Teil 2 von 6 der Serie „KI im Projektmaschinenraum“.
KI-Forecasts haben die Lenkungsausschüsse erreicht: Das Projektende verschiebt sich laut Prognose um sieben Wochen, die Zahl wirkt präzise. Die entscheidende Frage lautet, woraus diese sieben Wochen berechnet wurden.
Die Antwort führt in den Maschinenraum. Jede KI-Prognose rechnet auf dem, was in Jira, dem PPM-Tool und der Zeiterfassung tatsächlich steht. Stehen dort Tickets ohne Schätzwerte, Vorgänge, die seit Monaten auf „in Arbeit” verharren, und drei Definitionen von „fertig”, übernimmt die Prognose dieses Rauschen, mit zwei Nachkommastellen.
Die ECM-Welt kennt diese Lektion seit 30 Jahren: Erst wenn Metadaten, Berechtigungen und Aktualität stimmen, liefern Content-Plattformen verlässliche Antworten. Projektdaten verhalten sich gleich. Fünf Felder der Datenreife gehören deshalb vor jedem KI-Vorhaben auf den Prüfstand:
1. Strukturqualität. Konsistente Vorgangstypen, gepflegtes Statusmodell, ausgefüllte Schätz- und Aufwandsfelder. Uneinheitliche Strukturen über Teams hinweg sind der häufigste Befund.
2. Historie. Abgeschlossene Projekte als auswertbare Referenz. Viele Organisationen archivieren ihre wertvollsten Trainingsdaten so gründlich, dass kein Werkzeug mehr herankommt.
3. Aktualität. Pflegedisziplin im Team. Ein Board, das den Stand von vorletzter Woche zeigt, erzeugt Prognosen für vorletzte Woche.
4. Berechtigungen. Wer darf welche Daten sehen, und welcher KI-Dienst? Spätestens wenn Copilot oder Agenten auf Projektakten zugreifen, werden Berechtigungs- und Metadatenmodell zur Architekturfrage.
5. Anbindung. Schnittstellen zu ERP, Zeiterfassung und Dokumentenmanagement. Eine Prognose, die nur ein Drittel der Systeme sieht, bleibt ein Drittel einer Prognose.
Dass sich die Arbeit lohnt, zeigt die PMI-Studie „First Movers’ Advantage”: Von den Profis, die GenAI in über der Hälfte ihrer Projekte einsetzen, berichten 91 Prozent von signifikant positiven Effekten auf die Qualität. Der PMI-Chapter-Survey 2024 führt zugleich Datenqualität und -verfügbarkeit an erster Stelle der KI-Risiken. Diese Effekte entstehen nur, wo die Datenbasis die Werkzeuge trägt.
Für die Reihenfolge gibt es eine bewährte Logik. Aktualität und Strukturqualität sind in Wochen zu heben, Anbindung ist ein Integrationsprojekt mit planbarem Aufwand. Historie braucht Vorlauf: Wer heute beginnt, abgeschlossene Projekte auswertbar zu halten, hat in einem Jahr belastbare Referenzdaten. Das Berechtigungsmodell gehört vor jeden Agenten-Rollout, weil es sich nachträglich nur mühsam korrigieren lässt.
Der Einstieg ist überschaubar: Ein Nachmittag mit dem PMO genügt für eine erste Ampelbewertung der fünf Felder. Das Ergebnis zeigt, welche KI-Stufe die eigene Landschaft trägt und wo der nächste Hebel liegt.
Im nächsten Teil geht es um den Betrieb: KI-Agenten im Projektbüro, und wie man sie führt.