Produktive KI-Funktionen: Vom KI-Assistenten zu autonomen Agenten
Automatisierung: Die KI von Produktive automatisiert lästige Aufgaben wie Zeiterfassung und Massen-Updates und steigert so die Effizienz der Teams.
Zentralisierung: Die KI-Integration in Produktive verbindet operative und finanzielle Daten für eine aussagekräftige Analyse des Projektstatus.
Fähigkeiten: Wiederverwendbare KI-Fähigkeiten gewährleisten konsistente und effiziente Eingaben für Ressourcenauswertungen und Budgetzusammenfassungen.
Agenten: Autonome Agenten führen Workflows eigenständig aus und revolutionieren das Projektmanagement mit minimalem menschlichem Eingreifen.
Integration: Die MCP-Unterstützung verbindet Produktive mit anderen Tools und erweitert so die KI-Fähigkeiten über das gesamte Software-Ökosystem hinweg.
Projektmanager im Professional-Services-Bereich tragen bereits viel Verantwortung. Die KI von Productive ist darauf ausgelegt, den Rest zu übernehmen—sie erledigt den operativen Verwaltungsaufwand im Hintergrund, sodass sich die Delivery-Teams auf Arbeit konzentrieren können, die tatsächlich voranbringt.
Die KI-Funktionen von Productive basieren auf einer klaren Prämisse: Die Routineaufgaben, die Agenturen ausbremsen—Zeiterfassung, Aufgaben-Updates, Ressourcenprüfungen, Pflege veralteter Projekte—sollten keine menschliche Aufmerksamkeit erfordern. Anstatt einen generischen Chatbot auf verschiedene, isolierte Projektmanagement-Tools aufzusetzen, integriert Productive die KI direkt in seine All-in-One-PSA-Plattform. So hat die KI Zugriff auf die betrieblichen, finanziellen und beziehungsbezogenen Daten, die sie wirklich nützlich machen.
Bernie Vrbat, der bei Productive eng mit Agenturen und Beratungen zusammenarbeitet, stellte die KI-Funktionen der Plattform während der Die Zukunft der KI im Projektmanagement Showcase vor. Hier ist eine Übersicht über die Möglichkeiten der KI von Productive.
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
Tiefer Einblick 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 überall in der Plattform erreichbar.
Da Productive bereits Projekt-, Ressourcen-, Budget- und Finanzdaten zentralisiert, muss der Assistent nicht jedes Mal neu ins Bild gesetzt werden. Er erkennt, wo Sie sich befinden, und arbeitet mit den bereits hinterlegten Daten. Das bedeutet, ein Projektmanager kann eine Frage stellen – etwa, ob ein Projekt gesund ist – und erhält eine Auswertung, die auf echten Projektdaten basiert.
In der Showcase wurden drei Anwendungsfälle demonstriert: Automatisierte Zeiterfassung, Massen-Updates bei Aufgaben und KI-generierte Berichte zum Projekt-Status.
Bei der Zeiterfassung kann der Assistent Zeiteinträge per einfachem Befehl für erledigte Aufgaben verbuchen—ohne sich durch Menüs klicken zu müssen. Für Massen-Updates kann er Aufgabenstatus für ein ganzes Projekt auf einmal ändern (praktisch, wenn etwa ein Hindernis alles zum Stillstand bringt). Beim Reporting kann der Assistent den Projekt-Status über verschiedene Datenquellen hinweg prüfen—und das Wichtigste: er legt offen, wie das Ergebnis zustande kommt, damit Projektmanager die Berechnung nachvollziehen können.
Mit KI müssen Sie immer eine kleine Fehlermarge einkalkulieren. Hier streben wir also nicht nach hundertprozentiger Genauigkeit, sondern nach Transparenz.
Wie Sie den größten Nutzen aus dem KI-Assistenten von Productive ziehen:
- Lassen Sie den Kontext für sich arbeiten: Der Assistent erkennt, auf welcher Seite Sie sich befinden – Sie müssen die Situation nicht jedes Mal neu erklären.
- Nutzen Sie ihn für Massenaktionen: Preislistenanpassungen, Änderungen von Kostenraten, Statusänderungen bei vielen Aufgaben gleichzeitig—all das, was früher mühsame Handarbeit erforderte.
- Prüfen Sie KI-generierte Erkenntnisse: Jeder Bericht zum Projekt-Status enthält die zugrundeliegenden Daten und Quellen, sodass Sie prüfen können, wie das System zur Aussage gekommen ist.
2. Skills: Wiederverwendbare KI-Anweisungen für konsistente Ergebnisse
Skills sind Productives Antwort auf das Problem, immer wieder die gleichen detaillierten Prompts zu formulieren.
Wenn Sie einen Prompt gefunden haben, der funktioniert—sei es zur Prüfung von Ressourcenverfügbarkeit, zur Zusammenfassung der Budget-Performance oder zum Erzeugen strukturierter E-Mail-Updates—können Sie diesen mit Skills einmal abspeichern und jederzeit wiederverwenden. Noch wichtiger: Skills lassen sich im gesamten Unternehmen teilen, sodass das ganze Team von guten Prompts profitiert und nicht nur der Verfasser.
Während der Demo wurde eine Ressourcenfindungs-Skill in Aktion gezeigt: Aufgrund von Vorgaben zu Verfügbarkeit, Seniorität, Dienstleistungsart und Fähigkeiten hat der Assistent die am besten verfügbare Übereinstimmung für ein Projekt herausgesucht – und überprüft, ob die Empfehlung mit den tatsächlichen Personaldaten übereinstimmt.
Skills können auch so eingestellt werden, dass sie automatisch aktiviert werden. Das heißt, der Assistent wendet das relevante Skill-Wissen automatisch an, wenn Sie eine Frage stellen – ohne dass Sie den passenden Skill finden und manuell auslösen müssen.
Anstatt eine Person in der Organisation zu haben, die weiß, wie man KI auffordert, kann plötzlich das gesamte Expertenteam mit erstklassigen Prompts ausgestattet werden.
- Bernie Vrbat, Productive
Best Practices für den Einsatz von Skills in Productive:
- In detaillierte Prompts investieren: Je präziser die Skill-Anweisungen, desto besser und konsistenter ist das Ergebnis.
- Im Team teilen: Skills sind ein organisatorischer Wert – wenn Sie standardisieren, wie KI Ihre Prozesse interpretiert, erhalten Sie konsistente Ergebnisse, unabhängig davon, wer sie ausführt.
- Nutzen Sie den Assistenten zur Verbesserung Ihrer Skills: Sie können die KI bitten, einen Skill zu überprüfen und Verbesserungen vorzuschlagen, bevor Sie ihn aktivieren.
3. Agents: Autonome Workflows, die ohne Sie laufen
Agents sind dort, wo die KI von Productive vom Beantworten von Fragen zum eigenständigen Arbeiten übergeht.
Wie Skills werden Agents in einfacher Sprache konfiguriert – ganz ohne Code. Während bei einer Skill ein Mensch sie auslösen muss, arbeitet ein Agent unabhängig. Er kann mehrere Schritte durchlaufen, unterwegs Entscheidungen treffen und über verschiedene Tools hinweg agieren – ohne dass jemand in jeder Phase eingreifen muss.
Während der Vorstellung wurden zwei Agents gezeigt. Der erste war ein konversationeller Office- und Admin-Assistent, der so konfiguriert war, dass er ein Unternehmenshandbuch referenziert und Fragen zu Richtlinien, Lernbudgets und anderen HR-nahen Themen beantwortet. Er kann außerdem direkt mit Aufgaben-Vorlagen verlinken, sodass eine Anfrage nicht nur beantwortet, sondern auch unmittelbar in eine Aktion umgewandelt wird.
Der zweite war ein Stale Task Watcher: ein automatisierter Agent, der jeden Morgen um 9 Uhr läuft, alle Projekte nach Aufgaben ohne aktuelle Aktivität durchsucht und die relevanten Personen zur Nachverfolgung benachrichtigt. Während der Demo wurden in einem Durchlauf 18 inaktive Aufgaben erkannt und markiert – eine Stapelverarbeitung, für die sonst ein Projektmanager manuell arbeiten müsste.
Der Vorteil, einen solchen Agenten zu erstellen, besteht unter anderem darin, dass er einen persönlicheren Ansatz bietet und die Nutzer einen Bezug zu ihm herstellen können. Ein weiterer Vorteil ist, dass Agents eigene Konnektoren haben können, die ihnen ermöglichen, mit unterschiedlichen MCP-unterstützten Tools zu arbeiten.
So starten Sie mit Agents:
- Einfach beginnen: Ein unkomplizierter Agent – zum Beispiel einer, der eine einzelne Bedingung überwacht und die richtigen Personen benachrichtigt – sorgt schnell für spürbare operative Verbesserungen.
- Präzisen Umfang festlegen: Agents können auf bestimmte Projekte und Daten beschränkt werden, sodass Sie exakt kontrollieren, was sie sehen und worauf sie zugreifen dürfen.
- Das Protokoll prüfen: Jeder Agent-Durchlauf wird protokolliert und zeigt, was wann getan wurde. Diese Transparenz sorgt für mehr Vertrauen – und macht es leichter, Agent-Verhalten schrittweise zu optimieren.
4. Agenten-Steuerung und Berechtigungen
Mit zunehmender Autonomie der Agents stellt sich die Frage nach Kontrolle.
Productive begegnet dieser Herausforderung mit fein abgestuften Berechtigungen. Administratoren können exakt festlegen, auf welchen Ebenen ein Agent Zugriff erhält – welche Daten er lesen kann, auf welche Projekte er zugreifen darf und ob er Maßnahmen ergreifen oder lediglich Informationen bereitstellen darf. Agents lassen sich außerdem auf ausgewählte Projekte beschränken und damit daran hindern, in unerwünschte Bereiche zu gelangen.
Jeder Agent-Ausführung wird mit einem vollständigen Aktivitätsprotokoll festgehalten, sodass Teams genau nachverfolgen können, was der Agent getan hat – und wann. Während der Demo zeigte ein Lauf von vor drei Stunden, welche Aufgaben markiert wurden und welche Aktionen der Agent jeweils durchgeführt hatte.
Beim Thema Datenschutz arbeitet die KI von Productive nach den Standards der DSGVO, CCPA und SOC 2. Kundendaten werden nicht genutzt, um die Modelle von Productive oder Drittanbietermodelle, mit denen gearbeitet wird, zu trainieren.
Kontrolle behalten, während KI mehr übernimmt:
- Projektbasierte Eingrenzung verwenden: Beschränken Sie den Zugang der Agenten nur auf die Projekte, für die es relevant ist.
- Läufe regelmäßig überprüfen: Das Aktivitätsprotokoll verschafft Ihnen Einblick in die Aktivitäten der Agenten – betrachten Sie es als Routinekontrolle, nicht nur als Werkzeug zur Fehlersuche.
- Berechtigungen sorgfältig staffeln: Passen Sie die Zugriffsrechte der Agenten an die Sensibilität der Aufgabe an, 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 neuen Standard, der es großen Sprachmodellen ermöglicht, sicher mit Geschäftssystemen zu kommunizieren und zu verstehen, welche Daten und Aktionen ihnen zur Verfügung stehen.
Konkret bedeutet das, dass Teams Productive mit anderen MCP-kompatiblen Tools verbinden können – Kalender, Dokumentenspeicher, Kommunikationsplattformen – und Daten aus allen diesen Systemen zentral über eine Oberfläche steuern können. Productive verfügt zudem über einen eigenen offiziellen MCP-Server, sodass Nutzer ihr bevorzugtes LLM (zum Beispiel Claude oder ChatGPT) anbinden und direkt aus diesem Tool heraus Fragen zu Productive-Daten stellen können.
Mit KI gibt es endlose Möglichkeiten. Sie können direkt aus Ihrem bevorzugten LLM in Productive arbeiten.
- Bernie Vrbat, Productive
Das Potenzial von MCP in Productive ausschöpfen:
- Bestehende Tools verbinden: Haben andere Plattformen in Ihrer Tool-Landschaft eigene MCP-Server, können diese mit Productive verbunden werden, sodass KI systemübergreifend auf Daten zugreifen und handeln kann.
- Bevorzugtes LLM verwenden: Teams, die bereits mit Claude oder ChatGPT arbeiten, können von dort direkt auf Productive-Daten zugreifen.
- Connector-Berechtigungen zentral steuern: Kontrollieren Sie – wie bei Agenten –, welche Tools verbunden sind und welche Zugriffe diese jeweils erhalten.
6. KI-Notiznehmer: Meeting-Kontext fließt direkt in Projekte ein
Productive hat kürzlich einen integrierten KI-Notiznehmer veröffentlicht, der Meeting-Action-Items erfasst, ein vollständiges Transkript erstellt und es ermöglicht, Aufgaben direkt aus diesen Punkten in der Plattform zu erstellen.
Dies ist wichtig, weil so die Lücke zwischen Besprechungen und deren Umsetzung geschlossen wird. Meeting-Notizen in einem separaten Tool müssen manuell übertragen werden. Notizen innerhalb von Productive können direkt zu Aufgaben im gleichen Workflow werden, verbunden mit den Projekten und Daten, mit denen Agenten und Skills bereits arbeiten.
Den KI-Notiznehmer optimal nutzen:
- Aufgaben sofort erstellen: Lassen Sie Action-Items nicht im Transkript stehen – wandeln Sie sie in zugewiesene Aufgaben um, noch bevor das Meetingfenster geschlossen wird.
- Mit laufenden Projekten verknüpfen: Da die Notiz-Ausgabe direkt in Productive gespeichert wird, kann sie unmittelbar in die bestehenden Agenten- und Skill-Workflows einfließen.
Funktionen der Productive-KI im Vergleich zu anderen Tools
Der Ansatz von Productive legt den Fokus auf die Tiefe der Integration statt auf eine Vielzahl oberflächlicher Features.
- Tools wie Asana oder Monday.com bieten Aufgabenmanagement mit KI-Add-ons an, aber deren KI arbeitet meist ausschließlich auf Projektbasis.
- Plattformen wie Harvest oder Toggl unterstützen Zeiterfassung, verknüpfen diese aber nicht mit Ressourcenplanung, Budgets oder Leistungsfortschritt in einem einzigen System.
- Productive unterscheidet sich dadurch, dass operative, finanzielle und Beziehungsdaten in einer zentralen Plattform gehalten und KI auf diesem kombinierten Kontext aufgebaut wird.
Das Ergebnis ist eine KI, die zum Beispiel Fragen zur Projektgesundheit beantworten kann, indem sie erfasste Zeiten, verbrauchtes Budget, Aufgabenstatus und Teamkapazität gleichzeitig berücksichtigt – ohne dass Daten manuell aus verschiedenen Quellen zusammengetragen und abgeglichen werden müssen.
Was kommt als Nächstes bei der KI von Productive?
Auf der kurzfristigen Roadmap von Productive stehen sogenannte Artifacts – die Möglichkeit, KI-generierte Antworten in visuelle Ausgaben wie Dashboards, PDFs oder HTML-Berichte umzuwandeln und nicht nur in reinen Textformate.
Auf der Agentenseite sind ereignisgesteuerte Agenten in Entwicklung: Agenten, die automatisch aktiviert werden, wenn sich etwas im System ändert, anstatt nach einem festen Zeitplan zu laufen. Das Ziel sind proaktive Agenten – sie kennzeichnen Probleme und holen sich Input, wenn sie an einen Entscheidungspunkt kommen, anstatt darauf zu warten, dass jemand nachfragt.
Wir wollten KI nicht einfach nur anflanschen. Wir wollten herausfinden, wo KI wirklich einen Unterschied machen kann – nicht nur um einzelne Aufgaben zu automatisieren, sondern um euch dabei zu helfen, Geschäftsabläufe zu steuern und zu analysieren.
Mit Blick auf die Zukunft sieht Bernie die Projektpflege – das Aktualisieren von Aufgabenstatus, die Überwachung des Fortschritts und das Anpassen von Zeitplänen, wenn etwas aus dem Ruder läuft – als erstes operative Feld, das vollständig in die Hände der KI übergehen wird.
Möchtest du mehr KI-Funktionserläuterungen und Zugang zu Events wie der "Zukunft der KI im Projektmanagement"-Showcase erhalten? Erstelle ein kostenloses Konto, um mit The Digital Project Manager in Verbindung zu bleiben.