Expert:innen enthüllen die schlimmsten Einsatzszenarien von KI im Projektmanagement
Kritisches Denken: Automatisierte Projektpläne wirken komplett, es fehlt jedoch entscheidender Kontext, was zu Problemen im Projekt führen kann.
Überprüfungsbedarf: Wer sich ohne menschliche Kontrolle auf KI-Ergebnisse verlässt, riskiert Fehler und schwerwiegende Folgen.
Realitätscheck: KI tut sich schwer mit sachlichen Aufgaben wie Arbeitszeittabellen und gefährdet die Datenqualität und Integrität der Projektdokumentation.
Menschliche Interaktion: Der Einsatz von KI im Stakeholder-Management kann die echte, produktive Kommunikation und das Engagement gefährden.
Basis für Prozesse: KI darf nicht die Basis menschlicher Prozessgestaltung ersetzen, da sie keine effektiven Abläufe definieren kann.
Die Einführung von KI im Projektmanagement hat sich rasant beschleunigt und bringt eine Welle von Begeisterung mit sich, die nicht immer einer sorgfältigen Prüfung standhält. Werkzeuge, die versprechen, Zeit zu sparen, den administrativen Aufwand zu reduzieren und Einblicke zu liefern, sind zu festen Bestandteilen im PM-Arbeitsalltag geworden – aber nicht jede Anwendung dieser Tools funktioniert so, wie die Praktiker es sich erhofft hatten. Tatsächlich verursachen einige Anwendungsfälle still und leise mehr Probleme als sie lösen. Die Experten, die täglich in diesem Bereich arbeiten, haben die Muster erkannt und sprechen offen darüber, wo KI dem Projektmanagement Schwierigkeiten bereitet.
Projektpläne generieren ohne kritisches Denken
Wenige Anwendungen von KI im Projektmanagement sind so verlockend – oder so riskant – wie der automatisch erstellte Projektplan. Man gibt ein Leistungsbeschreibungsdokument ein und erhält einen Terminplan zurück. Das klingt nach einem Produktivitätsgewinn, aber erfahrene Projektmanager sagen, dass die Ergebnisse oft besser aussehen, als sie tatsächlich sind, und dass Projektmanager, die diese ungeprüft akzeptieren, ihre Projekte für Probleme öffnen.
Pam Butkowski, SVP von Horizontal Digital, bringt es auf den Punkt: „Selbst wenn Sie ein Tool haben, in das Sie eine SOW eingeben und es bitten, einen Projektplan für Sie zu erstellen – ich verspreche Ihnen, er ist nicht korrekt. Das wird einfach nicht so sein. Es ist ein großartiger Ausgangspunkt. Aber wir müssen dann unser kritisches Denken anwenden.“ Der Plan mag strukturiert sein und vollständig aussehen – aber ihm fehlen Informationen über tatsächliche Abhängigkeiten, die reale Kapazität des Teams oder den organisatorischen Kontext, die einen Terminplan erst realistisch machen.
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
Selbst wenn Sie ein Tool haben, in das Sie eine SOW eingeben und es bitten, einen Projektplan für Sie zu erstellen – ich verspreche Ihnen, er ist nicht korrekt. Das wird einfach nicht so sein.
Jeff Chamberlain, Manager of Broadband Services und PMO bei der Fredrick County Government, ist aus Erfahrung zur gleichen Schlussfolgerung gekommen: „Manche Leute wollen damit Projektpläne erstellen. Ich habe keine großartigen Erfahrungen damit gemacht, wirklich gute Projektpläne mit KI zu erstellen. Meistens muss man sie sowieso komplett neu machen.“ Wenn der Aufwand, einen KI-generierten Plan brauchbar zu machen, an die Zeit heranreicht, die man für die eigenständige Erstellung gebraucht hätte, verliert das Effizienzargument seine Gültigkeit.
Manche Leute wollen damit Projektpläne erstellen. Ich habe keine großartigen Erfahrungen damit gemacht, wirklich gute Projektpläne mit KI zu erstellen. Meistens muss man sie sowieso komplett neu machen.
KI-Ausgaben ohne Überprüfung kopieren und einfügen
Wenn es eine Gewohnheit gibt, die Praktiker als besonders gefährlich hervorheben, dann ist es diese: KI-Ausgaben als fertige Arbeit zu akzeptieren. Die Versuchung ist nachvollziehbar. Die Ergebnisse sehen poliert aus, die Sprache ist überzeugend – und die Lust, schnell weiterzugehen, ist groß. Doch dieser äußere Glanz kann schwerwiegende Fehler überdecken – und wenn niemand das Ergebnis prüft, bevor es weitergegeben wird, können die Folgen gravierend sein.
Mike Clayton, CEO und Gründer von OnlinePMCourses.com, hat dies in der Praxis, besonders im professionellen Dienstleistungsbereich mit echten finanziellen Auswirkungen, erlebt: „Es gibt Leute, die sagen einfach: Okay, mir wurde eine Frage gestellt. Ich stelle dieselbe Frage ChatGPT, kopiere die Antwort und bin fertig mit meiner Arbeit. Und niemand hat sie überhaupt überprüft oder korrigiert.“ Das Problem ist nicht der Einsatz von KI – sondern dass die menschliche Überprüfung und Korrektur vollständig ausgelassen wurde.
Es gibt Leute, die sagen einfach: Okay, mir wurde eine Frage gestellt. Ich stelle die Frage an ChatGPT, kopiere die Antwort und meine Arbeit ist erledigt.
Megan Cotterman, Fractional Project Manager und Operations Consultant, hat dies selbst erlebt: „Ich habe KI genutzt, um mir bei diesem Instruktionsdesign-Projekt zu helfen ... die KI hat dabei tatsächlich durcheinandergebracht, und ich hatte die falschen Informationen. Ich denke also, Teams sollten wirklich verstehen, dass das nicht das Nonplusultra ist ... und dass man eben nicht einfach nur kopieren, einfügen, an den Kunden senden und fertig sagen kann.“ Selbst wenn KI durchdacht eingesetzt wird, kann sie falsche Informationen liefern – weshalb der menschliche Überprüfungsschritt nicht optional ist; er ist die eigentliche Arbeit.
KI für Stundenzettel und Faktenerfassung einsetzen
Es gibt eine Kategorie von Projektdokumentation, die vollständig von der Realität abhängt: Was ist tatsächlich passiert, wer hat was wann gemacht. Stundenzettel gehören eindeutig in diese Kategorie. Und genau hier, wo Genauigkeit unantastbar ist, ist KI am wenigsten geeignet, zu helfen.
Oliver F. Lehmann, Project Business Trainer bei Oliver F. Lehmann Project Business Training, bringt das Problem treffend auf den Punkt: „KI kann keinen Stundenzettel schreiben. Sie kann einen Stundenzettel fantasieren, aber sie kann keinen Stundenzettel schreiben. So bringt man Fantasie in die Dokumentation, die real sein sollte.“ KI kann etwas generieren, das wie ein ausgefüllter Stundenzettel aussieht – plausibel wirkende Einträge, Stunden, die zusammenpassen – aber nichts davon spiegelt die tatsächlichen Ereignisse wider. Solche erfundenen Daten in einem Projektbericht zu verwenden, spart keine Zeit; es verfälscht sie.
KI kann keinen Stundenzettel schreiben. Sie kann einen Stundenzettel fantasieren, aber sie kann keinen Stundenzettel schreiben!
Automatisierung von Stakeholder-Management und Kommunikation
Stakeholder-Management ist einer der menschenintensivsten Bereiche der Projektarbeit – und das aus gutem Grund. Die Gespräche, die Projekte voranbringen – die schwierigen, die solche, die Vertrauen und genaues Zuhören erfordern – beruhen auf echter menschlicher Interaktion. Versuche, dieses Engagement durch KI zu automatisieren oder auszulagern, untergraben genau das, was diese Gespräche produktiv macht. Stakeholder, die sich mit komplexen oder umstrittenen Entscheidungen befassen, wollen keinen optimierten Kommunikationsprozess – sie wollen sich von einer anderen Person wirklich gehört fühlen.
Das Problem erstreckt sich auch auf die alltägliche schriftliche Kommunikation. Lehmann beobachtet: „Ich sehe sehr oft, dass Projektmanager KI einfach dafür nutzen, ihre E-Mails zu schreiben. Die Sprache ist oft zu weich, gerade wenn es an der Zeit wäre, etwas direkter zu sein. Es wird vieles geglättet." Wenn ein Projekt eine direkte, klare Botschaft an einen Stakeholder braucht, neigt die von KI generierte Sprache dazu, die Kanten zu glätten – oft bleibt das eigentliche Problem damit unbearbeitet.
Auch Yonelly Gutierrez, Senior Program Managerin bei Palo Alto Networks, fällt diese KI-Qualität in der Kommunikation auf: „Manchmal bei der Formulierung denke ich: ‚Du klingst wie ein KI-Roboter. Sprich bitte einfach normal.‘“ Die verräterische Steifheit von KI-generierter Sprache ist nicht nur ein ästhetisches Problem – sie signalisiert den Empfängern auch, dass die Nachricht nicht speziell für sie geschrieben wurde.
KI einsetzen, bevor ein menschlicher Maßstab geschaffen wurde
Einer der strukturell problematischeren Ansätze bei der Einführung von KI ist der Einsatz, bevor irgendjemand herausgefunden hat, wie die zugrundeliegende Aufgabe tatsächlich funktionieren soll. Überspringen Organisationen den Schritt, einen funktionierenden, menschlich geführten Prozess zu etablieren, und automatisieren stattdessen direkt, beschleunigen sie nicht den Fortschritt – sie beschleunigen die Verwirrung.
Derek Fredrickson, Gründer & CEO von The COO Solution, sieht dieses Muster häufig: „Oft versuchen sie, die KI als Lösung einzusetzen, bevor ein Mensch es tatsächlich gemacht hat. Ich bin immer der Meinung, ein Mensch sollte zuerst tun, was die KI automatisieren soll, statt KI nur um der KI willen einzusetzen.“ KI eignet sich gut zum Skalieren und Systematisieren bereits verstandener Prozesse. Sie ist nicht in der Lage zu definieren, wie ein guter Prozess aussieht, wenn dieser zuvor nie von einem Menschen durchgeführt wurde.
Ich bin immer der Meinung, dass ein Mensch zuerst die Aufgabe übernehmen sollte, die Sie von KI automatisieren lassen wollen, anstatt einfach nur der KI wegen KI einzusetzen.
KI-gestütztes Reporting bei unsauberen Daten oder fehlender Zielsetzung
Automatisiertes Reporting ist einer der am häufigsten genannten Vorteile von KI im Projektmanagement. Das Versprechen ist real – aber es gibt Bedingungen, die Organisationen häufig übersehen. Wenn die zugrunde liegenden Daten nicht verlässlich sind oder das Berichts-Ziel nicht klar definiert ist, liefert KI keine besseren Berichte. Sie liefert formal überzeugende Berichte, die einem aber nicht das sagen, was man wissen muss.
Emmanuels Magaya, Gründer von Project Managers Africa, benennt beide Fehlerquellen: „Wenn Sie wollen, dass KI Ihre Berichte automatisiert, werden Sie oft feststellen: Wenn die Daten nicht stimmen, liefert Ihr Bericht nicht das, was Sie suchen. Sie müssen außerdem wissen, was Sie im Bericht suchen.“ Saubere Daten und ein klares, stakeholderspezifisches Ziel sind notwendige Voraussetzungen – keine „Nice-to-haves" – damit KI-gestütztes Reporting echten Mehrwert bringt.
Wenn Sie wollen, dass KI Ihre Berichte automatisiert, werden Sie oft feststellen: Wenn die Daten nicht stimmen, liefert Ihr Bericht nicht das, was Sie suchen.
KI auf fehlerhafte Prozesse aufsetzen
KI ist ein Multiplikator. Genau das macht es so kontraproduktiv, sie auf fehlerhafte Workflows anzuwenden – sie multipliziert die Fehler. Organisationen, die glauben, KI könne einen kaputten Prozess reparieren, machen diesen Prozess in fast jedem Fall noch fehlerhafter und schwerer durchschaubar.
Markus Kopko, CPMAI Lead Coach, bringt die Dynamik auf den Punkt: „Wenn man KI und KI-Lösungen auf schlechte Prozesse wirft, wird der Prozess dadurch nicht besser. Die Ergebnisse sind sogar noch schlechter, als wenn man seine Prozesse nicht ändert.“ Prozessverbesserungen müssen zuerst kommen. KI, die auf einen ungeprüften oder ineffizienten Ablauf angewandt wird, bringt die zugrundeliegenden Probleme nicht ans Licht – sie werden unter schnellerer und größerer Output-Menge vergraben.
Ersetzung menschlicher Urteilsfähigkeit bei Teamdynamik und Konflikten
Daten können einer Projektleitung viel verraten. Sie können jedoch nicht zeigen, dass zwei Teammitglieder das Vertrauen zueinander verloren haben, dass psychologische Sicherheit im Team fehlt oder dass ein scheinbares Terminproblem in Wirklichkeit auf einen tieferliegenden Konflikt zurückgeht. Dies erfordert Präsenz, Beobachtung und menschliches Urteilsvermögen – all das kann KI nicht bieten.
Jeremiah Hammon, Trainer für Führung und Projektmanagement bei Project Revolution, zieht eine klare Grenze: „Was KI nicht leisten wird, ist, die echten Probleme zu erkennen. Sie sagt uns nicht, dass drei Teammitglieder persönliche Schwierigkeiten haben oder wann Konflikte im Team gelöst werden müssen. Das kann sie nicht.“ Die zwischenmenschliche Dynamik in einem Projektteam – wer kämpft, wer ist nicht mehr engagiert, was bleibt unausgesprochen – bleibt für KI unsichtbar. Und genau diese Dynamik entscheidet in vielen Projekten darüber, ob die Arbeit erledigt wird.
Was KI nicht leisten wird, ist, die echten Probleme zu erkennen. Sie sagt uns nicht, dass drei Teammitglieder persönliche Schwierigkeiten haben oder wann Konflikte im Team gelöst werden müssen. Das kann sie nicht.
Das Muster hinter dem Problem
In all diesen Anwendungsfällen zieht sich ein roter Faden durch die Misserfolge: KI wird mit Aufgaben betraut, für die sie nie konzipiert wurde, oder in einer Weise eingesetzt, die menschliches Urteilsvermögen ausschließt – Urteilsvermögen, das das Problem erkannt hätte. Das eigentliche Problem ist nicht die KI selbst, sondern die Annahme, dass ein KI-generiertes Ergebnis automatisch zuverlässig, angemessen oder ausreichend ist. Diejenigen, die KI am effektivsten nutzen, sind nicht die mit der längsten Anwendungsliste. Es sind diejenigen, die am klarsten erkennen, wo die Möglichkeiten der KI enden und menschliches Urteilsvermögen beginnt – und die diese Grenze nicht als Einschränkung, sondern als Gestaltungsprinzip betrachten.
Möchten Sie mehr solcher Einblicke? Melden Sie sich für ein kostenloses DPM-Konto an, um noch mehr von solchen Expertenstimmen zu hören.
