Mit KI-gestützten Projektmanagement-Anwendungen schneller, flexibler und sicher zum Erfolg.
Die vorausschauende Verwaltung von Ressourcen ist für ein strategisches Portfoliomanagement unerlässlich. Das Ressourcenmanagement umfasst die Planung, Terminierung und Zuweisung von Ressourcen innerhalb einer Organisation, einer Abteilung oder eines Projekts und gilt als eine der wichtigsten Stellschrauben in Unternehmen. Führungskräfte halten einer Studie zufolge die strategische Umschichtung von Ressourcen sogar für den wichtigsten Managementhebel, um das Wachstum anzukurbeln – und damit sogar für wichtiger als operative Spitzenleistungen, als Fusionen oder Übernahmen.
Ressourcenkonflikte und -engpässe tauchen auf allen Ebenen auf, und ihre Ursachen sind mannigfaltig: Ob neu entdeckte Risiken, ein neues Großprojekt, das gestemmt werden muss, oder eine strategische Neuausrichtung der Grund sind – im besten Fall sollten Ressourcenprobleme schnell entdeckt und gelöst werden.
Beim Ressourcenmanagement geht es oftmals darum, die richtige Balance zwischen Zielkonflikten zu finden. Welche Entscheidungen trifft man über die Personalbesetzung für die gerade genehmigten Projekte? Wie gelingt das verbindliche Zuteilen von Ressourcen angesichts veränderlicher Situationen? Wie stellt man sich auf Prioritätenverschiebungen ein und wie lassen sich dann Verzögerungen und mögliche Engpässe berücksichtigen beziehungsweise handhaben?
Um derartige Fragen nicht manuell berechnen zu müssen, können Projektverantwortliche PPM-Tools nutzen, welche die Auslastung der Ressourcen in einem Portfolio durchspielen und optimieren können.
Eine schnelle Überprüfung der Ressourcenkapazität von Portfolios zählt zu den Schlüsselfunktionen eines PPM-Tools. Es kann Portfoliomanagern auf einen Blick zeigen, ob die Ressourcen für laufende Projekte überlastet oder unterausgelastet sind. Auf der strategischen Ebene der Kapazitätsplanung kann KI für die Simulation der Ressourcenauslastung eingesetzt werden.
Optimieren der Projektauswahl /des Timings mit einem Klick – Ziel: so früh wie möglich und so knapp wie möglich. Quelle: © Planisware
Mit einem Klick glättet der Schwarmintelligenz-Algorithmus die Ressourcenauslastung. Quelle: © Planisware
Im vorliegenden Beispiel gelangt das Tool nach wenigen Klicks zu einer optimalen Lösung bei den Ressourcenkapazitäten. Dabei wurden die Termine der jeweiligen Projekte so verschoben, dass der jeweils geschätzte Ressourcenbedarf stets unter dem definierten Schwellenwert von hier 40, (siehe grüne Linie) liegt.
Der hier verwendete Algorithmus heißt Partikelschwarmoptimierung (PSO) und ist seit langem für seine Fähigkeit bekannt, durch komplexe Lösungsräume zu navigieren. Die Berechnungsmethode orientiert sich am sozialen Verhalten, bei der Individuen (zum Beispiel Tiere wie Vögel, Fische oder etwa Partikel) in einem Schwarm sich in eine Richtung bewegen beziehungsweise zusammenarbeiten, um die optimale Lösung zu finden. Abgeleitet von der in der Natur beobachteten kollektiven Intelligenz ahmt der Algorithmus das soziale Verhalten nach, um effizient durch riesige Lösungsräume zu navigieren und zum bestmöglichen Ergebnis zu konvergieren.
Aufgrund der Integration von KI erreichen die Fähigkeiten der PSO nun neue Dimensionen. Die KI-gesteuerte PSO optimiert nicht nur Portfolios, sondern sorgt auch für ein intelligentes Gleichgewicht der Ressourcen, indem sie eine optimale Verteilung der Vermögenswerte unter Berücksichtigung von Einschränkungen und Zielen sicherstellt.
Unternehmen profitieren von vier Vorteilen der KI-gesteuerten PSO
- Ressourceneffizienz: Durch den intelligenten Ausgleich von Ressourcen stellt eine KI-gesteuerte PSO sicher, dass jedes Projekt zum perfekten Zeitpunkt geplant wird, um Ressourcenengpässe zu vermeiden.
- Schnellere Entscheidungsfindung: Dank ihrer Berechnungsmethode beschleunigt die PSO den Optimierungsprozess im Vergleich zu herkömmlichen Methoden erheblich. Dies ist besonders bei zeitkritischen Entscheidungsszenarien von Vorteil.
- Skalierbarkeit: Ganz gleich, ob ein kleines oder großes Portfolio verwaltet wird, ist die KI-gesteuerte PSO an die jeweiligen Bedürfnisse anpassbar, so dass sie konsistente, zuverlässige Ergebnisse bei jeder Portfoliogröße liefert.
- Transparenz und Kontrolle: Die KI-gesteuertes PSO arbeitet mit unvergleichlicher Geschwindigkeit und Effizienz, ohne dabei an Transparenz und Kontrolle einzubüßen. Portfoliomanager haben vollen Einblick in den Optimierungsprozess und können so fundierte Entscheidungen treffen.
In unserer Artikelserie über KI-gestützten Projektmanagement-Anwendungen wurde beschrieben, wie KI-basierte Systeme die Projektverantwortlichen in Unternehmen unterstützen können, bessere Entscheidungen zu treffen, Projekte zu planen und zu steuern, Risiken zu managen, Ressourcen zuzuweisen sowie zusammenzuarbeiten und zu kommunizieren. Dabei ist auch noch zu bedenken:
Fazit: Projektmanagement mit KI ist wie die Fahrt mit einem GPS
Die größte Herausforderung für Projektverantwortliche besteht nicht darin, sich an KI anzupassen, sondern zu lernen, wie man die Technologie im richtigen Kontext einsetzt und die Ergebnisse durch gute Kenntnis der Risiken und Grenzen (Sprödigkeit) des Systems in Frage stellt. Da die KI vollständig von der Qualität der Daten abhängt, mit denen sie gefüttert wird, ist es für die Projektmanager von entscheidender Bedeutung, die mögliche Verzerrung durch ungenaue Datensätze zu verstehen. Wenn die Daten, die zum Trainieren von KI/ML-Algorithmen verwendet werden, eine Verzerrung aufweisen, dann wird sich diese auch in den Entscheidungen der Algorithmen niederschlagen.
Für Projektverantwortliche in Unternehmen ist es empfehlenswert, dass sie KI-gesteuerte Entscheidungen so behandeln, als würden sie ihre Route mit einem GPS auswählen. Und dabei sollten sie ständig hinterfragen, ob das System ihnen die ideale Route vorgibt (schnellste, kostengünstigste, etc. Variante – je nach der strategischen Zielvorgabe) und ob es die verschiedenen Faktoren wie Verkehrs-, Wetterlage und Straßenbelag berücksichtigt hat.
Armin Schießl, Head of Sales, Planisware Deutschland GmbH
David Vidal, Technical Solution Architect, Planisware Deutschland GmbH
Unternehmensprofil Planisware
Planisware ist ein globaler Anbieter von Softwarelösungen für das Projektportfolio-Management, die speziell dafür entwickelt wurden, um Produktentwicklungs-, Engineering- und IT-Geschäftsprozesse in Unternehmen zu unterstützen. Seit mehr als 20 Jahren können Kunden von Planisware damit strategische und innovative Spitzenleistungen erbringen, valide Geschäftsentscheidungen treffen und ihren Portfoliowert steigern. Heute verlassen sich weltweit mehr als 500 Unternehmen beim Verwalten ihrer Projekte, Ressourcen und Portfolios auf Planisware.
Planisware, mit Hauptsitz in Paris, hat weltweit 12 Standorte und erwirtschaftete 2022 mit mehr als 600 Beschäftigten einen Umsatz von 136 Millionen Euro. Die Planisware Deutschland GmbH hat ihren Sitz in München.
Die beiden Lösungen Planisware Enterprise und Planisware Orchestra werden im Bereich PPM-Software-Lösungen von führenden Analysten als Leader eingestuft. Mit Planisware Enterprise können weltweit Unternehmen mit Schwerpunkt auf R&D, Engineering, Produktentwicklung sowie IT ihre komplexen operativen und strategischen Projekt-Herausforderungen umsetzen. Planisware Orchestra ist eine moderne Web-Lösung, die sich vor allem an den Mittelstand und größere Geschäftsbereiche innerhalb großer Unternehmen richtet. https://de.planisware.com/
News | Business Process Management | Digitalisierung | Geschäftsprozesse | Services
Risikomanagement: KI-gestützte Risikoanalyse
Mit KI-gestützten Projektmanagement-Anwendungen schneller, flexibler und sicher zum Erfolg.
Mit auf KI- und maschinellem Lernen (ML)-gestützten Datenanalysetools können Unternehmen ihr gesamtes Projektportfolio scannen und die risikoreichsten Projekte und Arbeitspakete identifizieren. Außerdem lassen sich auf Projektbasis Simulationen durchführen und wahrscheinliche Risiken aufzeigen, die bei einer manuellen Analyse möglicherweise nicht erkennbar sind.
Monte-Carlo-Analyse (Szenarioanalyse)
Die Monte-Carlo-Simulation, eine eher klassische Risikomanagementmethode im KI-Kontext, hat sich in der Vergangenheit aber als ein leistungsstarkes Werkzeug im Projektmanagement etabliert [1]. In einer zunehmend komplexen und dynamischen Projektlandschaft ist es entscheidend, Unsicherheiten und potenzielle Risiken systematisch zu identifizieren und zu bewerten. Die Monte-Carlo-Simulation ermöglicht es, verschiedene Szenarien durch probabilistische Modellierung zu analysieren, indem sie zahlreiche Zufallsvariablen berücksichtigt.
»Wenn dies der Fall ist, dann wird dies das Ergebnis sein, ansonsten…«
Eine Monte-Carlo-Analyse ist ein quantitatives Simulationsverfahren, mit dem sich beliebig viele Szenarien durchspielen lassen, wobei eine Vielzahl an Einflussfaktoren, die auf Wahrscheinlichkeitsverteilungen basieren, herangezogen werden können (If-this-then-else-Simulation). Mit der Monte-Carlo-Simulation erhält man durch eine große Anzahl an Zufallsexperimenten belastbare Ergebnisse.
Der Vorteil für Unternehmen: Die Simulation sorgt somit für deutlich fundiertere Entscheidungen und eine zielgenauere Planung von Maßnahmenbudgets.
Zu den typischen Einsatzfeldern zählen Abschätzungen von Terminen oder des Projektverlaufs, zum Beispiel bei Bauvorhaben oder Entwicklungsprojekten. Aus den Ergebnissen mehrerer Simulationsdurchläufe lässt sich dann erkennen, wie wahrscheinlich (z.B. 80 Prozent), unter optimistischen bis hin zu pessimistischen Annahmen, ein Fertigstellungstermin in beispielsweise 100 Tagen sein könnte. Im Modell wird hierbei für jede Aktivität und Dauer (Einflussgrößen) eine Wahrscheinlichkeit bestimmt. Ebenso lassen sich Projektaufwände, Projektkosten oder Risikoeintrittswahrscheinlichkeiten durchspielen.
Prognostizierte Projektdauer für ein IT-System, wobei die Simulation anhand von 1.000 Durchläufen durchgespielt wurde.
Die Projektdauer für das beispielhafte IT-System liegt mit einer Wahrscheinlichkeit von 50 Prozent bei 219 Tagen. Die Wahrscheinlichkeit, dass das IT-Projekt in 227 Tagen abgeschlossen ist, liegt bei 80 Prozent. Mit einer 20-prozentigen Wahrscheinlichkeit ist das IT-Projekt in 212 Tagen abgeschlossen, mit einer 50-prozentigen Wahrscheinlichkeit in 219 Tagen, und mit einer 80-prozentigen Wahrscheinlichkeit ist das IT-Projekt in 227 Tagen abgeschlossen.
Drei zentrale Punkte, wo die Monte-Carlo-Analyse ihr Potential besonders zur Geltung bringt:
- Quantitative Risikoanalyse: Monte-Carlo-Simulationen ermöglichen eine detaillierte quantitative Analyse von Unsicherheiten und Risiken. Sie helfen, die Wahrscheinlichkeit von verschiedenen Ergebnissen zu berechnen, anstatt nur auf Einzelprognosen zu setzen.
- Szenarien- und Sensitivitätsanalyse: Durch die Simulation zahlreicher Szenarien können Projektmanager verstehen, wie unterschiedliche Risiken und Annahmen die Projektleistung beeinflussen.
- Optimierung von Ressourcen und Entscheidungen: Monte-Carlo-Analysen unterstützen bei der Entscheidungsfindung, indem sie realistischere Einschätzungen über Zeitpläne, Budgets und Ressourcen liefern. So können Projekte besser geplant und Ressourcen effizienter zugewiesen werden, um Risiken zu minimieren.
Wie sich ein solider Plan zur Risikominderung auf Projektebene umsetzen lässt.
Angenommen, es gibt eine wichtige Deadline beziehungsweise einen wichtigen Konvergenzpunkt in einem bevorstehenden Projekt. Doch das Team, das für die Fertigstellung eines der erforderlichen Ergebnisse verantwortlich ist, ist unterbesetzt. Daher kann es für dieses Team schwierig sein, das erforderliche Arbeitstempo einzuhalten, um mit dem anderen Team Schritt zu halten.
Mithilfe eines Datenanalysetools erfahren Projektverantwortliche dies rechtzeitig – womöglich lange bevor das Projekt beginnt. Sie könnten dann damit beginnen, Antworten auf dieses besondere Risiko zu entwickeln, wie zum Beispiel:
- Identifizieren von internen oder externen Ressourcen, die vorübergehend zur Verfügung stehen könnten, um das Projekt über die Bühne zu bringen.
- Verlängerung der Frist für beide Projektteams, damit sie besser eingehalten werden können.
Dies hängt natürlich auch mit der Planung und dem Aufbau von Kapazitäten zusammen – womit wir beim Ressourcenmanagement wären.
Im nächsten und letzten Teil dieser Artikelserie wird »Ressourcenmanagement mit Schwarmintelligenz« im Mittelpunkt stehen: was es mit dem Algorithmus auf sich hat und welche Vorteile Unternehmen mit einer KI-gesteuerten Partikelschwarmoptimierung (PSO) erzielen.
Armin Schießl, Head of Sales, Planisware Deutschland GmbH,
Matthias Schulz, Sales Manager, Planisware Deutschland GmbH,
[1] Monte-Carlo-Simulation
»Unabhängig davon, welches Werkzeug Sie verwenden, umfasst das Monte-Carlo-Verfahren drei grundlegende Schritte:
1) Erstellen Sie das Vorhersagemodell, indem Sie sowohl die abhängige Variable, die vorhergesagt werden soll, als auch die unabhängigen Variablen (auch bekannt als Input-, Risiko- oder Vorhersagevariablen), die die Vorhersage beeinflussen, identifizieren.
2) Geben Sie die Wahrscheinlichkeitsverteilungen der unabhängigen Variablen an. Verwenden Sie historische Daten und/oder das subjektive Urteil des Analysten, um einen Bereich wahrscheinlicher Werte zu definieren und jedem Wert eine Wahrscheinlichkeitsgewichtung zuzuweisen.
3) Führen Sie wiederholt Simulationen durch und erzeugen Sie dabei Zufallswerte für die unabhängigen Variablen. Führen Sie diesen Vorgang so lange durch, bis Sie genügend Ergebnisse gesammelt haben, um eine repräsentative Stichprobe aus der nahezu unbegrenzten Anzahl möglicher Kombinationen zu bilden.«
Eine detaillierte Beschreibung der drei grundlegenden Schritte hat IBM veröffentlicht:
[[ https://www.ibm.com/de-de/topics/monte-carlo-simulation?mhsrc=ibmsearch_a&mhq=monte %20carlo %20simulation ]]
Bildquelle alle Planisware
Mit KI-gestützten Projektmanagement-Anwendungen schneller, flexibler und sicher zum Erfolg
Projektplanung mit generativer KI
KI-gestützte digitale Assistenten – auch Co-Piloten genannt – oder Bots in PPM-Tools, die an generative Sprachmodelle (wie etwa ChatGPT beziehungsweise ein unternehmensinternes LLM (Large Learning Modell)) angebunden sind, haben das Potenzial, Projekte in allen Phasen sowie PPM-Prozesse enorm zu beschleunigen. Zum Beispiel im Rahmen der Projektplanung einschließlich Terminplanung. Durch generative KI lassen sich realistische Zeitpläne abhängig von der Art und Komplexität des Projekts erstellen, idealerweise auf Basis ähnlicher Projekte. Die KI kann die Projektleiter dabei unterstützen, eine Aufgabenliste für die jeweilige Projektphase zu definieren und die ideale Abarbeitungsreihenfolge zu bestimmen. Im Zuge eines Dialogs lassen sich Projekte zum Beispiel Schritt für Schritt sehr detailliert durchplanen. So lassen sich etwa in weiteren Schritten Details für die jeweiligen Unterprojekte ausarbeiten und ferner für alle vorgeschlagenen Aktivitäten auch Risiken generieren und bewerten. Dabei sollte man den Input der generativen KI als kreativen Denkanstoß sehen, der noch validiert werden muss. Schließlich können die Projektverantwortlichen profitieren, weil sie sich auf die Kernaspekte ihres Projekts konzentrieren, indem sie die mühsame Planung auslagern. Insgesamt sparen die Unternehmen Zeit, Ressourcen und Kosten.
Das Prinzip ist stets ähnlich, nachdem der Projektverantwortliche den Co-Pilot im Tool gestartet hat. Bei der Projektplanung beispielsweise kann so ein Co-Pilot im Dialog mit Projektverantwortlichen zunächst dabei helfen, einen Projektstrukturplan von Grund auf neu zu erstellen und daraufhin auch die Terminplanung des Projekts entwerfen. Dabei sollte idealerweise ein unternehmenseigenes LLM die Datengrundlage bilden. Erstellt werden die Daten mit Hilfe von Chat Promts – zum Beispiel Name und Beschreibung des Projekts, Projekttyp, Komplexität, etc..
Projektstrukturplan (PSP) und Zeitplan in Sekundenschnelle erstellen. Dabei sollte man den Input der generativen KI als kreativen Denkanstoß sehen, der noch validiert werden muss.
Das Ganze geschieht in wenigen Klicks und jeweils im Dialog. Die Projektverantwortlichen erhalten die gewünschten Informationen, zum Beispiel in Form einer Liste oder eines Diagramms. Wenn sie diese Aktivitätenliste nun für okay befinden, werden die Aktivitäten mit den richtigen Zeiträumen, Verknüpfungen, usw. erstellt. Dabei können die Projektverantwortlichen die jeweiligen Ergebnisse –Arbeitspläne, Terminpläne, etc. – nach jedem Schritt bedarfsgemäß anpassen.
Berücksichtigung von Risiken in der Arbeitsplanung
Eine Risikobewertung (der Aktivitäten-Liste) lässt sich im Zusammenhang mit dem obigen Beispiel analog erstellen. Nach der Auswahl einer Aktivität im Projektstrukturplan folgen mehrere Iterationen bis zum Ergebnis. In diesem Fall [[siehe Bild 04]] sind für jedes Risiko spezifische Details beschrieben wie die Auswirkungen und die Eintrittswahrscheinlichkeit(en) des Auftretens.
Generieren einer Liste von Projektrisiken für Aktivitäten samt Auswirkungen und Eintrittswahrscheinlichkeit(en)
OKRs definieren, Key Results klassifizieren und externe Stakeholder einbinden
Neben der Projektplanung und Risikobewertung lassen sich KI-gestützte digitale Assistenten darüber hinaus auch im Bereich Strategische Planung heranziehen, um OKRs (Objective and Key Results) zu definieren. Hierbei kann der Co-Pilot Szenarios für künftige Projekte entwerfen und zum Beispiel für etwaige Stakeholder die Key Results auf der Basis von Objectives erstellen.
Nicht nur, aber gerade in Bezug auf die Risiken, kann es für Unternehmen wichtig sein, dass diese ihr eigenes Unternehmens-LLM verwenden, sofern sie dies bevorzugen. Daher ist es ideal, wenn der Bot oder Co-Pilot wahlweise mit ChatGPT, mit anderen oder sogar unternehmenseigenen generativen Sprachmodellen verbunden werden kann.
Im kommenden dritten Teil dieser Artikelserie wird das Risikomanagement beleuchtet, wobei die Monte-Carlo-Analyse im Fokus steht. Darüber hinaus wird aufgezeigt, wo KI-Systeme das größte Potenzial im Risikomanagement von Projekten ausspielen können und wie sich ein solider Plan zur Risikominderung auf Projektebene umsetzen lässt.
Theresa Heil, Sales Manager, Planisware Deutschland GmbH
Alina Bichler, Sales Consultant, Planisware Deutschland GmbH
Bildquelle: alle Planisware
Bessere Entscheidungen treffen und exaktere Prognosen mit Prädiktiven Analysen
Mit KI-gestützten Projektmanagement-Anwendungen schneller, flexibler und sicher zum Erfolg.
Im modernen Projekt-Portfolio-Management (PPM) stehen Unternehmen vor der Herausforderung, aus einer Vielzahl von Projekten diejenigen auszuwählen und zu priorisieren, die den größten strategischen Nutzen bringen. Traditionelle Ansätze zur Projektbewertung und -auswahl basieren nur teilweise auf historischen Daten und überwiegend auf menschlicher Intuition, was zu subjektiven und fehleranfälligen Entscheidungen führen kann. Hier kommt die Prädiktive Analyse ins Spiel – ein fortschrittliches Machine-Learning-Feature, das es ermöglicht, fundierte Entscheidungen auf der Grundlage von Daten zu treffen und exaktere Prognosen über zukünftige Projektergebnisse abzugeben.
Was ist Prädiktive Analyse?
Die Prädiktive Analyse nutzt statistische Algorithmen und Machine-Learning-Modelle, um Muster in historischen Daten zu erkennen und diese Muster zu nutzen, um zukünftige Ergebnisse vorherzusagen. Im Kontext von PPM-Software bedeutet dies, dass die Software eigenständig Treiber und Einflussfaktoren für den Erfolg oder Misserfolg vergangener Projekte identifiziert oder aber die Treiber identifiziert, welche für bestimmte Ergebnisse den größten Einfluss haben. Diese Erkenntnisse werden dann verwendet, um Prognosen für laufende oder geplante Projekte zu erstellen. Zusätzlich können auch Vorhersagen darüber getroffen werden, ob Angebote wahrscheinlich erfolgreich sind oder nicht, basierend auf den selbst identifizierten Treibern.
Funktionsweise der prädiktiven Analyse in PPM-Software
- Datensammlung und -aufbereitung:
Die PPM-Software sammelt Daten aus abgeschlossenen Projekten und vergangenen Angeboten. Diese Daten umfassen verschiedene Parameter wie Kosten, Zeitplan, Ressourcenaufwände, eingesetzte Technologien, Angebotstypen und erzielte Ergebnisse. - Erkennung von Mustern:
Mit Hilfe von Machine-Learning-Algorithmen analysiert die Software diese historischen Daten, um Muster und Zusammenhänge zu erkennen. Sie identifiziert, welche Faktoren maßgeblich gewisse Outcomes beeinflussen (zum Beispiel welche Faktoren treiben den Aufwand gewisser Ressourcen oder führen zu erhöhten Kosten) oder zum Erfolg oder Misserfolg der Projekte und Angebote beigetragen haben. - Prognoseerstellung:
Basierend auf den erkannten Mustern erstellt die Software Prognosen für zukünftige Projekte und Angebote. Sie kann beispielsweise vorhersagen, wie hoch bei bestimmten Projektrahmenbedingungen (Projektart, Komplexität, Standort, etc.) die Projektkosten ausfallen werden, wie hoch der erwartete Ressourcenaufwand je Team sein wird oder ob ein Angebot erfolgreich sein wird.
Anwendung in der Praxis
Ein Beispiel ist ein Windturbinenhersteller, der Prädiktive Analyse nutzt, um die Erfolgswahrscheinlichkeit seiner künftigen Angebote zu prognostizieren. Mithilfe der KI-Funktionen seines PPM-Tools analysiert der Hersteller die vorhandenen Daten in einer entsprechenden Portfolio-Ansicht und gewinnt hierbei zwei zentrale Erkenntnisse über die Erfolgsaussichten seiner Angebote. Zum einen steigt mit der Größe der Rotordurchmesser die Chance, ein »Onshore-Projekt« zu gewinnen. Zum anderen erhöht sich mit wachsender Anzahl der Turbinen bei potenziellen Offshore-Kunden die Chance, ein »Offshore-Projekt« erfolgreich abzuschließen. Die Prädiktive Analyse hat es dem Unternehmen ermöglicht, die Prognosegeschwindigkeit von mehreren Wochen auf einige Stunden zu reduzieren und gleichzeitig die Prognosegüte signifikant zu verbessern, während der Ressourceneinsatz deutlich gesenkt wurde.
Analyse der Erfolgstreiber im Angebotsprozess bei einem Windturbinenhersteller. Quelle: Planisware
Fazit
Die Prädiktive Analyse revolutioniert das Projekt-Portfolio-Management, indem sie datengetriebene Entscheidungen und exakte Prognosen ermöglicht. Durch die Identifikation relevanter Treiber und die Erstellung besserer Prognosen trägt sie dazu bei, Projekte effizienter zu planen und erfolgreich abzuschließen sowie die Erfolgschancen von Angeboten zu maximieren. Unternehmen, die Prädiktive Analysen in ihrer PPM-Software integrieren, profitieren von einer objektiveren Entscheidungsfindung, einer besseren Risikomitigation und einer optimierten Ressourcennutzung. In einer Welt, in der Daten immer wichtiger werden, ist sie ein unverzichtbares Werkzeug für jedes zukunftsorientierte Unternehmen.
Matthias Schulz, Sales Manager, Planisware Deutschland GmbH
Im zweiten Teil dieser Artikelserie wird die Projektplanung mit generativer KI im Mittelpunkt stehen.
Bildquelle: alle Planisware
Vorteile von KI, intelligenten Prozessen und menschlichen Fähigkeiten kombinieren – Mit KI-gestützten Projektmanagement-Anwendungen schneller, flexibler und sicherer zum Erfolg
Unternehmen setzen Projekte in erster Linie um, weil sie einen wirtschaftlichen Nutzen erfüllen sollen. Durch den Einsatz von KI-gestützten Tools, Anwendungen und Lösungen können sie dazu beitragen, eine immer komplexer werdende Projektlandschaft beziehungsweise Projektportfolios effektiver zu steuern und Ergebnisse schneller zu erzielen. In der Praxis kann KI helfen, bessere Entscheidungen zu treffen und Prognosen abzugeben, die Projektplanung mit generativer KI zu beschleunigen, Risiken zu verringern sowie Ressourcen zur rechten Zeit für die wichtigsten Aufgaben im Portfolio einzusetzen. Am erfolgsträchtigsten erweist sich dabei die richtige Mischung aus intelligenten Prozessen, Technikeinsatz und menschlicher Kreativität.
Ob für Innovationen, die digitale Transformation, für Automatisierung und Produktivitätssteigerungen oder andere strategische Vorhaben: Unternehmen, die heutzutage entlang dieser strategischen Megatrends arbeiten, managen einen immer größeren Anteil ihrer Vorhaben in Projekten. Jedoch scheitern laut einer internationalen Studie zwei Drittel aller Projekte aufgrund von schlechter Planung. Um eine wachsende Anzahl an komplexen Projekten stringenter planen zu können, setzen viele Organisationen Softwaretools für Projektmanagement (PM) und Projektportfoliomanagement (PPM) ein.
Treffen wir die richtigen Entscheidungen über Projekte?
Beim Projektportfoliomanagement (PPM) geht es darum, mehrere geplante Projekte gegeneinander abzuwägen, um festzustellen, welches Projekt zu einer bestimmten Geschäftsstrategie passt. Arbeiten wir an den Richtigen? Es gilt, kontinuierlich die richtigen Projekte auszuwählen und die Wirkung der einzelnen Projekte zu maximieren – wobei jeweils auch die Kosten, Ressourcen und Risiken beachtet werden sollten. Zu den Fragen, die Projektportfoliomanager beantworten wollen, zählen auch: Wie können wir das Ressourcenmanagement verbessern? Wie vermeiden wir die X-, Y-, Z-, etc. Risiken? Und: Wie werden unsere Projekte die wichtigsten strategischen Ziele erreichen?
In den vergangenen 20 bis 25 Jahren wurden die leistungsfähigsten unter den PPM-Lösungen von den Softwareherstellern kontinuierlich weiterentwickelt, damit sie ein breites Spektrum an Anforderungen ganzer Branchen abdecken. Um darüber hinaus spezifische Anforderungen von Kunden erfüllen zu können, haben zum Beispiel PPM-Lösungen von Softwareanbietern, wie etwa Planisware Enterprise, schon seit mehr als 20 Jahren Zukunftstechnologien wie künstliche Intelligenz integriert. Das Ziel war es, Prognosen zu verbessern und Lerneffekte zu erzielen. Dabei bilden die Aktivitäten in Projekten einen guten Nährboden für den KI-Einsatz [1].
Auf dem Weg zu KI-gestützten Projektmanagement-Anwendungen
- Entscheidungen
Bessere und schnellere Entscheidungen lassen sich mithilfe von KI-Systemen erzielen, wenn diese mit immer mehr Daten zu Portfoliozielen und Projektvorgängen gefüttert werden. In der Praxis hat sich zum Beispiel gezeigt, dass prädiktive Analysen im Vergleich zu traditionellen Planungsmethoden die Prognosegeschwindigkeit von mehreren Wochen auf einige Stunden reduzieren können. Zugleich ist die Qualität von Vorhersagen signifikant besser geworden.- Assistenten und PPM-Tools
KI-gestützte digitale Assistenten oder Bots in PPM-Tools, die an generative Sprachmodelle (wie etwa ChatGPT bzw. ein unternehmensinternes LLM (Large Learning Modell))angebunden sind, haben das Potenzial, Projekte in allen Phasen sowie PPM-Prozesse enorm zu beschleunigen: zum Beispiel im Rahmen der Projektplanung einschließlich Terminplanung. Die Projektverantwortlichen profitieren, weil sie sich auf die Kernaspekte ihres Projekts konzentrieren, indem sie die mühsame Planung auslagern. Insgesamt sparen die Unternehmen Zeit, Ressourcen und Kosten.- Risikomanagement
Mit auf KI- und Machine Learning-gestützte Datenanalysetools können PPM-Manager ihr gesamtes Projektportfolio scannen und die risikoreichsten Projekte identifizieren. Um ein Risikomanagement praxisorientiert umzusetzen und Prognosen angesichts schwer vorhersagbarer Umfeldbedingungen abzugeben, können sie mit modernen PPM-Lösungen Szenarien durchspielen, indem sie zum Beispiel Monte-Carlo-Simulationen ausführen lassen.- Ressourcenplanung
Bei der Ressourcenplanung können Portfolio- und Projektmanager mithilfe von KI-Analysen Abhängigkeiten genauer untersuchen und daraufhin Ressourcen in vielschichtigen Portfolios und komplexen Projekten gezielter zuteilen. Damit Fragen zur Ressourcenzuteilung, Prioritätenverschiebungen und Engpassmanagement nicht manuell berechnet werden müssen, lassen sich Modelle wie etwa die Schwarmintelligenz nutzen, um die Auslastung der Ressourcen in einem Portfolio durchspielen und optimieren zu können.
Projektdaten als Ausgangsbasis. Projektmanagement als Querschnittsfunktion im Wertschöpfungsprozess bietet per se in vielerlei Hinsicht eine ideale Ausgangsposition für KI-Anwendungen. Es fallen viele Daten an. Diese werden einerseits in den Projekten selbst erzeugt sowie andererseits aus anderen Systemen wie etwa ERP, CRM oder PIM integriert. Ein genereller Vorteil von PPM-Lösungen besteht darin, dass PM-Verantwortliche immer schon Projektdaten nutzen können, um darauf basierend die personellen, zeitlichen und finanziellen Ressourcen ihres Unternehmens immer genauer zu schätzen. Da die PPM-Lösungen in Unternehmen meist als Single-Source-of-Truth aufgesetzt werden, ist die Datenstruktur einheitlich und vergleichbar. Dies schafft ideale Voraussetzungen für KI-Anwendungen. Selbstlernende Module unterstützen die PPM-Verantwortlichen, die darauf aufbauend Modelle entwickeln können, um zum Beispiel Prognosen zu erstellen.
KI-basierte Systeme können die Projektverantwortlichen in Unternehmen unterstützen, bessere Entscheidungen zu treffen, Projekte zu planen und zu steuern, Risiken zu managen, Ressourcen zuzuweisen sowie zusammenzuarbeiten und zu kommunizieren. Die Praxisbeispiele hierzu, die im unterstehenden Kasten sehr kurz zusammengefasst sind, werden in einer Online-Artikelserie unter https://ap-verlag.de/tag/planisware beleuchtet und genauer beschrieben.
Online-Artikelserie
Ab dem 26. August 2024 startet zum Themenfeld »Mit KI-gestützten Projektmanagement-Anwendungen schneller, flexibler und sicher zum Erfolg« hier auf der Website von »manage it« eine Online-Artikelserie mit vier Folgen:
Teil 1:
Exaktere Prognosen mit prädiktiver Analyse und bessere Entscheidungen treffenTeil 2:
Projektplanung mit generativer KITeil 3:
Risikomanagement beziehungsweise KI-gestützte RisikoanalyseTeil 4:
Ressourcenmanagement mit Schwarmintelligenz
Armin Schießl, Head of Sales,
Planisware Deutschland GmbH