← Zurück zum Blog

Blog

KI im Projekt: Mehr Daten sind noch kein Wissen

Antonio Bassi bringt es im aktuellen GPM-Blog auf den Punkt: Mehr Daten bedeuten nicht mehr Wissen. In Projekten wirkt KI als Verstärker der vorhandenen Wissensprozesse: Gute werden besser, schlechte werden schneller sichtbar. Der Beitrag vom 28. August verdichtet, was Bassi in seiner Originalarbeit zu „Human-AI Hybrid Knowledge Ecosystems” für projektbasierte Organisationen ausführlich beschreibt, und er deckt sich mit dem, was ich in Software- und IT-Projekten täglich beobachte.

Ich setze KI in jedem meiner Mandate ein: für Analysen, Auswertungen, Dokumentation und zunehmend auch für eigene Werkzeuge. Gerade weil ich von den Möglichkeiten überzeugt bin, sehe ich, wo der Hebel wirklich liegt: weniger im Erzeugen von noch mehr Information als in der Architektur, die aus Information belastbares Projektwissen macht.

Wo das Paradox im Projektalltag zuschlägt

Vier Situationen aus dem Software-Projektalltag, in denen mehr KI-Output nicht automatisch zu besseren Entscheidungen führt:

  • KI-Statusbericht im Lenkungsausschuss: Die Zusammenfassung liest sich druckreif. Doch wer bürgt für die Zahl, wenn niemand sie interpretiert hat? Ein Bericht ohne verantwortlichen Absender ist eine Auskunft des Modells, keine Entscheidungsgrundlage.
  • Test- und Defect-Triage: KI klassifiziert Hunderte Fehlermeldungen in Minuten. Ohne vorher definierte Bewertungsregeln entsteht dabei Scheinpräzision: Die Zahlen wirken exakt, aber niemand kann sagen, nach welchen Kriterien priorisiert wurde.
  • Automatische Zusammenfassungen: Meeting-Protokolle und Dokumenten-Digests sparen Zeit, verlieren aber Kontext. Das Entscheidungsprotokoll (wer hat wann was auf welcher Grundlage entschieden) bleibt der Wissensanker des Projekts, den keine Zusammenfassung ersetzt.
  • Verantwortung: KI kann analysieren, aber nicht verantworten. Jede KI-Ausgabe, die in eine Projektentscheidung einfließt, braucht einen menschlichen Owner, der sie geprüft hat und dafür geradesteht.

Wissensarchitektur statt Werkzeugliste

Bassi nennt das eine Wissensarchitektur: klare Regeln dafür, wer welche KI-Ausgaben validiert, wie Entscheidungen nachvollziehbar bleiben und wo menschliches Urteil zwingend ist. Das deckt sich mit dem Befund des PMI Pulse of the Profession 2026, der Komplexität ausdrücklich als System- und Führungsproblem beschreibt und nicht als Werkzeugproblem. Wer KI ins Projekt holt, ohne diese Regeln zu definieren, bekommt schnellere Berichte über denselben Nebel.

Was Projektverantwortliche jetzt tun sollten

Drei Punkte, bevor die nächste KI-Auswertung in ein Steering wandert: Erstens für jede KI-Ausgabe einen Owner benennen, der validiert und verantwortet. Zweitens Bewertungs- und Validierungsregeln definieren, bevor automatisiert wird, und nicht danach. Drittens ein Entscheidungsprotokoll führen, das Beschlüsse samt Grundlage festhält; es ist das Gedächtnis des Projekts, das auch nach dem Go-live trägt. Maßgeblich ist, wie viele Entscheidungen dadurch nachvollziehbar besser geworden sind, nicht wie viele Analysen die KI liefert.

← Zurück zum Blog