Das Projektcontrolling ist ein ständiger und wichtiger Begleiter im Projektmanagement. In stressigen Phasen und umfangreichen Projekten kann der damit verbundene Aufwand allerdings auch schnell Überhand nehmen und von wertschöpfenden Aufgaben ablenken. Dank fortschreitender Digitalisierung und moderner Technologien, z.B. das maschinelle Lernen, können der Aufwand reduziert und der Fokus auf das Wesentliche erhöht werden.

In diesem Artikel zeigen wir zwei Methoden, die auf künstlicher Intelligenz (KI) basieren und diese Potenziale realisieren.

Wann und wie KI sinnvoll im Projektcontrolling unterstützen kann

Klassisch hat das Projektcontrolling Steuerungs- sowie Kontrollfunktion und begleitet den gesamten Projektmanagementprozess. Der Erfolg im Controlling basiert besonders auf den in der Projektinitiierung formulierten messbaren Zielen und transparenten Plänen. Darauf folgen die Erfassung des Ist-Zustands zum Abgleich mit den geplanten Größen und das Reporting, um ggf. Abweichungen sowie passende Maßnahmen zu kommunizieren. Diese Aktivitäten sollen dazu führen, dass Projekte wirtschaftlich sind und innerhalb des zeitlich definierten Rahmens fertiggestellt werden. (Weitere Informationen zu Inhalten und Standards des Projektcontrollings im Detail siehe das Glossar des projektmagazins.) Es stellt sich nun die Frage, wie künstliche Intelligenz effektiv ansetzen kann, um einen Mehrwert zu schaffen.

Allgemein kommt KI in der Regel dann zum Einsatz, wenn sie Aufgaben mit hohem Aufwand, aber auch solche mit hoher analytischer Komplexität übernehmen soll. Konkret geht es bei den beiden von uns eingesetzten Methoden darum, Abweichungen zu identifizieren (anwendbar auf den Teilprozess M. 1, siehe Bild 1) und Risikoanalysen vorzunehmen (relevant für die Teilprozesse M. 2 und M. 3). Die Herausforderungen, die wir in diesen Prozessen beobachtet haben, inspirierten uns, Lösungen mit KI zur Realisierung von Potenzialen zu entwickeln. Z.B. wurde eine Lösung entwickelt, die maschinelle Ressourcen in Verbindung mit deren Einsatzorten überwacht und kontrolliert, um zu verhindern, dass es zu einem Ressourcenengpass an einem der Einsatzorte kommt.

Risikomanagement – ungeliebt, aber notwendig

Bei einer Vielzahl von Projekten fällt auf, dass das Risikomanagement allgemein nur stiefmütterlich behandelt und teilweise gar nicht erst durchgeführt wird. Grund dafür ist, dass der Nutzen nur schwer oder gar nicht belegbar und das Verfahren selbst mit viel Aufwand verbunden ist. Oft führen Projektmanager:innen Risikoanalysen zu Beginn eines Projekts noch sorgfältig durch, vernachlässigen dann aber im Laufe des Projekts die Datenpflege. Für den wahrscheinlichen Fall, dass sie nicht alle Risiken zu Beginn korrekt identifizieren und bewerten, laufen Projekte Gefahr, unwirtschaftlich zu werden oder den Zeitplan zu sprengen.

Zudem ergeben sich fachliche Hürden: Bei komplexen Projekten wird den Beteiligten schnell klar, dass es eine unmögliche Aufgabe ist, wirklich alle möglichen Einflussfaktoren zu benennen. Haben die Projektverantwortlichen Risikofaktoren identifiziert, müssen sie diese vollständig bewerten und dokumentieren – eine mühevolle Arbeit. Um die Subjektivität in diesem Prozess durch mehrere Perspektiven zu verringern, finden dazu üblicherweise verschiedene Termine mit mehreren Teilnehmenden statt, bei denen eine Risikolandkarte erstellt wird (siehe auch die Methode "Risikoidentifikation"). Bei Projekten, die über mehrere Jahre laufen, summiert sich damit der Aufwand für die Pflege der Risikoanalyse zu einer beachtlichen Höhe.

Bis in jedem Termin ein Konsens bei der Analyse von Risiken gefunden ist, vergeht kostbare Zeit, die mithilfe eines höheren Automatisierungsgrades anderweitig genutzt werden könnte. Wir zeigen im Verlauf dieses Artikels, wie wir die Herausforderung bei der Risikoanalyse mithilfe von maschinellem Lernen bewältigen.

Statusermittlung: eine Herausforderung in der Praxis

Dadurch, dass Teammitglieder gemeinsam auf einer digitalen Plattform planen und dokumentieren können, ist das Controlling bereits deutlich transparenter. Es fällt jedoch auf, dass es weiterhin ungenutzte Potenziale gibt, die die Teams ausschöpfen können. Darunter fällt beispielsweise, dass der Dokumentationsprozess des Ist-Zustands eines Arbeitspakets weiterhin manuell stattfindet. Das birgt die Gefahr, dass der Stand von Arbeitspaketen aufgrund anderer Prioritäten nur schleppend digital festgehalten wird. Zudem handelt es sich dabei um eine repetitive Aufgabe. Auch hierfür haben wir eine Lösung mit KI entwickelt, die die Aktivitäten im Projektmanagement unterstützt.