Die gefühlte Revolution der Wissensarbeit durch die Publikation von ChatGPT führte zu einer unüberschaubaren Menge an Publikationen, in denen wahlweise die Grenzen oder die erstaunlichen Leistungen der KI-Modelle propagiert und diskutiert wurde. Mittlerweile wissen die Chatbots zwar, dass ein Musikstück von der doppelten Anzahl an Musiker:innen gespielt, immer noch genauso lange dauert, aber das Ressourcenmanagement eines Projekts sollte ihnen nach wie vor nicht anvertraut werden.

Die enorme Leistungsfähigkeit generativer Large Language Models liegt auch nicht darin, Probleme zu lösen, sondern darin, anspruchsvolle Inhalte in unterschiedlichen Textformaten darzustellen. Damit können sie eine äußerst wertvolle Hilfe in der Projektkommunikation und im Wissensmanagement sein, vorausgesetzt, sie werden richtig angewendet. Dies ist Gegenstand des sogenannten Prompt Engineerings, d.h. des optimalen Formulierens von Befehlen für den Chatbot.

Hierfür gibt es jede Menge sogenannter ″Cheat Sheets″. Sie sollten diese mit Vorsicht einsetzen, da sie meist entweder dem Marketing ihrer Autor:innen oder dem Erfüllen einer falsch verstandenen Nachfrage dienen: Es gibt nicht das Schema, mit dem Sie den Chatbot ″überlisten″ oder zu einem optimalen Output bringen können!

Wir alle müssen uns vielmehr auf einen Lernprozess einlassen, in dem sowohl wir lernen, wie wir dieses neue Werkzeug sinnvoll und effizient bedienen als auch die Algorithmen und ihre Entwickler:innen lernen, wie sie die Anforderungen der Anwender:innen am besten erfüllen können.

Diese Methodenbeschreibung legt deshalb besonderen Wert auf das Sammeln von Erfahrungen und das kontinuierliche Lernen. Etwas, was uns Projektmanager:innen nicht sonderlich schwer fallen sollte!

Installieren Sie einen KVP für die Verwendung von KI in Ihrer Organisation!

Das Arbeiten mit generativen Large Language Models steht erst am Anfang und verändert sich beständig. Es ist sowohl Gegenstand wissenschaftlicher Untersuchungen (siehe Abschnitt "Herkunft") als auch empirischer Versuchs- und Irrtumsexperimente. Zugleich lernen die KI-Systeme selbst (!) weiter und werden von ihren Hersteller:innen weiter entwickelt. Beispiel: Es gibt die Empfehlung, dem Bot ein großzügiges Trinkgeld zu versprechen, damit die Ausgabe umfangreicher und qualitativ hochwertiger wird. Mittlerweile lehnen manche Bots dieses Angebot mit der Begründung ab, dass sie kein Trinkgeld annehmen können und dass dies auch keine Effekt auf ihre Antwort habe.

Haben Sie bereits ein funktionierendes Wissensmanagement in Ihrem Unternehmen, mit dem Sie neue Erfahrungswerte (Lessons Learned) dokumentieren und wieder abrufen können? Dann gehören Sie zu den vermutlich wenigen Prozent Glücklichen, die nur eine neue Kategorie in ihrem Wissensmanagement-System anlegen müssen, z.B. ″Einsatz von Chatbots″.

Für alle anderen empfehle ich als einfachste Möglichkeit, eine Übersichtstabelle (z.B. in einem Tabellenkalkulationsprogramm) und eine Vorlage für eine Textdokumentation anzulegen, in der dann die Chatverläufe abgespeichert werden können. Verwenden Sie einen Ablageort, auf den alle im Team zugreifen können und den sie auch täglich verwenden, z.B. eine Sharepoint-Ablage oder Confluence oder ein anderes dafür geeignetes Collaboration-Tool. Tabelle 1 zeigt eine mögliche Struktur einer solchen Übersichtstabelle.

Tabelle 1: Mögliche Tabellenstruktur für eine Übersicht von Erfahrungswerten für Prompt Engineering

Erstellen Sie auch eine Vorlage für die ausführliche Dokumentation. Diese sollte mindestens die entsprechende Tabellenzeile und den gesamten Chatverlauf enthalten. Sinnvoll ist, dass insbesondere die verwendeten Prompts kommentiert und Empfehlungen gegeben werden.

Natürlich ist es nicht sinnvoll, alle Promptverläufe zu dokumentieren, sondern nur diejenigen, aus denen sich etwas lernen lässt.

Schritt 1: Formulieren Sie Ihre Aufgabe und welches Ergebnis Sie benötigen!

Der größte Fehler, den Sie beim Arbeiten mit einem Chatbot machen können, besteht darin, sofort mit den Eingaben anzufangen. Sie verschwenden unnötige Zeit und ärgern sich über die untauglichen Ergebnisse.

Stellen Sie sich vor, Sie haben einen neuen Praktikanten, der für zwei Wochen in Ihrem Team die Projektpraxis kennenlernen will. Was wird wohl passieren, wenn Sie ihm als Aufgabe geben: ″Räum doch mal die Projektablage auf!″ Glauben Sie, dass danach noch irgendjemand im Projektteam ein Dokument finden wird? Schuld daran wäre allerdings nicht der Praktikant, sondern Sie selbst, weil Sie sich nicht überlegt haben, was für eine Aufgabe Sie ihm sinnvoll stellen, was zur Aufgabe alles gehört und wie das Ergebnis aussehen soll.

Der Unterschied zwischen genervtem Praktikant und generativer KI ist, dass der Praktikant typischerweise fragt: ″Wie soll das gehen und was soll dabei rauskommen?″ Der Chatbot hingegen versucht auf Gedeih und Verderb, irgendeine Ausgabe zu erstellen. Wenn Ihnen die ersten Ausgaben eines Chatbots also unsinnig oder als wenig hilfreich erscheinen, liegt das nicht am Chatbot.

SIPOCen Sie Ihre Aufgabe!

Zum Glück haben wir als Projektmanager:innen ja sowohl das Training als auch die geeigneten Methoden, um Aufgaben präzise zu beschreiben. Für den ersten Schritt empfehle ich Ihnen das einfache SIPOC-Schema: Supplier, Input, Process, Output, Customer. Eine ausführliche Darstellung, wie Sie mit SIPOC arbeiten, finden Sie in der Methodenbeschreibung SIPOC. Tabelle 2 zeigt, welche Fragen Sie sich stellen sollten und in Tabelle 3 sehen Sie ein einfaches Beispiel.

Tabelle 2: Das SIPOC-Schema zur Erstellung eines Prompts

Sie können das SIPOC-Schema als beständigen Begleiter für die Arbeit mit KI verwenden. Wie Sie gleich sehen werden, weisen Sie der KI abhängig von der Aufgabe eine Rolle zu, geben ihr Informationen und stellen ihr eine Aufgabe. Als Ergebnis erwarten Sie eine Antwort, die für eine bestimmte Zielgruppe geeignet ist. Genau diese Elemente klären Sie mit SIPOC.

Beispiel: Analyse und Klären eines Projektauftrags

Flora Prefect leitet in einer auf Messeauftritte spezialisierten Agentur ein Projektteam von vier Personen. Unterstützt wird sie vom Projektassistenten Anton Dent aus dem Team des PMOs. Die Agentur hat von einem Versicherungsunternehmen den Auftrag erhalten, seinen Stand auf einer Jobmesse zu gestalten. Der Versicherer will sich gezielt an Berufseinsteiger:innen mit spezifischen Angeboten für Lebensversicherungen, Berufsunfähigkeitsversicherungen und private Krankenzusatzversicherungen wenden. Er hat der Agentur einen aus seiner Sicht vollständigen Projektauftrag geschickt. Darin sind folgende Informationen und Daten enthalten:

• Terminplan von Aufbau bis Abbau des Stands
• Lageplan und Detailplan des Stands inklusive Stromversorgung und Internetanschluss
• Beschreibung der zu liefernden Möblierung des Stands
• Liste von zu erstellenden Materialien

Anton weist Flora auf die SIPOC-Methode hin und erläutert sie direkt an diesem Beispiel (Tabelle 2).

Tabelle 2: Beispiel für eine Prozessbeschreibung mit SIPOC