Agentische KI im Projektmanagement: Wie KI-Agenten die Art und Weise, wie Aktivität erbracht wird, neu gestalten

Nur wenige Entwicklungen im Bereich der Unternehmenssoftware haben sich so schnell vom Modewort zur Priorität auf Vorstandsebene entwickelt wie die agentische KI. Während des größten Teils des letzten Jahrzehnts bedeutete „KI im Projektmanagement“ noch etwas relativ Bescheidenes: einen intelligenteren Statusbericht, eine automatisch generierte Zusammenfassung, einen Chatbot, der Fragen zu einem Fälligkeitstermin beantworten konnte. Nützlich, aber begrenzt. Der Mensch behielt fest das Steuer in der Hand, und die Software wartete darauf, angesprochen zu werden.

Diese Ära neigt sich dem Ende zu. Der Schwerpunkt der Diskussion hat sich von einer KI, die unterstützt, hin zu einer KI, die handelt, verlagert. Der Begriff „Agentic KI“ bezeichnet eine neue Klasse von Systemen, die Informationen nicht nur bereitstellen, sondern diese auch analysieren, Empfehlungen aussprechen und innerhalb der von Ihnen festgelegten Rahmenbedingungen Maßnahmen ergreifen. Für PMO-Leiter und Führungskräfte, die für Von der Strategie zur Umsetzung verantwortlich sind, handelt es sich hierbei nicht um eine bloße schrittweise Erweiterung des Instrumentariums. Es handelt sich um einen strukturellen Wandel in der Art und Weise, wie Portfolios geplant, gesteuert und umgesetzt werden.

Die Chance ist real. Das gilt auch für das Risiko. Wie Matt Zilli, CEO von Planview, es formulierte: KI schließt nicht automatisch die Lücke zwischen strategischer Absicht und Ergebnissen – wird sie nicht gesteuert, kann sie diese sogar vergrößern, denn „eine falsch ausgerichtete Entscheidung verstärkt sich nun mit maschineller Geschwindigkeit und in großem Maßstab, bevor irgendjemand ein Anzeichen dafür bemerkt.“ Zu verstehen, was agentische KI eigentlich ist und welche Anforderungen sie an Ihr Betriebsmodell stellt, ist mittlerweile eine Priorität für das Management.

Agentische KI im Projektmanagement bezeichnet künstliche Intelligenz, die ein Ziel eigenständig verfolgen kann – indem sie die einzelnen Schritte plant, Daten sammelt, Optionen abwägt und innerhalb der von Menschen festgelegten Rahmenbedingungen Maßnahmen ergreift –, anstatt lediglich auf Eingaben zu reagieren. In der Praxis bedeutet dies, dass Software in der Lage ist, ein Risiko zu erkennen, eine Abhängigkeit abzustimmen oder eigenständig einen Statusbericht zu erstellen und diesen zur Überprüfung an eine Person weiterzuleiten, anstatt darauf zu warten, dass sie dazu aufgefordert wird.

Dies trägt dazu bei, zwei Begriffe voneinander abzugrenzen, die häufig synonym verwendet werden.

Generative KI erzeugt Inhalte. Bitten Sie das System, eine Projektcharta zu entwerfen, eine Präsentation für den Lenkungsausschuss zusammenzufassen oder eine Risikobeschreibung zu überarbeiten – und es reagiert. Es ist reaktiv und dialogorientiert.

Agentische KI verfolgt Ziele. Anstatt auf eine einzelne Eingabe zu warten, kann ein Agent ein Ziel in einzelne Schritte unterteilen, die benötigten Daten sammeln, Optionen abwägen, Maßnahmen ergreifen und sich entsprechend den gewonnenen Erkenntnissen anpassen – und zwar alles innerhalb der von einem Menschen festgelegten Grenzen. Der Unterschied zwischen KI-Agenten und einem generativen Chatbot ist der Unterschied zwischen einem Tool, das Fragen beantwortet, und einem Teamkollegen, der Aktivität erledigt.

Im Kontext des Projektmanagements ist diese Unterscheidung von enormer Bedeutung. Ein generatives Tool kann Ihnen aufzeigen, dass drei Initiativen eine entscheidende Ressource gemeinsam nutzen. Ein Agent kann den Konflikt erkennen, die Auswirkungen auf den nachfolgenden Zeitplan modellieren, eine Umverteilung vorschlagen, die Kommunikation mit den Beteiligten entwerfen und die Entscheidung zur Genehmigung durch Sie kennzeichnen – und zwar kontinuierlich, über das gesamte Portfolio hinweg, ohne dass jemand ihn dazu auffordern muss.

Der Wandel vom passiven Assistenten zum aktiven Teamkollegen lässt sich am deutlichsten an den Aktivitäten erkennen, die seit langem im Verhältnis zu ihrem strategischen Wert unverhältnismäßig viel Zeit in Anspruch nehmen. Überlegen Sie, in welchen Bereichen KI-Agenten bereits einen Unterschied bewirken:

• Risikoerkennung und Frühwarnung. Die meisten Teams erkennen Hindernisse erst, wenn diese bereits zu Verzögerungen führen – zu diesem Zeitpunkt sind die Fristen bereits überschritten, und die Teams bemühen sich verzweifelt, den Rückstand aufzuholen. Die Agenten analysieren kontinuierlich Aktivitätsdaten, historische Muster und Abhängigkeiten, um Risiken im Zeitplan, Leistungsabweichungen und Engpässe zu erkennen, bevor diese die Lieferung beeinträchtigen – und nicht erst danach.
• Abhängigkeits- und Engpassanalyse. Um darzustellen, wie sich die Aktivität über Teams, Tools und Ziele hinweg verknüpft, waren bisher tagelange manuelle Recherchen in Tabellenkalkulationen erforderlich. Die Mitarbeiter können diese Zusammenhänge in Echtzeit nachvollziehen und so erkennen, wer von wem abhängig ist, worauf sich ein bestimmter Workstream stützt und bei welchen Zielen die Aktivität gefährdet ist.
• Statusberichte und Zusammenfassungen für die Geschäftsleitung. Die Erstellung von Standup-Berichten, Projektübersichten und Präsentationen für die Geschäftsleitung ist eine aufwendige Aktivität mit geringem Differenzierungsgrad. Die Mitarbeiter können diese bei Bedarf zusammenstellen, sodass die Projektleiter ihre Zeit für die Entscheidungsfindung statt für die Zusammenstellung nutzen können.
• Szenarioplanung und Vor- und Nachteile-Analyse. Anstatt Umverteilungsmodelle manuell zu erstellen, können Führungskräfte ein Ziel formulieren und von einem Agenten geordnete Szenarien mit einer umfassenden Vor- und Nachteile-Analyse hinsichtlich Kapazität, Finanzen und strategischer Eignung erhalten – wodurch sich der Zeitaufwand für die Modellierung von Tagen auf Minuten verkürzt.
• Routinemäßige Koordination. Das Aktualisieren von Statusangaben, der Abgleich von Daten zwischen verschiedenen Systemen und die Abwicklung administrativer Übergaben sind genau die Art von wiederholbaren, regelbasierten Aufgaben, die Mitarbeiter präzise und ohne Ermüdungserscheinungen gut bewältigen.

Das Muster lässt sich bei all diesen Fällen durchgängig beobachten: Die Agenten übernehmen den Koordinationsaufwand, der die Projekt- und Portfolioarbeit seit jeher belastet hat, sodass sich die menschlichen Teams auf die Strategie, die Ausrichtung mit den Stakeholdern und die Entscheidungen konzentrieren können, die tatsächlich ein Urteilsvermögen erfordern.

Hier liegt der Haken, den sich jede Führungskraft, die agentische KI bewertet, verinnerlichen sollte: Allzweck-KI-Modelle sind zwar bemerkenswert, aber sie verstehen Ihr Geschäft nicht.

Ein Grundmodell kann zwar hervorragend schreiben und beeindruckend argumentieren, doch es weiß nicht, was eine Programmverzögerung in Höhe von $40 Millionen Ihr Unternehmen kostet, wie sich Ihr Portfolio unter Druck tatsächlich verhält oder welche Kompromisse Ihre Organisation als akzeptabel erachtet. Wie Louise K. Allen, Chief Product Officer bei Planview, es formulierte, ist dies „der Unterschied zwischen einer KI, die Fragen beantworten kann, und einer KI, die den gesamten strategischen Kontext der Aktivität versteht“. Und diesen Kontext kann man nicht einfach mit einem Konnektor oder einer raffinierten Aufforderung nachbilden.

Aus diesem Grund lautet die entscheidende Frage nicht: „Wie intelligent ist das Modell?“, sondern: „Wie gut versteht es unsere Aktivität?“ Ein Agent, der ohne organisatorischen Kontext agiert, ist schnell und selbstbewusst – und kann im großen Maßstab möglicherweise Fehler begehen. Einem Akteur, der sich auf die tatsächlichen Zusammenhänge zwischen Strategie, Investitionen, Ressourcen und Ergebnissen stützt, kann man vertrauen, dass er entsprechend handelt.

Die Einordnung von Akteuren in diesem Zusammenhang erfordert eine Datengrundlage. Es reicht nicht aus, Workflows auf Teamebene zu verfolgen; Führungskräfte benötigen einen Überblick über das Gesamtbild – wie eine einzelne Umsetzungsmaßnahme zu einem Ziel beiträgt, wovon sie abhängt und welche Auswirkungen Verzögerungen auf die Geschäftsergebnisse haben. Planview nutzt hierfür seinen „Connected Work Graph“ – eine KI-gestützte Echtzeit-Übersicht darüber, wie Arbeitsabläufe über Teams, Projekte und Tools hinweg miteinander verknüpft sind – sowie den umfassenderen „Outcome Intelligence Graph“, ein Modell des Unternehmensportfolios, in dem jede Entscheidung mit den dahinterstehenden Ressourcen und den daraus resultierenden Ergebnissen verknüpft ist. Das Fazit lautet: Agenten sind nur so gut wie der Kontext, auf dessen Grundlage sie ihre Schlussfolgerungen ziehen.

Ein anschauliches Beispiel aus der Praxis ist Cognizant, das weltweit tätige IT-Dienstleistungsunternehmen mit rund 340,000 Mitarbeitern. Nach einem Cybersicherheitsvorfall bei „ 2020 “ hat das Unternehmen seine Projekt- und Portfoliomanagementprozesse innerhalb von etwa sechs Monaten mithilfe von Planview Projektportfoliomanagement grundlegend überarbeitet und damit die Governance für mehr als 40 Programme vereinheitlicht. Auf der Grundlage dieser vernetzten Dateninfrastruktur integrierte Cognizant anschließend mithilfe von Planview Anvi generative KI in sein PMO – und setzte diese für die schnelle Erkennung von Projektrisiken und automatisierte Inhaltszusammenfassungen im Bereich Governance, für schrittweise „How-to“-Anleitungen zu Schulungszwecken, für den automatisierten Abruf von Berichten sowie für schnelle Erkenntnisse aus der Projektdokumentation ein. Zu den berichteten Geschäftsergebnissen zählen die Echtzeit-Überwachung der Programm-Compliance und die Lückenanalyse, eine verbesserte Risikobestimmung sowie eine schnellere Akzeptanz durch die Nutzer dank KI-gestützter Schulungen.

„Nachdem wir in den letzten Jahren erfolgreich die Kernfunktionen für das Projekt- und Programm-Management implementiert haben, verfügen wir heute über eine solide Grundlage an verlässlichen Daten und etablierten Prozessen. „Damit sind wir bestens aufgestellt, um die Möglichkeiten von Gen KI und Planview Anvi zu nutzen und die nächste Transformationswelle voranzutreiben.“ – Estela Lauricella-Thota, Senior Director, Technology Transformation bei Cognizant

Der Weg von Cognizant verdeutlicht zudem eine wichtige Nuance: Nicht jeder Mitarbeiter verfügt über denselben Grad an Eigenverantwortung. Die meisten Unternehmensanwendungen basieren heutzutage auf einem „Human-in-the-Loop“-Ansatz – der Agent gibt eine Empfehlung ab und eine Person genehmigt diese –, der zwischen vollständig unterstützender KI und vollständig autonomem Handeln angesiedelt ist. Mit zunehmender Reife von Organisationen lassen sich mehrere spezialisierte Agenten gemeinsam koordinieren, und der Fokus verlagert sich von der reinen Capability hin zum ROI: Es gilt nachzuweisen, dass jeder Agent einen höheren Wert liefert, als sein Betrieb kostet.

Wenn Akteure Maßnahmen ergreifen können, ist Governance nicht mehr nur eine Option: Sie ist die Grundlage, die für die Sicherheit aller anderen sorgt. Dies ist der Teil des agentischen Wandels, für den PMO- und Portfolio-Verantwortliche in einzigartiger Weise zuständig sind.

Jede Strategie für eine agentische KI sollte auf drei Grundsätzen beruhen:

1. Jede Handlung muss mit einem Geschäftsergebnis verbunden sein. Bei der KI besteht die Versuchung darin, den Einsatz um seiner selbst willen voranzutreiben. Die erste Frage lautet jedoch nicht: „Wie können wir KI schneller einführen?“, sondern: „Woher wissen wir, ob unsere KI-Investitionen die Ergebnisse liefern, für die wir sie finanziert haben?“ Agenten sollten im Hinblick auf messbare Ziele eingesetzt werden, nicht nur aus Neugier.
2. Governance muss auf Schnelligkeit ausgerichtet sein. Herkömmliche Genehmigungszyklen gehen vom menschlichen Arbeitstempo aus. Wenn Agenten mit maschineller Geschwindigkeit agieren, muss die Aufsicht Schritt halten – durch automatische Sicherheitsvorkehrungen für die Aktivitäten der Agenten, klare Grenzen hinsichtlich dessen, was ein Agent autonom tun darf und was nicht, sowie durch kontinuierliche Transparenz darüber, was die Agenten tatsächlich tun.
3. Personen und Vertreter gehören in ein System. Sobald die Mitarbeiter konkrete Aufgaben übernehmen, werden sie Teil Ihrer Kapazität. Die getrennte Planung, Steuerung und Optimierung von Personal- und KI-Ressourcen führt zu blinden Flecken. Führungskräfte benötigen zunehmend eine einheitliche Plattform – von Planview als „Agent Resource Management“ bezeichnet –, die Mitarbeiter und KI-Agenten in einem Modell vereint, bei der bei jeder Kapazitätsentscheidung die Kosten transparent sind und kontinuierlich nachgewiesen wird, welche Ergebnisse diese Agenten erzielen.

Governance stellt, mit anderen Worten, kein Hindernis für agentische KI dar. Genau das ermöglicht es Ihnen, das Produkt mit Zuversicht zu nutzen.

Agentische KI verändert die Aufgaben des PMO auf subtile, aber bedeutende Weise. Der Wert des PMO verlagert sich weg von seiner Rolle als zentrale Anlaufstelle für Status- und Berichte – Aktivität, die zunehmend von den Mitarbeitern übernommen werden – hin zur Koordination: Dabei geht es darum, die entscheidenden Geschäftsergebnisse zu definieren, die Rahmenbedingungen festzulegen, innerhalb derer die Mitarbeiter agieren, und sicherzustellen, dass Menschen und KI stets im Einklang mit der Strategie stehen.

Einige Maßnahmen sollten Sie bereits jetzt ergreifen:

• Beginnen Sie mit Aktivität, die viel Aufwand erfordert, aber wenig Wertung beinhaltet. Berichte, Abhängigkeitsdiagramm und routinemäßige Aktualisierungen sind hierfür ideale erste Kandidaten. Sie sorgen für sofortige Entlastung und stärken das Vertrauen der Organisation in das Verhalten der Mitarbeiter.
• Investieren Sie zunächst in Ihre Dateninfrastruktur, bevor Sie sich der Autonomie zuwenden. Agenten ohne Kontext stellen ein Risiko dar. Gerade diese Verbindung zwischen Strategie, Aktivität und Geschäftsergebnissen macht eine agentische KI vertrauenswürdig.
• Betrachten Sie Governance als eine Anforderung an die Konzeption und nicht als nachträglichen Einfall. Legen Sie im Vorfeld fest, welche Aufgaben die Agenten eigenständig erledigen können, welche Kennzahlen einer menschlichen Genehmigung bedürfen und wie Sie deren Wirkung überwachen und messen werden.
• Messen Sie Ergebnisse, nicht den Aufwand. Das Ziel ist nicht mehr KI, sondern eine bessere Umsetzung: weniger Überraschungen, schnellere Entscheidungen und eine engere Verbindung zwischen dem, was Sie finanziert haben, und dem, was Sie erhalten haben.

Agentische KI ist für das Projekt- und Portfoliomanagement keine ferne Perspektive – sie ist die Richtung, in die sich dieses Fachgebiet bereits entwickelt. KI-Agenten entwickeln sich von passiven Assistenten zu aktiven Teamkollegen, die Risiken erkennen, Abhängigkeiten aufschlüsseln, Szenarien modellieren und Maßnahmen ergreifen. Die Organisationen, die am meisten davon profitieren werden, sind nicht diejenigen, die die Neuerungen am schnellsten umsetzen. Sie sind es, die ihre Mitarbeiter im realen geschäftlichen Kontext verankern und sie mit Disziplin führen, damit Schnelligkeit der Strategie dient, anstatt sie zu untergraben.

Die Kluft zwischen strategischen Zielen und Geschäftsergebnissen war noch nie so kostspielig – und noch nie so leicht zu schließen. Agentische KI – richtig eingesetzt – ist das, womit Führungskräfte den Erfolg sichern.

Um zu erfahren, wie Planview agentenbasierte KI in das strategische Portfoliomanagement und das Projektportfoliomanagement integriert – mithilfe von Planview Anvi, dem „Connected Work Graph“ und dem Agenten-Ressourcenmanagement –, informieren Sie sich über Planview KI.