Dieser KI-Startup-CEO verwandelt Projektdurchführung in eine proaktive Disziplin mit prädiktiven Intelligenzmodellen
Lloyd Skinner ist CEO von greyfly.ai und nutzt Künstliche Intelligenz, um prädiktive Intelligenz zu entwickeln, die Projektleitern verwertbare Einblicke verschafft, noch bevor unerwartete Probleme und Kosten auftreten. Anders gesagt: Er verwandelt die Projektdurchführung von einer reaktiven in eine proaktive Disziplin.
Lloyd Skinner
CEO von Greyfly.ai
KI wandelt die Projektdurchführung von reaktiv zu proaktiv: Skinner erklärt, wie die Integration von prädiktiver Intelligenz in Lieferprozesse Führungskräften hilft, Risiken und Ergebnisse vorherzusehen, bevor sie eintreten – das verändert Projektmanagement grundlegend: weg vom bloßen Berichten des Vergangenen hin zur vorausschauenden, entscheidungsunterstützenden Steuerung in Echtzeit.
Leichtgewichtige, datenbasierte Systeme schlagen traditionelle Ansätze: Durch den Ersatz schwerfälliger, administrativer Methoden durch integrierte, KI-gestützte Lieferlösungen, die bestehende Tools verbinden und laufend Echtdaten analysieren, reduzieren Teams den Berichtaufwand, erhöhen die Risikotransparenz und konzentrieren sich mehr auf echte Problemlösungen als auf das Zusammentragen von Status-Updates.
Erfolgreiche KI-Einführung erfordert Daten- und Menschen-Readiness: Skinner betont, dass nicht die Technologie die größten Hürden sind, sondern die Sicherstellung von Datenqualität und die Förderung eines Mindset-Wandels, sodass Teams KI-Analysen vertrauen und diese anwenden; Menschen bleiben unersetzlich für Urteilsvermögen, Strategie und Interpretation der Prognosen.
Lloyd Skinner ist CEO von greyfly.ai, wo er künstliche Intelligenz einsetzt, um Projektleitern prädiktive Erkenntnisse zu verschaffen, bevor sie von unerwarteten Problemen und Kosten überrascht werden. Anders ausgedrückt: Er wandelt die Projektausführung von einer reaktiven Disziplin in eine proaktive um.
Wir haben uns mit ihm zusammengesetzt, um zu verstehen, wie er das macht – und was das in der Praxis wirklich bedeutet. Hier ist, was er dazu zu sagen hatte.
Vom traditionellen zum KI-gestützten Produkt-Delivery
Ich bin der CEO von greyfly.ai, wo wir Organisationen mit Hilfe von künstlicher Intelligenz dabei unterstützen, Projekte vorhersehbarer und profitabler umzusetzen.
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
Früher habe ich traditionelles Projektmanagement geleitet. Ich habe an großen Programmen und Transformationsinitiativen gearbeitet und gesehen, wie traditionelle Methoden bei der Bewältigung von Komplexität an ihre Grenzen stoßen.
Deshalb habe ich nun die Aufgabe übernommen, Unternehmen dabei zu unterstützen, die Projektabwicklung in einer KI-orientierten Welt neu zu denken. Ich konzentriere mich darauf, leitende Projekt- und Portfoliomanager in die Lage zu versetzen, ihre eigenen Daten intelligenter zu nutzen, um Ergebnisse zu verbessern, Risiken zu reduzieren und die Grundlage für einen skalierbaren KI-Einsatz im Projektmanagement zu schaffen.
Bei greyfly.ai schließen wir die Lücke, die traditionelle Ansätze hinterlassen, indem wir KI in die Projektausführung integrieren. Dadurch erhalten Führungskräfte verwertbare Erkenntnisse, bevor Probleme entstehen, und können so messbare, nachhaltige Ergebnisse erzielen.
Wie KI die Projektausführung in eine proaktive, erkenntnisbasierte Disziplin verwandelt
KI verwandelt die Projektausführung von einer reaktiven zu einer proaktiven, erkenntnisgesteuerten Disziplin.
KI verwandelt die Projektausführung von einer reaktiven zu einer proaktiven, erkenntnisgesteuerten Disziplin.
Statt mich auf die Berichterstattung über bereits Geschehenes zu konzentrieren, helfe ich Führungskräften nun dabei, vorherzusehen, was als Nächstes geschehen wird: Durch den Einsatz von prädiktiver Intelligenz für Echtzeitentscheidungen werden teure Überschreitungen verhindert.
Wir nutzen inzwischen Modelle, die den Projekterfolg vorhersagen, Risiken frühzeitig erkennen und Bereiche identifizieren, in denen Interventionen den größten Effekt erzielen werden. Das verändert grundlegend, wie Projektleiter planen, priorisieren und Ressourcen steuern.
Dadurch verbringe ich deutlich weniger Zeit mit manueller Datenanalyse, Dashboard-Reviews oder nachträglicher Auswertung. Stattdessen liegt mein Fokus stärker auf strategischer Adoption, Verbesserung der Datenqualität und Integration von KI-Fähigkeiten in Projektorganisationen.
Meine Rolle besteht zunehmend darin, Führungskräften dabei zu helfen, von der bloßen Neugierde an KI zu greifbaren, skalierbaren Veränderungen zu gelangen und Erkenntnisse in messbare Ergebnisse umzuwandeln.
Warum datengetriebene, schlanke Delivery-Systeme dem traditionellen Projektmanagement überlegen sind
Wir haben uns bewusst vom klassischen, dokumentenlastigen Projektmanagement verabschiedet und setzen nun auf schlanke, datengetriebene Delivery-Modelle, die Agilität und Voraussicht der Verwaltung vorziehen.
Früher haben wir wie viele andere Organisationen stark auf standardisierte Vorlagen, manuelle Statusupdates und formale Reviewzyklen gesetzt. Dieser Ansatz führte zu Verzögerungen, Doppelarbeit und hat entstehende Risiken oft erst sichtbar gemacht, wenn es zu spät war. Im letzten Jahr sind wir zu einem integrierten, kontinuierlichen Erkenntnismodell übergegangen, das auf unserer eigenen Intelligent Project Prediction (IPP) Plattform und dem Prinzip der Minimum Viable Governance (MVG) aufbaut. So bleiben Kontrolle und Sicherheit gewahrt, aber mit deutlich weniger Aufwand.
Konkret bedeutete das: Wir haben unsere bestehenden PPM-Tools in eine zentrale Datenpipeline in Azure integriert (eine solche Integration ist einer der vielen Vorteile von Projektportfolio-Management-Software). IPP analysiert diese Echtzeitdaten und prognostiziert Ergebnisse, meldet Risiken und zeigt aktuelle Trends in der Projektdurchführung an. Damit wurden wöchentliche Berichtskomponenten durch automatisierte Dashboards ersetzt, die täglich aktualisiert werden und automatisch die vereinbarten Grenzwerte berücksichtigen.
Wir haben außerdem KI-gestützte Compliance-Prüfungen eingeführt, die Projektdokumente mit Governance-Standards abgleichen und die Übereinstimmung mit den MVG-Prinzipien bestätigen. Die Entdeckung und Umstellung hat etwa sechs Monate gedauert, einschließlich Daten-Mapping, Integration, und Change-Workshops mit den PMO-Teams, um das Vertrauen in die prädiktiven Erkenntnisse und das Governance-Modell aufzubauen.
Die Ergebnisse sind spürbar:
- Der Aufwand für Berichterstattung wurde um mehr als 50% reduziert
- Transparenz über Risiken hat sich deutlich verbessert
- Entscheidungszyklen verkürzten sich von Wochen auf Tage.
- Und vielleicht am wichtigsten: Die Teamkultur hat sich verändert – Projektleiter verbringen weniger Zeit mit Statusabfragen und setzen sich mehr mit der Lösung echter Probleme auseinander.
Kurz gesagt, der Wandel hin zu leichten, KI-gestützten Arbeitsweisen bedeutet nicht, Strenge aufzugeben, sondern Governance neu zu definieren, sodass Kontrolle, Compliance und Erkenntnisse kontinuierlich erfolgen – und nicht rückblickend.
Der Wandel hin zu leichten, KI-gestützten Arbeitsweisen bedeutet nicht, Strenge aufzugeben, sondern Governance neu zu definieren, sodass Kontrolle, Compliance und Erkenntnisse kontinuierlich erfolgen – und nicht rückblickend.
Ein Praxisbeispiel für KI-Integration zur Verbesserung von Projektergebnissen
Ein hervorragendes Beispiel stammt aus unserer Arbeit mit einem großen britischen Telekommunikationsunternehmen, bei dem wir eine mehrphasige KI-in-Projektmanagement-Initiative begleitet haben.
Der Kunde wollte verstehen, wie KI die Vorhersehbarkeit und Leistung über sein großes Projektportfolio hinweg verbessern kann, stand jedoch wie viele Unternehmen vor fragmentierten Daten, inkonsistenter Berichterstattung und einem hohen Maß an manuellen Einschätzungen.
Wir starteten mit einer KI-Einführungsstrategie und wechselten anschließend in eine Discovery-Phase. Diese umfasste eine strukturierte Bewertung des Project Management Office (PMO), eine Überprüfung der technischen Architektur und eine Analyse der Datenqualität mithilfe von Tools wie Microsoft Power BI zur explorativen Diagnostik. Unser Data-Science-Team entwickelte Vorhersagemodelle auf Basis der historischen Projektdaten des Kunden, um wahrscheinliche Ergebnisse zu prognostizieren – darunter Risikobelastung, Terminüberschreitungen und Lieferzuversicht.
Die Einrichtung dauerte mehrere Wochen, einschließlich der Sicherstellung des Datenzugriffs, der Definition des Schemas, der Bereinigung der Datensätze und der Validierung der Modellergebnisse mit Projektprofis. Nach dem Trainieren der Modelle visualisierten wir Erkenntnisse in Power BI über interaktive Dashboards, die risikoreiche Projekte in Echtzeit hervorhoben und erklärten, warum manche Projekte vom Kurs abwichen.
Das Ergebnis war ein grundlegender Wandel in der Entscheidungsfindung: Führungskräfte konnten ihre Maßnahmen dort konzentrieren, wo sie den größten Unterschied machen, anstatt Problemen nur reaktiv hinterherzulaufen. Dieses frühe Pilotprojekt zeigte messbares Potenzial, Projektüberschreitungen zu reduzieren, und schuf eine klare Business Case zur Skalierung von KI im gesamten Unternehmen.
Ganz reibungslos verlief es jedoch nicht. Am schwierigsten war nicht die Technologie, sondern die Datenbereitschaft und das Change Management, beim Vertrauen von Prognosen anstelle von Instinkt. Doch genau darin liegt der Mehrwert der KI im Delivery-Prozess: Sie verschafft Führungskräften das Vertrauen, auf Beweise zu handeln – nicht auf Rückblicke.
Wie agentenbasierte Workflows in Datenvorbereitung und Governance-Validierung die Projektabwicklung beschleunigen
Wir experimentieren auch aktiv mit agentenbasierten Workflows und intelligenter Orchestrierung, als Teil unserer übergeordneten Mission, die Projektabwicklung schneller, schlanker und anpassungsfähiger zu gestalten.
Unser Fokus lag auf der Automatisierung jener Koordinations- und Absicherungsaufgaben, die am meisten Zeit kosten – das „unsichtbare Admin“, das Lieferung verlangsamt, ohne wirklich Mehrwert zu liefern. Insbesondere nutzen wir agentische Orchestrierung, um folgende Bereiche zu verschlanken:
- Datenvorbereitung: KI-Agenten beschaffen, bereinigen und harmonisieren Projektdaten aus verschiedenen Systemen, bevor das Predictive Modeling startet.
- Governance-Validierung: KI-Agenten testen automatisch Projektergebnisse gegen MVG-Standards und stellen so Compliance ohne manuelle Eingriffe sicher.
Wir haben diese Orchestrierungsschicht in unser IPP-Ökosystem eingebettet, damit diese Agenten nahtlos im Hintergrund arbeiten, Aktualisierungen anstoßen, Erkenntnisse generieren und Aktionen anstoßen – ganz ohne Benutzereingriff.
Bislang sind die Ergebnisse sehr vielversprechend. Wir beobachten eine deutliche Verkürzung der Berichts- und Datenaufbereitungszyklen. Noch wichtiger jedoch ist: Teams verbringen ihre Zeit nun damit, Erkenntnisse zu interpretieren, statt Informationen zu suchen.
Es entwickelt sich weiter und wir lernen, wie wir Autonomie und Aufsicht am besten ausbalancieren. Doch die Richtung ist eindeutig: Intelligente Orchestrierung wird zum Rückgrat moderner Projektabwicklung. Es geht nicht darum, Menschen zu ersetzen, sondern sicherzustellen, dass jeder menschliche Einsatz dort ankommt, wo er den größten Wert liefert.
Wie Predictive Intelligence zentrale Abläufe der Projektabwicklung verändert
Darüber hinaus denken wir Abläufe in der Projektabwicklung grundlegend neu, indem wir KI als echten Entscheider und nicht nur als analytische Unterstützung begreifen. Das bedeutet, dass wir überdenken, wie wir Scope definieren, Teams ausrichten, Fortschritte validieren und Auslieferungen durchführen, um Predictive Intelligence optimal zu nutzen.
Wir überdenken Lieferprozesse von Grund auf und behandeln KI als echten Mitwirkenden bei Entscheidungen – nicht nur als analytischen Assistenten. Das bedeutet, wir gestalten die Definition des Projektumfangs, die Teamausrichtung, die Fortschrittsvalidierung und die Projektdurchführung neu, um das Potenzial prädiktiver Intelligenz voll auszuschöpfen.
- Umfang definieren: Wenn wir den Umfang festlegen, hilft uns KI dabei, die Komplexität von Anfang an zu quantifizieren. Durch die Analyse historischer Daten identifizieren unsere Modelle vergleichbare Projekte der Vergangenheit und prognostizieren mögliche Lieferherausforderungen. So erhalten Sponsoren und PMOs einen messbaren Ausgangspunkt: Der Umfang wird nicht mehr allein durch Ambitionen, sondern durch Fakten bestimmt.
- Teams ausrichten: Bei der Teamausrichtung unterstützt KI nun die frühzeitige Erkennung von Fähigkeitslücken oder Überlastungsrisiken – basierend auf Arbeitsauslastung und bisherigen Leistungen. Dadurch können wir Lieferteams mit deutlich mehr Präzision und Vertrauen zusammenstellen, statt uns auf statische Ressourcenpläne zu verlassen.
- Fortschritt validieren: Validierung und Qualitätssicherung haben sich stark weiterentwickelt. Wir nutzen KI-basierte Compliance-Prüfungen, um sicherzustellen, dass Projektergebnisse den Governance-Standards entsprechen und MVG in den Workflow integriert wird. Anstatt erst am Ende einer Phase zu prüfen, ist Qualitätssicherung jetzt kontinuierlich – proaktiv, schlank und datenbasiert.
- Lieferung ausführen: In der Ausführung haben wir rückblickende Statusmeetings durch prädiktive Dashboards aus unserer IPP-Plattform ergänzt. Diese Dashboards zeigen frühzeitig Warnzeichen auf, heben neue Risiken hervor und fördern gezielte Diskussionen über die wichtigsten Themen. KI ersetzt nicht das Urteilsvermögen der Führungskräfte, aber sie verändert die Gespräche – von der rückblickenden Berichterstattung zu vorausschauendem Handeln.
Die größte Veränderung ist kulturell: KI ist ein Teilnehmer im Lieferprozess geworden. Sie automatisiert nicht nur Arbeit, sondern verstärkt Intelligenz und unterstützt Menschen dabei, schneller, besser und mit mehr Selbstvertrauen Entscheidungen zu treffen.
Automatisieren Sie Aufgaben mit geringem Projektwert durch KI – für mehr Effizienz
Derzeit sind vor allem solche Bereiche für Automatisierung und KI-Unterstützung geeignet, die am meisten Zeit kosten, aber den geringsten strategischen Wert liefern – wie Projektprognosen, Statusberichte und Risikoerkennung.
Derzeit sind vor allem solche Bereiche für Automatisierung und KI-Unterstützung geeignet, die am meisten Zeit kosten, aber den geringsten strategischen Wert liefern – wie Projektprognosen, Statusberichte und Risikoerkennung.
Diese Prozesse sind regelbasiert, datenintensiv und wiederkehrend – und eignen sich daher ideal für intelligente Automatisierung.
Dennoch bleibt der menschliche Faktor in Bereichen unverzichtbar, die Urteilsvermögen, Empathie und Verhandlungsgeschick erfordern – etwa bei Stakeholder-Management, Kulturwandel und strategischer Priorisierung. KI kann das Gespräch bereichern, aber Führungskräfte müssen weiterhin den Kontext interpretieren, Politik managen und wertbasierte Entscheidungen treffen.
Letztlich sollte KI die kognitive Schwerstarbeit übernehmen, damit sich die Projektleitung auf die Beeinflussung der Ergebnisse konzentrieren kann – und nicht auf das Informationsmanagement.
Was es wirklich braucht, damit KI nachhaltig in der Projektdurchführung verankert wird
Die große Frage ist: „Was braucht es wirklich, damit KI dauerhaft in der Projektdurchführung Fuß fasst?“
Die Antwort lautet: Nicht mehr Technik, keine komplizierten Algorithmen und keine riesigen Investitionen. Es geht um Überzeugung und Verhalten — die Einführung von KI ist vor allem eine Frage des Mindsets.
Wir haben festgestellt, dass der Wendepunkt nicht kommt, wenn das Modell schlauer wird, sondern wenn Menschen beginnen, auf die gewonnenen Erkenntnisse zu reagieren. Deshalb sage ich oft: Die Einführung von KI ist ein menschliches Veränderungsprogramm, das von Daten unterstützt wird – und nicht nur ein digitales. Sobald Teams erkennen, dass prädiktive Erkenntnisse sie vor Überraschungen bewahren, anstatt sie nur zu erklären, ist der Wandel dauerhaft.
Die eigentliche Transformation beginnt, wenn Führungskräfte KI nicht mehr als Experiment betrachten, sondern sie zu einem festen Bestandteil ihrer Leadership machen. Das bedeutet, Vertrauen in Daten zu schaffen, transparent zu machen, was KI zeigt, und die Teams zu befähigen, sie im Alltag für ihre Entscheidungen zu nutzen.
Und besonders auffällig ist, wie schnell Vertrauen entsteht, sobald Menschen die Genauigkeit der KI-Prognosen sehen. Die Teams wechseln von rückblickender Fehlersuche zu Diskussionen über zukünftige Entwicklungen – und das verändert die Lieferkultur grundlegend.
Ein intelligentes KI-Ökosystem für die Projektabwicklung schaffen
Unser Technologie-Stack für die Projektabwicklung hat sich im vergangenen Jahr deutlich weiterentwickelt, da wir die Integration zwischen KI-Modellen, Analyseplattformen und traditionellen Projektmanagement-Tools vertieft haben. Im Mittelpunkt steht unsere eigene IPP-Plattform, die als Intelligenzschicht Projektdaten analysiert, Ergebnisse prognostiziert und frühzeitig Risiken über ganze Portfolios hinweg identifiziert.
Für die Datenanalyse und -visualisierung setzen wir auf Microsoft Power BI, weil es nach wie vor einen praktischen Weg darstellt, Projektdaten aus verschiedenen Quellen zu verknüpfen und den Stakeholdern die direkte Interaktion mit den Erkenntnissen ermöglicht. Auf der Datenseite haben wir unsere Nutzung von Azure-Umgebungen gestärkt, um KI-Arbeitslasten sicher zu hosten und zu skalieren, wodurch Leistung und Governance verbessert wurden.
Gleichzeitig haben wir unseren Werkzeugkasten vereinfacht, statt ihn zu erweitern. Klassische Planungstools wie Planview und Primavera haben weiterhin ihre Berechtigung, dienen jedoch jetzt als Datenlieferanten für die Prognosemodelle statt als eigenständige Managementsysteme. Der Fokus liegt auf Interoperabilität – die vorhandenen Tools werden so verbunden, dass Wissen nahtlos fließt und nicht in Silos gefangen bleibt.
Zudem haben wir das manuelle, tabellenbasierte Risikotracking durch automatisierte Modellausgaben ersetzt und KI-gesteuerte Compliance-Prüfungen eingeführt, um die Prozesseinhaltung zu validieren. Diese Veränderungen haben den manuellen Berichtsaufwand mehr als halbiert und den Fokus vom Datensammeln auf die Auswertung verschoben.
Zusammengefasst geht es bei der Weiterentwicklung unseres Technologie-Stacks nicht darum, ständig neue Tools einzuführen, sondern ein intelligentes Ökosystem zu schaffen, in dem bestehende Plattformen durch KI erweitert werden, um Weitblick, Genauigkeit und messbaren Nutzen bei jeder Projektentscheidung zu ermöglichen.
Die Weiterentwicklung unseres Technologie-Stacks besteht nicht darin, ständig neue Tools auszuprobieren, sondern ein intelligentes Ökosystem zu schaffen, in dem bestehende Plattformen durch KI erweitert werden, um Weitblick, Genauigkeit und messbaren Wert für jede Projektentscheidung zu ermöglichen.
Warum sich das Projektmanagement von administrativer Arbeit hin zur intelligenten, strategiegeleiteten Disziplin entwickelt
In den nächsten fünf Jahren wird KI die Art und Weise, wie Projekte geführt werden, grundlegend neu definieren. Dabei geht es nicht zwingend darum, immer mehr Tools einzuführen. Es wird vielmehr um ein neues Gleichgewicht zwischen Menschen, Daten und Entscheidungen gehen.
Ich bin überzeugt, dass wir uns auf eine Welt zubewegen, in der Projektmanagement zu einer von Intelligenz geleiteten Disziplin wird – nicht mehr nur zu einer administrativen Aufgabe. KI übernimmt die Mechanik, wie Prognosen, Reporting, Sicherstellung, während sich menschliche Führungskräfte auf die Zielsetzung, Prioritäten und Ergebnisse konzentrieren. Teams werden sich auf kontinuierliche Vorhersagen verlassen und nicht mehr retrospektiv kontrollieren. Die Steuerung entwickelt sich hin zu intelligenten Systemen wie unserem MVP-Konzept, das Sicherstellung unsichtbar und als Teil des Arbeitsflusses stattfinden lässt.
Innerhalb von fünf Jahren werden die meisten Projektorganisationen KI-Co-Piloten auf allen Ebenen eingebettet haben, die Erkenntnisse liefern, Arbeitsabläufe orchestrieren und Annahmen in Echtzeit hinterfragen. Die besten Führungskräfte werden diejenigen sein, die wissen, wie man mit KI zusammenarbeitet – nicht gegen sie.
Letztlich werden sich Projektabwicklungen vom Unsicherheitsmanagement hin zum Beherrschen der Vorausschau verschieben. Wer KI früh einsetzt, wird nicht nur vorhersehbarer liefern, sondern auch grundlegend verändern, wie Wert, Wirkung und Erfolg definiert werden.
Die Projektabwicklung wird sich vom Management der Unsicherheit hin zur Meisterung der Voraussicht wandeln. Wer KI frühzeitig einsetzt, wird nicht nur verlässlicher liefern, sondern auch grundlegend verändern, wie Wert, Wirkung und Erfolg definiert werden.
Warum Datenbereitschaft und menschliches Bewusstsein entscheidend für KI-Erfolg in der Projektabwicklung sind
Mein wichtigster Ratschlag an Führungskräfte in der Projektabwicklung ist, sich vor allem auf zwei Dinge zu konzentrieren: Datenbereitschaft und menschliches Bewusstsein.
Datenbereitschaft ist die Grundlage jeder erfolgreichen KI-Initiative. Die meisten Organisationen unterschätzen, wie viel ungenutzter Wert bereits in den vorhandenen Projektdaten steckt – doch diese sind oft fragmentiert, inkonsistent oder in Systemen eingeschlossen, die nicht miteinander kommunizieren. Diese Daten in Form zu bringen, erfordert kein riesiges Transformationsprogramm: Es beginnt mit dem Verständnis der vorhandenen Daten, der Qualitätsverbesserung an relevanten Stellen und dem Aufbau von Vertrauen in deren Nutzung. Sobald die Daten zuverlässig sind, ergeben sich prädiktive Erkenntnisse ganz natürlich.
Das zweite Element ist das menschliche Bewusstsein: Es hilft Teams zu verstehen, was KI für sie tun kann, statt sich darauf zu konzentrieren, was sie ihnen möglicherweise wegnimmt. Die erfolgreichsten Veränderungen, die wir erlebt haben, entstehen, wenn Fachleute im Bereich Projektabwicklung sich durch KI befähigt fühlen und nicht von ihr bedroht. Es geht darum, neue Instinkte zu entwickeln, Muster zu hinterfragen, Prognosen zu interpretieren und KI als strategischen Partner und nicht nur als Berichtswerkzeug zu nutzen.
Wenn Führungskräfte gleichermaßen in diese beiden Bereiche investieren – Datenbereitschaft und menschliches Bewusstsein –, schaffen sie eine Kultur, in der KI die Lieferperformance wirklich verbessert und nicht nur eine weitere Technologieschicht einführt.
Genau dort beginnt der Wandel wirklich.
Begleiten Sie uns
Sie können Lloyd auf LinkedIn folgen, während er die Projektabwicklung zu einer proaktiven Disziplin macht. Und besuchen Sie greyfly.ai, wo er dies in die Tat umsetzt.
Weitere Experteninterviews folgen auf The Digital Project Manager.
