Pimp my Projekt-Governance mit KI

Projekt-Governance ist selten ein Informationsproblem im engeren Sinn. In größeren Vorhaben liegen Statusberichte, Risikolisten, Budgetdaten, Änderungsanträge, Protokolle und Lieferobjekte meist in ausreichender Menge vor. Das eigentliche Problem entsteht an anderer Stelle: Daten sind verteilt, unterschiedlich aktuell, widersprüchlich verdichtet und für Projektauftraggeber oder Lenkungsausschüsse oft erst spät entscheidungsfähig aufbereitet. Genau hier kann Künstliche Intelligenz einen spürbaren Beitrag leisten. Nicht als Ersatz für Verantwortung, Urteilskraft oder politische Sensibilität, sondern als analytischer Co-Pilot, der Informationen sammelt, Muster sichtbar macht, Szenarien vorbereitet und Entscheidungsoptionen strukturiert.

Für erfahrene Projektleiter:innen ist das besonders interessant, weil Governance-Gremien andere Informationsbedürfnisse haben als operative Projektteams. Ein Lenkungsausschuss muss nicht jede einzelne Aktivität kennen. Er muss verstehen, ob das Projekt noch zum strategischen Nutzen beiträgt, welche Risiken wirklich entscheidungsrelevant sind, welche Eskalationen notwendig werden und welche Handlungsoptionen unter Zeit-, Kosten- und Qualitätsgesichtspunkten tragfähig sind. KI kann diese Übersetzungsleistung zwischen operativer Realität und steuerungsrelevanter Entscheidungsebene deutlich verbessern.

Daten sammeln: von der Berichtspflicht zum Governance-Radar

Der erste Nutzen von KI liegt im systematischen Sammeln und Zusammenführen von Projektdaten. In vielen Organisationen liegen relevante Informationen in Projektmanagement-Tools, ERP-Systemen, Ticketsystemen, SharePoint-Strukturen, E-Mails, Protokollen und Präsentationen. Klassische Berichte bilden davon nur einen Ausschnitt ab. KI-gestützte Systeme können diese Quellen kontinuierlich auswerten und daraus ein Governance-Radar erzeugen: Welche Meilensteine verschieben sich? Wo weichen Ressourcenverbräuche vom Plan ab? Welche Risiken werden wiederholt erwähnt, aber nicht eskaliert? Welche Beschlüsse aus früheren Lenkungsausschüssen sind noch offen?

Besonders wertvoll ist dabei die Fähigkeit, unstrukturierte Informationen zu erschließen. Ein Hinweis auf Lieferantenprobleme steht vielleicht nicht in der Risikoliste, taucht aber in drei Protokollen, zwei E-Mails und mehreren Jira-Kommentaren auf. Ein KI-System kann solche Signale zusammenführen und der Projektleitung vorschlagen, daraus eine steuerungsrelevante Beobachtung zu machen. Entscheidend ist allerdings die Datenqualität. Wer KI in der Governance einsetzen will, muss klären, welche Datenquellen verbindlich sind, wer Daten freigibt, wie Aktualität geprüft wird und wie mit vertraulichen Informationen umzugehen ist.

Daten aufbereiten: weniger Ampel, mehr Entscheidungslogik

Viele Governance-Berichte leiden unter einer bekannten Schwäche: Sie zeigen Ampeln, aber erklären die Entscheidungslogik dahinter nur begrenzt. KI kann helfen, Statusinformationen nicht nur zu verdichten, sondern auch zu kontextualisieren. Statt „Terminstatus gelb“ kann ein KI-gestützter Bericht formulieren: „Der Gesamttermin ist gefährdet, weil zwei kritische Abhängigkeiten seit drei Wochen nicht geschlossen wurden. Ohne Entscheidung zur Priorisierung externer Ressourcen steigt die Wahrscheinlichkeit einer Verschiebung des Go-live um vier bis sechs Wochen.“

Damit verändert sich die Qualität der Gremienkommunikation. Auftraggeber und Lenkungsausschüsse erhalten nicht nur eine Zusammenfassung, sondern eine Begründungskette: Aus welchen Daten ergibt sich die Einschätzung? Welche Annahmen liegen zugrunde? Welche Alternativen wurden geprüft? Welche Entscheidung wird benötigt? Für Projektleiter:innen entsteht dadurch eine neue Rolle: Sie liefern nicht weniger Governance-Input, sondern besseren. KI kann Rohdaten und Berichtsentwürfe vorbereiten; die Bewertung, Priorisierung und Verantwortung bleiben beim Management.

Szenarien prognostizieren: Governance wird vorausschauender

Ein besonders starkes Einsatzfeld ist die Prognose von Szenarien. Klassische Projektsteuerung blickt häufig zurück: Was wurde erreicht, was ist offen, wo gibt es Abweichungen? Governance braucht jedoch den Blick nach vorne. KI kann historische Projektdaten, aktuelle Fortschrittswerte, Ressourcenverfügbarkeiten, Änderungsanträge und Risikoinformationen kombinieren, um wahrscheinliche Entwicklungspfade zu simulieren.

Beispielsweise kann ein KI-gestütztes Modell zeigen, wie sich ein zusätzlicher Scope-Change auf Termin, Budget und Nutzenrealisierung auswirkt. Es kann berechnen, welche Arbeitspakete mit hoher Wahrscheinlichkeit kritisch werden, wenn bestimmte Expert:innen weiterhin nur zu 50 Prozent verfügbar sind. Es kann auch Gegenmaßnahmen vergleichen: zusätzliche Ressourcen, Scope-Reduktion, Verschiebung einzelner Lieferobjekte oder Änderung der Umsetzungsreihenfolge. Für Lenkungsausschüsse entsteht daraus ein großer Mehrwert, weil Entscheidungen nicht mehr nur reaktiv getroffen werden, sondern auf plausiblen Zukunftsbildern beruhen.

Wichtig ist: Prognosen sind keine Wahrheiten. Sie sind strukturierte Annahmen über mögliche Zukünfte. Daher sollten KI-Szenarien immer mit Bandbreiten, Eintrittswahrscheinlichkeiten und erklärten Annahmen dargestellt werden. Ein guter Governance-Bericht zeigt nicht nur das wahrscheinlichste Szenario, sondern auch Best Case, Worst Case und die wichtigsten Hebel, mit denen das Management Einfluss nehmen kann.

Risikomanagement unterstützen: früher erkennen, besser priorisieren

Risikomanagement ist ein Kernbereich der Projekt-Governance. KI kann hier auf mehreren Ebenen unterstützen. Erstens kann sie Risiken früher erkennen, indem sie wiederkehrende Muster in Projektdaten identifiziert: steigende Anzahl ungeklärter Anforderungen, zunehmende Nacharbeiten, häufige Verschiebung von Entscheidungen, negative Stimmung in Stakeholder-Kommunikation oder sinkende Bearbeitungsgeschwindigkeit in kritischen Arbeitspaketen. Zweitens kann sie Risikobeschreibungen verbessern, indem sie Ursachen, Ereignis und Auswirkungen sauber trennt. Drittens kann sie bei der Priorisierung helfen, indem sie Eintrittswahrscheinlichkeit, Auswirkung, Dringlichkeit und Abhängigkeiten kombiniert.

Für Auftraggeber und Lenkungsausschüsse ist besonders relevant, welche Risiken eine Governance-Entscheidung erfordern. Nicht jedes Projektrisiko gehört in das Gremium. KI kann aber Vorschläge machen, welche Risiken wegen Budgetwirkung, strategischer Relevanz, Reputationsgefahr, Compliance-Bezug oder Abhängigkeit zu anderen Projekten eskaliert werden sollten. Dadurch wird das Risikomanagement weniger administrativ und stärker entscheidungsorientiert.

Gleichzeitig darf KI nicht zum Risiko-Autopiloten werden. Risikobewertung enthält immer subjektive und organisationale Elemente: Wie viel Risiko ist akzeptabel? Welche Risiken sind politisch sensibel? Welche Stakeholder müssen einbezogen werden? Solche Fragen können nicht allein aus Daten beantwortet werden. KI liefert Hinweise, Vergleiche und Formulierungsvorschläge; die Risikoverantwortung bleibt bei den benannten Personen und Gremien.

Problemlösungen finden: Optionen statt Bauchgefühl

Wenn Projekte in Schwierigkeiten geraten, entstehen in Governance-Gremien oft zwei Extreme: Entweder wird zu lange diskutiert, ohne dass konkrete Optionen auf dem Tisch liegen, oder es wird zu schnell eine naheliegende Maßnahme beschlossen. KI kann hier als strukturierender Sparringspartner dienen. Sie kann vergleichbare Fälle aus früheren Projekten suchen, Lessons Learned auswerten, typische Gegenmaßnahmen vorschlagen und die Vor- und Nachteile verschiedener Optionen darstellen.

Ein Beispiel: Ein Projekt verliert durch Lieferantenprobleme sechs Wochen. Ein KI-System könnte mehrere Lösungsräume aufbereiten: Vertrags- und Eskalationsmaßnahmen, technische Entkopplung, Priorisierung eines Minimum Viable Scope, parallele Beschaffung alternativer Ressourcen oder Anpassung des Rollout-Plans. Für jede Option kann es Auswirkungen auf Kosten, Termine, Qualität, Stakeholder und Risiken skizzieren. Der Nutzen liegt nicht darin, dass KI „die richtige“ Lösung kennt, sondern darin, dass sie den Lösungsraum erweitert und blinde Flecken reduziert.

Voraussetzungen: Governance über den KI-Einsatz selbst

Wer KI für Projekt-Governance nutzt, braucht auch Governance über KI. Dazu gehören klare Regeln für Datenzugriff, Datenschutz, Vertraulichkeit, Nachvollziehbarkeit, menschliche Entscheidungshoheit und Modellgrenzen. Die OECD-Prinzipien für vertrauenswürdige KI betonen unter anderem Transparenz, Robustheit, Verantwortlichkeit und menschenzentrierte Werte. Das NIST AI Risk Management Framework strukturiert den Umgang mit KI-Risiken über die Funktionen Govern, Map, Measure und Manage. Für Projektorganisationen bedeutet das: KI-Empfehlungen müssen erklärbar, überprüfbar und dokumentierbar sein.

In der Praxis empfiehlt sich ein abgestufter Einstieg. Zuerst kann KI bei der Zusammenfassung von Protokollen, der Analyse offener Beschlüsse und der Erstellung von Statusentwürfen unterstützen. Danach folgen Risikohinweise, Szenarien und Entscheidungsoptionen. Erst wenn Datenqualität, Rollen und Prüfprozesse stabil sind, sollten stärker automatisierte Prognose- oder Agentenfunktionen eingeführt werden. Gerade in Governance-Kontexten ist Vertrauen wichtiger als Geschwindigkeit.

Ein praktischer Startpunkt ist ein KI-gestütztes Governance-Briefing vor jeder Sitzung: offene Beschlüsse, wesentliche Abweichungen, neue Risiken, notwendige Entscheidungen und empfohlene Diskussionspunkte werden automatisch vorbereitet und anschließend vom Projektleiter geprüft. So entsteht keine zusätzliche Bürokratie, sondern ein klarerer Blick auf jene Themen, bei denen das Gremium tatsächlich Steuerungswirkung entfalten kann.

Fazit: KI stärkt Governance, wenn sie Verantwortung sichtbar macht

KI kann Projekt-Governance wirksamer machen, weil sie Informationen schneller verdichtet, Muster früher erkennt, Szenarien greifbarer macht und Entscheidungsoptionen strukturierter vorbereitet. Für Projektauftraggeber und Lenkungsausschüsse bedeutet das bessere Entscheidungsgrundlagen. Für Projektleiter:innen bedeutet es weniger Zeitverlust durch manuelle Berichtserstellung und mehr Fokus auf Interpretation, Eskalation und Beratung.

Der entscheidende Punkt ist jedoch: KI ersetzt keine Governance. Sie macht gute Governance sichtbarer und schlechte Governance schneller erkennbar. Wenn Rollen unklar sind, Daten nicht gepflegt werden, Entscheidungen vermieden werden oder Risiken politisch verdrängt werden, löst KI das Problem nicht. Sie kann es höchstens deutlicher zeigen. Richtig eingesetzt wird KI damit zu einem Instrument reifer Projektsteuerung: nicht als Orakel, sondern als Co-Pilot für bessere, transparentere und vorausschauendere Entscheidungen.