Einführung

Das Thema KI ist in aller Munde und selbstverständlich jetzt auch im Projektmanagement. Ich selber bin als Projektmanager und seit vielen Jahren operativ in der Algorithmik tätig. Das Thema KI verfolgt mich nahezu seit fast 20 Jahren durch diverse Branchen hindurch (damals waren die Namen die man in der KI-Technologie nutze etwas anders als heute). Heute als Projektmanager stelle ich mir die Frage, welche Auswirkungen die KI auf meine „Zunft“ haben wird und welche Aufgabengebiete ein Projektmanager in Zukunft ausüben werden. Um das heraus zu finden habe ich diverse Blogs, Zeitschriftenartikeln und Vorträge verfolgt und war am Ende überrascht, dass es zu diesem Thema nur wenig konkretes und praktisches zu finden gibt. Aus diesem Grund entschloss ich mich einige konkrete Anwendungsfälle aus dem Projektmanagement zu beschreiben, wo die KI ihren Einzug im Projektmanagement finden wird. Das wird der Inhalt meiner Blogserie sein.

Ich werde in diesem Blogartikel auf die Anwendungsfälle Projektüberwachung, Projektdatenauswertung und Projektkommunikation eingehen. Der zweite Artikel wird sich mit den Themen Komplexität und Risikomanagement beschäftigen und der letzte Artikel wird das Thema Projektrollen behandeln.

Projektüberwachung

Wenn es um das Thema KI und Projektmanagement geht, ist das Erste woran man denkt die „Projektüberwachung“. Doch wie kann ich mir das vorstellen? Wie soll eine KI ein Projekt überwachen? Das Bild welches (zumindestens mir) im Kopf entsteht, ist, dass ich während meiner Arbeit eine Nachricht bekomme (in welcher Form auch immer; sei es ein Avatar, eine Stimme oder eine Textnachricht), die mir ein Arbeitspaket zuweist oder mich zum Status des Arbeitspaketes ausfragt an dem ich gerade arbeite und dan,  in Abhängigkeit meiner Antwort, mir mitteilt, was ich als nächstes zu tun habe. Quasi, so als ob sich meine Alexa selber melden würde. Das wäre SciFi in seiner reinsten Form, jedoch denke ich, dass es anders kommen wird. Die KI die das Projekt überwacht, wird Empfehlungen einen „biologischen“ Projektmanager abgeben. So wie es etwa mit den heutigen Navigationsgeräten der Fall ist. Es werden auch weiterhin Projektmitarbeiter Informationen an die Linien- und Projektmanager zum Projektstatus liefern müssen. Hier wird die KI die „biologischen“ Mitarbeiter unterstützen, in dem es ihnen Vorschläge abgibt.

Ich denke daher, dass das Projekt für die KI so etwas sein wie eine Datenwolke sein wird  in der Projektinformationen kommen und gehen werden. Die KI wird auf diesen Datenfluss reagieren und je nachdem wie der Projektmanager die KI konfiguriert hat auch reagieren. Achtung, hier haben wir eine neue Aufgabe für unseren „biologischen“ Projektmanager von Morgen entdecke. Projektdatenwolken zwecks Überwachung vorkonfigurieren. Ein wichtiger Punkt bei jeder Projektinitiaslisierung!

Terminanpassung

Eine Terminanpassung wird es bei jeder Projektüberwachung geben. Diese bringen Anpassungen von Gant- und Netzwerkdiagramme mit sich. Es gibt heutzutage auch so gut wie kein Projektmanagerwerkzeuge auf dem Markt, welches nicht in der Lage wäre diese Diagramme nach Terminänderungen anzupassen. Seien wir aber ehrlich. Es hat doch noch nie so richtig funktioniert. Warum eigentlich nicht? Weil die Maschine nicht nur den Kontext des Arbeitspaketes, sondern auch den Zusammenhang mit der zugewiesen Ressource (also den Projektmitarbeitern) nicht versteht. Es sieht „nur“ die Mathematik. Das KI-System muss lernen die Zusammenhänge zu „verstehen“ um eine „praktikable“ Terminanpassung zu empfehlen. Man sagt auch, dass das KI-System trainiert werden muss und jetzt kommen wir zur (vielleicht größten) Herausforderung. Jedes Projekt ist einzigartig (sonst wäre es kein Projekt). Natürlich gibt es gewisse Aktivitäten die sich wiederholen aber im großen und ganzem ist es einzigartig. Wir haben also keine so richtigen repräsentativen „Trainingsdaten“. Wie sieht hier die Lösung aus? Die Lösung kommt von den guten alten Parreto. Sie erinnern sich. Mit 20% Einsatz 80% schaffen. Das gilt hier auch für das Trainieren. In wie fern? Die meisten Projekte  laufen in einer Matrixorganisation und die Arbeitspakete werden ebenfalls von den gleichen Mitarbeitern erledigt. Zwar nicht immer aber doch meistens. Das bedeutet, dass die Trainingsdaten für solche Projekte doch noch zu gebrauchen sind und wir reden hier von der Mehrzahl von Projekten. Für den Fall, dass wir ein Multiprojekt haben, lassen sich diese auch skalieren, wodurch sie wieder repräsentativ werden.  Beispiel hier ein Bauprojekt (diesmal kein SW-Projekt). Wir haben Handwerker, kleine und mittelständische Unternehmen, für die es einzelne „Projekttrainingsdaten“ geben kann. Am Ende wird das System zur Terminanpassung hochskaliert. Diese Anpassung von Trainingsdaten wird wahrscheinlich noch eine weitere Aufgabe für Projektmanager in Zukunft sein.

Arbeitspaketzuweisung

Dieser Punkt erinnert mich sehr stark an personalisierte Werbung, denn dort werden die Kauf- und Surfgewohnheiten von Usern durch KI-Systeme analysiert und ein Kaufprofil erstellt (vereinfacht ausgedrückt). So aufbereitet kann die Werbung individuell kommuniziert werden. Warum kann die gleiche Methodik nicht auch im Projektmanagement benutzen werden? Es gibt eine ganze Menge an Projektdaten, die in Beziehung zu Projektmitarbeitern stehen. Ein Projektmanager kann nicht den ganzen Überblick haben. Warum nicht den Vorschlägen eines KI-Systems folgen, welche die Projektmitarbeiterdaten analysiert, wie es auch andere KI-Systeme mit Big-Data-Kundenprofilen tun?  Auch das Bedeutet, dass zu den Skills der Projektmanager so etwas wie Projekt-Big-Data-Analysten hinzukommen könnten.

Projektdatenauswerung

Wir sehen aus den bisherigen Überlegungen, dass die Projektdatenauswertung einen immer höheren Stellenwert bekommen könnte.  Doch welche genau werden dies sein und wo wird man diese brauchen? Darüber geht es in den folgenden Unterabschnitten.

Big Data

Im Zuge der Digitalisierung, werden die Mengen an Projektdaten immer größer. Es gibt pläne, Protokolle, ToDo-Listen, Anweisungen und Emails. Alle diese Daten stehen untereinander durch Stakeholder und Projektmitarbeiter in Verbindung. Damit ein Projektdatamining durchgeführt werden kann, müssen diese Daten aufbereitet werden. Entweder es existiert bereits ein Werkzeugrahmen im „sozialen Projektmanagementnetzwerk“ (so wie z.B. es der Fall bei facebook, Instagram, twitter etc. ist) oder es muss durch die harte Tour vorverarbeitet werden. Wie auch immer, die Vorverarbeitung von Projektdaten ist ein zukünftiger Job im Projektmanagement.

Data Mining

Wenn jetzt die Projektdaten aufbereitet sind, kann es an das eigentliche Data Minig gehen. Hier werden die üblichen Data-Mining-Methoden angewandt. Je nachdem, was man wissen möchte aber, was möchte man Wissen? Was sind überhaupt die Fragen die man beantwortet haben möchte? Hier einige:

  1. Gibt es eine effizientere Terminplanung?
  2. Ist es möglich die Ressourcen effizienter einzusetzen?
  3. Wo könnten die nächsten Risiken liegen?
  4. Wie hoch ist die momentane Fertigstellung des Projektes?
  5. Wo befindet sich ein Ressourcenengpass?
  6. Welche Projekte sollte man wie priorisieren?
  7. Lohnt sich noch das Projekt weiterzumachen?
  8. Wie hängen die Projekte im Portfolio zusammen?
  9. Wie sollten die Arbeitspakete im Portfolio aufgeteilt werden?

Prognosen

Was KI-Systeme besonders gut können ist auf Basis von Daten Prognosen abzugeben. Für einen Projektmanager wäre es interessant zu wissen, wohin sich das Projekt (oder die Projekte) entwickeln würden, wenn man an dieser oder jener „Schraube“ drehen könnte. Die Prognosen würden sich orientieren an den Terminen, Kosten und Leistungen. Genau so interessant, wäre es „Impacts“ von Risiken einzusehen, damit diese vom Risikomanagement besser eingeschätzt werden können.

Simplifizierung

Das waren nur einige Fragen, die man haben könnte. Damit dies möglich wird, bedarf es einer Simplifizierung von Daten für den Menschen. Auch hier existieren bereits Methoden im Data-Mining, welches von KI-Systemen benutzt werden. Die Projektmanager von morgen, werden in der Lage sein müssen, mit diesen Methoden umzugehen oder sich zumindestens auszukennen. Es gibt jedoch noch ein Grund für die Simplifizierung und das ist die Berichterstattung für das höhere Management. Ich nenne dies „Duplosprache“.

Projektkommunikation

Berichterstattung

Ahh, die Berichterstattung. Was für eine Qual für jeden Projektmanager. Selbst wenn mit einem Assistenten, ist es dies eine Qual. Jedoch ist jetzt schon abzusehen, dass KI-Systeme anfangen werden selbstständig Berichte aus ZDF (Zahlen – Daten – Fakten) zu schreiben? Auch hier wird der Projektmanager einen Rahmen vorgeben und Projektdaten für eine KI-Big-Data-Analyse vorbereiten müssen. Nur so wird die KI in der Lage sein selbstständig einen Bericht zu erstellen. Damit dies zukünftig möglich wird, wird der Projektmanager grundlegende Kenntnisse in Sachen Wissensbasierter Systeme und Semantik benötigen.

Kommunikationsschnittstellen

Was wäre Projektmanagement ohne Kommunikation. Eigentlich ist Kommunikation der entscheidende Klebstoff welches Projekte zusammen hält. Die Frage ist, wie kann die KI dabei behilflich sein? Ganz einfach, warum könnte es nicht möglich sein, dass ein Projektmitarbeiter einfach seinen „digitalen Projektassistenten“ fragt „Hey Assista, was ist meine nächste Aufgabe?“ oder „Hey Assista, sag mir wem ich den Bericht zuschicken muss? Des Weiteren, wäre dem digitalem Projektassistenten egal in welcher Sprache der Projektmitarbeiter mit ihm kommuniziert. Ich bin mir ziemlich sicher, dass dies die zukünftige Kommunikationsschnittstelle von verteilten Projektteams rund um den Globus revolutionieren wird.

Zusammenfassung

Ich habe hier einige Anwendungsfälle der KI im Projektmanagement beschrieben. In meinem nächstem Blogartikel werde ich auf das Thema „Komplexität“ und „Ressourcenmanagement“ eingehen und einen möglichen Ausblick darüber geben, wie uns die KI hierbei behilflich sein könnte.