Forecast, ein Unternehmen von Accelo, KI-Funktionen: Von Risikodetektion bis Ressourcenabgleich
Forecast, die KI-Funktionen eines Unternehmens von Accelo, basieren auf einer Kernüberzeugung: Dienstleistungsunternehmen sollten nicht gezwungen sein, durch Personalerweiterungen zu wachsen. KI sollte ihnen dabei helfen, mehr und vor allem berechenbarer zu liefern – ohne diese Einschränkungen.
Anstatt eine generische KI-Unterstützung nachträglich auf eine bestehende Plattform zu setzen, wurde Forecast von Beginn an mit einer KI-Grundlage entwickelt. Diese Professional Services Automation (PSA) Software nutzt echte operative Daten – Projektperformance, Ressourcenverfügbarkeit, Zeiterfassung und Finanzdaten – um Teams eine proaktive Sicht auf Risiken zu geben, bevor diese zu Problemen werden.
Joe DiPaulo, CEO von Accelo und Forecast, einem Unternehmen von Accelo, erklärt die strategische Intention: Das Ziel ist es, Führungskräfte im Dienstleistungssektor von einer reaktiven Rolle zu wirklich proaktivem Handeln zu bewegen. Nachfolgend ein Überblick über die wichtigsten KI-Funktionen von Forecast.
Kostenlos freischalten
Erstellen Sie ein kostenloses Konto, um diesen Beitrag zu Ende zu lesen und Teil einer Community zukunftsorientierter Führungskräfte zu werden, die Tools, Leitfäden und Insights für den Erfolg im Zeitalter der KI freischaltet.
Have an account? Log In
Detaillierter Einblick in die Funktionen von Forecast, einem Unternehmen von Accelo
1. KI-Engine von Forecast für proaktive Risikoerkennung
Forecast liefert mit Nova Insights, der integrierten KI-Analyseebene, laufend aktuelle Informationen zur Projektausführung.
Nova Insights überwacht kontinuierlich sämtliche Aktivitäten im System – aktive Projekte, erfasste Stunden, abgeschlossene Aufgaben, Rechnungsstellung und Ressourcenzuweisungen – und kennzeichnet proaktiv Risiken, sobald diese entstehen. Anstatt zu warten, bis ein Projektmanager einen Bericht erstellt, warnt das System Teams in Echtzeit vor möglichen Problemen.
Beispielsweise kann Nova Insights erkennen, wenn Ressourcen in einem Projekt hinter ihren Verfügbarkeitszusagen zurückbleiben, und prognostiziert sowohl eine Budgetabweichung als auch eine wahrscheinliche Verschiebung des Liefertermins – und gibt Teams so eine frühe Warnung, solange noch Möglichkeiten zur Korrektur bestehen.
Über das Sichtbarmachen von Risiken hinaus generiert Forecast auch sogenannte "Assists" – Vorschläge für Maßnahmen, die ein Projektmanager ergreifen kann, um das Problem zu adressieren. Das System schätzt die benötigten Stunden für bestimmte Rollen und zeigt verfügbare Ressourcen an, mit denen sich diese Lücken sofort vom gleichen Bildschirm aus schließen lassen.
So holen Sie das Maximum aus Nova Insights heraus:
- Frühzeitig handeln, nicht erst spät: Nutzen Sie KI-erfasste Risiken, um einzugreifen, solange das Projekt noch rettbar ist – nicht erst nach Ablauf der Deadline.
- Ins Detail gehen: Nova Insights ermöglicht es Managern, von den übergeordneten Warnungen mit wenigen Klicks zur Aufgabenanalyse auf Detailebene zu gelangen.
- Assists als Ausgangspunkt nutzen: Lassen Sie die KI Ressourcenanpassungen vorschlagen und wenden Sie dann Ihr eigenes Urteilsvermögen an, bevor Sie Änderungen bestätigen.
Das System verfügt über sogenannte ‘Assists’, bei denen es vorschlagen kann, wie man einige dieser Herausforderungen lösen kann, um das Projekt wieder auf Kurs zu bringen.
2. KI-gestützte Ressourcenplanung und Kapazitätsmanagement
Eine der grundlegenden KI-Funktionen von Forecast ist das intelligente Ressourcen-Matching – Ressourcemanagern wird geholfen, die richtigen Personen den richtigen Aufgaben zuzuweisen, ohne manuell Tabellen oder Verfügbarkeitskalender durchsuchen zu müssen.
Die Kapazitätsplanungsansicht der Plattform gibt einen Überblick über die Arbeitslast des Teams nach Monat, Woche oder Quartal und unterstützt Filter nach Projekt, Kunde oder Team. Wenn offene Aufgaben existieren, empfiehlt die KI von Forecast die besten Kandidaten für jede Rolle anhand von Verfügbarkeit, Fähigkeiten, Eignung der Rolle, Stundensatz und bisheriger Aufgabenperformance.
Das System lernt aus der Lieferhistorie. Erbringt ein weniger erfahrener Teamkollege regelmäßig gute Leistungen bei Aufgaben auf Senior-Niveau, wird dieses Muster in künftige Empfehlungen einbezogen – und macht das Matching so im Laufe der Zeit intelligenter.
Ressourcemanager können Zuweisungen per Drag-and-drop verschieben, um verschiedene Kapazitätsszenarien durchzuspielen, und sehen direkt, wie sich Änderungen auf die Arbeitslast auswirken, bevor etwas verbindlich wird.
Best Practices für KI-unterstützte Ressourcenplanung:
- Betrachten Sie die Empfehlungen als Vorauswahl, nicht als Vorgabe: Die KI grenzt die Optionen ein; die endgültige Entscheidung treffen Sie basierend auf dem Kontext, den das System eventuell nicht kennt.
- Laden Sie historische Daten während der Einführung hoch: Das Implementierungsteam von Forecast unterstützt Kund:innen dabei, ein bis zwei Jahre Projektverlauf zu importieren, um die Modellgenauigkeit von Anfang an zu beschleunigen.
- Verwenden Sie Platzhalter, um Bedarfsignale zu erzeugen: Wenn für ein Projekt eine Rolle benötigt wird, die noch nicht besetzt ist, fließen Platzhalter in die Kapazitätsübersicht ein und lösen proaktiv Ressourcenempfehlungen aus.
3. MCP-Workflow-Orchestrierung: Forecast mit jedem LLM verbinden
Eine der markantesten KI-Funktionen von Forecast ist die Unterstützung des Model Context Protocol (MCP)—einem aufkommenden Standard, der es großen Sprachmodellen ermöglicht, sicher mit Business-Systemen zu verbinden und mit deren Daten zu interagieren.
Durch MCP können Kund:innen ihre bevorzugten KI-Tools—egal ob Claude, ChatGPT, Microsoft Copilot oder Gemini—direkt mit den Betriebsdaten von Forecast verbinden. Dies ermöglicht es Teams, Projektstatus, Ressourcenverfügbarkeit, Abrechnungsdaten und Zeitprotokolle per natürlicher Sprache abzufragen, ohne sich in die PSA-Plattform einzuloggen oder eigene Integrationen zu erstellen.
So kann beispielsweise ein Ressourcenmanager fragen: "Wer ist nächste Woche verfügbar?" – und erhält eine nach Verfügbarkeit sortierte Liste von Teammitgliedern mit ihren freien Stunden. Daten, für die man sonst mehrere Bildschirme durchlaufen oder manuelle Berichte erstellen müsste. Ebenso kann eine Führungskraft eine vollständige Aufschlüsselung der verrechenbaren und nicht verrechenbaren Zeiten für einen Kunden per Abfrage erhalten und bekommt innerhalb von Sekunden eine detaillierte Übersicht über zehntausende erfasste Stunden.
Forecast behandelt MCP als verwaltete und sichere Funktion. Kund:innen authentifizieren sich individuell, und alle zurückgegebenen Daten sind auf das eigene Konto beschränkt—es gibt keine Datenfreigabe zwischen verschiedenen Kund:innen. Die Funktion befindet sich derzeit in der Beta-Phase, wird aber schrittweise bereitgestellt.
Wie Teams die MCP-Integration von Forecast effektiv nutzen können:
- Verwenden Sie das LLM Ihrer Wahl: Die MCP-Schicht von Forecast ist plattformunabhängig—Kund:innen sind nicht an ein bestimmtes KI-Tool gebunden.
- Ersetzen Sie Meeting-Vorbereitung durch einen Prompt: Geschäftsleitung und Projektleiter:innen bekommen projektübergreifende Einblicke und Berichts-Zusammenfassungen auf Knopfdruck, ohne auf eine Dashboard-Auswertung warten zu müssen.
- Individuelle Workflows gestalten: Teams können mit MCP KI-gesteuerte Workflows erstellen, die Forecast-Daten zusammen mit anderen angebundenen Tools nutzen und so mehr Kontext für Entscheidungen schaffen.
„Die Kombination aus einem System of Record und KI, die es Kund:innen ermöglicht, beliebige LLMs einzubinden – um so nicht nur aus Forecast, sondern aus einer Reihe von Systemen den größten Nutzen zu ziehen – ist das, was diese Lösung so leistungsstark macht“, sagt DiPaulo.
Die Kombination aus einem System of Record und KI, die es Kund:innen ermöglicht, beliebige LLMs einzubinden – um so nicht nur aus Forecast, sondern aus einer Reihe von Systemen den größten Nutzen zu ziehen – ist das, was diese Lösung so leistungsstark macht.
4. Von Anfang an mit einer KI-Basis entwickelt
Im Gegensatz zu Plattformen, die KI-Features nachträglich in bestehende Infrastrukturen integrierten, wurde Forecast von Anfang an mit KI entwickelt – gegründet auf maschinellen Lernmodellen, die Teams schon lange vor dem Siegeszug generativer KI bei Ressourcen- und Kapazitätsplanung unterstützen sollten.
Das ist aus praktischen Gründen entscheidend. Die KI-Funktionen von Forecast arbeiten mit strukturierten, konsistenten Betriebsdaten, die innerhalb der Plattform vorhanden sind. Wenn Teams Zeit erfassen, Aufgaben erledigen, Rechnungen verbuchen oder Projekte aktualisieren, fließen diese Daten direkt in die Modelle ein – ohne Export, ohne manuelle Eingabe, ohne Integrationsverzögerung.
DiPaulo zieht einen klaren Vergleich mit dem Einsatz eines allgemeinen KI-Tools und einem Datenexport: „Ein allgemeines KI-Tool ist außerhalb eines operativen Systems. Es kann Kontext liefern, es kann eine Analyse durchführen, aber es hat normalerweise nicht alle Inputs in Echtzeit, die aus dem gesamten Unternehmen zusammengetragen werden.“
Ein generelles KI-Tool befindet sich außerhalb eines operativen Systems. Es kann Kontext liefern, es kann Analysen durchführen, aber es verfügt normalerweise nicht über alle Echtzeit-Eingaben, die aus Ihrer gesamten Organisation kommen.
Dieser operative Echtzeitkontext ermöglicht es der KI von Forecast, Empfehlungen zu geben, die auf dem basieren, was tatsächlich geschieht – nicht auf Annahmen oder veralteten Exporten.
Best Practices für den Einsatz der Forecast-KI-Architektur:
- Vereinheitlichen Sie die Abläufe auf der Plattform: Je konsequenter Teams Forecast für die Zeiterfassung, Aufgabenverwaltung und Projektupdates nutzen, desto präziser werden die KI-Ergebnisse.
- Minimieren Sie manuelle Eingriffe: Inkonsistente Dateneingaben beeinträchtigen die Genauigkeit. Vertrauen Sie dem System und passen Sie Prozesse an, statt die Daten zu ändern.
Forecast-KI-Funktionen im Vergleich zu anderen Tools
Die Stärken von Forecast liegen in der KI-gestützten Lieferintelligenz, der Ressourcenoptimierung und der überwachten Workflow-Orchestrierung – nicht bei einfacher Konfiguration oder allgemeiner Flexibilität.
- Aufgabenmanagement-Tools legen Wert auf konfigurierbare Oberflächen und flexible Automatisierung, verfügen aber nicht über den tiefen PSA-Betriebskontext, den Forecast bietet.
- Plattformen, die sich ausschließlich auf Szenarienplanung und Ressourcenprognosen konzentrieren, können nicht den gleichen Umfang an Ausführungsfähigkeiten bieten wie Forecast.
- Allgemeine KI-Tools wie ChatGPT oder Copilot sind zwar leistungsfähig für Analysen, arbeiten jedoch außerhalb des operativen Systems – ihnen fehlt der aktuelle Projekt-, Ressourcen- und Finanzkontext, der Empfehlungen handlungsfähig macht.
Forecast unterscheidet sich, indem es zugleich als System of Record und als KI-Schicht fungiert. Da die gleiche Plattform sowohl die Ausführung als auch die Intelligenz übernimmt, ist der Abstand zwischen Erkenntnis und Handlung gering. Wenn die KI ein Risiko meldet oder eine Ressource empfiehlt, kann die Führungskraft sofort – im gleichen Workflow – handeln.
Für Teams, die komplexe, abrechenbare Arbeiten in großem Maßstab steuern, bietet dieser integrierte Ansatz einen Hebeleffekt: bessere Ressourcenauslastung, frühzeitiges Erkennen von Risiken und Schutz der Marge – ohne zusätzlichen Betriebsaufwand.
Die Zukunft der KI im Bereich Professional Services Automation
Die Roadmap von Forecast zielt darauf ab, dass KI zu einem echten operativen Teilnehmer in der Dienstleistungsbereitstellung wird – nicht nur indem sie Informationen aufbereitet, sondern auch indem sie Aufgaben ausführt.
DiPaulo sieht die kurzfristige Zukunft darin, dass KI-Agenten wiederkehrende Aufgaben der Ausführung übernehmen – Angebotsentwürfe, Rechnungserstellung, das Erkennen von Ausnahmen und die Unterstützung von Softwareentwicklungsteams mit Coding-Workflows. Dem liegt das gleiche Modell zugrunde: administrative Aufwände reduzieren, Menschen erlauben, sich auf Kundenbeziehungen und wertvolle Entscheidungen zu konzentrieren, und Unternehmen helfen, ohne verhältnismäßiges Wachstum der Mitarbeiterzahl zu skalieren.
Langfristig erwartet DiPaulo, dass KI-Agenten als funktionale Arbeitskräfte innerhalb von Dienstleistungsunternehmen agieren – die klar abgegrenzte Aufgabenbereiche unter menschlicher Aufsicht übernehmen.
Künftige Entwicklungen werden voraussichtlich beinhalten:
- Automatisierte Angebotserstellung und Rechnungsstellung mit Prozessen zur menschlichen Prüfung
- Tiefergehende Unterstützung von agiler und sprintbasierter Ausführung, besonders für Software- und Technikagenturen
- Erweiterung der MCP-Funktionen auf Accelo, um die gleiche Workflow-Orchestrierung für die gesamte Plattform verfügbar zu machen
- Umfassendere KI-Agenten-basierte Ausführung von Aufgaben über den gesamten Lieferprozess hinweg
Mit zunehmender Reife der KI sind Plattformen wie Forecast – die seit Beginn auf operativen Daten basieren – bestens aufgestellt, um über die reine Vorhersage hinaus in die intelligente Ausführung zu gehen.
Fordern Sie eine Demo an und erleben Sie die Forecast-KI noch heute in Aktion.
Möchten Sie weitere Analysen zu KI-Funktionen und Zugang zu Veranstaltungen wie der "Zukunft der KI im Projektmanagement"-Showcase erhalten? Erstellen Sie ein kostenloses Konto, um mit The Digital Project Manager in Verbindung zu bleiben.