, und seitdem entwickelt sich das Produkt stetig weiter. Der Kern war immer Entscheidungsprozesse zu verbessern, daraus wurde Optimierung – daher auch der Name. Es gibt eine mathematische Optimierungstheorie, die genau die Frage nach dem Punkt des abnehmenden Ertrags behandelt.

Was ist die optimale Entscheidung, die getroffen werden soll? Das steckt bei uns dahinter. Optimality baut auf einem Kontext-Graphen auf. Wenn man in Optimality arbeitet, dient das System dazu, zu verstehen, woran arbeite ich heute, was habe ich gestern erledigt?

Aber es ist noch viel mehr, es sind die Inhalte, die Deliverables, die man produziert, einschließlich aller Entscheidungen. Wir haben heute gerade einen neuen Entscheidungs-Assistenten veröffentlicht, der Nutzer durch einen Schritt-für-Schritt-Prozess bei schwerwiegenden Entscheidungen leitet.

Dabei steht einem Opti Chat zur Seite: Man kann Opti fragen, z.B.: „Ich schwanke zwischen A und B, was denkst du?“ Opti hilft, das zu strukturieren. Dann kommt die nächste Frage: „Welche Unsicherheiten gibt es bei dieser Entscheidung, die ich treffen muss?“, „Wo sind Vorurteile?“ oder „Wann haben wir schon mal so entschieden und wie ist es ausgegangen?“ Den „Opti“ kann man über alles befragen, er greift dabei auf den Kontext-Graphen zurück, schaut nach, ob es schon vergleichbare Fälle gab.

Man bildet also die organisatorische und Ausführungsintelligenz ab, alles fließt in Optis „Gehirn“ ein, wird mitgelernt und ermöglicht in Zukunft bessere Empfehlungen – ob A, B oder vielleicht eine noch nicht betrachtete Option C.

Galen Low: Ich finde den Nerd-Aspekt des Namens richtig toll. Es geht nicht nur ums Optimieren von Entscheidungen, es gibt wirklich auch die mathematische Theorie zum Punkt abnehmender Erträge. Und du hast mir als Vorbereitung dieses Bild des Kontext-Graphen erklärt – so eine Art neuronales Netz als Fundament für gewisse KI-Tools.

Du sprachst vom Entscheidungskontext. Was bedeutet das im Projektumfeld und was fehlt Teams oft bei der Entscheidungsfindung, das dieser Ansatz liefern kann?

Cali Collins: Das menschliche Gehirn kann viele Dinge toll, aber es hat Grenzen. Du kannst nicht in jedem Meeting anwesend sein und sämtliche Informationsströme immer mitbekommen. Stell dir eine Art Stellvertreter vor, der in anderen Meetings Infos aufnimmt – das ist die Stärke der KI. Im menschlichen Miteinander basiert vieles auf Zusammenarbeit und Kommunikation, das war auch mein Antrieb zu Meta zu gehen, denn dort wird an Kollaborationsplattformen gearbeitet. Menschen vernetzen sich und werden Teil einer Community. Das ist auch im KI-Zeitalter ein Kern ...

Die menschliche Stärke ist, gemeinsam mit anderen laufend zu reflektieren und durch Dialog zu besseren Entscheidungen zu kommen. Deshalb bleibt der Mensch zentral im Entscheidungsprozess: Jeder bringt eigene Erfahrungen ein, gemeinsam findet man die beste Lösung.

Galen Low: Mir gefällt dieses Zusammenspiel. Die Position ist nicht, dass Menschen schlechte Entscheidungen treffen, weil das Gehirn zu wenige Infos verarbeitet oder die Zukunft schlecht voraussieht. Das mag alles stimmen – aber es ist vielmehr das Zusammenspiel: Wir sind Wesen, die reden, fühlen, entscheiden, und die Technik hilft, Daten zusammenzuführen und für uns vorbereitet zu präsentieren.

Wir müssen nicht mehr langwierig besprechen, was jemand im 15-Minuten-Meeting im Dezember sagte – Zeit und Kultur fehlen ohnehin. KI soll beraten und informieren, aber nicht den Entscheidungsdialog ersetzen. Es gibt so viel Wert an menschlicher Zusammenarbeit, einfach weil wir Dinge gemeinsam besprechen müssen. Die Technik ergänzt uns da, wo das Gehirn begrenzt ist.

Cali Collins: Genau, ich diskutiere oft mit Opti. Gerade im Startup mit begrenztem Team ist es hilfreich, Ideen gegenüber der KI zu reflektieren. Sie weiß ja, was man macht, weil alles im Kontext-Graphen erfasst ist, auch was das Team macht.

Galen Low: Lass uns da bleiben: Für viele in meiner Community ist KI allgegenwärtig. Es ist quasi unumgänglich, KI zu nutzen. Andererseits gibt es dieses Big-Brother-Gefühl: Denn je mehr Kontext die Technologie hat, desto besser unterstützt sie uns. Aber das klingt für manche gruselig: Opti „hört alles mit und zieht alles ins System“. Ist das nicht orwellsch?

Gibt es die Möglichkeit zu entscheiden, was man mit der KI teilt? Ist es alles oder nichts? Wenn nicht, was sollte man mindestens bereitstellen? Was sind die richtigen Informationen, die eine KI braucht, um Tipps zu geben?

Cali Collins: Als wir mit Optimality begonnen haben, haben wir APIs in meinen E-Mails und Chat eingebunden. Aber wir haben schnell gemerkt: Das funktioniert so nicht, das ist zu beängstigend, Menschen wollen mehr Kontrolle über das, was sie teilen.

Das ist auch eine Governance-Frage. Niemand möchte, dass die KI die eigenen Informationen nimmt, Entscheidungen trifft und etwa eigenständig E-Mails versendet. Wer der KI Zugang zum Passwortmanager gibt, E-Mails schreiben und Banktransaktionen tätigen lässt, lädt Probleme ein. Und wenn dann vertrauliche Informationen verschickt werden, haftest du als Person, die das Agenten-Feature freigeschaltet hat – auch rechtlich, selbst wenn du die Mail nie gesehen hast!

Deshalb haben wir es so gestaltet, dass du auswählst, was nach einem Meeting im System landen soll. Du entscheidest, welche Mailkonversationen aufgenommen werden dürfen. So hast du Kontrolle über brauchbare Informationen. KIs wissen nicht, was gute oder schlechte Daten sind, wenn sie nur mit Internet-Müll trainiert sind. Wenn du gezielt hochwertige Infos gibst, wird auch die Beratung besser. Wir setzen außerdem immer auf Mensch-in-der-Schleife: Optimality erstellt z.B. Dokumente, schlägt Mails vor, hält Status fest – die Ausführung muss aber bestätigt werden. Das unterscheidet uns von Unternehmen, die KI-Agenten alles eigenständig machen lassen wollen.

Wir setzen eher auf Zusammenarbeit Mensch/KI: Dein Marketing-Assistent als KI gibt Impulse, aber du entscheidest am Schluss.

Galen Low: Schön gesagt, meine Hörer werden das schätzen. Eben das Zusammenspiel Technik/Mensch. Später möchte ich dazu zurückkommen, wie Mensch beim Teilen selektiv vorgeht und das Verhalten des Systems beeinflusst.

Doch vorher: Du hast einen tollen Use Case genannt. Lassen sich die KI-gestützten Entscheidungen am Beispiel Schritt für Schritt durchspielen, z.B. in Optimality mit KI im Hintergrund – wie sieht der Ablauf praktisch aus und inwiefern ist es mit oder ohne KI besser?

Cali Collins: Ja, gerne. Ein Use Case ist das Business-Betriebssystem, das auf Optimality aufsetzt. Optimality ist eine Plattform für verschiedenste Anwendungen, so wie Excel ein Universalinstrument ist – nur mit mehr Struktur und gezielteren Use Cases.

Ein Beispiel ist das Gründen eines eigenen Unternehmens. Viele träumen heute im KI-Zeitalter vom eigenen Side Hustle oder Startup. Aber sie wissen vielleicht wenig über Marketing, social Media, Business Plan oder Steuern. Wir wollen, dass Nutzer in Optimality einfach ihre Ziele beschreiben, und die KI dokumentiert das, erstellt eine Strategie, schlägt Feedback-Schleifen vor.

Du sprichst mit Opti: „Ja, das will ich, speichern.“ Dann wird der Plan aufgestellt. Der KI-gestützte Ablauf gibt Struktur. Das Beispiel ist das Gründen eines Geschäfts, aber das lässt sich auch auf Großprojekte übertragen. In jeder Phase fragt das System etwa: „Soll Opti Sie beim Marketing unterstützen?“, „Wie soll die Content-Erstellung laufen?“ Du kannst Seite an Seite mit der KI arbeiten. Wir möchten Mini-Unternehmern und KI-Neulingen die Einstiegshürde nehmen, damit sie nicht mühsam einen Chatbot einrichten müssen. Für die Masse soll das zugänglich sein.

Galen Low: Super. Danke für diese Einordnung (und das „Kein shade gegen Vibe Coding“). Der Markteintritt ist viel leichter, aber das Versprechen, ein Produkt in einem Tag zu coden, ist auch Hype. Realistischerweise klappt vieles heute schneller als früher, ist aber kein Spaziergang. Optimality ist „etwas auf Gleisen“, spezialisierter als Chatbots. Andere Tools helfen bei einzelnen Themen (z.B. Claude), aber hier findet die Arbeit direkt in der Plattform statt – es ist nicht nur Entscheidungsoptimierung, sondern auch Zusammenarbeit.

Cali Collins: Genau, jetzt siehst du den Mehrwert. Wenn du nicht mehr als Solo-Gründer alles selbst machst, sondern das Unternehmen wächst, verlierst du schnell Überblick, was jeder tut. Durch Zusammenarbeit im System, Sichtbarkeit von Zuständigkeiten und Kontext-Graphen entsteht Mehrwert. Vision, Mission, Prinzipien werden für Opti ins Gedächtnis geschrieben – die Vorschläge der KI basieren darauf, was dir wichtig ist. Die KI weiß, passt du zum Blumenmarkt-Monopolisten oder zum lokalen Familienunternehmen? Das ist Kontext, der Claude beim Prompt fehlt.

Galen Low: Genau, das Thema Sichtbarkeit bei wachsendem Team. Und die Frage, wie viel Information sollte man nun KI oder anderen geben, um bessere Entscheidungen zu fördern – und wo besteht die Gefahr, dass Informationen manipulativ vorenthalten werden? Wie verhindern wir, dass Menschen KI missbrauchen, um Entscheidungen in eine Richtung zu lenken? Oder wann ist menschliches Nuancenwissen wichtiger als KI?

Cali Collins: KI weiß nicht, wie sie Wichtiges priorisiert. Wenn du ihr alles ungefiltert gibst, musst du darauf achten, Infos zuzuordnen und zu gewichten. Ohne Guidance kann sie Kontext nicht einschätzen. Der Mensch soll die finale Entscheidung treffen – KI kann Daten liefern, aber nicht ersetzen. Erfahrungen und Hinweise aus wenigen Projekten können trotzdem wertvoll sein („Es hat bei meinen fünf Projekten nicht geklappt“). KI kann Muster erkennen, aber auch individuelle Erfahrung muss berücksichtigt werden.

Galen Low: Das ist spannend, denn so kann man vermeiden, dass nur markante Einzelmeinungen bestimmen. KI sorgt für Faktenabgleich, ersetzt aber nicht die Erfahrung. Sie hilft, mehr Perspektiven einzubeziehen und nicht nur auf die lautesten Stimmen zu hören oder Charisma Einfluss nehmen zu lassen.

Cali Collins: Genau. Manche entscheiden impulsiv besser, andere brauchen Zeit und Übersicht. KI kann das ausgleichen und ein Bewusstsein schaffen, wie Entscheidungsmodi individuell funktionieren.

Galen Low: Was hast du beim Entwickeln über menschliche Entscheidungsfindung gelernt? Besonders für Projektleiter: Was kann man tun, um bessere Entscheidungen im Team zu fördern, ohne die Geschwindigkeit zu opfern? Wie erkennt man, wenn Schnellentscheider falsch liegen?

Cali Collins: Ich habe Psychologie studiert und bin auch leidenschaftliche Hörerin von Selbsthilfe-Podcasts, mag alles rund um das menschliche Gehirn. Mein zweiter Abschluss ist Bauleitung, MBA kam später dazu.

Wichtig: Wissen erfassen, warum eine Entscheidung getroffen wurde und was das Ergebnis war. Die KI kann das später reflektieren – Menschen machen das selten selbst. Das Thema Datenherkunft ist dabei sehr spannend. Bei Meta habe ich eine Plattform für KI-Trainingsdaten entwickelt; das Prinzip findet sich in Optimality wieder: Jeder Absatz eines Dokuments lässt sich auf Quellen zurückverfolgen. Das schafft Transparenz, kann aber auch unbequem sein („Da sieht man, dass ich entschieden habe und es ging schief“). Nur mit Bewusstsein für Fehler lassen sich Verbesserungen erzielen – individuell und im Unternehmen.

Galen Low: Anfangs dachte ich bei KI-Hilfe an „mehr Daten“, aber dieses retrospektive, nachvollziehbare Reflektieren ist noch spannender. Es geht nicht darum, dass KI bessere Entscheidungen trifft als Menschen, sondern Menschen Möglichkeiten gibt, zu lernen und zu verbessern, zum Beispiel durch die Rückverfolgbarkeit und Analyse vorheriger Entscheidungen, auch für so wichtige Themen wie Arbeitssicherheit.

Cali Collins: Genau. Rückverfolgbarkeit wird nicht nur zum Nachweis, sondern um daraus zu lernen und sich selbst weiterzuentwickeln.

Galen Low: Governance und Verantwortung sind zentral. Noch ist immer ein Mensch haftbar – auch wenn KI involviert ist. Aber KI trifft oft Entscheidungen (z.B. Wortwahl). Welche Leitplanken braucht es, damit KI keine Fehler macht, besser wird und was braucht es, damit sie irgendwann tatsächlich ohne menschliche Kontrolle Entscheidungen treffen und Verantwortung tragen kann?

Cali Collins: KI-Modelle sind eine Abfolge von Entscheidungen – z.B. bei der Sprachmodell-Textgenerierung. Je mehr Feedback, desto besser wird die KI, aber sie braucht immer Leitplanken. Beispiel Kunden E-Mails: Bei einfachen Anfragen (z.B. T-Shirt-Größe) kann KI automatisiert antworten, bei komplexeren Fällen braucht es den Menschen. Es gibt viel Forschung zur Frage, wie weit KI Entscheidungen treffen darf. Unsere Philosophie: Schrittweise, mit Mensch-in-der-Schleife – Verantwortung bleibt beim Menschen, gerade wegen Haftungsfragen. Das Risiko unsachgemäßer Datenfreigaben ist nicht zu unterschätzen.

Galen Low: Beispiele außerhalb des KI-Kontextes gibt es genügend: z.B. ein Medizinprodukt, das Diagnosen stellt, wo die Haftung beim Unternehmen liegt, aber nicht immer. Auch beim Onboarding neuer Projektmitarbeitenden gibt es „Safe-to-fail“-Situationen mit Feedback – das ist bei KI ähnlich, bei niedrigen Risiken mehr Autonomie, bei kritischen Themen bleibt Kontrolle nötig.

Cali Collins: Sehr treffend. KI kann wie ein Praktikant helfen, aber Haftung und Kontrolle bleiben beim Menschen. Ein anderes Beispiel ist Vertrags-Compliance: Die KI kann auf Basis gespeicherter Vertragsdokumente automatisch Alarm schlagen, falls Anforderungen verletzt werden könnten – um so Governance und Kontrolle zu unterstützen.

Galen Low: Das ist ein tolles Beispiel. KI gibt Feedback, wird dadurch besser, kann aber nicht die Verantwortung übernehmen. Für Dinge wie Vertragsmanagement oder SLA-Überwachung ist sie unschlagbar – niemand kann alle Details im Kopf halten!

Vielleicht zum Ausblick: KI wird immer besser, sammelt immer mehr Kontext, entscheidet ständig, aber das menschliche Gespräch bleibt zentral. Wie ändert sich die Projektleiterrolle, wenn KI Risiken schneller erkennt, Abhängigkeiten aufdeckt und Empfehlungen macht?

Cali Collins: Die Rolle wird umso wichtiger. Mein Hintergrund liegt im Schätzen und Projektcontrolling – meine Aufgabe war es, Daten bereitzustellen, damit Entscheidungen getroffen werden können. Mit mehr Geschwindigkeit im Projekt braucht es mehr Projektsteuerung – nicht weniger, sondern intensiver! Die Entwickler arbeiten schneller, es braucht mehr PMs, um Richtung und Entscheidungen zu leiten. Die Arbeit wird schneller, Daten sind verfügbarer, deshalb werden Führungsaufgaben eher mehr als weniger.

Galen Low: Das ist ein wunderbarer Ausblick. Ich habe nicht mit so viel Optimismus gerechnet, aber du hast Recht: Die Arbeit wird schneller, dadurch braucht es mehr Menschen, die entscheiden, analysieren und beraten. Die KI bedient den Datenfluss, aber die Bewertung, Auswahl und Diskussion bleibt menschlich. Das ist ein wunderschönes Zusammenspiel und KI wirkt wie ein Turbo-Booster.

Cali Collins: Absolut.

Galen Low: Cali, das hat sehr viel Spaß gemacht. Wo findet man mehr Infos zu dir und Optimality?

Cali Collins: Natürlich, wir sind auf LinkedIn, ich bin auf LinkedIn, und auf optimalitypro.com. Es gibt inzwischen direkt eine kostenlose 14-Tage-Testphase. Wir halten alles aktuell, mit mehr und mehr Use Cases für verschiedene Branchen auf der Plattform.

Galen Low: Perfekt, die Links packe ich in die Shownotes. Vielen Dank für die spannenden Einblicke, dein Hintergrund ist wirklich bemerkenswert. Entscheidungen machen die Welt – und jetzt entscheidet auch KI mit, aber der Mensch bleibt immer zentral. Was für eine spannende Zeit!

Cali Collins: Genau! Es ist eine aufregende Zeit.

Galen Low: Danke, Cali.

Cali Collins: Danke dir.

Galen Low: Das war’s für diese Folge des Digital Project Manager Podcasts. Wenn Ihnen das Gespräch gefallen hat, abonnieren Sie uns gern! Und wenn Sie noch mehr praxisnahe Insights, Fallstudien und Playbooks möchten, erstellen Sie kostenlos ein Konto auf thedigitalprojectmanager.com. Bis zum nächsten Mal, danke fürs Zuhören.