Grundlagen des Projektmanagements

Zusammenfassung: Teil 2

Im zweiten Teil des Workshops wird zunächst ein klares gemeinsames Projektverständnis geschaffen: Was ist überhaupt ein Projekt? Es wird definiert als ein einmaliges, zielgerichtetes Vorhaben mit klarer zeitlicher Begrenzung und begrenzten Ressourcen. Beispiele aus der Praxis – vom Buchprojekt bis zur SAP-Migration – verdeutlichen die Bandbreite möglicher Projekte.

Anschließend werden die fünf klassischen Projektphasen vorgestellt:

1. Initiierung (inkl. Auftragsklärung),
2. Planung (Zeitplan, Risiken, Stakeholder),
3. Ausführung,
4. Steuerung (inkl. Gegenmaßnahmen und Anpassung),
5. Abschluss (Übergang in den Regelbetrieb).

Die Methodik orientiert sich bewusst am klassischen Wasserfallmodell, um einen strukturierten Zugang – auch für Einsteiger – zu ermöglichen. Dabei wird immer wieder betont: Planung ist wichtig, aber flexibel zu betrachten, da reale Bedingungen und Rückmeldungen Anpassungen erfordern.

Ein zentrales Ziel: Teilnehmende sollen befähigt werden, KI gezielt in jeder Projektphase einzusetzen. Das Workbook enthält zu jeder Phase konkrete KI-gestützte Anwendungsbeispiele und Prompts. Die vorgestellten Anwendungsfälle der Teilnehmenden (z. B. Recruiting, Interviewbots, PM-Struktur für Partner, Statusberichte ohne „Melonenprojekte“) werden aufgenommen und kontextualisiert.

Es wird erklärt, wie man Anwendungsfälle strukturiert formuliert:
„Ich will… damit…“ – also Ziel und Nutzen klar benennen. Dies dient als Grundlage für den KI-Einsatz.

Automation (z. B. via make.com, Power Automate, Agenten) wird bewusst ausgeklammert, da es ein separates Thema ist. Einzelne Tools (Asana, Jira, Trello etc.) werden angesprochen, jedoch mit dem Hinweis auf sinnvolle Systemintegration und Realisierbarkeit.

Zusätzlich wird das Self-Coaching-Handbuch angekündigt, das nachmittags behandelt wird und ebenfalls die KI-Integration in die persönliche Projektentwicklung ermöglicht.

Reifegradmodelle für Projekte

Zusammenfassung: Teil 3 

In diesem Abschnitt führt der Workshop ein zentrales Instrument zur Standortbestimmung im Projektmanagement ein: Reifegradmodelle. Anhand des OPM3-Modells (Organizational Project Management Maturity Model) lernen die Teilnehmenden, wie sie ihren individuellen Projektmanagement-Reifegrad einschätzen und daraus konkrete Entwicklungsschritte ableiten können.

Dabei steht Selbstreflexion im Vordergrund: Mit einem vorbereiteten Prompt und dem persönlichen LinkedIn-Profil als Kontext nutzen die Teilnehmenden ChatGPT, um sich interaktiv durch gezielte Fragen zu navigieren und so eine fundierte Selbsteinschätzung zu erhalten. Der Prompt kombiniert drei Elemente:

1. Eigene Informationen (z. B. aus LinkedIn),
2. Modellbeschreibung (z. B. OPM3 aus dem Workbook),
3. klare Anweisung zur Frageführung (Do’s und Don’ts).

Die Teilnehmenden erleben, wie durch diese Kombination ein strukturierter Reflexionsprozess entsteht – effizienter als klassische Assessments. Die Übung zeigt exemplarisch, wie modellbasierter Kontext zu einem gezielten KI-Einsatz führt. Zudem können Teilnehmende dieses Prinzip auf eigene Angebote übertragen – z. B. für Kundenprojekte oder individuelle Coaching-Prozesse (z. B. Canva-Reifegrad, Strategie-Reifegrad, Karriere-Reifegrad).

Weitere Aspekte:

• Reifegradmodelle lassen sich aus Literatur (z. B. OPM3, CMMI, P3M3) ableiten, mit der KI neu entwickeln oder individuell gestalten.
• Die Methode ist sowohl für Einzelpersonen als auch für Organisationen geeignet.
• Es wird betont, dass Kontext der Schlüssel für wirksame Prompts ist: je besser der Kontext (Daten, Modelle, Ziel), desto präziser das Ergebnis.
• Die Übung erzeugt direkte Aha-Effekte, fördert Klarheit im eigenen Standpunkt und legt den Grundstein für zielgerichtige Weiterentwicklung im Projektmanagement.

Projektplanung

Zusammenfassung: Teil 04

In diesem Abschnitt des Trainingscalls wurde der Übergang vom Projektverständnis zur praktischen Projektplanung behandelt. Die Teilnehmer wurden aufgefordert, ein reales oder fiktives Projekt aus ihrer aktuellen Lebens- oder Arbeitsperspektive zu wählen, um dieses anhand klassischer Projektmanagement-Methoden zu planen.

Zunächst ging es darum, das Projekt einzuordnen (neu, bestehend, zu übernehmend oder fiktiv) und daraus die richtige Perspektive zu wählen (z. B. Selbstständige, Berater, Angestellte, Ehrenamt, Privatperson). Danach startete die eigentliche Planungsphase mit einem klaren Fokus auf klassischen PM-Dokumenten wie Projektauftrag (Charta), Business Case, Stakeholderanalyse, Projektstrukturplan, Terminplan und Risikoregister.

Ein praktischer KI-gestützter Ansatz wurde demonstriert: Die Teilnehmenden sollten mithilfe von GPT-basierter KI eigene Projektsteckbriefe (Projekt-Charta) generieren. Dies beinhaltete die Einbindung persönlicher LinkedIn-Informationen, Projektkontext sowie struktureller Vorgaben (z. B. Titel, Ziel, Nutzen, Stakeholder, Risiken etc.).

Der Trainer teilte konkrete Prompts und methodische Hacks, etwa:

• Kapitelweise Generierung eines Dokuments durch die KI mit Bestätigung nach jedem Abschnitt

• Human-in-the-Loop-Prinzip: Die KI soll nicht allein entscheiden – der Mensch reflektiert und überarbeitet

• Vermeidung von Copy-and-Paste-Junkie-Mentalität

• Formatierung für Weiterverwendung in Word mit Tipps für Download und Formatstruktur

Zudem wurden häufige PM-Dokumente und deren Elemente vorgestellt, darunter Projektstrukturpläne (Work Breakdown Structures), Zeit- und Ressourcenpläne, Change Requests, Earned Value Analysen, Kommunikationspläne, Statusberichte bis hin zum Abschlussbericht mit Lessons Learned.

Die zweite Übungseinheit umfasste das Schreiben eines Businessplans zum Projekt. Dieser sollte typische Abschnitte wie Kosten-Nutzen-Analyse, Risiken und Budgetstruktur enthalten – unterstützt durch weitere Prompts. Teilnehmende berichteten von ihren Ergebnissen und reflektierten die Leistungsfähigkeit der KI im Projektkontext.

Zum Abschluss wurde noch in Schnelldurchlauf die Erstellung von Stakeholderanalyse, Projektstrukturplan und Projektplan behandelt, wieder mit Prompts und klarer Struktur. Wichtig: Alles sollte reflektiert, aber pragmatisch umgesetzt werden – Ziel war ein möglichst schneller, effizienter Einstieg in saubere Projektplanung mit KI-Unterstützung.

Konsistenzcheck & kritischer Pfad

Zusammenfassung: Teil 5

In diesem Abschnitt des Workshops werden zwei fortgeschrittene Werkzeuge des Projektmanagements vertieft: der kritische Pfad und der Konsistenz-Check – beide unterstützt durch KI.

1. Kritischer Pfad verstehen und ermitteln

Zunächst wird der kritische Pfad anhand eines anschaulichen Beispiels (Baumhausbau) erklärt: Aufgaben mit Abhängigkeiten müssen in bestimmter Reihenfolge ablaufen, Verzögerungen auf diesem Pfad verzögern das gesamte Projekt. Die Teilnehmer erarbeiten, wie sie mit Hilfe von GPT den kritischen Pfad ihres Projekts identifizieren können – entweder basierend auf einem bestehenden Chatverlauf oder durch gezielten Kontext-Input.

Durch gezielte Promptformulierung und kritische Rückfragen wird gezeigt, wie man die KI dazu bringt, nicht nur Aufgaben aufzulisten, sondern auch Abhängigkeiten zu erkennen, Parallelisierungen zu berücksichtigen und Plananpassungen durchzuführen.

Zentrale Erkenntnis:

• Der Projektplan erzeugt den kritischen Pfad, nicht umgekehrt.
• Anpassungen im Plan (z. B. Speakerakquise parallel zur Programmplanung) müssen mitgedacht und der KI übergeben werden, um eine neue Baseline zu definieren.
• Der kritische Pfad ist ein dynamisches Element – er verändert sich mit jedem Eingriff in Planung und Struktur.

2. Konsistenz-Check über Projektdokumente hinweg

Im zweiten Teil wird demonstriert, wie ein KI-gestützter Konsistenz-Check über verschiedene Projektdokumente hinweg funktioniert. Mit einem eigens entwickelten Prompt, der auf Ehrlichkeit, Klarheit und Floskelfreiheit abzielt, prüft die KI:

• Widersprüche bei Terminen, Zahlen, Verantwortlichkeiten
• Uneinheitliche Namens- oder Formatverwendung
• Missverständliche Aussagen oder unklare Definitionen

Beispielhafte Ausgaben zeigen Differenzen zwischen Projektauftrag und Business Case (z. B. Zielabweichungen, Budgetunterschiede, inkonsistente Terminangaben).

Wichtige Erkenntnisse:

• KI verliert Kontext, wenn Inhalte nur als Word-Dokumente generiert und gespeichert wurden – daher lieber direkt im Chat arbeiten oder bewusst Kontext wiederherstellen.
• Der Prompt zum Konsistenz-Check kann leicht angepasst werden, um eigene Standards und Bewertungsmaßstäbe zu integrieren.
• Der Prozess fördert präzises, kritisches Arbeiten mit KI – frei von automatischer Zustimmung und Oberflächlichkeit.

Die Teilnehmer reflektieren gemeinsam, wie die KI effizient zur Qualitätssicherung beitragen kann und dabei neue Maßstäbe an Klarheit und Genauigkeit setzt.

ChatGPT Shortcuts

Zusammenfassung: Teil 6

In diesem Workshop-Abschnitt wird ein wenig bekanntes, aber äußerst wirkungsvolles Feature von ChatGPT vorgestellt: versteckte Shortcuts, die durch einfache Slash-Kommandos wie /executive summary, /checkliste oder /swot ausgelöst werden können. Diese Funktionen sind nicht offiziell dokumentiert, eröffnen aber neue Möglichkeiten für effiziente KI-Interaktion im Projektmanagement.

1. Was sind ChatGPT-Shortcuts?

Die Shortcuts (z. B. /checkliste, /swot, /reflektionsjournal) funktionieren wie Semantik-Trigger. Durch das Einfügen eines Slash-Kommandos innerhalb eines laufenden Chats liefert die KI strukturierte, rollenbasierte und direkt verwertbare Ausgaben – z. B.:

• Checklisten für Speakerakquise
• SWOT-Analysen für Projekte
• Executive Summaries
• Stakeholder-Matrizen
• Next-Actions-Übersichten

Der Vorteil: Der Nutzer spart sich lange Prompts. Die Shortcuts greifen auf den bestehenden Kontext des laufenden Chats zurück und liefern sofort einsetzbare Ergebnisse.

2. Anwendungsbeispiele im Workshop

Die Teilnehmenden erleben in Echtzeit, wie eine SWOT-Analyse für ein Eventprojekt erstellt wird. Die KI identifiziert dabei unter anderem Risiken wie Ressourcenengpässe oder Key-Man-Risiken sowie Chancen wie wachsende Nachfrage. Weitere Shortcuts erzeugen:

• eine Stakeholder-Matrix mit Einfluss-/Interessen-Klassifikation
• eine Next-Actions-Liste mit klaren Deadlines
• ein Reflektionsjournal mit individuellen und Team-bezogenen Lerneffekten

Der Trainer betont, dass diese Shortcuts besonders zeit- und nervensparend sind – insbesondere bei wiederkehrenden Aufgaben wie Planung, Analyse, Reflektion und Kommunikation.

3. Tieferer Nutzen und Integration

Die Shortcuts sind nicht als Ersatz für durchdachte Prompts gedacht, sondern als produktive Ergänzung. Sie helfen insbesondere bei Routinetätigkeiten, Initialanalysen oder als Denk- und Strukturhilfe. Zudem werden sie im Workbook umfassend dokumentiert (Seite 112–123), inkl. Anwendungsbeispiele für den Projektkontext.

Wichtig ist: Nutzer sollten die Resultate immer kritisch prüfen und anpassen – denn trotz Effizienz bleiben Kontext und Zielsetzung entscheidend.

Statusreport eines Projekts – Teil 01

Zusammenfassung: Teil 7

In diesem Abschnitt des Workshops steht die Erstellung eines professionellen Projektstatusberichts mit Hilfe von ChatGPT im Fokus. Der Trainer zeigt, wie Teilnehmende mit einem interaktiven Prompt durch einen geführten Dialog mit der KI einen vollständigen und strukturierten Statusbericht erzeugen können – inklusive Ampelfarben, Fortschrittsbewertung, Abweichungen, Risiken und Maßnahmen.

1. Ziel: Steuerung durch Status

Der Statusbericht dient als zentrales Steuerungsinstrument für das Projekt. Er soll regelmäßig erstellt und mit Stakeholdern wie Sponsoren (z. B. Birgit Körting) und dem Team geteilt werden. Die Struktur des Berichts orientiert sich an einem im Workbook hinterlegten Template (z. B. Seite 70) und wird im Chat über einen Prompt mit klaren Anweisungen umgesetzt.

2. Vorgehen: Frage-für-Frage-Dialog

Die KI stellt dem Nutzer Fragen zu:

• Häufigkeit und Zielgruppe des Berichts
• Projektfokus der aktuellen Woche
• Ampelfarben für Kosten, Zeit, Qualität
• Fortschrittsgrad (z. B. 30 %)
• Highlights und echte Fortschritte
• Abweichungen und deren Ursachen
• Risiken und Chancen
• Nächste Schritte und offene Entscheidungen

Der Nutzer antwortet mündlich oder schriftlich im Chat, die KI aggregiert daraufhin alle Informationen und liefert einen vollständigen, formatierbaren Statusbericht als Text.

3. Praxisnah und realistisch

Im Beispielprojekt werden typische Herausforderungen thematisiert: Rückstände bei Speakerakquise, fehlende Communitykommunikation, offene organisatorische Punkte. Die KI interpretiert Aussagen, ordnet Ampelfarben zu (z. B. Gelb für kritische Verzögerung), schlägt Maßnahmen vor und ergänzt um relevante Chancen (z. B. starke Marke, Signature Event).

4. Human-in-the-Loop

Nach Erstellung kann der Nutzer den Bericht direkt nutzen, manuell verfeinern oder anpassen. Ziel ist eine schnelle, ehrliche und differenzierte Darstellung des Projektstands – ohne leeres Blatt Papier, sondern gestützt durch Dialog und KI-Struktur.

Statusreport eines Projekts – Teil 02

Zusammenfassung: Teil 8

Dieser Abschnitt vertieft die Arbeit mit Statusberichten im Projektkontext – insbesondere, wie sie sich mit Hilfe von KI in Echtzeit erstellen, aktualisieren und auf neue Entwicklungen anpassen lassen.

1. Kontextwechsel: Folge-Status nach neuer Lage

Am Beispiel des Events JOOF X wird gezeigt, wie eine Woche nach dem ersten Statusbericht ein neuer Statusbericht generiert wird – unter Berücksichtigung aktueller Entwicklungen:

• Catering-Problem: Bäckerei Huck kann nur 100 statt 200 Personen versorgen – kurzfristige Suche nach Alternativen notwendig. Status: rot
• Erfolge in der Speaker-Akquise: Sieben neue hochkarätige Speaker zugesagt. Line-up fast komplett. Status: grün
• Technik-Angebote: Zwei Anbieter mit großen Preisunterschieden, Entscheidung steht an. Status: gelb

2. Praxisnahe Umsetzung

Der Trainer demonstriert, wie sich aus diesen Einzelfeedbacks und Stakeholder-Rückmeldungen direkt ein vollständiger neuer Statusbericht erstellen lässt – wieder KI-gestützt, mit klarer Struktur:

• Fortschritt geschätzt auf 45 %
• Ampelfarben je nach Themenbereich
• Maßnahmen dokumentiert
• Datenquellen ergänzt

So entsteht ein agiler Projektstatus, der aktuelle Veränderungen integriert – ohne wieder bei Null zu starten. Der Dialog mit der KI kann dabei mündlich oder schriftlich erfolgen. Auch Gedächtnisprotokolle oder Teamgespräche lassen sich als Grundlage für die Status-Erstellung nutzen.

3. Best Practices & Integration

• Baseline-Dokumente (Projektplan, Risikoregister, Arbeitspakete) sollten als Grundlage in den Chat geladen werden
• Neue Entwicklungen aus Mails, Gesprächen oder Protokollen einpflegen
• KI befragen, welche Auswirkungen diese Änderungen auf Zeit, Kosten und Qualität haben
• Ergebnis ist ein konsistenter, nachvollziehbarer Statusbericht – bereit zur internen oder externen Kommunikation

4. Erweiterte Nutzung: Telefonbots & Automation

In der Diskussion wird aufgezeigt, wie Telefonbots wie Fonio genutzt werden können, um automatisiert wöchentliche Statusabfragen durchzuführen – ideal für dezentrale Teams. Auch der Einsatz lokaler LLMs zur Wahrung der DSGVO-Konformität wird thematisiert.

Erfahrungen aus dem Publikum (z. B. lokale Installationen, Whisper Transcription) zeigen: Der Einsatz von KI in der Projektkommunikation ist nicht nur effizient, sondern auch individuell anpassbar – sei es über Bots, lokale Modelle oder vollständig manuelle Steuerung.

Statusreport eines Projekts / Metaprompt – Teil 03

Zusammenfassung: Teil 9

In diesem Workshop-Abschnitt geht es um die Transformation und Anpassung komplexer Metaprompts, wie sie häufig auf Plattformen wie LinkedIn kursieren. Der Trainer zeigt praxisnah, wie sich solche komplexen Prompts mit KI-Unterstützung umwandeln und an eigene Anwendungsfälle anpassen lassen – ohne tiefes Prompt-Engineering-Wissen.

1. Was ist ein Metaprompt?

Ein Metaprompt ist ein strukturierter, mehrstufiger Prompt, der die KI dazu bringt, in Phasen zu arbeiten – z. B. bei der Erstellung eines Meeting-Protokolls oder eines Statusberichts. Typisch sind:

• Rollenbeschreibung („Du bist…“)
• Arbeitsweise in Phasen (z. B. Vorlage validieren, Agenda erfragen, Transkript verarbeiten)
• Interaktive Rückfragen und Outputstruktur
• Ziel: strukturierter, prüfbarer Output (z. B. Protokoll, Status)

Der gezeigte Prompt stammt aus einem LinkedIn-Beitrag zur Meeting-Zusammenfassung. Der Trainer hat diesen übernommen, umgebaut und auf den eigenen Kontext angepasst – zunächst für Meeting-Protokolle, später für Statusberichte.

2. Live-Demonstration: Protokoll-Erstellung mit Metaprompt

In einem Live-Experiment wird ein real stattgefundenes Meeting mithilfe des Metaprompts strukturiert dokumentiert:

• Agenda, Transkript und Bildmaterial werden eingebunden
• Die KI extrahiert automatisch Sprecher, Agenda, Entscheidungen, Risiken, nächste Schritte etc.
• Auch ohne explizite Sprecherzuweisung erkennt die KI Rollen und Inhalte durch semantische Analyse

Erkenntnis: Mit dem richtigen Aufbau eines Prompts lassen sich Meeting-Inhalte aus Transkripten effizient und strukturiert aufbereiten, auch wenn keine klare Agenda vorliegt – die KI kann diese sogar aus dem Text heraus „reverse-engineeren“.

3. Transformation eines Metaprompts für andere Zwecke

Der Trainer zeigt, wie man aus einem bestehenden Metaprompt für Meeting-Protokolle einen Prompt für Projektstatusberichte generiert – durch:

• Austausch der Outputstruktur
• Modifikation der Arbeitsphasen
• Übernahme des bekannten Statusreport-Aufbaus (z. B. aus dem Workbook)

Wichtiger Hinweis: Die KI kann beim Umbau selbst unterstützen – durch den Auftrag „Passe diesen Prompt für meinen neuen Zweck an“. Ergebnis ist ein individuell einsetzbarer, interaktiver Super-Prompt für verschiedene Projektkontexte.

4. Wesentliche Learnings & Tools

• Gute Prompts brauchen nicht zwingend Rollenbeschreibung oder komplexe Formatierungen
• Einfache Prompts mit klarer Struktur, Beispiel, Kontext und Auftrag reichen oft aus
• Tools wie Whisper Transcription (Mac) und eTrain (Windows) helfen bei der Transkription
• Hemingway App kann zusätzlich genutzt werden, um Protokolle stilistisch zu überarbeiten
• Die Fähigkeit, bestehende Prompts zu verstehen, umzubauen und anzupassen, wird als Schlüsselkompetenz hervorgehoben

Der Abschnitt schließt mit einer Reflexion: Viele Teilnehmende bestätigen, dass ihnen der Metaprompt-Ansatz neue Möglichkeiten eröffnet – vor allem durch das Bewusstsein, mit KI auf Augenhöhe zu iterieren, statt blind Prompts zu übernehmen.

Selbstreflexion mit Journal und GPT

Zusammenfassung: Teil 10

In diesem Abschnitt wird das Selbstreflexionsjournal vorgestellt – ein praxisnahes Tool zur Klärung von Rolle, Zielen, Routinen und persönlichen Herausforderungen beim Start in neue Projekte oder Funktionen. Ziel ist es, sich strukturiert, bewusst und regelmäßig mit der eigenen Arbeit und Entwicklung auseinanderzusetzen – über 50 Tage hinweg.

1. Hintergrund & Anlass

Der Trainer berichtet aus eigener Erfahrung mit intensiven Projektrollen im Turnaround-Management: schnelle Einsätze, hohe Dynamik, wenig Zeit für persönliche Reflexion. Daraus entstand das Bedürfnis nach einem strukturierten Rahmen, der Raum für Selbstklärung bietet – gerade in Übergangsphasen.

2. Aufbau des Journals

Das Journal gliedert sich in:

• Einstiegsreflexionen zur eigenen Rolle, Erwartungen, Zielen, Verantwortlichkeiten, Stakeholdern, Routinen
• Tagesreflexionen: Morgens (Planung, Fokus, soziale Kontakte) und abends (Erkenntnisse, Aha-Momente, offenes To-do)
• Wöchentliche Impulse und Denkanstöße (z. B. Projectsquare, Blue Ocean, Führungsthemen)
• Zwei-Wochen-Reflexionen mit Ausblicken und persönlicher Standortbestimmung

Das Ziel: In 50 Tagen einen strukturierten Selbstcoaching-Prozess zu etablieren, der sowohl persönlich als auch professionell stärkt.

3. Anwendung mit KI

Teilnehmende können das Journal klassisch handschriftlich nutzen oder digital mit ChatGPT & Co. bearbeiten. Dafür wird ein Prompt auf Seite 95 des Workbooks vorgestellt, der die KI dazu bringt, Schritt für Schritt durch das Journal zu führen – gesprächig, kritisch und reflektierend. Auch ein Metaprompt existiert, der das gesamte Journal phasenbasiert strukturiert.

Wichtige Learnings:

• GPT als Sparringspartner im Reflexionsprozess – statt Coaching mit echten Personen
• Kontext ist entscheidend: KI neigt bei großen PDFs zur Halluzination, deshalb klare Struktur und schrittweises Vorgehen nötig
• Alternativen wie Gemini oder Claude bieten bessere Verarbeitung bei großen Dokumenten (höheres Kontextfenster)
• Tools wie NotebookLM oder Perplexity sind je nach Ziel ebenfalls sinnvoll

4. Technische Tipps

• Keine Custom GPTs notwendig – strukturierter Einstiegsprompt genügt
• Chats benennen (z. B. mit Emoji oder Label „Reflexion“) für Wiederauffindbarkeit
• Historie nutzen für Fortschrittsverfolgung
• KI auch als Konsistenz-Check: Welche Aufgaben wurden nicht reflektiert? Wo wurde etwas übersehen?

Fazit: Das Journal bietet nicht nur Klarheit über die eigene Rolle, sondern etabliert eine Reflexionsroutine, die mit und ohne KI zu mehr Fokus, Ausrichtung und innerer Ruhe führt – ideal für neue Rollen, Projektstarts oder Turnaround-Situationen.

Compliance & Datenschutz im Projektmanagement – Carsten Wittmann

Zusammenfassung: Teil 11

In diesem Gastbeitrag beleuchtet Carsten Wittmann, Experte für KI-Compliance und DSGVO, praxisnah und strategisch, wie Compliance in KI-Projekten von Anfang an mitgedacht werden muss – und warum es fatal ist, sie zu spät zu adressieren.

1. Warum Compliance in Projekte gehört

Carsten veranschaulicht, wie selbst erfolgreich umgesetzte Projekte scheitern können, wenn Datenschutz- oder KI-Regeln nicht erfüllt sind. Er betont:

• Compliance ist keine Aufgabe der Rechtsabteilung, sondern gehört zentral ins Projektmanagement.
• KI ist ein Verstärker – sowohl für Effizienz als auch für Risiko.
• Compliance ist kein Einmalereignis, sondern ein fortlaufender Prozess, der über alle Projektphasen hinweg gedacht werden muss.

2. Wichtige Gesetze & Regulierungen

• DSGVO: Weiterhin relevant, keine Änderungen durch KI, aber mit neuen Risiken durch externe Tools und Anbieter.
• EU AI Act: Neue Rollen, Pflichten und Klassifizierungen von KI-Systemen (z. B. Hochrisiko-KI mit CE-Zertifizierungspflicht).
• Weitere Compliance-Bereiche: Branchenspezifische Regulierungen, Informationssicherheit, Arbeitsrecht, interne Policies etc.

3. Rechtsgrundlagen für Datenverarbeitung

Carsten erläutert differenziert:

• Vertrag als solideste Grundlage (inkl. konkludenter Nutzung, z. B. Chatbot).
• Einwilligung notwendig bei sensiblen Daten (Artikel 9 DSGVO).
• Berechtigtes Interesse unter Abwägung betroffener Rechte.

Er mahnt: Ohne klare Rechtsgrundlage ist jedes Projekt unmittelbar gefährdet.

4. EU AI Act & Risikoklassifikation

• Verbotene KI-Anwendungen: Social Scoring, Emotionserkennung am Arbeitsplatz, Pre-Crime.
• Hochrisiko-KI: z. B. in Bildung, Justiz, kritischer Infrastruktur → strenge Dokumentation, CE-Zertifizierung.
• Begrenztes & minimales Risiko: Geringere Anforderungen, aber Kennzeichnungspflicht und Schulungspflicht.

5. Projektphasen & Compliance

• Initiierung: K.O.-Kriterien prüfen (z. B. DSGVO-Rechtsgrundlage, verbotene KI-Anwendungen), Aufwandstreiber identifizieren.
• Planung: Anforderungen aus gesetzlichen Prinzipien ableiten, in Tasks & Stories umsetzen, Stakeholder einbinden.
• Durchführung: Umsetzung & Nachweis durch Audit-Trails, Testprotokolle, Change-Requests dokumentieren.
• Abschluss: Projekt- und Nutzdaten löschen, Compliance offen übergeben, Lessons Learned dokumentieren.

6. Tools & Anbieter im Vergleich

• Microsoft Azure OpenAI: DSGVO-konform bei EU-Hosting.
• OpenAI direkt: aktuell nicht DSGVO-konform, außer über Enterprise-Vertrag mit „Zero Data Retention“.
• Hedy & Fonio: Potenziell konform, aber abhängig von Konfiguration und Funktionen (z. B. Cloudnutzung = USA-Transfer).
• Bewertungskriterien: Datenverarbeitung, Speicherort, AVV, Trainingsdaten, Transparenz, Opt-out-Möglichkeiten, Support.

7. Rechtliche Risiken & Haftung

• Projekte brauchen klare vertragliche Abgrenzung (z. B. bei Partnerschaften mit riskantem KI-Verhalten).
• Berater haften nicht automatisch, sollten aber klare Empfehlungen dokumentieren, keine Rechtsberatung geben.
• Tools wie Custom GPTs sind rechtlich kritisch, aber nutzbar, wenn Verantwortlichkeiten sauber definiert sind.

8. Praktische Empfehlungen

• Von Anfang an: Compliance im Scope berücksichtigen
• Compliance-Stakeholder identifizieren und einbinden
• KI-Tools nach DSGVO-Konformität prüfen (nicht nur nach Funktion)
• Vertragliche Klarheit bei Partnerschaften mit unterschiedlichem Risikoverständnis
• Aufklärung & Schulung der Mitarbeitenden zur KI-Kompetenz (auch im Sinne des EU AI Act)

Telefonbot – Lessons Learned und PMO 1. St Level Support

Zusammenfassung: Teil 12

In diesem Abschnitt des Workshops wird die Plattform Fonio vorgestellt – ein Tool zur Erstellung von KI-basierten Telefonbots, die sowohl automatisiert anrufen (Outbound) als auch Anrufe entgegennehmen (Inbound) können. Ziel ist es, Kommunikationsprozesse im Projektalltag zu entlasten, Feedback einzuholen und repetitive Aufgaben zu automatisieren – DSGVO-konform und ohne Entwicklerkenntnisse.

1. Funktionsweise & Architektur

• Single-Prompt-Logik statt starrer Gesprächsflows.
• Bot wird mit Ziel, Rolle, Ablauf und Informationen in Markdown konfiguriert.
• Erkennt 30+ Sprachen automatisch.
• Nutzt Prompts, PDF-Dokumente (max. 20 MB) und externe Datenquellen via API (z. B. Notion, CRMs).
• Optional können Benutzereingaben an Drittsysteme übergeben oder daraus abgefragt werden.

2. Einsatzszenarien im Projektmanagement

• Statusberichte: Bot ruft Teammitglieder an und fragt Fortschritt, Risiken, Blocker ab → Transkript als Statusreport.
• Lessons Learned: Projektabschlussfeedback wird automatisch eingesammelt und dokumentiert.
• Projekt-FAQ: Inbound-Bot informiert über Projektstatus, Termine oder Ansprechpartner.
• Vertrieb / Recruiting: Erste Informationen oder Termine können automatisiert vermittelt werden.
• Simulationstrainings: Rollenspiele mit Vertrieb oder Bewerbern.

3. DSGVO & rechtliche Hinweise

• Fonio verarbeitet Daten in Europa – dennoch: aktive Einwilligung erforderlich, da Gespräche transkribiert werden.
• Empfohlene Ansage:

„Hallo, ich bin ein digitaler Assistent basierend auf Künstlicher Intelligenz. Dieses Gespräch wird zu Qualitätszwecken aufgezeichnet.“

• Audio kann optional gelöscht werden, Transkript bleibt notwendig.
• Anonymisierung von Rufnummern möglich (z. B. via Make oder anderen Tools).
• Heikle Inhalte vermeiden: Bot sollte keine medizinischen, rechtlichen oder vertraglichen Aussagen treffen.

4. Technische Besonderheiten & Hinweise

• Eigene Stimme (z. B. via ElevenLabs) ist technisch möglich, aber nicht DSGVO-konform (USA-Hosting).
• Bots sollten keine E-Mail-Adressen erfragen, da fehleranfällig – SMS oder Rückruf anbieten.
• Reaktionszeit (Latenz) ist bei Fonio sehr niedrig – ein klarer Vorteil gegenüber anderen Tools.
• Backendsystem ist intuitiv bedienbar, keine Programmierkenntnisse notwendig.

5. Kosten & Integration

• Startpreis: ab 9 €/Monat pro Telefonnummer.
• Transkriptionskosten abhängig von Volumen.
• Integration in Automationsstrecken (z. B. Make, Google Sheets, CRMs) möglich.
• Ideal für kleine Pilotprojekte, wiederkehrende Abfragen oder unterstützende PM-Kommunikation.

Fazit: Fonio ermöglicht es, mit geringem Aufwand leistungsfähige KI-Telefonbots aufzusetzen, die echten Mehrwert für Projekte liefern – von der Informationsverteilung bis hin zur strukturierten Feedbacksammlung.

Miro

Zusammenfassung: Teil 13

In diesem Abschnitt wird die visuelle Zusammenarbeit mit Miro im Projektmanagement vertieft. Miro ist ein digitales Whiteboard-Tool, das durch neue KI-Funktionen deutlich an Dynamik und Relevanz gewonnen hat. Der Fokus liegt auf der Integration von Projektinhalten in Miro und dem Einsatz von Miro AI zur Analyse, Strukturierung und Ableitung von Maßnahmen – schneller und kollaborativer als klassische Methoden.

1. Miro als kollaboratives Projekt-Cockpit

• Nutzung von Miro als zentrale Arbeitsoberfläche: Projektcharta, Business Case, Stakeholder-Matrix, Projektplan und Work Breakdown Structure werden direkt auf das Board gezogen.
• Inhalte aus früheren Workshopteilen (z. B. GPT-generierte Dokumente) werden in Miro eingebettet und weiterverarbeitet.
• Teilnehmende können auf dem Board mitarbeiten – ideal für verteilte Teams oder hybride Workshops.

2. Miro AI & automatische SWOT-Analyse

• Dokumente markieren → KI-Button aktivieren → SWOT-Analyse generieren
• Die KI analysiert den Inhalt und erzeugt Sticky Notes zu Stärken, Schwächen, Chancen und Risiken.
• Farbkodierung (z. B. grün für Stärken, rot für Schwächen) visualisiert die Analyse direkt im Canvas.
• Zusatzfunktionen wie Clustering nach Themen oder Sentiment erleichtern die Auswertung.

3. Maßnahmen ableiten & To-do-Listen erstellen

• Auf Basis der SWOT-Analyse können per Prompt Maßnahmenpläne mit Verantwortlichkeiten, Terminen und Prioritäten erstellt werden.
• Miro erzeugt automatisch formatierte Tabellen mit Dropdowns für Status, Zieldatum, Verantwortliche – direkt im Board editierbar.

4. Konsistenzprüfung mit Miro AI

• Mehrere Dokumente können auf Inkonsistenzen geprüft werden (z. B. abweichende Budgets, nicht definierte Zeiträume).
• Die Ergebnisse sind teilweise weniger präzise als in GPT, aber nützlich für eine erste Qualitätskontrolle.

5. Sidekicks: Custom GPTs innerhalb von Miro

• Miro ermöglicht die Erstellung sogenannter Sidekicks – das sind KI-Assistenten, die wie Custom GPTs funktionieren.
• Sidekicks unterstützen bei wiederkehrenden Aufgaben (z. B. Roadmaps erstellen, Inhalte analysieren, Zusammenfassungen generieren).
• Funktion ist derzeit nur im Business-Plan mit Early Access aktiv – nicht in allen Accounts verfügbar.

6. Diskussion zu Alternativen: FIGJam, Conceptboard, Mural

• FIGJam (von Figma): Sehr gutes UI, aber aktuell keine KI-Funktionen integriert.
• Conceptboard: DSGVO-konform, aber noch ohne KI.
• Fazit: Aktuell ist Miro im Bereich KI-Integration führend, insbesondere durch Automatisierung, Analyse und flexible Nutzung.

Fazit: Miro entwickelt sich mit KI-Funktionen zur vollwertigen Plattform für visuelles, KI-gestütztes Projektmanagement – von der Dokumentenablage über Analyse bis zur Maßnahmenumsetzung. Teams sparen Zeit, arbeiten visuell und nutzen KI genau dort, wo sie Mehrwert bringt.

Free Flow

Zusammenfassung: Teil 14

Der letzte Abschnitt des Workshops verläuft im offenen Free-Flow-Format. Teilnehmende erhalten die Möglichkeit, individuelle Fragen zu stellen, Impulse zu geben und sich zu spezifischen Projektsituationen auszutauschen. Dabei wird deutlich: Der Workshop endet nicht mit einem fixen Abschluss, sondern geht in eine aktive Weiterführung des Gelernten über.

1. Individuelle Fragen & Rückblicke

• Teilnehmerinnen reflektieren ihre Lernfortschritte und Herausforderungen („Ich wäre gerne weiter“, „Ich merke, was ich alles noch nicht weiß“).
• Der Trainer reagiert mit Wertschätzung und Humor, unterstreicht die Bedeutung des eigenen Weges – u. a. mit einem Videoimpuls: „Wenn du denkst, du kommst nicht voran, schau zurück – du warst mit Vollgas unterwegs.“
• Persönliche Beziehungen und Community-Aspekte bekommen Raum, z. B. durch Hinweise auf entstandene Kollaborationen und Unterstützungsangebote innerhalb des Netzwerks.

2. Support-Themen: Fonio & Zugriffsprobleme

• Ein praktisches Problem wird aufgegriffen: Zugriff auf einen früher erstellten Fonio-Telefonbot ist nicht mehr möglich.
• Das Team versucht, den Zugang gemeinsam nachzuvollziehen und empfiehlt, sich direkt an den Fonio-Support zu wenden – inklusive Telefonnummer, Account-Infos und User-ID.
• Hinweis: Bei inaktiven Bots kann es sein, dass Guthaben aufgebraucht oder Nummer deaktiviert wurde – auch das gehört zum PM-Alltag mit KI.

3. Tool-Tipps zur Projektstruktur & -dokumentation

• Diskussion über Tools zur zentralen Organisation von Projektdokumenten und automatischer Status-Visualisierung:
  • Dropbox: zentrale Dateiablage, direkt nutzbar in Verbindung mit ChatGPT-Company-Knowledge.
  • Notion: bei vielen im Einsatz, strukturiert und KI-erweiterbar.
  • SharePoint mit Microsoft CoPilot: Besonders leistungsfähig in Kombination mit CoPilot Pro und sauber gepflegter Datenstruktur.
• Erfahrungsbericht eines Teilnehmers aus dem Konzernumfeld:
  • SharePoint bietet mit CoPilot Zugriff auf Outlook, Teams, OneNote, interne Dateien und strukturierte Antwortgenerierung.
  • Voraussetzung ist Datenkultur: Inhalte müssen richtig abgelegt, benannt und geteilt sein, um referenziert werden zu können.

4. Dank, Feedback & Ausblick

• Die Teilnehmenden bedanken sich für Inhalte, Atmosphäre und Inspiration.
• Gelobt werden insbesondere:
  • die KI-Shortcuts,
  • das Workbook,
  • der Workshopaufbau („Druckbetankung gleich liebevolle Umarmung“),
  • der Austausch in der Community.
• Der Trainer gibt einen Ausblick auf weitere Formate:
  • LinkedIn-Challenge (17.11.)
  • Kickstart (06.12.)
  • Online-Kurs-Building (13.12.) – in 10 Stunden zur eigenen Akademie.

Der Workshop endet mit humorvollem und menschlichem Ausklang – geprägt von Danksagungen, positiver Energie und dem klaren Signal: Die gemeinsame Reise mit KI im Projektmanagement geht weiter.