Der Salesforce-Projektmanager, der die Nutzung von KI in der Unternehmensprojektumsetzung neu definiert
Brian Galardo, Programm- und Projektmanager bei Salesforce, berichtet, wie KI die Projektumsetzung verändert – nicht durch das Ersetzen menschlicher Urteilsfähigkeit, sondern durch praktische Arbeitsabläufe, die Teams vom Experimentieren zur echten Einführung führen.
Brian Galardo
Programm- und Projektmanager
Bereichsübergreifende Initiativen: Brian Galardo betont die Bedeutung der teamübergreifenden Zusammenarbeit für eine effektive Projektumsetzung und operative Effizienz.
KI-Integration: KI hilft, das Projektmanagement zu optimieren, indem sie Routineaufgaben automatisiert und die Entscheidungsfindung verbessert.
Strukturierte Prozesse: Die Einführung strukturierter Anfragesysteme minimiert Missverständnisse und verbessert die Klarheit zwischen Business- und Technikteams.
Betriebliche Effizienz: KI-Tools verringern den Bedarf an manueller Nachverfolgung und ermöglichen so eine Zusammenarbeit in Echtzeit sowie eine laufende Abstimmung zwischen den Teams.
Zukunft des Projektmanagements: Projektmanagement entwickelt sich vom reinen Aufgaben-Tracking zur Entscheidungsstrukturierung und stellt Klarheit über bloße Aktivität.
Brian Galardo ist Programm- und Projektmanager im Bereich Revenue Operations bei Salesforce, wo er bereichsübergreifende Initiativen in den Bereichen Abrechnung, Inkasso und Kunden-Self-Service leitet. Er hat Governance-Frameworks entwickelt, um KI- und Agenten-Anwendungsfälle zu bewerten, mit Führungskräften zusammengearbeitet, um Innovationsinitiativen an den strategischen Prioritäten auszurichten, und Programme geleitet, die die operative Effizienz in Unternehmenssystemen und Business-Teams verbessern.
Wir haben mit Brian darüber gesprochen, wie sich die Projektauslieferung verändert und wie er die Entwicklung mit KI vorantreibt. Hier sind seine Antworten.
Wie bereichsübergreifende Initiativen die Projektauslieferung verbessern
Ich bin Programm- und Projektmanager im Bereich Revenue Operations bei Salesforce. Meine Rolle befindet sich an der Schnittstelle zwischen Geschäftsstrategie und Systemimplementierung. Ich helfe Teams, das Problem klar zu definieren und eine Entscheidung zu treffen, die alle verstehen und unterstützen. Ich bin eine Führungskraft im Bereich Transformation und unterstütze Organisationen dabei, von KI-Experimenten zu einer skalierbaren Nutzung auf Unternehmensebene zu gelangen. Bei Salesforce leite ich bereichsübergreifende Initiativen, die KI-gestützte Lösungen im Bereich RevOps und Finanzprozesse erkunden und umsetzen.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Meine Arbeit bewegt sich an der Schnittstelle von KI-Strategie, Governance und operativer Transformation und hilft Teams dabei, Chancen mit großem Einfluss für mehr Effizienz zu erkennen, Workflows zu automatisieren und fundiertere Entscheidungen zu treffen.
Meine Erfahrung reicht über die Bereiche Lieferkette, Betrieb und Programmleitung im Unternehmen hinweg, wodurch ich einen praxisnahen Blick darauf habe, wie Technologie und KI echte Prozesse transformieren können. Ich bin überzeugt: Die erfolgreichsten KI-Initiativen vereinen starke Governance, messbaren Geschäftswert und durchdachtes Change Management, um die Akzeptanz im gesamten Unternehmen zu gewährleisten.
Wie KI Aufgaben in Projektmanagement-Rollen verändert
KI hat die Zeit reduziert, die ich für das Verfassen von Updates, Zusammenfassungen und ersten Planungen aufwende. Stattdessen verbringe ich nun mehr Zeit damit, Annahmen zu validieren, Entscheidungen vorzubereiten und die verschiedenen Stakeholder frühzeitig aufeinander abzustimmen. Die Arbeit hat sich verlagert: Es geht weniger um das Nachverfolgen des Fortschritts, sondern um die Festlegung der Richtung.
Ich nutze KI, um den ersten Entwurf von allem zu übernehmen, was mich sonst ausbremsen würde. Nach einem Meeting gebe ich grobe Notizen oder ein Transkript ein, und lasse die KI daraus eine saubere Zusammenfassung mit Entscheidungen, Risiken und nächsten Schritten erstellen. Außerdem teste ich mit KI Pläne auf Herz und Nieren, lasse sie Annahmen kritisch hinterfragen oder Randfälle auflisten, bevor ich etwas an Stakeholder weitergebe.
KI hat die Zeit reduziert, die ich für das Verfassen von Updates, Zusammenfassungen und ersten Planungen aufwende. Stattdessen verbringe ich jetzt mehr Zeit damit, Annahmen zu validieren, Entscheidungen vorzubereiten und Stakeholder aufeinander abzustimmen.
Das Setup ist nicht übermäßig komplex. Ich habe einige wiederverwendbare Prompts und Vorlagen erstellt, die zu meiner Art, Projekte zu leiten, passen und verwende sie konsequent. Es geht weniger um das Tool an sich, sondern vielmehr darum, eine klare Struktur für die Informationsausgabe zu haben – das ermöglicht mir, schneller zu arbeiten, ohne an Qualität zu verlieren.
Warum strukturierte Anfragen die operative Effizienz verbessern
Wir haben einen strukturierten Prozess für die Aufnahme und Priorisierung von betrieblichen Anforderungen in mehreren Finanzteams eingeführt. Wir haben Anforderungen kategorisiert, zusammengefasst und vorbereitet, bevor sie geprüft wurden, sodass Meetings auf Entscheidungen statt auf Klarstellungen fokussieren konnten. Die Prüfungszeit hat sich deutlich verkürzt und Nachbesserungen sind seltener geworden, weil die Erwartungen von Anfang an klarer waren. Der eigentliche Gewinn lag darin, dass es seltener zu Missverständnissen zwischen Business- und Technik-Teams kam.
Wir haben dies mit einem Slack-Workflow für die Aufnahme, einem gemeinsamen Tracker und KI für die Standardisierung der Anfragen aufgebaut. Jede Anfrage musste über ein strukturiertes Formular mit Pflichtfeldern wie Problemstellung, betroffene Nutzer und Dringlichkeit eingereicht werden. Anschließend wurde die Anfrage per KI zusammengefasst, Lücken hervorgehoben und potenzielle Risiken kennzeichnet, noch bevor sie überhaupt in das Review-Meeting kam.
Schritt für Schritt sah das so aus: Anfragen wurden in Slack eingereicht und flossen in einen zentralen Tracker. Dort erzeugte KI eine saubere Zusammenfassung und hob fehlende Kontexte hervor, dann wurden sie asynchron von fachlichen und technischen Leitungen geprüft, bevor wir ins Meeting gingen. Im Meeting selbst mussten wir dann nur noch entscheiden, was gemacht wird – und nicht erst klären, was eine Anfrage eigentlich bedeutet.
Wir konnten die Anzahl unserer Review-Meetings etwa halbieren und stellten einen deutlichen Rückgang an Nacharbeiten nach Entscheidungen fest. Ich schätze, dass die Nacharbeit um mindestens 30–40 % zurückgegangen ist, weil die Anforderungen von Anfang an klarer waren. Das hat zudem die Anzahl der Folgemeetings reduziert – vermutlich die größte Verbesserung für das Team hinsichtlich Arbeitsalltag.
Wir haben die Anzahl der Review-Meetings etwa halbiert und einen spürbaren Rückgang an Hin und Her nach Entscheidungen festgestellt. Ich schätze, dass die Nacharbeit um mindestens 30–40 % gesunken ist.
Wie Projektleiter die Integration von KI optimieren können
KI behebt keine chaotischen Prozesse. Sie macht sie sichtbar. Wenn Ziele und Verantwortlichkeiten klar sind, bringt sie großen Nutzen. Fehlen sie, entsteht schnellere Verwirrung. Verantwortliche für Projektdurchführung müssen zunächst die Grundlagen schaffen, bevor KI zum Einsatz kommt. Dazu gehören klare Verantwortlichkeiten, eine definierte Problemstellung und Einigkeit darüber, wie ein gutes Ergebnis aussieht. Falls das nicht gegeben ist, beschleunigt KI nur das Durcheinander.
KI behebt keine chaotischen Prozesse. Sie macht sie sichtbar. Wenn Ziele und Verantwortlichkeiten klar sind, hilft sie stark. Fehlen sie, entsteht schnellere Verwirrung.
In der Praxis achte ich darauf, dass jede Aufgabe eine klare verantwortliche Person, eine einfache Definition von Erfolg und eine strukturierte Erfassung von Eingaben hat, bevor ich irgendetwas automatisiere. Steht dieses Fundament, schafft KI tatsächlich Mehrwert anstelle von zusätzlicher Verwirrung.
Zusammenfassungen, Dokumentationsentwürfe und das Vorsortieren von Anfragen lassen sich gut automatisieren, weil sie Mustern folgen. Priorisierung, Konfliktlösung und das Einführen von Veränderungen bleiben jedoch auf menschliches Urteilsvermögen angewiesen. Menschen stimmen sich mit Menschen ab, nicht mit Ergebnissen.
Warum KI-Tools in modernen Technologiestacks entscheidend sind
Unsere wichtigsten Tools umfassen Slack, Salesforce-Plattformlösungen, kollaborative Whiteboards (LucidSpark), strukturierte Erfassungsformulare und KI-Agenten für Entwürfe und Analysen. KI unterstützt Zusammenfassungen, Kommunikation und das frühe Erkennen von Risiken. Im letzten Jahr haben wir statische Tracker reduziert und sind zu gemeinsam genutztem, aktuellem Kontext übergegangen. Weniger manuelle Übergaben haben dies möglich gemacht.
Ich setze hauptsächlich KI-Tools wie Gemini und Slack-native Workflows ein sowie Salesforce-Tools wie Agentforce für strukturierte Anwendungsfälle. Ich entwickle keine komplexen Agenten von Grund auf selbst. Es sind meistens prompt-basierte Setups und einfache Workflows, die Zusammenfassungen, Kommunikationsentwürfe und erste Risikoindikatoren auf Basis von bereits erfassten Eingaben übernehmen.
Ich entwickle keine komplexen Agenten von Grund auf selbst. Es sind meistens prompt-basierte Setups und einfache Workflows, die Zusammenfassungen, Kommunikationsentwürfe und erste Risikoindikatoren auf Basis von bereits erfassten Eingaben übernehmen.
Nach Meetings beispielsweise nutze ich Gemini, um Notizen oder Transkripte in eine strukturierte Zusammenfassung mit getroffenen Entscheidungen und nächsten Schritten umzuwandeln. Innerhalb von Slack übernehmen Workflows die Erfassung und das Weiterleiten von Anfragen in einen gemeinsamen Tracker, wo KI hilft, die Darstellung jeder Anfrage zu standardisieren. Agentforce kommt auf der Salesforce-Seite stärker zum Einsatz, wenn wir Daten und Abläufe im großen Maßstab miteinander verbinden.
Wir haben uns von statischen Status-Decks und wöchentlich aktualisierten Tabellen verabschiedet. Stattdessen befindet sich alles in gemeinsam genutzten Bereichen wie Slack Canvas, Trackern und Backlog-Ansichten mit kontinuierlichen Updates. So kann jeder den aktuellen Stand der Arbeit, Entscheidungen und Risiken einsehen, ohne auf ein Meeting oder einen Bericht warten zu müssen. Das hat die Notwendigkeit für Statusmeetings reduziert und für einen fortlaufenden, statt periodischen, Abgleich gesorgt.
Jeder kann den aktuellen Stand der Arbeit, Entscheidungen und Risiken einsehen, ohne auf ein Meeting oder einen Bericht warten zu müssen.
Wir haben große Projektpläne durch gemeinsame Backlogs, Canvases und Entscheidungsprotokolle ersetzt. Teams arbeiten direkt mit den Aufgaben, statt auf Statusupdates zu warten. Wir sind Schritt für Schritt umgestiegen, indem wir Dokumente abgeschafft haben, die ohnehin niemand genutzt hat. Die Akzeptanz kam, weil der Prozess einfacher war.
Wie KI zentrale Abläufe in der Lieferung verändert
Wir beginnen nun mit mehreren Interpretationen des Problems, um Annahmen frühzeitig zu prüfen. Meetings konzentrieren sich auf Entscheidungen, da wir den Kontext im Voraus vorbereiten. Wir validieren früher, weil Risiken schneller sichtbar werden. Wir überwachen die Ausführung weniger und überprüfen das Verständnis stärker.
Wir überwachen die Ausführung weniger und überprüfen das Verständnis stärker.
Diese Interpretationen erstellen wir, indem wir die ursprüngliche Problemstellung durch KI laufen lassen, um mehrere Blickwinkel zu erhalten. Zum Beispiel lasse ich sie die Anfrage aus geschäftlicher, technischer und Kundenperspektive einordnen oder aufzeigen, was passieren könnte, wenn wir die Aufgabe missverstanden haben. Es geht nicht darum, dem Output zu vertrauen; vielmehr sollen Annahmen schnell offengelegt werden, die wir selbst vielleicht übersehen hätten.
Diese Annahmen bringen wir dann in frühe Gespräche mit Stakeholdern ein, um den Projektumfang zu validieren, bevor wir uns zu etwas verpflichten. Anstatt zu fragen „Sieht das richtig aus?“, fragen wir: „Was davon kommt dem Ziel am nächsten und was fehlt noch?“ Das lenkt die Diskussion von Zustimmung zu Klarheit. So erkennen wir Lücken früher, minimieren Nacharbeit und halten die Ausführung nach Arbeitsbeginn fokussierter.
So optimieren Sie die Umsetzung mit KI-gestützten Workflows
Wir experimentieren mit automatisierter Intake-Triage und Kommunikationsweiterleitung. Wir haben Bereiche ins Auge gefasst, in denen Verzögerungen durch unklare Zuständigkeiten und nicht durch technischen Aufwand verursacht wurden. Erste Ergebnisse zeigen weniger Eskalationen und mehr asynchrone Entscheidungen.
Wir haben den Schwerpunkt zuerst auf die Intake-Triage gelegt, weil dort die meiste Verwirrung herrschte. Anfragen kamen über unterschiedliche Kanäle, Zuständigkeiten waren oft unklar, und Teams mussten klären, wer sie prüfen sollte. Wir haben einen Slack-basierten Intake-Workflow eingerichtet, in dem jede Anfrage einer einheitlichen Struktur folgt. Danach nutzten wir KI, um die Anfrage zusammenzufassen, fehlenden Kontext zu kennzeichnen und Routenvorschläge zu machen.
Von dort aus werden die Anfragen automatisch in ein gemeinsames Tracking-Tool übernommen und anhand von Typ und Auswirkung der richtigen Gruppe zugewiesen. Auch die Kommunikationsweiterleitung wurde verbessert; Updates erfolgen jetzt in konsistenten Threads oder Kanälen anstatt über verstreute Nachrichten. Der Prozess entwickelt sich weiter, aber wir beobachten weniger „Wer ist verantwortlich?“-Gespräche und mehr asynchrone Entscheidungen vor Meetings.
Der Prozess entwickelt sich weiter, aber wir beobachten weniger „Wer ist verantwortlich?“-Gespräche und mehr asynchrone Entscheidungen vor Meetings.
Warum Entscheidungsstrukturierung die Zukunft des Projektmanagements ist
Das Projektmanagement wird sich vom Verfolgen von Aufgaben hin zur Strukturierung von Entscheidungen verschieben. Der Koordinationsaufwand wird sinken, während Fähigkeiten zur Abstimmung wichtiger werden. Die Rolle wird strategischer und weniger administrativ.
Mein Rat an Delivery-Leader: Verbessern Sie erst den Prozess, bevor Sie ihn automatisieren. Klare Zuständigkeiten und Erwartungen sind wichtiger als Geschwindigkeit. Ist Klarheit gegeben, folgt Effizienz von selbst. Schreiben Sie keine Dokumente nur, um Aktivität zu zeigen. Schaffen Sie Workflows, in denen Fortschritt ohne weitere Erklärung sichtbar ist.
Bleiben Sie dran
Sie können Brians Arbeit auf LinkedIn verfolgen.
Bald erscheinen weitere Experteninterviews auf The Digital Project Manager!
