6 Beispiele für KI im Projektmanagement

Aber sie ist sich ihrer selbst nicht bewusst, nicht besonders gut darin, kreative Ideen von Grund auf neu zu erschaffen, und wird ohne ein wenig Schulung, Feedback und klare Anleitung nicht automatisch großartige Ergebnisse liefern.

Agentische KI basiert auf der gleichen Technologie, kann aber so konfiguriert werden, dass sie proaktiv Maßnahmen ergreift, ohne dazu aufgefordert zu werden. Sie ist ebenfalls nicht selbstbewusst oder lebendig. 

Beispiele für KI im Projektmanagement

Mein Ansatz zur Nutzung von KI in meinen Projekten basiert darauf, wo ich das meiste Stocken in meinen Projekten spüre – und was KI tatsächlich gut kann. Mein Ranking der Anwendungsfälle für KI im Projektmanagement sieht folgendermaßen aus:

Lead Smarter in the Age of AI

Join the DPM community for access to exclusive content, practical templates, member-only events, and weekly leadership insights - it’s free to join.

Sign up with:

LinkedInGoogleMicrosoft

Or sign up with email:

Name

This field is for validation purposes and should be left unchanged.

Name*

First name Last name

Business email*

This field is hidden when viewing the form

Free Account Module

Bottom BarLanding PageFooterInlinePop UpSidebarSSO

LinkedIn profile

Seniority*

Select an optionExecutive / C-suiteVPDirectorManagerIndividual ContributorOther

Company's AI adoption maturity*

Select an optionExploring opportunitiesRunning pilotsScaling adoptionEmbedded in the business model

1. Risiken identifizieren & steuern

Risikomanagement kann Ihr Projekt davor bewahren, auf die sprichwörtlichen Eisberge aufzulaufen, aber es ist leider oft die ungeliebteste Aufgabe im Projektteam. 

Die gute Nachricht ist, dass KI ein ausgezeichnetes Werkzeug für das Risikomanagement ist: Sie hat buchstäblich Zugriff auf nahezu alle öffentlich dokumentierten Daten darüber, wie Projekte in der Vergangenheit schiefgelaufen (oder auch gelungen) sind. Ein Orakel ist sie zwar nicht, aber sie liefert einen großartigen Gesprächsanstoß, damit sich das Team mit Projektrisiken auseinandersetzt und darüber diskutiert. 

So haben wir sie in einem aktuellen Projekt genutzt:

• Das Problem: Das Team hatte Schwierigkeiten, Risiken zu identifizieren, geschweige denn Reaktionen darauf zu entwickeln, für unser E-Commerce-Website-Migrationsprojekt.
• Die Lösung: Wir haben ChatGPT 4o einige nicht vertrauliche Details zu unserem Projekt gegeben und gebeten, potenzielle Risiken sowie Möglichkeiten, wie wir diese adressieren könnten, aufzulisten, um den Projekterfolg zu steigern.
• Das Ergebnis: Die Ergebnisse haben sofort eine Diskussion im Team ausgelöst. Klar, es begann mit „Nein, das würde nie passieren. Was passieren könnte, wäre…“, aber ehe wir uns versahen, hatten wir ein priorisiertes Risikoregister mit klaren Verantwortlichkeiten, denen das Risiko und das Monitoring bewusst waren.

So können Sie das in Ihren Workflow integrieren:

1. Wählen Sie ein geeignetes KI-Tool, das den KI-Richtlinien Ihres Unternehmens entspricht.
2. Erstellen Sie einen Anfangsprompt mit Ihren Projektdetails und nutzen Sie diese als Kontext für das große Sprachmodell (Large Language Model, LLM), das Sie einsetzen.
3. Bringen Sie die Ergebnisse mit in Ihr nächstes risikoorientiertes Teammeeting.
4. Aktualisieren Sie zusammen mit Ihrem Team das Risikoregister aufgrund der Reaktionen auf die identifizierten Risiken.
5. Wiederholen Sie diesen Prozess regelmäßig und geben Sie jeweils das aktuelle Risikoregister als Input ein.

Do	Don't
Geben Sie Kontext zur Art des Projekts und den Zielen an.	Laden Sie keine sensiblen Projektdetails oder personenbezogenen Daten hoch.
Laden Sie ein Beispiel eines Risikoregisters hoch, um Ihrem LLM zu helfen, das Ausgabeformat nutzbar zu gestalten.	Verwenden Sie das Ergebnis nicht ohne Überprüfung und Diskussion mit dem Team.
Verfeinern Sie die Ergebnisse mit Feedback und weiteren Details.	Lassen Sie nicht zu, dass das Risiko eine menschliche Kommunikation ersetzt. Risikobewertung und Risikoverantwortung sind Teamarbeit.
Erwägen Sie ein spezialisiertes Tool wie RAIDLog.com.	Tun Sie das nicht nur einmal zu Beginn Ihres Projektes und dann nie wieder.

Hier ist der Prompt:

„Agieren Sie als Mitglied des Projektteams in einer Digitalagentur, die für ein hochkarätiges Websitemigrationsprojekt für einen Kunden verantwortlich ist. Ziel des Projekts ist es, die E-Commerce-Seite eines Schuhhändlers von Shopify auf Wordpress zu migrieren. Wir befinden uns derzeit in der Designphase und stehen kurz vor dem Übergang in eine iterative technische Implementierungsphase mit zweiwöchentlichen Releases in unsere UAT-Umgebung zur Kundenüberprüfung. Die Zeit ist knapp, da wir nur 10 Wochen bis zum geplanten Go-Live-Termin haben. Könnten Sie helfen, Risiken zu identifizieren, die unseren Projekterfolg negativ beeinflussen könnten, und einige Strategien zur Risikobewältigung vorschlagen, um diese Risiken zu vermeiden, zu übertragen oder zu akzeptieren? Formatieren Sie Ihre Antwort in einer Tabelle, die in unser Risikoregister in Excel eingefügt werden kann.“

Das war unser Ergebnis:

🔷Hier die von uns als Beispiel hochgeladene Datei: Basic Risk Register Template For LLMs — Google Sheets. Eine Excel-Version gibt es hier: Basic Risk Register Template For LLMs - Excel

2. Optimierung der Projektstatus-Berichterstattung

Statusberichte zu nutzen, um wichtige Informationen für Ihre Stakeholder zu sammeln und zu vermitteln, mag administrativ wirken, ist aber tatsächlich hochstrategisch. Das einzige Problem ist… es ist jede Menge Arbeit. Und wahrscheinlich ist es nicht Ihr einziges Projekt.

KI kann dabei helfen, Zeit zu sparen und eine bessere Konsistenz in Ihren Projektstatusberichten zu erreichen.

So haben wir das in einem kürzlich durchgeführten Programm umgesetzt:

• Das Problem: Wir hatten viele kleine Projekte gleichzeitig für denselben Kunden, und wir verbrachten mehr Zeit mit der Erstellung von Statusberichten als mit der inhaltlichen Auseinandersetzung mit den darin enthaltenen Informationen.
• Die Lösung: Wir haben ein benutzerdefiniertes GPT mithilfe einer einfachen Statusbericht-Vorlage und einigen Beispielen trainiert und es Informationen aus einer Tabelle entnehmen lassen, die sowohl anekdotische Updates von Teammitgliedern als auch Daten aus unserer Projektmanagement-Software enthielt.
• Das Ergebnis: Wir haben nicht nur deutlich weniger Zeit damit verbracht, Updates in einen Statusbericht zu kopieren und einzufügen, sondern wir konnten auch überzeugende Optionen zur Lösung von Projektblockern generieren, die es uns anschließend ermöglichten, strategischer in unserer Kommunikation mit dem Kunden zu sein, statt einfach nur das Wetter zu berichten.

So können Sie dies in Ihren Arbeitsablauf integrieren:

1. Wählen Sie ein geeignetes KI-System, das mit den KI-Richtlinien Ihres Unternehmens übereinstimmt.
2. Richten Sie ein angepasstes Modell ein (ein GPT in ChatGPT, ein Gem in Gemini, ein Project in Claude, ein Space in Perplexity usw.).
3. Trainieren Sie es mit Ihrer Statusbericht-Vorlage sowie früheren Beispielen von Statusberichten.
4. Definieren Sie eine Persona, in deren Rolle das Modell für das Team agieren soll.
5. Geben Sie ihm einen Zweck.
6. Erstellen Sie eine Tabelle mit Projektupdates und Kennzahlen.
7. Bitten Sie das Team, Updates direkt in diese Tabelle einzupflegen.
8. Lassen Sie das angepasste Modell jede Woche für jedes Projekt laufen.

Empfehlung	Vermeiden
Verwenden Sie eine konsistente Vorlage oder Struktur für Ihre Projektstatusberichte.	Laden Sie keine sensiblen Daten in ein offenes LLM hoch.
Stimmen Sie Ihr Update-Tabellenblatt mit den Feldern im Projektstatusbericht ab.	Fügen Sie keine irrelevanten Kennzahlen oder Daten ein, wenn Sie diese nicht benötigen.
Setzen Sie klare Erwartungen mit dem Team, welche Inhalte ihre Updates enthalten sollen.
Einigen Sie sich mit Ihren Teams auf einen regelmäßigen Berichtszyklus und eine Abgabefrist für Updates.
Überprüfen Sie alle Statusberichte jedes Mal auf Fehler oder Halluzinationen.

Hier ist eine Beispielkonfiguration:

„Du bist eine KI für Projektmanagement. Deine Aufgabe ist es, unserem Projektmanagement-Team dabei zu helfen, prägnante und dennoch aussagekräftige Projektstatusberichte mit einer konsistenten Struktur zu erstellen, ähnlich der beigefügten Vorlage. Ich werde relevante Details wie Updates aus dem Team sowie die neuesten Daten aus unserem Projektmanagement-System liefern. Nutze den zweiten Anhang als Beispiel, um das erforderliche Detaillierungsniveau und die gewünschten Kennzahlen zu bestimmen. Formatiere dein Ergebnis als herunterladbare .docx-Datei. Mache eine Pause, falls Eingaben oder Anweisungen unklar sind.“

Hier ist der Prompt:

„Bitte generiere einen Projektstatusbericht basierend auf dem bereitgestellten Bericht. Achte auf den im Anhang genannten Datumsbereich. Den Abschnitt "Action Items" werde ich ausfüllen.“

🔷 Hier sind die Beispiel-Projektdokumente, mit denen wir trainiert haben, und ein Beispielinput:

• Statusbericht-Vorlage
• Beispielhafter Statusbericht als Referenz (PDF)
• Tabellenblatt mit Team- und Projektupdates: Google Sheet und PDF

Und hier ist das Ergebnis:

3. Unterstützung bei Projektentscheidungen

Projekte bestehen aus Tausenden kritischer Entscheidungen, von denen jede das Projekt aus der Bahn werfen könnte – und die meisten davon dürfen Sie selbst nicht einmal treffen. Stattdessen unterstützen Sie den Entscheidungsprozess vor allem durch Einflussnahme.

KI kann als Mini-Entscheidungssimulator für Projekte fungieren und Szenarien generieren, die Sie überprüfen und Ihrem Team vorlegen können, um Empfehlungen für die Entscheidungsträger zu erarbeiten.

Hier ein Beispiel aus unserer Community:

• Das Problem: Ein Mitglied unserer Community stand im letzten Projekt an einem Scheideweg – eine neue E-Commerce-Plattform wurde während eines Website-Relaunchs verfügbar. Die neue Plattform unterstützte Funktionen, die auf der bisherigen Plattform erst entwickelt werden müssten. Die Zeit drängte wegen einer Black-Friday-Kampagne, und die neue Plattform konnte nicht rechtzeitig beschafft, konfiguriert und eingeführt werden. Beide Optionen hatten Vor- und Nachteile, und der Projektmanager musste schnell entscheiden.
• Die Lösung: Sie haben das Team zusammengetrommelt und mehrere Optionen erarbeitet. Anschließend wurden diese mit Claude für eine tiefere Analyse geprüft.
• Das Ergebnis: Sie konnten dem Kunden eine fundierte, KI-gestützte Empfehlung unterbreiten, basierend auf der kombinierten Analyse des Teams und von Claude.

So integrieren Sie dieses Vorgehen in Ihren Workflow: 

1. Wählen Sie ein passendes KI-Tool (oder ein KI-Projektmanagement-Tool), das zu den KI-Richtlinien Ihres Unternehmens passt.
2. Entwerfen Sie eine Persona für Ihren Prompt.
3. Fügen Sie Kontextinformationen über das Projekt und die zu treffende Entscheidung hinzu.
4. Listen Sie alle bereits erarbeiteten Optionen auf.
5. Formulieren Sie Ihren Prompt so, dass weitere Optionen vorgeschlagen werden.
6. Nutzen Sie das Ergebnis für die Diskussion mit Ihrem Team und passen Sie es gegebenenfalls an.
7. Präsentieren Sie die Optionen den Stakeholdern mit einer klaren, von Ihrem Team gestützten Empfehlung.

Do	Don't
Stellen Sie Informationen über die Projektziele bereit.	Treffen Sie keine vorschnelle Entscheidung nur auf Grundlage der Empfehlung Ihres Tools.
Probieren Sie verschiedene Personas aus, die besser zu Ihren Stakeholdern passen könnten.	Geben Sie keine sensiblen oder personenbezogenen Informationen in ein offenes LLM ein.
Nutzen Sie das Tool, um Ihre Empfehlungen zu hinterfragen oder zu prüfen.	Nehmen Sie keine Analysebestandteile auf, die für Ihr Projekt nicht wirklich relevant sind.

Hier ist der Prompt:

„Agieren Sie als KI für Projektmanagement. Ihre Aufgabe ist es, verschiedene Szenarien für wichtige Projektentscheidungen zu generieren und kritisch zu bewerten, auf die wir im Laufe des Projekts stoßen. 

Unser aktuelles Projekt ist ein Redesign einer E-Commerce-Website für einen Kunden im Bereich Kinderschuh-Einzelhandel. 

Wir haben die Möglichkeit, auf eine andere E-Commerce-Plattform umzusteigen, die eine tiefere Personalisierung und prädiktive Analysen des Kaufverhaltens unserer Kunden ermöglicht. Allerdings würde dies das Budget erhöhen und den Zeitplan über ein wichtiges Verkaufsfenster hinaus verlängern (Black Friday). 

Wenn wir hingegen mit der aktuellen Plattform weitermachen, werden wir wahrscheinlich trotzdem nächstes Jahr auf die neue Plattform wechseln müssen – als separates Projekt mit ähnlichem Budget –, um das Ziel einer stärker personalisierten Einkaufserfahrung und eines stetigen Umsatzwachstums durch dynamische Upselling-Möglichkeiten zu erreichen. 

Könnten Sie die Vorteile und Nachteile der beiden Optionen abwägen? 

Gern können Sie auch Vorschläge für Lösungen machen, an die wir vielleicht noch nicht gedacht haben. 

Bitte stellen Sie Ihre Ergebnisse als Stichpunkte dar, damit diese im Team diskutiert und an unseren Executive Sponsor weitergegeben werden können.“

Das war unsere Ausgabe:

4. Analyse von Projekt-KPI-Trends

Projekt-Gesundheitskennzahlen sind hilfreich, aber gerade bei längeren Projekten ist es schwierig, den Überblick zu behalten, um größere Trends zu erkennen. KI kann helfen, Muster zu finden und Empfehlungen zu geben, wo Sie nach der eigentlichen Ursache suchen sollten. 

Hier ein Beispiel aus unserer Community:

• Das Problem: Bei einem unserer Mitglieder-Projekte mit Scrum bemerkte das Team, dass die Velocity der Sprints stark schwankte. Nachdem der Schätzprozess als Ursache ausgeschlossen wurde, wollte das Mitglied wissen, ob es andere Gründe geben könnte.
• Die Lösung: Sie wandten sich an ChatGPT, um mit Hilfe einer Tabelle historischer Sprintdaten zu prüfen, ob sich daraus Trends ableiten lassen, die eine fundierte Schlussfolgerung ermöglichen.
• Das Ergebnis: Basierend auf den Vorschlägen wurde eine Möglichkeit zur Verbesserung der Übergabe von Aufgaben zwischen Teams festgestellt, die nicht so vertraut mit der Scrum-Methode waren – wie etwa die Stakeholder der HR-Abteilung. Es war nicht der einzige Faktor, aber es förderte die Zusammenarbeit.

So können Sie dies in Ihren Workflow integrieren:

1. Wählen Sie ein KI-System, das zu den KI-Richtlinien Ihrer Organisation passt.
2. Exportieren Sie die historischen Projektdaten, die Sie analysieren lassen möchten.
3. Stellen Sie im Prompt den Projektkontext dar und beschreiben Sie die hochgeladenen Daten.
4. Prüfen Sie das KI-Ergebnis kritisch und überarbeiten Sie es gegebenenfalls.
5. Nehmen Sie die Analyse als Ausgangsbasis mit ins Team für eine gemeinsame Diskussion.

Do	Don't
Geben Sie saubere Projektdaten ohne personenbezogene Daten an.	Instrumentalisieren Sie das LLM nicht für die Bestätigung eines Bauchgefühls.
Experimentieren Sie mit Ihrem Prompt, um unterschiedliche Perspektiven zu erhalten.	Ziehen Sie keine vorschnellen Schlüsse auf Grundlage der Ergebnisse – Datenanalyse ist (noch) nicht die Spezialität von generativer KI.
	Nutzen Sie KI-Analysen nicht, um Schuld zuzuweisen. Verstehen Sie KI-Ergebnisse als Ausgangspunkt für Gespräche.

Hier ist der Prompt:

„Agieren Sie als KI für Projektmanagement. Ihre Aufgabe ist es, Trends in unseren Projektdaten zu erkennen, daraus Erkenntnisse zu gewinnen und Strategien zur Minderung identifizierter Risiken vorzuschlagen. 

Unser Projekt nutzt die Scrum-Methode zur Entwicklung einer Plattform für den Wissensaustausch und die Vernetzung von Mitarbeitenden. Zum Team gehören Full-Stack-Entwickler, UX/UI-Designer und ein HR-Teammitglied, das die Rolle des Product Owners übernimmt. 

Unsere Sprint-Velocity schwankt im Verlauf des Projekts, und wir versuchen, einige Gründe dafür herauszufinden.

Könntest du die angehängten Daten analysieren und prüfen, ob es Korrelationen gibt, die unsere Velocity beeinflussen könnten?

Formatiere deine Ausgabe als Aufzählungspunkte, die einfach mit dem Team über Slack geteilt werden können.“

🔷Hier ist ein Beispiel-Input (vereinfacht, nicht exakt der von unserem Teammitglied verwendete) und eine CSV-Version, die du direkt in dein LLM hochladen kannst, um es auszuprobieren.

Hier ist eine vereinfachte Ausgabe:

5. Terminierung & Planung

Wenn du ein Projekt leitest, erwartet jeder von dir, dass du eine Kristallkugel hast – sogar du selbst! KI ist zwar keine echte Kristallkugel, kann dir jedoch beim Starten der Projektplanung helfen, Deadlines validieren oder in Frage stellen, die Budgetbereitschaft eines potenziellen Kunden testen oder dem Team in der Planungsphase einen Ansatzpunkt liefern. 

Nehmen wir das Beispiel, einen groben Zeitplan für dein Projekt zu erstellen:

• Das Problem: Ich wurde gebeten, ein Projekt mit einem sehr komprimierten Zeitplan zu liefern, hatte aber das Gefühl, dass dieser nicht realistisch war. Bevor ich das Team einbezog, wollte ich den Zeitplan auf Plausibilität prüfen und dem Team zunächst etwas zum Reagieren bieten, anstatt mit einem leeren Blatt zu starten.
• Die Lösung: Ich habe eine Kombination aus ChatGPT und Tom’s Planner genutzt, um basierend auf dem Projektbrief einen ersten Zeitplan-Entwurf zu erstellen. Anschließend habe ich mit dem Team darüber gesprochen, ihn verfeinert und schließlich die Machbarkeit des ursprünglichen Zeitrahmens widerlegt.
• Das Ergebnis: Wir haben mithilfe der KI-Empfehlungen und unserer eigenen Analyse einen Fall dafür gemacht, die Deadline um drei Wochen nach hinten zu verschieben, um die Arbeit ohne zusätzliches Risiko abzuschließen. 

So kannst du das in deinen Workflow einbauen:

1. Wähle ein geeignetes KI-basiertes Tool aus, das mit den KI-Richtlinien deiner Organisation vereinbar ist.
2. Stelle dein Projektdossier oder Kontextinformationen als Prompt zur Verfügung, einschließlich des geplanten Vorgehens, Zeitrahmens, der Liefergegenstände und der Teamstruktur.
3. Prüfe das Ergebnis auf Plausibilität und passe es falls nötig an.
4. Nutze es als Ausgangspunkt für eine Diskussion im Team.

Do	Don't
Gib so viele Details und Kontext wie möglich an.	Nimm nicht die erste Antwort ungeprüft – gib Feedback und verbessere sie!
Probiere verschiedene Tools, um unterschiedliche Perspektiven zu erhalten, wenn möglich.	Plane nicht im luftleeren Raum! Projektplanung ist Teamsport!
Nutze deinen KI-generierten Projektplan, um kreative Gespräche mit deinem Team zu fördern

Hier ist der Prompt:

„Ich wurde gebeten, ein Blog-Redesign-Projekt zu leiten, das die Gestaltung und Entwicklung eines neuen Homepage-Templates und eines neuen Blogpost-Templates umfasst. 

Der Kunde ist ein Händler für Babyschuhe. Er möchte am 1. September starten und den neuen Blog bis zum 16. November launchen. Es wird auch eine gewisse Content-Migration erforderlich sein. 

Das Ziel ist, die Performance des Blogs zu steigern: die durchschnittliche Besuchsdauer, durchschnittliche Seitenaufrufe pro Sitzung und Klickrate zu Produktseiten zu erhöhen sowie die Absprungrate bei Blogposts zu senken.

Ich bin mir nicht sicher, ob der gewünschte Zeitrahmen realistisch ist. 

Könntest du mir helfen, einen Projektplan für dieses Vorhaben mit einer Liste potenzieller Terminrisiken zu erstellen?“

Hier ist das Ergebnis:

6. Automatisierung repetitiver, manueller Verwaltungstätigkeiten

Es ist kein Geheimnis, dass Projektmanagement repetitiv sein kann – oder, wie ich es gern nenne: „rhythmisch“. Als Projektleiter geben Sie den Takt für einen kontinuierlichen Kreislauf aus Routineaufgaben für Kommunikation, Planung, Priorisierung und Kurswechsel vor. 

Aber so wie Ihr Herz weiterschlägt, ohne dass Sie daran denken müssen, gibt es viele Möglichkeiten, KI die Zügel für wiederkehrende Aufgaben zu überlassen.

Nehmen wir als Beispiel, wie wir unsere wöchentlichen Zusammenfassungen für das interne Team erstellt haben:

• Das Problem: Projektmanager verbrachten jeden Freitag über eine Stunde damit, den Projektfortschritt der Woche für ihre Teams zusammenzufassen. Das zahlte sich zwar in Bezug auf die Team-Motivation aus, war aber mühsam zu erstellen.
• Die Lösung: Wir nutzten eine Drittanbieter-Erweiterung (Waves) für Slack, die ein Archiv der Konversationen speicherte. Dann leiteten wir die vollständigen Transkripte über Zapier an einen eigenen GPT weiter, der die Zusammenfassung erstellte. Er wurde darauf trainiert, schlagfertig, trocken und sarkastisch zu sein – denken Sie an TARS aus Interstellar oder K2SO aus Rogue One. Der Entwurf wurde dann per Zapier an Slack zurückgesendet, damit der Projektmanager ihn anpassen, kopieren, einfügen und versenden konnte.
• Das Ergebnis: Jeder Projektmanager sparte so mindestens 45 Minuten jeden Freitag, die, wie sollte es anders sein, natürlich für eine Partie Cards Against Humanity mit dem HR-Team genutzt wurden.

So können Sie dies in Ihren Workflow integrieren: 

1. Stellen Sie sicher, dass die Richtlinien Ihrer Organisation den Transfer von Slack-Konversationen in Drittanbieter-Tools erlauben.
2. Nutzen Sie ein Tool wie Waves (oder – falls bei Ihnen Slack KI-gestützte Funktionen aktiviert sind – vielleicht auch die Zusammenfassen-Funktion).
3. Erstellen Sie einen eigenen GPT oder ein Projekt innerhalb des LLM Ihrer Organisation und trainieren Sie ihn mit dem für interne Team-Kommunikation passenden Tonfall.
4. Verwenden Sie einen No-Code-Integrator wie Make oder Zapier, um den Prozess zu entwerfen und zu planen.
5. Verfeinern Sie den Ablauf nach Bedarf.

Do	Don't
Seien Sie transparent gegenüber dem Team, wie KI zur Zusammenfassung von Slack-Gesprächen eingesetzt wird.	Versuchen Sie nicht, Direktnachrichten mit dieser Methode für das ganze Team sichtbar zu machen. Privatsphäre ist wichtig.
Trainieren Sie Ihr Modell darauf, auf Ihre Unternehmenskultur zu achten – lassen Sie Fluchwörter, Hinweise auf illegale Drogen und unpassende Formulierungen entfernen, die außerhalb des ursprünglichen Kontextes nicht passen würden.	Versuchen Sie nicht, den Kanal mit allen Tool-Benachrichtigungen zusammenzufassen. Niemand will eine Auflistung geschlossener Jira-Tickets – zumindest nicht an einem Freitag.
Geben Sie den Projektmanagern die Gelegenheit, die Nachricht vor dem Versand zu prüfen und zu bearbeiten.	Fügen Sie in offenen LLMs keine personenbezogenen oder sensiblen Daten ein.
Ermutigen Sie Projektmanager, eigenen Stil und persönliche Note einzubringen (manuell oder durch Modelltraining).

Hier ist der Prompt:

„Verhalte dich wie ein trockener, sarkastischer britischer Stand-Up-Comedian.“ 

„Erstelle eine kurze Zusammenfassung des angehängten Chat-Transkripts. Es ist in Ordnung, Namen zu nennen, da diese Nachricht nur intern genutzt wird.“ 

„Formatiere das Ergebnis als eine kurze Nachricht, die ich dem Team per Slack schicken könnte. Du kannst ruhig maßvoll Emojis einbauen.“

Das war unser Ergebnis:

Wie geht es weiter?

Das sind nur einige meiner Lieblingsbeispiele, wie KI Ihrem Projektmanagement sofort mehr Effizienz verleihen kann. Sind das die einzigen? Keineswegs! Wenn Sie neu im Einsatz von KI in Ihren Projekten sind, nehmen Sie dies als Einstieg – und werden Sie dann kreativ.

Und wenn Sie bereit sind, diese Methoden für die Projektmanagementpraxis Ihrer Organisation zu etablieren, besprechen und priorisieren Sie mit Ihrem Team, welche Standardarbeitsanweisungen (SOPs) bei passender Aufwandsbalance den größten Nutzen bringen.

Ach ja: Unsere AI-Projektmanagement-Expert:innen bei DPM haben übrigens genau zu diesem Zweck einen praxisnahen Kurs entwickelt. Mit unserem Micro-Credential „Mastering AI in Digital Projects“ können Sie das KI-gestützte Projektmanagement Ihres Teams auf ein neues Level bringen.