Vom Protokoll bis zum Statusbericht: Wie KI unseren Projektmanager:innen den Rücken freihält
Zehn Stunden waren für die RACI-Matrix veranschlagt. Rollen sammeln, Zuständigkeiten abgleichen, Widersprüche klären, das Ergebnis in eine Form bringen, die der Kunde im Review versteht – in einem unserer PMI-Projekte ein realistischer Aufwand. Heute steht der erste Entwurf nach einem Prompt und fünfzehn Minuten. Eine Stunde später ist er finalisiert und geht in den Review.
Solche Zahlen klingen nach Automatisierungsversprechen, sind aber keins. Was wegfällt, ist die wiederkehrende Erststrukturierung, das Zusammentragen und Ordnen, bevor überhaupt jemand fachlich urteilen kann. Genau dort setzt KI im Projektmanagement sinnvoll an. Die Verantwortung für das Ergebnis bleibt davon unberührt.
Steuern und Entscheiden macht nur einen Teil der Projektarbeit aus. Der größere Teil ist unscheinbarer: Informationen aus unterschiedlichen Quellen zusammentragen, strukturieren und für verschiedene Zielgruppen aufbereiten. Für das Management anders als für das Team, für den Kunden anders als für den internen Lenkungskreis.
Erschwerend kommt hinzu, dass die relevanten Informationen selten an einem Ort liegen. Sie verteilen sich über Meeting-Notizen, E-Mails, Präsentationen, Jira-Tickets, Excel-Dateien und frühere Projektdokumente. Wer einen Statusbericht schreibt, sucht zunächst zusammen, bevor er bewerten kann.
Für unsere Projektmanager:innen hat sich dieser Teil der Arbeit spürbar verschoben. Das gilt nicht nur für die RACI-Matrix: Auch Prozessdiagramme in draw.io entstehen deutlich schneller, wenn die erste Fassung nicht mehr von Hand gebaut werden muss. Die Zeit, die dabei frei wird, geht in die strukturelle und inhaltliche Arbeit an den Prozessen selbst – dorthin, wo sie ohnehin hingehört.
Das Grundprinzip bleibt dabei unverändert: KI übernimmt nicht die Verantwortung des Projektmanagers. Sie erstellt eine Arbeitsgrundlage, die anschließend fachlich geprüft, priorisiert und bewertet werden muss.
Der naheliegendste Anwendungsfall ist zugleich einer der zeitaufwendigsten im Alltag: die Nachbereitung von Terminen. Aus einem Transkript oder aus ungeordneten Notizen entsteht ein erster strukturierter Protokollentwurf – Entscheidungen, Aufgaben und offene Punkte in nachvollziehbarer Form.
Was der Entwurf nicht leistet, ist die Prüfung. Sind alle relevanten Entscheidungen erfasst, sind die Verantwortlichkeiten eindeutig zugeordnet, fehlen Abhängigkeiten oder Fristen? Und was ist mit den Eskalationspunkten, die im Termin angeklungen, aber nie ausgesprochen wurden? Diese Fragen beantwortet niemand außer der Projektmanagerin selbst.
Die KI protokolliert nicht besser als ein Mensch. Sie protokolliert schneller – und die gewonnene Zeit fließt in die inhaltliche Kontrolle.
Statusberichte sind ein zweites Feld, in dem sich die Informationsarbeit bündelt. Die Daten liegen vor – in Jira, in Excel, in Meeting-Protokollen, in den Rückmeldungen der einzelnen Workstreams. Eine KI kann diese Quellen entlang einer festen Struktur verdichten: aktueller Status, erreichte Meilensteine, offene Entscheidungen, Risiken und Abhängigkeiten, nächste Schritte.
Wie viel das ausmacht, zeigt ein laufendes Kundenprojekt, in dem wir mit einem externen technischen Dienstleister arbeiten. Der Dienstleister legt die Tickets auf Basis der Projektanforderungen in Jira an – 30 bis 50 Stück, die zeitlich geschätzt werden müssen. Bisher hat unsere Projektmanagerin das händisch gemacht. Heute liefert die KI eine grobe Schätzung, die im gemeinsamen Meeting mit den internen Kolleg:innen und dem Dienstleister validiert wird. Erst danach geht der Bericht zu Status und Deadlines an den Kunden. Die Ersparnis liegt bei zwei bis drei Stunden pro Woche – jede Woche, über die gesamte Projektlaufzeit.
Die eigentliche Leistung folgt danach. Welche Entwicklung ist berichtenswert, welche nicht? Wie wird derselbe Sachverhalt für das Management, für den Kunden und für das Team jeweils zugeschnitten? Diese Bewertung bleibt beim Projektmanager.
