17 PROJEKTMANAGEMENT AKTUELL · 36. Jahrgang · 05/ 2025 DOI 10.24053/ PM-2025-0085 Künstliche Intelligenz im Projektmanagement-- Vision, Anwendungsfälle und Ansätze zur Einführung Kai Wilhelm, Philipp Larseille, Sebastian Colditz, Benjamin Hettrich Für eilige Leser | Künstliche Intelligenz verändert das Projektmanagement grundlegend. Studien prognostizieren bis 2030 eine weitreichende Automatisierung und höhere Erfolgsquoten. Schon heute zeigen Praxiserfahrungen, dass KI die Initialisierung von Projekten, das Risikomanagement und die Portfolioentscheidungen wirksam unterstützt. Der Beitrag verbindet wissenschaftliche Erkenntnisse mit Erfahrungen aus der Beratung und macht deutlich: Der größte Nutzen entsteht nicht durch einzelne Tools, sondern durch einen ganzheitlichen Ansatz. Entscheidend sind die Befähigung von Menschen, die Anpassung von Prozessen und Organisation sowie eine tragfähige technologische Basis. In Verbindung mit einem iterativen Vorgehen lässt sich KI so nutzen, um Effizienz und Qualität im Projektmanagement nachhaltig deutlich zu steigern. Schlagwörter | Generative KI; Projektmanagement; KI im PM; Anwendungsfälle; Einführung & Governance; Effizienzsteigerung. 1. Einleitung Künstliche Intelligenz (KI) verändert unsere Arbeitswelt und damit auch das Projektmanagement (PM). Trotz der verstärkten Aufmerksamkeit bleibt oft unklar, welche konkreten Implikationen sich für Organisation, Prozesse, Methoden, Kompetenzen und Werkzeuge des Projektmanagements ergeben und wie der versprochene Nutzen nachhaltig realisiert werden kann. Die Forschung im Bereich Projektmanagement hat gezeigt, dass KI-Unterstützung zur Effizienz von Projektleitenden beitragen kann [1], sowie welchen Nutzen Projektleitende von einer KI erwarten [2]. Dennoch berichten viele Unternehmen von Schwierigkeiten bei der Umsetzung identifizierter Anwendungsfälle und der Einbindung in die Organisation. Dieser Artikel fasst daher den aktuellen Stand des Themas KI im Projektmanagement zusammen und ergänzt ihn um Erfahrungen aus der Beratungspraxis. Der Beitrag beantwortet drei Fragen: Wozu: Welchen Nutzen stiftet KI im Projektmanagement? Was: Welche Anwendungsfälle von KI im Projektmanagement existieren? Wie: Welche Ansätze und Maßnahmen unterstützen die Einführung von KI im Projektmanagement? Zur Beantwortung dieser Fragen zeigt der Artikel die Vision bis 2030, beschreibt Entwicklungsstufen und konkrete Anwendungsfälle aus der Praxis und erläutert Ansätze für eine erfolgreiche Einführung von KI im Projektmanagement. 2. Welchen Nutzen stiftet KI im Projektmanagement? Der Einsatz von KI ist mit großen Versprechungen verbunden: mehr Effizienz, höhere Effektivität und bessere Projektergebnisse. Doch welchen konkreten Nutzen bringt KI für das Projektmanagement? Die Antwort lässt sich auf drei Ebenen betrachten: langfristige Vision, mittelfristiger Entwicklungsweg und aktueller Stand in der Praxis. Langfristige Vision Verschiedene Studien prognostizieren, wie KI das Projektmanagement bis 2030 verändern wird. Gartner erwartet, dass rund 80 Prozent der administrativen Aufgaben im Projektmanagement durch KI gesteuert werden [3]. McKinsey sieht ein Automatisierungspotenzial von 60 bis 70 Prozent und Nieto- Rodriguez und Vargas prognostizieren eine um 25 Prozent Wissen | Künstliche Intelligenz im Projektmanagement 18 PROJEKTMANAGEMENT AKTUELL · 36. Jahrgang · 05/ 2025 DOI 10.24053/ PM-2025-0085 höhere Projekterfolgsquote [4], [5]. Das wäre ein bemerkenswerter Fortschritt, da sich diese Quote in den letzten Jahren kaum verändert hat. Diese Zahlen verdeutlichen, dass KI das Projektmanagement grundlegend transformieren kann. Entscheidend ist dabei weniger die exakte Prozentzahl, sondern die Größenordnung des Potenzials. Offen bleibt jedoch, wie dieser Nutzen konkret realisiert werden kann. Mittelfristiger Entwicklungsweg Während die Vision bis 2030 reicht, beschreibt der mittelfristige Weg die nächsten ein bis zwei Jahre. In dieser Zeit zeichnen sich drei Entwicklungsstufen ab, wie KI im Projektmanagement eingesetzt werden kann. Im Mittelpunkt steht dabei die generative KI als heute verfügbare Technologie. Die erste Stufe ist bereits Realität: KI erstellt auf Anweisung von Projektbeteiligten Texte, Pläne und Strukturen, die als erste belastbare Versionen dienen und spürbar Zeit einsparen. Viele Projektleitende berichten von Aufwandsreduktionen zwischen 20 und 50 Prozent bei ihren Aufgaben, vor allem bei kreativen Tätigkeiten [6]. Eine Studie des Project Management Institute (PMI) zeigt, dass sich nahezu alle Ergebnisobjekte im Projektmanagement mithilfe generativer KI initial erstellen lassen [7]. Die zweite Stufe beschreibt die KI-gestützte Steuerung laufender Projekte. Hier liegt die Herausforderung darin, Änderungen im Projektverlauf konsistent in mehreren PM-Dimensionen wie Zeit-, Kosten- oder Ressourcenpläne zu übertragen. Eine Aufgabe, die hohe Komplexität mit sich bringt. Erste Lösungen dafür entstehen derzeit in der Praxis. Parallel dazu wird KI in einer dritten Stufe selbst aktiv. KI-Agenten reagieren automatisiert auf E-Mails, Dokumente oder Hinweise auf Risiken und leiten Maßnahmen ein, ohne dass ein Mensch den Impuls geben muss. Dieser Schritt galt lange als fern, ist aber durch die rasanten technologischen Entwicklungen der letzten Monate bereits heute möglich und wird aktuell an vielen Stellen diskutiert. Der nächste Schritt in dieser Stufe ist die Zusammenarbeit mehrerer KI-Agenten, die projektbezogene Entscheidungen vorbereiten oder durchführen. Aktueller Stand Heute liegt der zentrale Nutzen von KI im Projektmanagement vor allem in der Effizienzsteigerung [1]. Zur Veranschaulichung lässt sich die Arbeit von Projektleitenden in vier übergeordnete Kategorien einteilen: „Problemlösung und Eskalation“, „Administration und Dokumentation“, „Stakeholdermanagement, Kommunikation und Reporting“ sowie „Planung und Steuerung“. Unsere Praxiserfahrungen zeigen, dass Projektleitende mit gezieltem KI-Einsatz im Schnitt rund 60 Minuten Arbeitszeit pro Tag einsparen können. Die größten Effekte sehen wir in der Administration und Dokumentation, gefolgt von Stakeholder-Management, Kommunikation und Reporting sowie der Planung und Steuerung. Ähnliche Ergebnisse belegt eine aktuelle Untersuchung der britischen Regierung zu Microsoft 365 Copilot [8]. Trotz dieses Effizienzpotenzials konnten wir in einer eigenen Befragung von über 120 PM-Verantwortlichen verschiedener Unternehmen feststellen, dass der Nutzungsgrad von KI im Projektmanagement aktuell noch gering ist. Im Vergleich zu anderen Domänen, wie KI in der primären Wertschöpfung eines Unternehmens oder KI in der täglichen Arbeit, liegt er deutlich zurück. Gleichzeitig erwarten viele Organisationen in den kommenden zwei Jahren eine spürbare Steigerung, insbesondere im Projektmanagement. Das verdeutlicht zum einen die wachsende Relevanz des Themas und zum anderen das Potenzial, mit den beschriebenen Möglichkeiten auf Basis des geringen Reifegrads schnell Effizienzgewinne zu realisieren. Diese Ergebnisse decken sich mit den aktuellen Befunden der GPM Gehalts- und Karrierestudie 2024 [9]. Neben den großangelegten Befragungen zeigen auch zahlreiche Gespräche mit unseren Kunden ein ähnliches Bild: Das Interesse an KI im Projektmanagement ist hoch, doch der Reifegrad vieler Organisationen noch niedrig. Erste Erfahrungen werden oft nur auf individueller Ebene gesammelt, während auf Organisationsebene zentrale Bausteine wie eine klare Strategie oder die Integration in bestehende Prozesse fehlen. Auch die eingesetzten PM-Tools bieten aktuell meist nur begrenzte KI-Funktionalitäten. 3. Welche Anwendungsfälle von KI im Projektmanagement existieren? Künstliche Intelligenz kann nahezu jeden Arbeitsschritt im Projektmanagement unterstützen. Sie hilft unter anderem bei der Informationsaufbereitung, der Planung und dem Review von Projektergebnissen. Die Herausforderung liegt weniger darin, passende Anwendungsfälle zu finden, sondern diese systematisch zu erfassen und zu priorisieren. Dieses Kapitel stellt zunächst ein Strukturmodell vor, mit dem sich bestehende und neue Einsatzmöglichkeiten von KI im Projektmanagement ableiten lassen. Anschließend werden konkrete Praxisbeispiele beschrieben. Systematik von Anwendungsfällen In vielen Kundengesprächen hören wir den Satz: „Wir wissen nicht, wo wir mit KI im Projektmanagement konkret anfangen sollen.“ Dabei sind die Einsatzmöglichkeiten nahezu unbe- Abbildung 1: Potenzielle Zeitersparnisse von KI-Unterstützung in der Projektarbeit Wissen | Künstliche Intelligenz im Projektmanagement 19 PROJEKTMANAGEMENT AKTUELL · 36. Jahrgang · 05/ 2025 DOI 10.24053/ PM-2025-0085 grenzt, denn Projektleitende übernehmen zahlreiche unterschiedliche Aufgaben, die durch KI unterstützt werden können. Eine erste Dimension der Systematik ergibt sich aus den Ergebnissen des PMI [7]. Demnach lassen sich nahezu alle Ergebnisobjekte im Projektmanagement mit generativer KI erzeugen, sodass alle Wissensgebiete des PMI beziehungsweise im Sinne der Individual Competence Baseline (ICB) alle Kompetenzen abgedeckt sind. Die zweite Dimension betrifft die Art der Unterstützung innerhalb einer Kompetenz. KI kann Begriffe und Vorgehensweisen erläutern, Daten analysieren, Ergebnisobjekte erstellen oder aktualisieren und bestehende Inhalte beurteilen. Aus der Kombination dieser beiden Dimensionen entsteht ein strukturierter Raum, in dem sich Anwendungsfälle systematisch erfassen und neue entwickeln lassen. Abbildung 3 stellt dieses Schema grafisch dar, ergänzt durch beispielhafte Handlungsanforderungen an die KI. Aktuell liegen die Stärken generativer KI vor allem im Umgang mit textbasierten Szenarien. Für die Verarbeitung komplexer numerischer Daten sind dagegen klassische Werkzeuge derzeit noch besser geeignet. Beispielhafte Anwendungsfälle Im Folgenden werden ausgewählte Anwendungsfälle aus der Praxis vorgestellt und näher beschrieben: die Initialisierung eines Projekts, die Unterstützung im Risikomanagement sowie die Einreichung und das Review von Projektideen auf Multiprojekt- und Projektportfoliomanagementebene. In allen Beispielen nutzt die KI generische PM-Informationen. Alternativ kann sie auch Antworten auf Basis des organisationsspezifischen PM-Standards erstellen, etwa durch Einbindung des Standards in den Prompt oder über einen spezialisierten KI-Wissensagenten. Auch PM-spezifische Sprachmodelle können genutzt werden. 3.1 Initialisierung eines Projekts Die Initialisierung eines Projekts ist aus mehreren Gründen ein spannender Anwendungsfall für den Einsatz von KI im Projektmanagement. Zum einen lassen sich hier verschiedene kleinere Anwendungsfälle zu einer durchgängigen Produktivitätskette verknüpfen. Zum anderen wird deutlich, welcher Zeitgewinn potenziell möglich ist. Im zugrunde liegenden Szenario beauftragt der Auftraggebende die Projektleitung Abbildung 3: Strukturiertes Modell zur Identifizierung von KI-Use-Cases am Beispiel der Technischen Kompetenzen im Projektmanagement Abbildung 2: Heutige Nutzung von KI im Projektmanagement im Vergleich Wissen | Künstliche Intelligenz im Projektmanagement 20 PROJEKTMANAGEMENT AKTUELL · 36. Jahrgang · 05/ 2025 DOI 10.24053/ PM-2025-0085 mit der Erstellung eines vollständigen und belastbaren Projektauftrags. Schritt 1: Erster Entwurf auf Basis des Initialgesprächs Der Anwendungsfall startet mit dem Gespräch, in dem der Auftraggebende mit dem Projektleitenden über Ziele, Rahmenbedingungen und weitere Eckdaten des Projekts spricht. Dabei bittet er den Projektleitenden, das Projekt grob zu planen und einen Projektauftrag zu erstellen. KI kann dieses Gespräch protokollieren, die Inhalte strukturiert zusammenfassen und daraus einen ersten Entwurf des Auftrags generieren. Wir nutzen dafür ein Best-Practice- Template, das zentrale Punkte wie Ziele, strategische Ausrichtung, Umfang, Zeitplan, Ressourcen, Budget, Risiken, Stakeholder und Kommunikationsplanung umfasst. Auch ohne Vorlage kann eine KI die gängige Struktur für einen Projektauftrag generieren. Die Projektziele werden dabei möglichst in SMART-Form beschrieben. Schritt 2: Informationsaufbereitung Im zweiten Schritt wird der Entwurf des Projektauftrags mit weiteren Informationen angereichert, die der Auftraggebende vor, während oder nach dem Gespräch bereitstellt. Der Mehrwert der KI liegt darin, Inhalte beliebiger Länge und Form zu verarbeiten und zu konsolidieren. So entsteht aus vielfältigen und unstrukturierten Eingaben ein klar gegliedertes und übersichtliches Ergebnis. Anschließend kann die KI das Zwischenergebnis prüfen und fehlende oder unzureichend konkretisierte Inhalte identifizieren. Des Weiteren kann sie daraus eine Checkliste und konkrete Maßnahmen zur Vervollständigung des Projektauftrags ableiten, beispielsweise durch das Einholen zusätzlicher Informationen oder ergänzenden Fachwissens. Schritt 3: Einholen zusätzlicher Informationen Im dritten Schritt werden diese Informationen eingeholt. Dies kann direkt über die KI erfolgen, indem relevantes Wissen abgefragt wird oder indem sie aufzeigt, welche Aspekte für ein solches Projekt besonders wichtig sind. Schritt 4: Einbindung von Fachexpertise Im vierten Schritt wird das Wissen von Expert: innen und Stakeholder: innen eingeholt. KI kann bei organisatorischen Aufgaben, wie der Erstellung von Gesprächsleitfäden, der Terminplanung, der Formulierung von Einladungen oder der Protokollführung unterstützen. Auch asynchrone Formate sind möglich, wie etwa durch die KI durchgeführte Chatbefragungen, in denen Stakeholder ihre Anforderungen hinterlegen. Diese werden anschließend automatisch konsolidiert. Schritt 5: Finalisierung des Projektauftrags und Erstellung ergänzender Dokumente Alle gesammelten Informationen fließen in die finale Version des Projektauftrags ein. Auf dieser Basis kann die KI neben den Standardinhalten auch ein erstes Risikoregister, einen Meilensteinplan, Budget- und Ressourcenschätzungen sowie einen Kommunikationsplan erstellen. Zudem lässt sich eine Liste offener Fragen an den Auftraggebenden generieren. Die Ergebnisse können auch zur Vorbereitung einer Kick-off-Präsentation genutzt werden. Unsere Erfahrungen zeigen, dass eine vollständig automatisierte Erstellung die Erwartungen derzeit nicht erfüllt. Gut funktioniert in der Praxis hingegen die Anreicherung einer Standard-Präsentationsvorlage mit von der KI vorstrukturierten Inhalten. Mit diesem Vorgehen lässt sich ein qualitativ hochwertiger Projektauftrag in deutlich kürzerer Zeit erstellen. Was zuvor mehrere Tage dauerte, ist so in ein bis drei Stunden umsetzbar. Gleichzeitig steigt die inhaltliche Vollständigkeit, da die KI Inhalte prüft und Lücken aufzeigt. 3.2 Risikomanagement Ein weiterer interessanter KI-Anwendungsfall ist die Unterstützung des Risikomanagements. Diese Disziplin ist ein zentraler Bestandteil des Projektmanagements und wird regelmäßig im Projektalltag durchlaufen. Zugleich eignet sie sich gut, um Abbildung 4: Anwendungsfall: KI-Unterstützung bei der Initialisierung eines Projekts Wissen | Künstliche Intelligenz im Projektmanagement 21 PROJEKTMANAGEMENT AKTUELL · 36. Jahrgang · 05/ 2025 DOI 10.24053/ PM-2025-0085 eine durchgängige Produktivitätskette zu zeigen, in der alle Arten der Unterstützung- - Erläutern, Analysieren, Erstellen und Beurteilen-- enthalten sind. Die KI kann zunächst erläutern, was das Risikomanagement umfasst, und die typischen Schritte aufzeigen. Anschließend identifiziert und analysiert sie potenzielle Risiken auf Basis der Projektbeschreibung. Je umfangreicher und strukturierter die Informationen sind, desto besser die Ergebnisse. Danach bereitet die KI die Risiken übersichtlich auf, zum Beispiel in Form eines Risikoregisters oder einer Risikomatrix. In weiteren Schritten konkretisiert sie die Risiken, schlägt zusätzliche Gegenmaßnahmen vor und prüft die Risikoliste auf Vollständigkeit und Verständlichkeit. Zudem unterstützt sie bei der Formulierung der Kommunikation, etwa für Berichte oder Präsentationen. Schließlich kann die KI auch den Ablauf eines Risikomanagement-Workshops vorbereiten, inklusive Agenda, benötigten Materialien und Moderationshinweisen für eine effiziente Durchführung. 3.3 Anwendungsfall auf Multiprojektmanagement- und Portfolioebene Die meisten Anwendungsfälle fokussieren sich aktuell auf die Einzelprojektebene [10]. Auch im Multiprojektmanagement ergeben sich jedoch zahlreiche Möglichkeiten. Der folgende Anwendungsfall stammt aus einem Kundenprojekt, bei dem wir die PM-Prozesse daraufhin analysiert haben, wie sich durch KI die Effizienz verbessern lässt. Konkret geht es um die Unterstützung der Projektleitenden bei der Einreichung und des Project Management Offices (PMO) beim Reviewen von Projektideen für das Projektportfolio-Board. • Projektidee einreichen: Beim Eintrag der Projektidee in eine Eingabemaske erhält der Projektleitende KI-generiertes Feedback zur Qualität der Beschreibung. So werden unvollständige oder unscharf formulierte Projektideen vermieden. Die Qualität steigt bereits im Vorfeld. • Projektidee prüfen: Bisher wurde jede Projektidee einzeln gelesen, Feedback erfolgte manuell per E-Mail. Jetzt übernimmt die KI ein erstes Review und schlägt dem PMO eine Entscheidung (Go / No-Go) sowie eine Antwort an den Projektleitenden vor. Die finale Entscheidung trifft weiterhin das PMO („Human-in-the-loop“). • Strategische Relevanz bewerten: Die KI unterstützt das PMO bei der Bewertung der strategischen Relevanz, indem sie die Projektidee mit den Strategiedokumenten abgleicht. Das Ergebnis fließt in die Priorisierung ein. • Abhängigkeiten analysieren: Auf Basis der Beschreibung identifiziert die KI potenzielle Abhängigkeiten zu laufenden oder geplanten Projekten. Diese werden anschließend mit den Verantwortlichen besprochen und validiert. • Projektidee vorlegen: Aus den Beschreibungen kann die KI strukturierte Onepager zur Vorstellung der Projekte im Projektportfolio-Board erstellen. Dieser Anwendungsfall zeigt, wie KI im Multiprojektmanagement Prozesse automatisieren, Qualität erhöhen und Entscheidungsfindungen beschleunigen kann. Darüber hinaus eröffnen sich weitere Einsatzmöglichkeiten, etwa bei der Portfolioanalyse und -clusterung, Identifikation von projektübergreifenden Abhängigkeiten und Risiken und dem Review der Projektreports. 3.4 Weiterführende Anwendungen Neben der Nutzung generativer KI im Dialogformat integrieren auch spezialisierte PM-Tools zunehmend entsprechende Funktionen. So lassen sich Projekte durch die Eingabe einer kurzen Beschreibung automatisch initial anlegen. Auf Basis typischer Werte sowie unter Rückgriff auf bestehende Projekte befüllt die KI zentrale Elemente wie die Projektbeschreibung (Ausgangssituation, Zielsetzung usw.), Meilensteine, Risiken oder Aufgaben. In der Praxis ist der Funktionsumfang dieser Tools im Bereich KI bislang jedoch meist noch begrenzt. 4. Welche Ansätze und Maßnahmen gibt es zur Einführung von KI im PM? Die entscheidende Frage lautet nun: Welche Ansätze unterstützen die Einführung von KI im Projektmanagement? Unsere Erfahrungen zeigen, dass ein ganzheitliches und iteratives Vorgehen am besten funktioniert. Ganzheitlich bedeutet, alle Dimensionen eines organisatorischen Systems- - Kompetenzen, Prozesse, Organisation und Tools-- einzubeziehen. Besonders wichtig ist aus unserer Sicht der Fokus auf die Menschen [11]. Ein guter Startpunkt ist ein Envisioning, zum Beispiel in Form eines Vortrags oder Workshops, der den Nutzen und typische Anwendungsfälle von KI vermittelt. So werden Mitarbeitende inspiriert, befähigt und motiviert, die nächsten Schritte zu gehen. Als einer der ersten Schritte sollte die Schulung der relevanten Akteure im Projektmanagement erfolgen. Neben Projektleitenden betrifft das beispielsweise auch PMO-Mitarbeitende, Projektmitarbeitende oder Management-Vertreter: innen. Der Aufbau einer „KI im PM“-Community fördert den Austausch von Erfahrungen und die kontinuierliche Verbesserung. Zudem ist ein umfassendes Change Management wichtig, um neue Arbeitsweisen dauerhaft zu verankern. Auf Prozessebene gilt es, gezielt Anwendungsfälle entlang der PM-Prozesse zu identifizieren. Diese sollten nach Aufwand und Nutzen bewertet, priorisiert und iterativ umgesetzt werden. Dabei sollte geprüft werden, ob bestehende Best Practice-Anwendungsfälle für die eigene Organisation geeignet sind. In der Praxis zeigt sich oft, dass viele kleine, alltägliche Anwendungsfälle mit Standardfunktionen von KI einen größeren Nutzen bringen als wenige große, komplexe und aufwendig zu implementierende Anwendungsfälle. Neben Menschen und Prozessen ist auch eine tragfähige technische Basis entscheidend. Dazu gehören eine zuverlässige und sichere IT-Infrastruktur, geeignete KI-Modelle sowie Schnittstellen zu bestehenden Systemen. Klare Regelungen zum Umgang mit Daten schaffen die Grundlage für eine reibungslose Integration in den Arbeitsalltag. Aufgrund der schnellen technischen Entwicklung empfehlen wir ein iteratives Vorgehen. Das heißt: klein starten, aus Erfahrungen lernen und die Einführung Schritt für Schritt im Abgleich mit der jeweils verfügbaren KI-Technologie weiterentwickeln. Iterationen können sich zum Beispiel in der gestaffelten Schulung unterschiedlicher Zielgruppen oder in der schrittweisen Umsetzung mehrerer Anwendungsfälle zeigen. Nach den ersten Einführungen ist es entscheidend, die Nutzung durch Kurztrainings und praxisnahen Erfahrungsaustausch kontinuierlich zu verbessern. So bleibt das erworbene Wissen nicht nur erhalten, sondern entwickelt sich mit jeder Iteration weiter. Wissen | Künstliche Intelligenz im Projektmanagement 22 PROJEKTMANAGEMENT AKTUELL · 36. Jahrgang · 05/ 2025 DOI 10.24053/ PM-2025-0085 5. Fazit und Ausblick Die Entwicklung von KI im Projektmanagement lässt sich aktuell bei vielen Unternehmen mit einer Bergbesteigung vergleichen. Auf dem Gipfel warten mehr Effizienz, weniger Routinetätigkeiten und mehr Raum für wertschöpfende Aufgaben. Doch der Weg dorthin liegt noch im Nebel. Im Basislager bereiten sich viele vor, oft mit Unsicherheit, aber auch mit Neugier. Studien und erste Erfahrungen zeigen den Nutzen, Anwendungsfälle markieren den Weg und Methoden geben Orientierung. Entscheidend ist, die ersten Schritte zu gehen: sich mit KI befassen, ausprobieren, Erfahrungen sammeln. KI ist ein Werkzeug, das seinen Wert erst durch die Menschen entfaltet, die es bewusst einsetzen. Unser Appell: Warten Sie nicht auf den perfekten Moment, sondern starten Sie jetzt. Beschäftigen Sie sich mit KI, experimentieren Sie, sammeln Sie Erfahrung. Die Reise hat längst begonnen. Literatur [1] B. Hettrich, N. Krings und A. Kock, “Bridging the Expertise Gap: The Role of Generative AI in Supporting Project Planning Tasks for Novices and Professionals,” Creativity and Innovation Management, Jg. 34, Nr. 4, S. 789-805, 2025, https: / / doi.org/ 10.1111/ caim.70002. [2] V. Holzmann, D. Zitter und S. Peshkess, "The Expectations of Project Managers from Artificial Intelligence: A Delphi Study," Project Management Journal, Jg. 53, Nr. 5, S. 438-455, 2022, doi: 10.1177 / 87 569 728 211 061 779. [3] Gartner. "How AI Will Reinvent Program and Portfolio Management." Zugriff am: 24. Juli 2025. [Online.] Verfügbar: https: / / www.gartner.com/ en/ documents/ 3 894 666 [4] A. Nieto-Rodriguez und R. V. Vargas, "How AI Will Transform Project Management," Harvard Business Review, 02. Februar 2023. Zugriff am: 10. Juni 2025. [Online.] Verfügbar: https: / / hbr.org/ 2023/ 02/ how-ai-will-transform-project-management [5] M. Chui et al., The economic potential of generative AI: The next productivity frontier. Zugriff am: 24. Juli 2025. [Online]. Verfügbar unter: https: / / www.mckinsey.com/ ~/ media/ mckinsey/ business%20functions/ mckinsey%20digital/ our%20insights/ the%20economic%20potential%20 of%20generative%20ai%20the%20next%20productivity%20frontier/ the-economic-potential-of-generative-aithe-next-productivity-frontier.pdf [6] PMI. "Pushing the Limits: Transforming Project Management with Generative AI Innovation | PMI." Zugriff am: 15. August 2025. [Online.] Verfügbar: https: / / www.pmi. org/ learning/ thought-leadership/ transforming-project-management-with-generative-ai [7] PMI. "Generative AI Overview for Project Managers." Zugriff am: 15. August 2025. [Online.] Verfügbar: https: / / www.pmi.org/ shop/ p-/ elearning/ generative-ai-overviewfor-project-managers/ el083#you-may-also-like [8] UK Government Digital Service. "Microsoft 365 Copilot Experiment: Cross-Government Findings Report." Zugriff am: 23. Juli 2025. [Online.] Verfügbar: https: / / www.gov. uk/ government/ publications/ microsoft-365-copilot-experiment-cross-government-findings-report/ microsoft-365-copilot-experiment-cross-government-findings-report-html [9] GPM, Gehalt und Karriere im Projektmanagement 2024: Sonderthema: Die Anwendung Künstlicher Intelligenz im Projektmanagement (GPM Science). Tübingen: UVK Verlag, 2025. [10] A. Kock, H. G. Gemünden, P. Lehner, B. Hettrich und D. Gehl, Transformation des Projektportfoliomanagements: Allgemeiner Abschlussbericht der 11. Multiprojektmanagement-Studie. TU Darmstadt. [11] T. Chamorro-Premuzic und C. Boyce, "4 Factors That Will Help Project Managers Fulfill AI’s Potential," Harvard Business Review, 07. November 2023. Zugriff am: 23. Juli 2025. [Online.] Verfügbar: https: / / hbr.org/ 2023/ 11/ 4-factors-that-will-help-project-managers-fulfill-ais-potential Eingangsabbildung: © iStock.com / koto_feja Kai Wilhelm Leiter Implementation & PM Strategy bei Campana & Schott. Beschäftigt sich u. a. mit der PM-Weiterentwicklung innerhalb von Organisationen. Seine Beratungsschwerpunkte sind Projektportfoliomanagement und die Einführung und Weiterentwicklung von PMOs. Philipp Larseille Leiter Project & Performance Management Solutions bei Campana & Schott. Verhilft Organisationen zu Exzellenz im Projekt-, Programm-, Portfolio- und Ressourcenmanagement durch Standardisierung und Reifegradsteigerung mit Hilfe von PPM Software-Lösungen. Sebastian Colditz Berater bei Campana & Schott im Bereich Implementation und PM Strategy. Unterstützt Unternehmen bei der Einführung digitaler Tools und Strategien im Projekt- und Projektportfoliomanagement und begleitet Transformationsprojekte. Benjamin Hettrich Doktorand an der TU Darmstadt zum Thema Projektportfoliomanagement, dabei richtet er seinen Fokus besonders auf die Integration von KI in Projektmanagementprozesse und betreut die MPM-Benchmarking-Studie. ORCID: https: / / orcid.org/ 0009-0007-7616-8917