Produktive KI-Funktionen: Vom KI-Assistenten zu autonomen Agenten
Automatisierung: Die KI von Productive automatisiert mühsame Aufgaben wie Zeiterfassung und Massen-Updates und steigert so die Effizienz von Teams.
Zentralisierung: Die KI-Integration in Productive verbindet operative und finanzielle Daten für eine aufschlussreiche Analyse des Projektstatus.
Fähigkeiten: Wiederverwendbare KI-Fähigkeiten sorgen für konsistente, effiziente Eingaben bei Ressourcenevaluierungen und Budgetzusammenfassungen.
Agenten: Autonome Agenten führen Workflows eigenständig aus und verwandeln das Projektmanagement mit minimalem menschlichem Eingriff.
Integration: Die Unterstützung von MCP verbindet Productive mit anderen Tools und steigert so die KI-Fähigkeit im gesamten Software-Ökosystem.
Projektmanager im Professional Services-Bereich tragen bereits eine große Verantwortung. Die KI von Productive ist dafür gemacht, den Rest zu übernehmen – sie kümmert sich im Hintergrund um den operativen Overhead, damit sich die Delivery-Teams auf die Arbeit konzentrieren können, die wirklich Fortschritte bringt.
Die KI-Funktionen von Productive basieren auf einer klaren Prämisse: Die Routinearbeiten, die Agenturen ausbremsen – Zeiterfassung, Aufgaben-Updates, Ressourcenprüfungen, Pflege veralteter Projekte – sollten keine menschliche Aufmerksamkeit erfordern. Anstatt einen generischen Chatbot über verschiedene, nicht miteinander verbundene Projektmanagement-Tools zu legen, integriert Productive KI direkt in die eigene All-in-One-PSA-Plattform. Dort hat sie Zugriff auf operative, finanzielle und beziehungsrelevante Daten und wird damit wirklich nützlich.
Bernie Vrbat, der bei Productive eng mit Agenturen und Beratungen zusammenarbeitet, präsentierte die KI-Fähigkeiten der Plattform während des The Future of AI in Project Management-Showcase. Hier ist ein Überblick darüber, was die KI von Productive leisten kann.
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
Deep Dive in die KI-Funktionen von Productive
1. Der KI-Assistent: Zentrale für operative Aufgaben
Der KI-Assistent von Productive befindet sich in der Seitenleiste Ihres Accounts – jederzeit und in jedem Bereich der Plattform zugänglich.
Da Productive bereits Projekt-, Ressourcen-, Budget- und Finanzdaten zentralisiert, muss der Assistent nicht jedes Mal den Kontext neu erhalten. Er setzt dort an, wo Sie sich gerade befinden, und arbeitet mit den im System vorhandenen Daten. Das bedeutet, ein Projektmanager kann beispielsweise fragen, ob ein Projekt "gesund" ist, und erhält eine auf echten Leistungsdaten basierende Auswertung.
Während der Vorstellung wurden drei Anwendungsfälle demonstriert: Automatisierte Zeiterfassung, Massenaktualisierung von Aufgaben und KI-generierte Projekt-Statusberichte.
Für die Zeiterfassung kann der Assistent Zeiteinträge zu erledigten Aufgaben mit nur einer Eingabe buchen – ganz ohne langes Suchen in Menüs. Bei Massenaktualisierungen kann er den Status von Aufgaben in einem gesamten Projekt gleichzeitig ändern (praktisch, wenn beispielsweise ein Engpass entsteht und alles pausiert werden muss). Für Berichte kann der Assistent den Projektstatus quer über verschiedene Datenquellen analysieren – und das Entscheidende: er legt offen, wie er zu den Ergebnissen kommt, damit Projektmanager die Zahlen hinter der Auswertung nachvollziehen können.
Mit KI sollte man immer eine kleine Fehlerquote einkalkulieren. Hier geht es uns also nicht um hundertprozentige Genauigkeit, sondern um Transparenz.
So holen Sie das meiste aus dem KI-Assistenten von Productive heraus:
- Lassen Sie den Kontext für sich arbeiten: Der Assistent erkennt, auf welchem Bildschirm Sie sich befinden – Sie müssen nicht jedes Mal alles erneut erklären.
- Nützen Sie ihn für Massenänderungen: Preislisten aktualisieren, Kostensätze anpassen, mehrere Status auf einmal ändern – Aufgaben mit hohem Administrationsaufwand, die sonst viel manuelle Arbeit über zahlreiche Datensätze hinweg erfordern würden.
- Überprüfen Sie KI-generierte Erkenntnisse: Jeder Projektstatusbericht enthält die zugrunde liegenden Daten und Quellen, sodass Sie nachvollziehen können, worauf das System seine Auswertung stützt.
2. Skills: Wiederverwendbare KI-Anweisungen für konsistente Ergebnisse
Skills sind Productives Antwort auf das Problem, immer wieder dieselben, detaillierten Prompts eingeben zu müssen.
Wenn Sie einen Prompt gefunden haben, der gut funktioniert – sei es zur Überprüfung der Ressourcenverfügbarkeit, zur Zusammenfassung von Budgetergebnissen oder zum Erstellen strukturierter E-Mail-Updates – können Sie diesen als Skill abspeichern und jederzeit erneut verwenden. Noch wichtiger: Skills können in der gesamten Organisation geteilt werden, sodass nicht nur derjenige, der den Prompt erstellt hat, davon profitiert, sondern das ganze Team.
Während der Demo wurde eine Skill zur Ressourcensuche in Aktion gezeigt: Anhand von Vorgaben zu Verfügbarkeit, Senioritätslevel, Servicetyp und Fähigkeiten schlug der Assistent die am besten passende verfügbare Person für ein Projekt vor – und überprüfte, ob die Empfehlung mit den tatsächlichen Ressourcen-Daten übereinstimmte.
Skills können auch auf Auto-Aktivierung eingestellt werden. Das bedeutet, dass der Assistent relevantes Skill-Wissen automatisch anwendet, wenn Sie eine Frage stellen – ohne dass Sie die passende Skill suchen und manuell starten müssen.
Anstatt nur eine Person im Unternehmen zu haben, die weiß, wie man die KI auffordert, können plötzlich das ganze Expertenteam mit erstklassigen Prompts arbeiten.
- Bernie Vrbat, Productive
Best Practices für den Einsatz von Skills in Productive:
- Investieren Sie in detaillierte Prompts: Je spezifischer die Skill-Anweisungen, desto besser und konsistenter ist das Ergebnis.
- Im Team teilen: Skills sind eine organisatorische Ressource – wird standardisiert, wie die KI Ihre Prozesse interpretiert, erhalten Sie konsistente Resultate, unabhängig davon, wer sie ausführt.
- Nutzen Sie den Assistenten, um Ihre Skills zu verbessern: Sie können die KI bitten, eine Skill zu überprüfen und Verbesserungen vorzuschlagen, bevor Sie sie aktivieren.
3. Agents: Autonome Workflows, die ohne Sie laufen
Mit Agents entwickelt sich die KI von Productive weiter: Sie beantwortet nicht mehr nur Fragen, sondern erledigt tatsächlich Aufgaben ganz von alleine.
Wie Skills werden Agents in Alltagssprache eingerichtet – ganz ohne Programmierkenntnisse. Während jedoch eine Skill vom Menschen ausgelöst werden muss, arbeiten Agents eigenständig. Sie können mehrere Schritte durchlaufen, eigenständige Entscheidungen treffen und über verschiedene Tools hinweg agieren – ohne dass jemand in jeder Phase eingreifen muss.
Zwei Agents wurden in der Demo vorgestellt. Der erste war ein Konversations-Office- und Admin-Assistent – konfiguriert, um ein Unternehmenshandbuch zu referenzieren und Fragen zu Richtlinien, Weiterbildungsbudgets und anderen HR-nahen Themen zu beantworten. Er kann außerdem direkt zu passenden Aufgaben-Vorlagen verlinken, sodass eine Anfrage nicht nur beantwortet, sondern auch unmittelbar in eine konkrete Aktion verwandelt wird.
Der zweite war ein "Stale Task Watcher": Ein automatisierter Agent, der jeden Morgen um 9 Uhr alle Projekte nach Aufgaben ohne aktuelle Aktivität durchsucht und die zuständigen Personen zur Nachverfolgung benachrichtigt. In der Demo identifizierte und markierte er 18 inaktive Aufgaben in einem einzigen Durchlauf – genau jene Art von Sammelaktion, die sonst Projektmanager mühsam manuell abarbeiten müssten.
Der Vorteil, einen Agenten wie diesen zu erstellen, ist zum einen, dass er eine persönlichere Note verleiht und Menschen sich mit ihm verbinden können. Ein weiterer ist, dass Agents ihre eigenen Connectors haben können, was es ihnen ermöglicht, werkzeugübergreifend in verschiedenen, von MCP unterstützten Tools zu arbeiten.
So starten Sie mit Agents:
- Einfach beginnen: Ein unkomplizierter Agent – etwa einer, der eine einzelne Bedingung überwacht und die richtigen Personen informiert – zeigt schnell messbaren operativen Nutzen.
- Präzisen Umfang festlegen: Agents können auf bestimmte Projekte und Daten beschränkt werden, sodass Sie exakt kontrollieren, worauf zugegriffen und was bearbeitet werden kann.
- Protokoll prüfen: Jeder Agent-Durchlauf wird mit vollständigem Aktivitätenprotokoll dokumentiert. Diese Transparenz sorgt dafür, dass Sie dem Agenten leichter vertrauen – und sein Verhalten gezielt weiterentwickeln können.
4. Steuerung und Berechtigungen für Agents
Je autonomer Agents werden, desto wichtiger wird die Frage der Kontrolle.
Productive begegnet dem mit fein justierbaren Berechtigungen. Administratoren können exakt festlegen, welchen Zugriff jeder Agent hat – welche Daten er einsehen, welche Projekte er bearbeiten und ob er handeln oder lediglich Informationen bereitstellen darf. Agents lassen sich auch gezielt auf bestimmte Projekte einschränken, damit sie nicht in unerwünschte Bereiche abdriften.
Jeder Agent-Durchlauf wird inklusive vollständiger Aktivitätsnachweise protokolliert, sodass Teams genau nachvollziehen können, was der Agent wann ausgeführt hat. In der Demo zeigte ein Lauf von vor drei Stunden, welche Aufgaben markiert und welche Aktionen der Agent dazu jeweils durchgeführt hatte.
Hinsichtlich Datenschutz agiert die KI von Productive nach den Vorgaben von GDPR, CCPA und SOC 2. Kundendaten werden nicht für das Training von Productive-Modellen oder von Partner-Modellen genutzt.
Die Kontrolle behalten, während KI immer mehr übernimmt:
- Projektbezogene Reichweite nutzen: Beschränken Sie den Zugriff von Agenten auf nur die Projekte, in denen dies relevant ist.
- Läufe regelmäßig überwachen: Das Aktivitätsprotokoll bietet Ihnen Einblick, was Agenten tun – behandeln Sie es als Routineüberprüfung und nicht nur als ein Werkzeug zur Fehlerbehebung.
- Berechtigungen durchdacht staffeln: Passen Sie den Agentenzugriff an die Sensibilität der Aufgabe an und nicht nur an die Bequemlichkeit eines breiteren Zugriffs.
5. MCP-Integration: Productive mit Ihrem gesamten Tool-Stack verbinden
Productive unterstützt das Model Context Protocol (MCP), einen aufkommenden Standard, der großen Sprachmodellen erlaubt, sich sicher mit Geschäftssystemen zu verbinden und zu verstehen, welche Daten und Aktionen ihnen zur Verfügung stehen.
Praktisch bedeutet das, dass Teams Productive mit anderen MCP-kompatiblen Tools verbinden können – Kalender, Dokumentenspeicher, Kommunikationsplattformen – und über eine einzige Schnittstelle auf Daten aus allen Systemen zugreifen und damit interagieren können. Productive verfügt außerdem über einen eigenen offiziellen MCP-Server, sodass Nutzer ihr bevorzugtes LLM (beispielsweise Claude oder ChatGPT) anbinden und direkt innerhalb dieses Tools Fragen zu Productive-Daten stellen können.
Mit KI sind die Möglichkeiten endlos. Sie können in Productive mit dem LLM Ihrer Wahl arbeiten.
- Bernie Vrbat, Productive
Wie man MCP in Productive optimal nutzt:
- Bestehende Tools anbinden: Wenn andere Plattformen in Ihrem Stack eigene MCP-Server besitzen, können sie mit Productive verbunden werden, sodass KI systemübergreifend Daten lesen und darauf reagieren kann.
- Ihr bevorzugtes LLM nutzen: Teams, die bereits mit Claude oder ChatGPT arbeiten, können auf Productive-Daten direkt aus diesen Oberflächen zugreifen.
- Konnektor-Berechtigungen zentral verwalten: Wie bei Agenten steuern Sie, welche Tools verbunden sind und auf welche Daten jedes Zugriff hat.
6. KI-Notizassistent: Meeting-Kontext fließt direkt in Projekte ein
Productive hat kürzlich einen integrierten KI-Notizassistenten veröffentlicht, der Aktionspunkte aus Meetings erfasst, ein vollständiges Protokoll erstellt und es Nutzern ermöglicht, diese direkt in Aufgaben innerhalb der Plattform zu übertragen.
Das ist wichtig, weil es die Lücke schließt zwischen dem, was besprochen wurde, und dem, was tatsächlich erledigt wird. Meetingnotizen in einem separaten Tool erfordern eine manuelle Übertragung. Notizen innerhalb von Productive können zu Aufgaben im selben Workflow werden – verbunden mit denselben Projekten und Daten, mit denen bereits Agenten und Fähigkeiten arbeiten.
Den KI-Notizassistenten optimal nutzen:
- Aufgaben sofort anlegen: Lassen Sie Aktionspunkte nicht im Protokoll stehen – wandeln Sie sie in zugewiesene Aufgaben um, bevor das Meeting-Fenster geschlossen wird.
- Mit laufenden Projekten verknüpfen: Da die Ausgaben des Notizassistenten innerhalb von Productive gespeichert werden, fließen sie direkt in bestehende Agenten- und Skill-Workflows ein.
Productive KI-Funktionen im Vergleich zu anderen Tools
Productive setzt auf eine tiefgreifende Integration statt auf viele oberflächliche Funktionen.
- Tools wie Asana oder Monday.com bieten Aufgabenverwaltung mit KI-Erweiterungen, doch greift deren KI meist nur auf Projektdaten zu.
- Plattformen wie Harvest oder Toggl ermöglichen Zeiterfassung, verknüpfen diese jedoch nicht mit Ressourcenplanung, Budgets oder Projektfortschritt im selben System.
- Productive hebt sich ab, indem es operative, finanzielle und beziehungsbezogene Daten in einer Plattform bündelt und KI auf Basis dieses gesammelten Kontexts aufbaut.
Das Ergebnis ist eine KI, die beispielsweise eine Frage zum Projektstatus beantworten kann, indem sie gleichzeitig auf erfasste Zeiten, aufgebrauchtes Budget, Aufgabenstatus und Teamkapazität zugreift – ohne dass Daten aus verschiedenen Quellen zusammengetragen und manuell abgeglichen werden müssen.
Wie geht es weiter mit Productive KI?
Die kurzfristige Roadmap von Productive beinhaltet Artifacts – die Möglichkeit, KI-generierte Antworten nicht nur als Text, sondern auch als visuelle Ausgaben wie Dashboards, PDFs oder HTML-Berichte umzuwandeln.
Auf der Agentenseite befinden sich ereignisgesteuerte Agenten in der Entwicklung: Agenten, die automatisch aktiviert werden, wenn sich im System etwas ändert, anstatt nach einem festen Zeitplan zu laufen. Das Ziel sind Agenten, die proaktiv agieren—Probleme kennzeichnen und nach Rückmeldung fragen, sobald sie an einen Entscheidungspunkt gelangen, anstatt darauf zu warten, dass jemand nachfragt.
Wir wollten KI nicht einfach draufsetzen. Wir wollten herausfinden, wo KI wirklich einen Unterschied machen kann—nicht nur bei der Automatisierung von Einzelaufgaben, sondern um die Verwaltung und Analyse von Geschäftsabläufen zu unterstützen.
Mit Blick in die Zukunft sieht Bernie die Projektpflege—das Aktualisieren von Aufgabenstatus, das Überwachen des Fortschritts, das Anpassen von Zeitplänen, wenn etwas ins Stocken gerät—als den ersten operativen Bereich, der vollständig in die Hände von KI übergehen wird.
Möchten Sie mehr Analysen zu KI-Funktionen und Zugang zu Veranstaltungen wie der "Zukunft der KI im Projektmanagement"-Showcase? Erstellen Sie ein kostenloses Konto, um mit The Digital Project Manager verbunden zu bleiben.