Das Projekt-Reporting gehört zu den Standardaufgaben eines Projektmanagers und ist oft mit erheblichem Zeitaufwand verbunden. Projektressourcen, die eigentlich für die operative Steuerung und Planung des Projekts benötigt werden, werden so für das regelmäßige Reporting gebunden.

Der Aufwand, einen Report zu erstellen, ergibt sich aus der Analyse zurückliegender Projekte und beläuft sich auf mindestens eine Stunde pro Woche pro Projekt. Das Projektmanagement oder Teamleads müssen für das Reporting Informationen aus unterschiedlichen Quellen suchen, zusammenführen und aufbereiten. Der Fortschritt im Projektplan muss ebenso analysiert werden wie angesprochene Probleme und Blocking Points, die möglicherweise in Meeting-Mitschriften notiert sind.

All das kostet viel Zeit, vor allem wenn sich die Aufwände durch ein- bis zweiwöchige Reporting-Intervalle kontinuierlich summieren. Auf das Jahr kumuliert wird so eine signifikante Menge an Zeit und Energie verbraucht, die eigentlich für das Projektmanagement und die Projektsteuerung benötigt werden. Besonders bei Firmen, die viel in Projekten arbeiten, summiert sich der wöchentliche Reporting-Aufwand über die Organisationsstruktur auf eine beachtliche Summe. Folglich liefern jede Hilfe und jede Zeitersparnis beim Reporting einen signifikanten Mehrwert.

Künstliche Intelligenz kann Projektmanager, Teamleads und anderen Rollen, welche regelmäßig Reportings vorbereiten, bei den Arbeitsschritten im Projekt-Reporting unterstützen und so den zeitlichen Aufwand verringern. Grundsätzlich kann der Ansatz, den wir Ihnen vorstellen möchten, für jedes Reporting in Projekten genutzt werden und beschränkt sich somit nicht auf spezifische Rollen. Wir zeigen Ihnen am Beispiel von Microsoft Copilot, welche Voraussetzungen es braucht, KI für das Projekt-Reporting effizient einzusetzen, wie Sie ein KI-gestütztes Reporting in Ihrer Organisation etablieren und welche konkreten Vorteile sich daraus für Sie ergeben.

Voraussetzungen für effektives Reporting mit KI

Auch die fortschrittlichsten KI-Modelle benötigen qualitativ hochwertigen Input, um das Reporting effektiv zu unterstützen. Die KI analysiert und abstrahiert nur, was Sie ihr an Informationen zur Verfügung stellen.

Damit die KI das Projektmanagement beim Reporting effektiv unterstützen kann, sind hochwertige Input-Dokumente notwendig. Das bedeutet, dass die genutzten Input-Dokumente vollständig und auf dem aktuellen Stand sind und alle relevanten Informationen enthalten, denn die KI kann sich keine relevanten Informationen hinzudenken.

Generell gilt: Je strukturierter ein Projekt gemanagt wird, desto besser kann ein KI-gestütztes Reporting etabliert werden.

Besonders wichtig ist hierbei eine klare und eindeutige Benennung: Arbeitspakete und auftretende Herausforderungen sollten in den Meeting-Mitschriften daher nummeriert und idealerweise mit IDs versehen werden, damit Microsoft Copilot diese bei der späteren Report-Erstellung richtig zuordnen kann. In unserem Beispiel haben wir Arbeitspakete mit WP1, WP2 usw. nummeriert. Das WP steht dabei für Work Package. Herausforderungen (Challenges) lassen sich z.B. mit C1, C2 usw. nummerieren und Risiken mit R1, R2, ...

Die Menge, in der die Informationen der KI bereitgestellt werden, ist dabei flexibel. Moderne Sprachmodelle können gerade bei großen Datenmengen gute Ergebnisse liefern, was einen großen Pluspunkt im Vergleich zur manuellen Informationssuche darstellt. Die aktuellen KI-Modelle sind sehr gut darin, spezifische Informationen schnell zu lokalisieren und dem Anwender zur Verfügung zu stellen. Das funktioniert aber eben nur dann, wenn diese Informationen auch so vorbereitet wurden, dass sie von der KI gefunden werden können.