Produktive KI-Funktionen: Vom KI-Assistenten bis zu autonomen Agenten
Automatisierung: Die KI von Productive automatisiert mühsame Aufgaben wie Zeiterfassung und Massenaktualisierungen 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 Anweisungen bei Ressourcenbewertungen und Budgetzusammenfassungen.
Agenten: Autonome Agenten führen Workflows eigenständig aus und revolutionieren das Projektmanagement mit minimalem menschlichen Eingriff.
Integration: Die MCP-Unterstützung verbindet Productive mit anderen Tools und erweitert so die KI-Fähigkeiten über gesamte Software-Ökosysteme hinweg.
Projektmanager im Professional Services Bereich tragen bereits eine große Verantwortung. Die KI von Productive übernimmt den Rest – sie erledigt den operativen Aufwand im Hintergrund, sodass sich Projektteams auf wirklich voranbringende Aufgaben konzentrieren können.
Die KI-Funktionen von Productive basieren auf einer klaren Prämisse: All die Routinetätigkeiten, die Agenturen ausbremsen – Zeiterfassung, Aufgabenaktualisierung, Ressourcenkontrolle, Pflege veralteter Projekte – sollten nicht mehr die Aufmerksamkeit von Menschen erfordern. Statt eines generischen Chatbots auf zersplitterte Projektmanagement-Tools zu setzen, integriert Productive die KI direkt in seine All-in-One-PSA-Plattform. So hat die künstliche Intelligenz Zugriff auf sämtliche betrieblichen, finanziellen und beziehungsbezogenen Daten, was sie wirklich nützlich macht.
Bernie Vrbat, der bei Productive eng mit Agenturen und Beratungen zusammenarbeitet, präsentierte die KI-Fähigkeiten der Plattform in der Veranstaltung The Future of AI in Project Management. Hier 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
Im Detail: 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 zugänglich, in jedem Bereich der Plattform.
Da Productive bereits alle Projekt-, Ressourcen-, Budget- und Finanzdaten zentralisiert, muss der Assistent nicht jedes Mal neu informiert werden. Er weiß, an welcher Stelle Sie sich befinden, und verwendet die bereits im System vorhandenen Daten. Das heißt: Ein Projektmanager kann etwa nach der Gesundheit eines Projekts fragen und erhält eine Analyse, die auf echten Leistungsdaten basiert.
Während der Präsentation wurden drei Anwendungsfälle demonstriert: automatisierte Zeiterfassung, Massenaktualisierung von Aufgaben und KI-generierte Projektgesundheitsberichte.
Bei der Zeiterfassung kann der Assistent Zeiteinträge für abgeschlossene Aufgaben mit nur einer Eingabe erfassen – langes Suchen in Menüs entfällt. Für Massenaktualisierungen kann er Aufgabenstatus im ganzen Projekt auf einmal ändern (praktisch, wenn ein Engpass auftritt und alles auf Pause gesetzt werden muss). Beim Reporting kann er den Projektstatus über verschiedene Datenquellen hinweg analysieren – und das Entscheidende: Er legt seine Berechnung offen, sodass Projektmanager die Zahlen hinter der Analyse nachvollziehen können.
Mit KI muss man immer einen kleinen Fehlerbereich akzeptieren. Unser Ziel ist hier nicht hundertprozentige Genauigkeit, sondern Transparenz.
So holen Sie das meiste aus dem KI-Assistenten von Productive heraus:
- Lassen Sie den Kontext für sich arbeiten: Der Assistent erfasst automatisch, auf welcher Seite Sie sich befinden – die Situation muss nicht jedes Mal neu erklärt werden.
- Nutzen Sie ihn für Massenaktionen: Aktualisierungen von Leistungssätzen, Anpassungen von Kostensätzen, Massenänderungen von Status – häufige Verwaltungstätigkeiten, die sonst mühsam manuell in vielen Datensätzen durchgeführt werden müssten.
- KI-generierte Erkenntnisse überprüfen: Jeder Bericht zum Projektstatus listet die zugrunde liegenden Daten und Quellen auf, sodass Sie nachvollziehen können, wie das System zu seinen Schlussfolgerungen gelangt ist.
2. Skills: Wiederverwendbare KI-Anweisungen für konsistente Ergebnisse
Skills sind Productives Lösung für das Problem, immer wieder dieselben ausführlichen Anweisungen neu eingeben zu müssen.
Wenn Sie eine Abfrage gefunden haben, die funktioniert – etwa zur Bewertung der Ressourcenverfügbarkeit, zur Zusammenfassung von Budgetperformance oder zum Erstellen strukturierter E-Mail-Updates – können Sie diese als Skill speichern und immer wieder verwenden. Das Beste: Skills lassen sich unternehmensweit teilen, sodass das gesamte Team von präzise formulierten Anweisungen profitiert, nicht nur der ursprüngliche Autor.
Während der Demonstration wurde eine Ressourcensuch-Fähigkeit in Aktion gezeigt: Anhand von Vorgaben zu Verfügbarkeit, Seniorität, Servicetyp und Fertigkeiten fand der Assistent die bestmögliche Übereinstimmung für ein Projekt – und überprüfte, ob die Empfehlung auch mit den tatsächlichen Resourcing-Daten übereinstimmte.
Fähigkeiten können auch so eingestellt werden, dass sie sich automatisch aktivieren. Das bedeutet, der Assistent wendet relevantes Fähigkeitswissen automatisch an, wenn Sie eine Frage stellen – ohne, dass Sie die passende Fähigkeit suchen und manuell auslösen müssen.
Anstatt dass nur eine Person im Unternehmen weiß, wie man KI anleitet, kann plötzlich das gesamte Expertenteam mit erstklassigen Anweisungen ausgestattet werden.
- Bernie Vrbat, Productive
Best Practices für die Nutzung von Fähigkeiten in Productive:
- Investieren Sie in detaillierte Anweisungen: Je spezifischer die Beschreibungen einer Fähigkeit, desto besser und konsistenter ist das Ergebnis.
- Teilen Sie Fähigkeiten im Team: Fähigkeiten sind ein organisatorischer Wert – wenn Sie standardisieren, wie KI Ihre Abläufe interpretiert, erreichen Sie verlässliche Ergebnisse, egal wer sie verwendet.
- Nutzen Sie den Assistenten, um Fähigkeiten zu verbessern: Sie können die KI bitten, eine Fähigkeit zu überprüfen und Verbesserungsvorschläge zu machen, bevor Sie sie aktivieren.
3. Agenten: Autonome Workflows, die ohne Sie laufen
Bei den Agenten geht Productives KI einen Schritt weiter: Sie beantwortet nicht nur Fragen, sondern übernimmt eigenständig Aufgaben.
Wie bei Fähigkeiten werden Agenten einfach in Alltagssprache konfiguriert – Programmierkenntnisse sind nicht nötig. Während eine Fähigkeit von einem Menschen ausgelöst werden muss, arbeitet ein Agent vollkommen unabhängig. Er kann mehrere Schritte abarbeiten, unterwegs Entscheidungen treffen und verschiedene Tools bedienen – ganz ohne, dass jemand jede Phase beaufsichtigen muss.
Während der Präsentation wurden zwei Agenten vorgestellt. Der erste war ein Gesprächstalent für Büro- und Verwaltungsthemen – so konfiguriert, dass er ein Firmenhandbuch als Referenz nutzt und Fragen zu Richtlinien, Lernbudgets und anderen HR-nahen Themen beantwortet. Er kann zudem direkt auf Vorlagen für Aufgaben verlinken, sodass eine Anfrage nicht nur beantwortet, sondern auch in eine konkrete Aufgabe 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 zum Nachfassen benachrichtigt. Während der Vorführung identifizierte und kennzeichnete er in einem einzigen Durchlauf 18 inaktive Aufgaben – eine Batch-Operation, die sonst ein Projektmanager manuell erledigen müsste.
Der Vorteil, einen solchen Agenten zu erstellen, ist zum einen, dass er persönlicher wirkt und Menschen einen Bezug dazu entwickeln können. Zum anderen können Agenten eigene Connectors besitzen, die ihnen erlauben, mit verschiedenen von MCP unterstützten Tools zu arbeiten.
So starten Sie mit Agenten:
- Einfach starten: Ein unkomplizierter Agent, der beispielsweise nur eine Bedingung überwacht und die richtigen Personen benachrichtigt, zeigt rasch, wie operativer Mehrwert entsteht.
- Genauen Wirkungsbereich festlegen: Agenten können auf bestimmte Projekte und Daten beschränkt werden, sodass Sie präzise kontrollieren, worauf sie zugreifen und worauf sie reagieren dürfen.
- Protokolle prüfen: Jeder Agentenlauf wird protokolliert. Sie sehen, was wann passiert ist. Diese Transparenz fördert Vertrauen und hilft, das Agentenverhalten laufend zu optimieren.
4. Agenten-Governance und Berechtigungen
Da Agenten immer autonomer werden, ist die Frage der Kontrolle umso wichtiger.
Productive löst das über fein abgestufte Berechtigungen. Administratoren können genau festlegen, über welche Zugriffsrechte jeder Agent verfügt – auf welche Daten er zugreifen, welche Projekte er bearbeiten darf und ob er aktiv eingreifen oder nur Informationen bereitstellen kann. Agenten lassen sich außerdem für bestimmte Projekte eingrenzen, damit sie nicht in Bereiche vordringen, in die sie nicht gehören.
Jeder Agentenlauf wird mit einem vollständigen Aktivitätenprotokoll versehen, sodass Teams genau nachvollziehen können, was der Agent wann erledigt hat. Während der Vorführung zeigte ein Lauf vor drei Stunden, welche Aufgaben markiert und welche Aktionen der Agent jeweils durchgeführt hatte.
Beim Datenschutz arbeitet die KI von Productive nach den Standards von DSGVO, CCPA und SOC 2. Kundendaten werden weder zum Training von Productive-eigenen noch von Drittanbieter-Modellen verwendet.
Behalten Sie die Kontrolle, während KI mehr Aufgaben übernimmt:
- Verwenden Sie projektbezogene Zugriffssteuerung: Beschränken Sie den Zugriff von Agenten nur auf die Projekte, für die sie relevant sind.
- Überwachen Sie Abläufe regelmäßig: Das Aktivitätenprotokoll bietet Ihnen Einblick in die Handlungen der Agenten – betrachten Sie es als routinemäßige Überprüfung, nicht nur als Werkzeug zur Fehlersuche.
- Rechte mit Bedacht staffeln: Passen Sie die Zugriffsrechte der Agenten an die Sensibilität der Aufgabe an und nicht nur an die Bequemlichkeit eines breiteren Zugriffs.
5. MCP-Integration: Productive mit Ihrem erweiterten Tool-Stack verbinden
Productive unterstützt das Model Context Protocol (MCP), einen aufkommenden Standard, der es großen Sprachmodellen ermöglicht, sich sicher mit Geschäftssystemen zu verbinden und zu verstehen, welche Daten und Aktionen ihnen zur Verfügung stehen.
Praktisch bedeutet dies, dass Teams Productive mit anderen MCP-unterstützten Tools – z. B. Kalender, Dokumentenspeicher und Kommunikationsplattformen – verbinden können und über eine einzige Oberfläche mit den Daten aller Systeme interagieren. Productive verfügt zudem über einen offiziellen MCP-Server, der es ermöglicht, das bevorzugte LLM (beispielsweise Claude oder ChatGPT) zu verbinden und direkt innerhalb dieses Tools Fragen zu Productive-Daten zu stellen.
Mit KI gibt es endlose Möglichkeiten. Sie können in Productive aus dem LLM Ihrer Wahl arbeiten.
- Bernie Vrbat, Productive
Das Maximum aus MCP in Productive herausholen:
- Bereits genutzte Tools verbinden: Wenn andere Plattformen in Ihrem Stack eigene MCP-Server haben, können diese mit Productive verbunden werden, damit KI datenübergreifend lesen und handeln kann.
- Ihr bevorzugtes LLM nutzen: Teams, die bereits mit Claude oder ChatGPT arbeiten, können aus diesen Oberflächen auf Productive-Daten zugreifen.
- Connector-Berechtigungen zentral verwalten: Wie bei Agenten kontrollieren Sie, welche Tools verbunden sind und auf welche Daten sie zugreifen dürfen.
6. KI-Notizassistent: Meeting-Kontext fließt direkt in Projekte ein
Productive hat kürzlich einen integrierten KI-Notizassistenten veröffentlicht, der Aktionspunkte aus Besprechungen erfasst, ein vollständiges Transkript erstellt und es den Anwendern ermöglicht, diese Punkte direkt in Aufgaben innerhalb der Plattform umzuwandeln.
Das ist wichtig, weil damit die Lücke zwischen Besprechungen und Umsetzung geschlossen wird. Meeting-Notizen in einem separaten Tool erfordern die manuelle Übertragung. Notizen innerhalb von Productive können direkt in Aufgaben überführt werden – im selben Workflow, verbunden mit den gleichen Projekten und Daten, mit denen Agenten und Skills bereits arbeiten.
Das Optimum aus dem KI-Notizassistenten herausholen:
- Aufgaben sofort erstellen: Lassen Sie Aktionspunkte nicht im Transkript stehen – machen Sie daraus sofort zugewiesene Aufgaben, bevor das Besprechungsfenster schließt.
- Mit aktiven Projekten verbinden: Da die Ergebnisse des Notizassistenten direkt in Productive gespeichert werden, fließen sie nahtlos in die bestehenden Agenten- und Skill-Workflows ein.
Productive KI-Funktionen im Vergleich zu anderen Tools
Productive legt mehr Wert auf die Tiefe der Integration als auf die Breite von oberflächlichen Funktionen.
- Tools wie Asana oder Monday.com bieten Aufgabenmanagement mit KI-Add-ons, aber deren KI arbeitet in der Regel nur mit Projektdaten.
- Plattformen wie Harvest oder Toggl erfassen zwar Arbeitszeiten, verknüpfen diese jedoch nicht mit Ressourcenmanagement, Budgets oder Delivery Health im selben System.
- Productive unterscheidet sich dadurch, dass operative, finanzielle und Beziehungsdaten auf einer einzigen Plattform zusammengeführt werden – und die KI auf diesem kombinierten Kontext aufbaut.
Das Ergebnis ist eine KI, die Fragen zum Projektstatus beantworten kann, indem sie auf erfasste Zeiten, verbrauchte Budgets, Aufgabenstatus und Teamkapazität gleichzeitig zugreift – ohne dass Daten aus mehreren Quellen manuell abgeglichen werden müssen.
Was kommt als Nächstes für die KI von Productive?
Auf der Produkt-Roadmap von Productive steht kurzfristig „Artefakte“ – die Möglichkeit, KI-generierte Antworten als visuelle Ausgaben wie Dashboards, PDFs oder HTML-Berichte bereitzustellen, statt ausschließlich als Text.
Auf der Agentenseite befinden sich 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 – die Probleme erkennen und um Input bitten, wenn sie an einen Entscheidungspunkt gelangen, anstatt darauf zu warten, dass jemand nachfragt.
Wir wollten nicht einfach nur KI aufsetzen. Wir wollten herausfinden, wo KI einen echten Unterschied machen kann – nicht nur einzelne Aufgaben automatisieren, sondern dabei helfen, Geschäftsabläufe zu steuern und zu analysieren.
Mit Blick in die Zukunft sieht Bernie die Projektpflege – das Aktualisieren von Aufgabenständen, das Überwachen des Fortschritts, das Anpassen von Zeitplänen bei Verzögerungen – 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 „Future of AI in Project Management“-Showcase? Erstellen Sie ein kostenloses Konto, um mit The Digital Project Manager in Verbindung zu bleiben.