KI-Denkraum 2026 – Was die parallelen Sessions ergeben haben

7 min.

Summary

Am Samstag, 7. November 2026, hat der KI-Denkraum als kostenloses Online-Barcamp stattgefunden. Die Tagesordnung entstand am Morgen aus den Fragen und Impulsen der Runde. Im Abschlussplenum kamen die parallelen Räume wieder zusammen: Die Hosts fassten ihre Sessions in wenigen Sätzen zusammen, die Teilgebenden hielten fest, was sie mitnehmen, und der nächste Termin steht fest. Der KI-Denkraum 2027 findet am Samstag, 6. November 2027, wieder online und kostenlos statt.

Ein Barcamp, keine Konferenz

Im Mai habe ich den Tag unter dem Titel Ein Denkraum für Künstliche Intelligenz angekündigt. Es sollte kein Tag mit festgelegten Vorträgen werden, sondern ein Barcamp: Wer kommt, denkt mit.

Leo Widmann hat als Co-Moderator unterstützt. Wir haben Microsoft Teams und ein gemeinsames Mural-Board genutzt. Zuerst ging es um das Werkzeug, dann um die Spielregeln.

Ein Barcamp arbeitet mit Teilgebenden, nicht mit Publikum. Wer da ist, ist die richtige Person, auch in einer kleinen Runde. Nach dem Gesetz der zwei Füße darf jede und jeder eine Session verlassen, wenn nichts mehr beizutragen ist. Sessions beginnen pünktlich, das Ende ist flexibel.

Ergänzende Links gehören in die Session-Dokumentation im Mural, nicht nur in den Chat. Klassische Vorträge ohne Interaktion und Produkt- oder Werbepitches waren nicht vorgesehen.

Es gab drei Sessionformen: einen kurzen Impuls mit anschließender Diskussion, einen Workshop oder eine offene Diskussion. Die Sessions waren auf 40 Minuten angelegt.

Am Morgen haben sich die Teilgebenden im Mural vorgestellt, ihre Ideen auf Karten geschrieben, sie reihum gepitcht und gemeinsam den Sessionplan gebaut.

Der Tag war in fünf Session-Slots gegliedert, dazwischen gab es eine Mittagspause. Es liefen bis zu vier parallele Räume. Eine Kaffeeecke und ein Raum für technische Hilfe waren den ganzen Tag geöffnet.

Am Morgen hatte ich gesagt, ein Barcamp sei eine Aneinanderreihung verpasster Chancen. Genau deshalb gab es am Ende ein Abschlussplenum: damit alle hören konnten, was in den parallelen Räumen geschehen war, und später entscheiden können, welche Dokumentationen sie nachlesen wollen.

Alles, was am Tag gezeigt wurde, steht unter der Lizenz CC BY 4.0. Die Videos sind noch nicht online; Zusammenfassungen stelle ich so schnell wie möglich zur Verfügung.

Was die Sessions ergeben haben

Die Hosts haben ihre Sessions im Abschlussplenum in wenigen Sätzen Revue passieren lassen. Die folgenden Zeilen verdichten diese Rückblicke.

Im ersten Slot fasste Manuela Queisser das Board of Excellence so zusammen: Ein Erfahrungsbericht aus der Runde holte die Idee eines KI-Beirats auf den Boden. Er kostet viel Zeit, lohnt sich aber besonders fürs Brainstorming.

Bei Leonie Walter und Markus Walter war die Diskussion kontrovers. Eine Position lautete, KI mache Beratung überflüssig. Andere sahen Chancen in Erfahrung, Einordnung und Begleitung. Eine Erkenntnis war, dass Kompetenz für Kunden erkennbar sein muss. Das zählt für Positionierung und Vertrauen.

Karl Kotté berichtete von Erfahrungen mit einem Second Brain. Nur wenige in der Runde hatten damit schon eigene Praxis. Im Austausch zeigte sich, dass Alternativen mehr Rechenleistung zu Hause brauchen. Er will 2027 vielleicht über die Praxis berichten.

Im zweiten Slot ging es bei Manuela Queisser um KI im Marketing. Anzeigen in KI-Werkzeugen sind möglich, aber es gibt kaum Erfahrungen und noch keine Daten, wer welches Werkzeug warum nutzt.

Volker Pauling und Karl Kotté fassten die gemeinsame Session „KI als PM-Mitarbeiter“ so zusammen: Wichtiger wird, der KI den passenden Kontext bereitzustellen, also Context Engineering. Experimente brauchen eine Governance für Datenschutz und Unternehmenswissen, verantwortet vom Top-Management. Karl Kotté ergänzte für sein Arbeitsumfeld eine Spielwiese ohne echte Kundendaten.

Im dritten Slot diskutierte Michael Binzen unter dem Titel „KI, die letzte Erfindung?“. Potenzial und Risiken sind enorm. Nutzende haben gleichwohl wenig Einfluss, weil der Wettlauf zwischen US-Konzernen und zwischen den USA und China eine kaum zu bremsende Eigendynamik hat.

Christian Schlaghuber beschrieb KI als Fluch und Segen zugleich. Die Runde setzte auf echte Communities, auf menschliche Stärken wie Führung und Validierung und auf Selbstverantwortung statt auf die Politik.

Im vierten Slot zeigte Thomas Pargen, dass man mit KI schlauer werden kann, wenn man sie als Coach und Sparringspartner nutzt. Man versteht mehr, macht schneller Fehler und lernt schneller daraus.

In der Session „Anthropic sagt nein, was nun?“ drehte es sich vor allem um lokale Modelle.

In meiner Session „12 Kollegen. Kein Mensch“ ging es darum, KI-Agenten wie Mitarbeitende zu behandeln: mit Rollen, Strukturen, Governance und Zielen wie OKRs. Das liegt daran, dass ihr Wissen auf menschlichen Texten beruht.

Im fünften Slot erklärte Dirk Murschall KI-Agenten aus Anwendersicht, unter anderem am Beispiel von OpenClaw. Agenten sind im Kern zeitgesteuerte Prompts, die sie sich selbst schreiben. Mit einer eigenen Persönlichkeit über den Systemprompt werden sie zum Sparringspartner, der einen auch auf den Boden holt.

Michael Binzen stellte Semantic Anchors vor, einen offenen Katalog mentaler Bausteine für Prompts. Der Katalog ist stark gewachsen, verbunden mit dem Appell, fehlende Konzepte selbst beizutragen. Der Initiator hat sich von einer KI eine komfortable Website bauen lassen, auf der man per kleinem Chat-Prompt passende Einträge vorgeschlagen bekommt. Die Katalog-Website ist unter Semantic Anchors erreichbar.

Sandra Bartsch-Beuerlein sprach über KI-Implementierung als Projekt. Eine KI-Telefonassistenz ist nicht in 30 Sekunden eingeführt: Sobald mehrere Menschen sie nutzen, ändern sich Prozesse. Das braucht Projekt- und Change-Management.

Was im Abschlussplenum zusammenkam

Zu Beginn des Abschlussplenums gab es einige Minuten stille Arbeit im Mural. Jede und jeder sollte festhalten, was der Tag gebracht hat, wie zufrieden sie oder er mit dem Barcamp war und ob eine erneute Teilnahme infrage kommt.

Bei der Frage nach der Weiterempfehlung lagen nach meiner Einschätzung alle Punkte im grünen Bereich. Ich habe mich für die vielen positiven Rückmeldungen bedankt und mich gefreut, dass viele im nächsten Jahr wieder dabei sein wollen.

Die Haftnotizen, die ich vorgelesen habe, zeichnen ein einheitliches Bild: Stoff zum Nachdenken, sinnvoll genutzte Zeit für den Austausch, eine Einordnung, wo man im Vergleich zu Kolleginnen und Kollegen steht, und konkrete Vorhaben.

Genannt wurden außerdem verschiedene Ansätze, KI zu nutzen, Mut, das eigene digitale Team weiter zu personalisieren, sowie neue Impulse, Perspektiven und Einblicke in die Arbeit anderer. Dazu kamen viele neue Kontakte.

Was beim nächsten Mal anders sein soll, lautete bei mehreren Rückmeldungen sinngemäß „so wie heute“ oder „passt so“. Ein konkreter Wunsch waren praktische Sessions, in denen man gemeinsam Dinge ausprobiert. Ich habe angeboten, solche Sessions auch unter dem Jahr zu organisieren.

Ein weiterer Punkt betraf mehr Kenntnisse in der Anwendung von Mural.

Im Chat bedankten sich viele Teilgebende für das Barcamp, die Moderation und einen Tag mit offenem Austausch, Ideen, Impulsen und Tipps, auch für geteilte Bedenken sowie für Empfehlungen und Buchtipps.

Eine Stimme beschrieb, wie die Energie des Morgens in die verschiedenen Sessions geflossen sei. Eine andere schrieb, der Tag mache Lust auf mehr. Eine dritte will die Information an Interessierte weitergeben.

An den Rückblick zur KI-Implementierung schloss sich eine kurze Diskussion an. Eine Stimme hielt es für selbstverständlich, dass sich mit einem neuen Werkzeug auch Prozesse ändern.

Eine andere Stimme beschrieb aus Großunternehmen, wie überrascht Führungskräfte immer wieder vom Aufwand des menschlichen Change Managements sind, also von der Frage, wie man die Menschen mitnimmt. Weil sich der Effekt nicht direkt messen lasse, gelte er oft nur als Kostenfaktor.

Was ich daraus mitnehme

In meiner eigenen Session habe ich versucht weiterzugeben, dass Agenten Struktur brauchen wie Mitarbeitende: Rollen, Ziele, Regeln. Ihr Wissen stammt aus menschlichen Texten. Deshalb kommen sie mit Formen zurecht, die auch für Menschen gedacht sind.

Führung bekommt damit eine doppelte Aufgabe: die Verantwortung für Agenten zu klären und die veränderte Zusammenarbeit der Menschen zu gestalten. Technische Möglichkeiten allein beantworten diese Organisationsfragen nicht.

Drei Rückblicke aus verschiedenen Sessions passen zu dieser Einordnung. In der gemeinsamen Session von Volker Pauling und Karl Kotté ging es um Governance und eine Spielwiese ohne echte Kundendaten. Sandra Bartsch-Beuerlein zeigte, dass eine Einführung mehr ist als eine Installation, sobald mehrere Menschen ein Werkzeug nutzen. Leonie und Markus Walter hielten fest, dass Kompetenz erkennbar sein muss, gerade wenn Wissen leicht verfügbar wird.

Der nächste KI-Denkraum

Der nächste KI-Denkraum findet am Samstag, 6. November 2027, wieder online und kostenlos statt. Die Anmeldung zum KI-Denkraum 2027 ist bereits geöffnet. Wer sich früh registriert, bekommt rechtzeitig eine Mail und kann den Termin blockieren. Eine spätere Absage ist kein Problem.

Wer den Tag gut fand, darf den Link an Kolleginnen, Kollegen und Bekannte weitergeben. Kontaktdaten gebe ich nicht weiter.

Über den Newsletter informiere ich zwischen den Barcamps. Wer eine Idee für eine gemeinsame Ausprobier-Session hat, kann sie an mich schicken oder in der WhatsApp-Gruppe der Teilgebenden posten. Solche Sessions kündige ich dann im Newsletter an, damit weitere Interessierte dazukommen können. Aktuelle Informationen stehen auch auf der Website des KI-Denkraums.

Ein Barcamp bleibt eine Aneinanderreihung verpasster Chancen. Videos folgen.

Wie macht man den Nutzen von Change Management sichtbar, wenn er sich nicht direkt messen lässt?

Gerne meinen kostenlosen Newsletter abonnieren. Und auf Mastodon, Threads, Bluesky, LinkedIn und Instagram mitlesen.

Quellen

Human in the Loop – Führung, wenn Intelligenz überall ist

6 min.

Summary

Was bedeutet „Human in the Loop“, wenn ein KI-System mehr Informationen und mehr Argumentationsstränge berücksichtigt, als ein Mensch nachvollziehen kann? Diese Frage habe ich dem Futuristen Kevin Benedict am 29. Oktober gestellt. Seine ehrliche Antwort: eine der großen ungelösten Fragen. In seinem neuen Buch zeigt er aber, wohin die Verantwortung wandert. Nicht weg vom Menschen, sondern nach vorn, vor die eigentliche Entscheidung.

Wie kam es zu diesem Beitrag?

Kevin Benedict ist Futurist bei Tata Consultancy Services und schreibt seit Jahren über Technologie, Zukunft und Führung. Im September ist sein Buch „The Future of Human Leadership: When Intelligence Is Everywhere“ erschienen. Am 29. Oktober habe ich seine Masterclass „Human Leadership in a Machine-Intelligent World“ gehört, die genau dieses Buch zum Inhalt hatte.

In der Fragerunde habe ich ihm eine Frage gestellt, die mich beschäftigt. Ich habe sie auf Englisch gestellt, hier in meiner Übersetzung: „Was machen wir mit all den regulierten Bereichen, in denen Human in the Loop Pflicht ist? Ich finde es manchmal schwierig zu entscheiden, ob das KI-Ergebnis tatsächlich besser oder schlechter ist als das, was wir vorher hatten. Gerade Modelle, die schrittweise schlussfolgern, können viel breiter denken und mehrere Argumentationsstränge berücksichtigen, denen ein Mensch vielleicht gar nicht mehr folgen kann. Würden wir uns nicht selbst beschränken, wenn wir uns nur auf menschliches Urteil verlassen? Wie siehst du das?“

Das Paradox der Kontrolle

Benedict nannte das eine enorme Herausforderung ohne einfache Antwort. Ich gebe seine Antwort hier sinngemäß wieder, nicht wörtlich. KI kann weit mehr Informationen einbeziehen als ein einzelner Mensch, der sich vor allem auf Ausbildung, Erfahrung, Praxis und Tradition stützt. Trotzdem soll gerade dieser Mensch prüfen und entscheiden. In regulierten Kontexten bleibt er nötig, weil sich Verantwortung und Rechenschaft nicht an eine Maschine delegieren lassen.

Sein Beispiel: Jemand übernimmt eine Rolle neu. Diese Person war an der Entwicklung des Algorithmus oder des Entscheidungsbaums nicht beteiligt. Für dessen Entscheidungen verantwortlich ist sie trotzdem. Eine fertige Lösung dafür hatte Benedict nicht. Er sieht darin eine der großen offenen Führungs- und Governance-Fragen der KI-Zeit.

Allgemeiner hat er das Problem in einem Gespräch mit Ronald Worman beschrieben. Worman gibt es in seinem Blogbeitrag dazu so wieder: Die Geschwindigkeit, mit der Folgen eintreten, beginne die Geschwindigkeit des Verstehens zu überholen.

Die Regulierung kennt das Problem. Die EU-KI-Verordnung verlangt in Artikel 14 für Hochrisiko-Systeme menschliche Aufsicht, anwendbar je nach Art des Systems ab Dezember 2027 bzw. August 2028. Die zuständigen Personen sollen in die Lage versetzt werden, Fähigkeiten und Grenzen des Systems zu verstehen. Sie sollen sich der Neigung bewusst bleiben, sich zu sehr auf seine Ergebnisse zu verlassen, dem sogenannten Automatisierungsbias. Und sie müssen Ergebnisse übergehen und das System anhalten können.

Das ist ein hoher Anspruch. Je besser ein Modell argumentiert, desto schwerer wird die Prüfung im Einzelfall. Wer nur noch abnickt, ist formal in der Schleife. Faktisch ist er es nicht.

Die Entscheidung wandert nach vorn

In seinem Buch geht Benedict einen Schritt weiter als in der Fragerunde. Auf LinkedIn zitiert er daraus einen Satz: „Autonomie schafft die menschliche Entscheidung nicht ab. Sie verlagert sie.“ (eigene Übersetzung)

Wohin, beschreibt er in einer Kurzfassung des Buchs auf seinem Blog. Menschliche Aufsicht könne nicht wirksam sein, wenn Menschen erst eingebunden werden, nachdem die wichtigen Entscheidungen schon gefallen sind. Mit wachsender Autonomie rücke Führung oft eine Ebene höher, über die Schleife. Dort legt sie fest, bevor ein System arbeitet (seine Aufzählung, von mir in Fragen zusammengefasst):

  1. Zweck. Welches Problem soll das System lösen, und wem dient es?
  2. Befugnisse und Grenzen. Was darf das System selbst entscheiden und was nicht?
  3. Eskalation und Stopp. Wann muss ein Mensch übernehmen, und wer darf das System anhalten?
  4. Prüfung. Wie wird kontrolliert, ob die Ergebnisse stimmen?
  5. Reparatur und Einspruch. Wie werden Fehler korrigiert, und wie können Betroffene widersprechen?

Er hält dort fest: „Operative Autonomie lässt sich delegieren, moralische Verantwortung kann nicht einfach verschwinden.“ (eigene Übersetzung)

In der Masterclass hat er für diese Verschiebung, sinngemäß nach meinen Notizen, ein Bild aus der Luftfahrt verwendet. Die Brüder Wright steuerten ihr Flugzeug noch unmittelbar mit dem eigenen Körper und Seilzügen. In einem modernen Kampfjet wie der F-35 verarbeitet Software so viele Sensordaten, dass der Pilot nicht mehr jede Bewegung selbst steuert. Er überwacht das System und führt die Mission. Den Gedanken hat Benedict schon 2021 in einem Artikel über Komplexität und Denken angelegt.

Verantwortung braucht Information, Zeit und Befugnis

Ein Satz aus Benedicts Text zur Entstehung des Buchs trifft meine Frage direkt. Wer verantwortlich ist, braucht nach Benedict „die Informationen, die Zeit und die Befugnis, eine Empfehlung zu hinterfragen, einen schädlichen Ablauf zu stoppen oder die Richtung zu ändern“ (eigene Übersetzung).

Sein Beispiel mit der neu besetzten Rolle zeigt, wo das scheitert. Wer die Entscheidungslogik nicht kennt, trägt Verantwortung ohne Information.

Dazu kommt die Zeit. Benedict unterscheidet vier Uhren: die digitale Zeit, in der Systeme arbeiten, die menschliche Zeit zum Lernen, Vertrauen fassen und Erholen, die erinnerte Vergangenheit, die Menschen in jede Veränderung mitbringen, und die Zukunftszeit, also Erwartungen und Versprechen, die beeinflussen, wozu Menschen heute bereit sind. Er veranschaulicht das so: Ein System lässt sich an einem Wochenende einführen. Die Beschäftigten brauchen Monate, bis sie ihm vertrauen.

Und es geht um Energie. Benedict spricht von Einheiten transformativer Energie („Transformational Energy Units“). Gemeint ist die begrenzte Kraft, die Menschen für Anpassung zur Verfügung haben. Mehrere Veränderungen gleichzeitig ziehen aus demselben Vorrat. Die „Einheiten“ seien keine exakte Messung, schreibt er, sondern sollen die Belastung besprechbar machen. Daraus folgt für mich: Wer erschöpft ist, prüft schlechter. Auch das gehört zu einer ehrlichen Antwort auf Human in the Loop.

Was heißt das für Projekte?

In meinem GPM Focus Workshop zu Führung im KI-Zeitalter im März 2026 in Frankfurt hat ein Teilnehmer es so zusammengefasst: „Accountable ist immer der Mensch. Responsible kann Mensch oder KI sein – abhängig von Aufgabe und Komplexität.“ Ich habe das in meinem Beitrag Projektmanager im Jahre 2036 zitiert. Benedicts Buch ergänzt, was dafür nötig ist. Für Projekte lassen sich daraus vier Konsequenzen ableiten.

  1. Entscheidungsrechte gehören in den Projektauftrag. Für jeden KI-gestützten Ablauf sollte feststehen, wer empfiehlt, wer entscheidet, wer überschreiben darf und wer anhält. Das ist eine erweiterte Verantwortungsmatrix, keine IT-Frage.
  2. Übergaben umfassen die Entscheidungslogik. Wechselt eine Rolle, reicht die Übergabe von Aufgaben nicht. Die neue Person braucht Zweck, Annahmen, Schwellenwerte und bekannte Grenzen des Systems.
  3. Die Prüftiefe richtet sich nach der Tragweite. In der Masterclass empfahl Benedict sinngemäß, Reaktionszeiten nach Risiko, Umkehrbarkeit und Tragweite zu unterscheiden. Kleine, umkehrbare Entscheidungen dürfen schnell laufen. Weitreichende brauchen Zeit und mehrere Perspektiven.
  4. Veränderungen werden nach Belastung geplant. Nicht nur je Projekt, sondern kumuliert je Rolle und Zeitraum. Sonst trifft die fünfte Einführung im Quartal auf Menschen, die keine Kraft mehr zum Prüfen haben.

Was bedeutet das für die nächsten Jahre?

Ab hier ist es meine Einschätzung, keine gesicherte Entwicklung.

Human in the Loop wird sich vermutlich in zwei Aufgaben teilen. Die Prüfung im Einzelfall bleibt dort, wo ein Mensch das Ergebnis noch beurteilen kann. Daneben wächst die Arbeit über der Schleife: Zweck, Grenzen, Stopp-Kriterien und Reparaturwege festlegen, bevor das System läuft. Diese zweite Aufgabe ist näher am Projektmanagement als an der Technik.

Für die Qualifizierung heißt das, dass sie diese Gestaltung prüfen müsste. Damit sind wir bei der Frage aus meinem Beitrag KI und die Zukunft der PM-Zertifizierung. Urteilsvermögen zeigt sich eher im Gespräch als im Dokument.

Meine Ausgangsfrage bleibt offen, und Benedict hat das auch nicht anders behauptet. Wenn ein Modell Argumentationsstränge verfolgt, die kein Mensch mehr nachvollzieht, hilft keine Unterschrift unter dem Ergebnis. Dann hilft nur, vorher zu entscheiden, wofür das System da ist und wann es anhalten muss.

Human in the Loop ist kein Platz im Prozess. Es ist eine Verantwortung, die vor dem ersten Ergebnis beginnt.

Wer darf in unseren Projekten ein KI-System anhalten – und woran erkennt diese Person, dass es nötig ist?

Gerne meinen kostenlosen Newsletter abonnieren.

Quellen

Extreme Szenarien und Pre-Mortem – Zukunftsmethoden für Projekte

7 min.

Summary

Am 20. Oktober hat Peter Kennedy von der Futures Strategy Group gefragt, ob wir heute extremere Szenarien brauchen. Wenige Tage vorher hat das Belfer Center der Harvard Kennedy School ein Pre-Mortem zu einem KI-Großschadensereignis veröffentlicht. Beide Methoden denken von einer Zukunft aus, die niemand planen möchte. Meine These ist, dass wir in Projekten und in der Strategiearbeit zu nah an der Gegenwart planen, und dass genau diese beiden Methoden dagegen helfen.

Warum gerade jetzt?

Kennedy beschreibt ein Gefühl, das viele kennen. Die Wirklichkeit scheint selbst die radikalsten Szenarien zu überholen. Covid-19, politische Spaltung, jetzt KI. Die naheliegende Reaktion ist, den Kopf einzuziehen, große Entscheidungen zu vertagen und abzuwarten, bis sich alles beruhigt.

Seine Antwort ist deutlich. Es beruhigt sich nicht. Vorhersagen nennt er in der strategischen Planung ein „losing endeavor“, also ein aussichtsloses Unterfangen. Klug planen könne man jenseits der nahen Zukunft nur, wenn man annimmt, dass die Zukunft grundlegend anders wird und das eigene Geschäftsmodell infrage stellt.

Fast zeitgleich hat das Belfer Center einen anderen Weg gewählt. Statt viele Zukünfte zu entwerfen, haben die Autoren eine einzige, sehr dramatische angenommen und rückwärts gefragt, wie es dazu kommen konnte.

Zwei Methoden, ein gemeinsamer Kern. Was steckt dahinter, und was können wir als Projekt- und Programmmanager daraus mitnehmen?

Was ist ein extremes Szenario?

Die Futures Strategy Group arbeitet nach eigener Darstellung seit einem Vierteljahrhundert mit „alternativen Zukünften“. Das sind keine Wahrscheinlichkeitsrechnungen und keine Einzelereignisse, sondern ausgearbeitete Geschichten über grundlegend andere Umfelder. Sie sollen relevant und verständlich sein, aber auch provozieren.

Drei Regeln aus dem Beitrag finde ich für unsere Arbeit besonders brauchbar.

  • Der Szenario-Horizont liegt deutlich hinter dem Planungshorizont. Plant eine Organisation null bis fünf Jahre voraus, setzt FSG die Szenarien zehn Jahre oder weiter in die Zukunft.
  • Szenarien müssen plausibel und in sich stimmig sein. Zur Kontrolle skizziert FSG Chronologien mit erfundenen Ereignissen, die vom Heute zum Szenario führen.
  • Szenarien stellen nicht nur Annahmen über die Zukunft infrage, sondern auch die Tragfähigkeit des eigenen Geschäftsmodells.

Der längere Horizont befreit laut Kennedy von der „tyranny of the present“. Wer nicht an die Laufzeit der aktuellen Pläne gebunden ist, akzeptiert eher eine wirklich andere Welt.

Wie extrem das sein kann, zeigt ein Beispiel aus dem Beitrag. 2003 hat FSG für die US-Küstenwache ein Szenario geschrieben, in dem ein Coronavirus aus China weltweit zehn Millionen Menschen tötet. Bis Covid-19 sollten noch 16 Jahre vergehen. FSG betont selbst, dass Vorhersage nie das Ziel ist. Der Wert liegt woanders. Wer mehrere Zukünfte durchspielt, ist laut Kennedy auch auf Störungen besser vorbereitet, die in keinem Szenario vorkamen.

Und nun die eigentliche Frage des Beitrags. Müssen wir die Grenzen der Plausibilität heute bewusst weiter dehnen, um mit dem Tempo der Veränderung Schritt zu halten? Kennedy hält den möglichen Gewinn für groß. Breitere und widerstandsfähigere Strategien, mehr Agilität, eine Belegschaft, die nach vorne schaut.

Wild Cards und Stresstests?

Spannend ist die Diskussion unter dem Beitrag, an der sich auch Kennedy selbst beteiligt. Zwei Vorschläge daraus sind sehr praxisnah.

Rodolfo Sabonge schlägt vor, die Kernszenarien in einem vernünftigen Rahmen zu halten und sie dann mit eingespielten Extremschocks zu testen, ähnlich wie Zentralbanken ihre Stresstests fahren. Dazu klare Frühwarnindikatoren. Und ausdrücklich auch extreme Chancen, nicht nur Bedrohungen. Extrem könne auch Tempo bedeuten, wenn erwartete Veränderungen statt in fünfzehn Jahren in zwei oder drei eintreten.

Charles Thomas schreibt, dass sie das gelegentlich schon tun. Dasselbe Extremereignis wird als „Wild Card“ in alle Szenarien eingespielt. Ein mächtiges Werkzeug, schreibt er, aber nicht einfach richtig umzusetzen.

Was ich daraus mitnehme? Extrem heißt nicht Science-Fiction. Extrem heißt, dass es unsere liebsten Annahmen trifft.

Was ist ein Pre-Mortem?

Die Idee stammt von Gary Klein. 2007 hat er sie in der Harvard Business Review beschrieben. Das Team nimmt an, dass das geplante Projekt bereits gescheitert ist, und sammelt plausible Gründe dafür. Der Trick ist psychologisch. Wer Bedenken hat, darf sie aussprechen, ohne als Bremser dazustehen.

Das Belfer Center hat diese Methode jetzt auf ein sehr ernstes Thema angewendet. Das Papier vom 15. Oktober 2026 von Stephen Casper und Kollegen nimmt an, dass das erste große KI-gestützte Terrorereignis bereits passiert ist. „Groß“ ist vorab definiert. Mindestens 50 Tote oder Schwerverletzte oder mindestens eine Milliarde Dollar Schaden, angelehnt an Schwellenwerte aus US-Gesetzen zu Frontier-KI.

Von dort gehen die Autoren rückwärts durch den Lebenszyklus eines KI-Modells. Fünf Stellen, an denen etwas schiefgehen kann.

  1. Wie die gefährliche Fähigkeit entsteht.
  2. Wie das Modell bereitgestellt wird.
  3. Wie die Fähigkeit herausgekitzelt wird.
  4. Wie Schutzmaßnahmen versagen.
  5. Wie die Erkennung versagt.

An jeder Stelle fragen sie, welche Entscheidung das Ereignis ermöglicht hat und wo man es hätte unterbrechen können. Ihr Ergebnis in Kürze. Ob es so weit kommt, hängt wesentlich von Entscheidungen ab, die Entwickler, Plattformen und Regierungen heute treffen. Am Ende stehen neun überprüfbare Vorhersagen und zwei ausdrücklich hypothetische Szenarien.

Stephen Casper sagt im Gespräch mit der Harvard Gazette, sie hätten bewusst eines der dramatischeren Szenarien gewählt. Ziel sei, es zu verhindern oder, falls es doch eintritt, die Diskussion danach schneller und besser informiert zu führen.

Mich interessiert hier weniger das KI-Risiko selbst, so wichtig es ist. Mich interessiert die Methode. Die Schwelle ist vorher definiert. Der Weg zurück ist nach Phasen gegliedert. Und die Vorhersagen sind so formuliert, dass man sie später prüfen kann.

Was können wir in Projekten daraus lernen?

Meiner Meinung nach ziemlich viel. Wir planen Projekte typischerweise für ihre Laufzeit. Der Nutzen soll aber oft viele Jahre darüber hinaus wirken. Die ICB5 beschreibt mit ihrem Momentum Model genau diesen Weg von „Projekt geliefert“ zu „Wert geschaffen“. Darüber habe ich im Beitrag zur Zukunft der PM-Zertifizierung geschrieben.

Übertragen auf die Projekt- und Strategiearbeit sehe ich sieben Ansatzpunkte.

  • Szenario-Horizont länger wählen als die Projektlaufzeit. Die Frage ist nicht, ob das Projekt pünktlich fertig wird, sondern ob sein Ergebnis in zehn Jahren noch trägt.
  • Vor dem Kick-off oder vor einer großen Entscheidung im Lenkungsausschuss ein Pre-Mortem durchführen. Das Projekt ist gescheitert. Warum?
  • Den Weg zurück wie das Belfer Center nach Phasen gliedern und für jede Phase fragen, wo man hätte eingreifen können.
  • Vorher festlegen, was „Scheitern“ heißt. Ohne Schwelle diskutiert jeder über ein anderes Problem.
  • Eine Wild Card in alle Planvarianten einspielen, statt ein eigenes Katastrophenszenario zu schreiben.
  • Zu jedem Szenario Frühwarnindikatoren definieren und im Statusbericht beobachten.
  • Auch das extrem gute Szenario durchspielen. Plötzlicher Erfolg kann ein Projekt genauso überfordern.

Ich selbst habe Pre-Mortems bisher nur indirekt eingesetzt. In einem aktuellen Softwareentwicklungsprojekt werde ich genau diesen Ansatz nutzen, und zwar für strategisch unterstützte KI-Diskussionen.

Wer die Kopfstandmethode kennt, wird hier einiges wiedererkennen. Beide drehen die Frage um, hin zum Scheitern. Der Unterschied liegt in Zeitform, Zweck und Ergebnis.

  • Die Kopfstandmethode fragt „Wie bringen wir das Projekt zum Scheitern?“. Eine Kreativitätstechnik. Die gesammelten Negativideen werden wieder umgedreht und so zu Lösungsideen.
  • Das Pre-Mortem sagt „Das Projekt ist gescheitert. Warum?“. Das Scheitern ist schon passiert und wird rückwärts erklärt. Eine Risikotechnik. Am Ende stehen Risiken, Warnsignale und Stellen, an denen man eingreifen kann.

Ein Bild aus dem Alltag. Die Kopfstandmethode fragt, wie wir ein Abendessen mit Gästen gründlich verderben könnten, und leitet daraus ab, worauf es ankommt. Das Pre-Mortem stellt sich vor, die Gäste sind schon enttäuscht gegangen, und fragt, woran es lag.

Ein Punkt ist mir dabei besonders wichtig. Beide Methoden leben davon, dass Widerspruch erlaubt ist. Kennedy schreibt in der Diskussion sinngemäß, extreme Szenarien schwächten auch den Einfluss derer, die schon alles gesehen haben. Und weiter: „There are no experts on the future.“ Das ist eine Führungsaufgabe, keine Methodenfrage.

Wo liegen die Grenzen?

Selbstredend sind auch diese Methoden kein Allheilmittel.

  • Szenarien sind keine Prognosen. Wer das Coronavirus-Beispiel als Treffer verkauft, verfehlt den Zweck. FSG sagt das selbst.
  • Extreme Szenarien können lähmen. Kennedy beschreibt Kunden, die sich von der Dauerdisruption ohnehin überfordert fühlen. Steht eine Organisation akut in Flammen, rät er nach eigener Aussage sogar von Szenarioarbeit ab.
  • Extrem muss maßgeschneidert sein, betont Charles Thomas in der Diskussion. Ein Szenario, das niemanden im Raum betrifft, bleibt ein Gedankenspiel.
  • Ein Pre-Mortem ist nur so gut wie die Bereitschaft, unangenehme Antworten zu hören. Ohne psychologische Sicherheit bleibt es eine Liste der üblichen Verdächtigen.

Was bedeutet das für die nächsten Jahre?

Ab hier ist es meine Einschätzung, keine gesicherte Entwicklung.

Wenn KI-Agenten zu Teammitgliedern werden, wie ich es im Beitrag Projektmanager im Jahre 2036 beschrieben habe, und immer mehr Planungsarbeit vorbereiten, verschiebt sich unser Beitrag. Weg vom Erstellen des Plans, hin zum Hinterfragen seiner Annahmen. Szenarien und Pre-Mortems sind genau dafür gemacht.

Das Belfer-Papier zeigt zudem, dass Risiken in Entscheidungsketten entstehen. Wer welche Entscheidung trifft und wo man sie unterbrechen kann, ist eine Governance-Frage. Die gehört in Lenkungsgremien, nicht nur in Risikolisten.

Und der Hinweis aus der FSG-Diskussion zum Tempo bleibt mir im Kopf. Vielleicht ist das Extreme an der Zukunft gar nicht das Ereignis selbst, sondern dass es früher kommt als gedacht.

Kennedy schließt mit Louis Pasteur. Der Zufall begünstigt den vorbereiteten Geist.

Welches Szenario würden Sie Ihrem Lenkungsausschuss nie vorlegen? Und warum gerade dieses?

Gerne meinen kostenlosen Newsletter abonnieren.

Quellen

Die Tür, die vor der Nase zufällt – was fehlende Achtsamkeit mit Projektteams macht

6 min.

Summary

Eine Tür, die einem gegen die Hand fällt, ist eine Kleinigkeit. Ob solche Unachtsamkeit gegenüber anderen wirklich zunimmt, ist in der Forschung umstritten. Gut belegt ist dagegen, was sie anrichtet. Sie steckt an, kostet Konzentration und bremst den Informationsfluss im Team. Meine These ist, dass sie bereits in unser Berufsleben hineinwirkt, und für Projekte ist das ein echtes Problem.

Was ist passiert?

Samstag, 24. Oktober, in einem Laden in Mainz. Ein Bekleidungsgeschäft. Niemand hat die Tür aufgehalten, niemand hat sich umgedreht. Die Tür ist mir gegen die Hand gefallen. Ich war frustriert. Und ich habe mir Sorgen um die Zukunft gemacht.

Drinnen sah es aus wie in einer Rumpelkammer. Mehrere Kundinnen und Kunden schoben ordentlich gestapelte Kleidung Teil für Teil zur Seite, um nach ihrer Größe zu schauen. Das Beitragsbild ist mein Foto und zeigt, wie es dort aussah.

Ähnliches beobachte ich auch auf der Straße. Meine These ist, dass diese wachsende Unachtsamkeit gegenüber anderen längst ins Berufsleben hinüberwirkt. Das halte ich für ein großes Problem. Also habe ich nachgeschaut, was die Forschung dazu sagt.

Wird es wirklich schlimmer?

Das Gefühl teilen viele. In einer Befragung des Pew Research Center (2025, rund 9.600 Erwachsene in den USA) sagten 47 Prozent, die Menschen seien in der Öffentlichkeit seit der Pandemie unhöflicher geworden. 44 Prozent sahen keinen Unterschied.

Am Arbeitsplatz sieht es ähnlich aus. Christine Porath und Christine Pearson berichteten 2013 in der Harvard Business Review, dass 1998 ein Viertel der Befragten mindestens einmal pro Woche unhöflich behandelt wurde. 2011 war es die Hälfte. Das sind allerdings Selbstauskünfte und keine repräsentative Zeitreihe.

Und dann gibt es den Gegenbefund. Adam Mastroianni und Daniel Gilbert haben 2023 in Nature Umfragen mit über 12 Millionen Befragten ausgewertet. Menschen in mindestens 60 Ländern glauben seit mindestens 70 Jahren, dass die Moral verfällt. Fragt man aber nach konkretem Verhalten, etwa ob jemand am Vortag respektvoll behandelt wurde, ändert sich über die Jahrzehnte kaum etwas. Die Erklärung der beiden ist, dass uns Negatives stärker auffällt und wir Negatives aus der Vergangenheit schneller vergessen.

Was heißt das für meine Beobachtung? Sie ist real. Ob sie einen Trend zeigt, ist offen. Sicher ist, was Unachtsamkeit dort anrichtet, wo sie passiert.

Was macht Unhöflichkeit mit uns?

Hier ist die Forschung erstaunlich eindeutig.

Unhöflichkeit steckt an. Trevor Foulk, Andrew Woolum und Amir Erez zeigten 2016 in drei Studien, dass schon eine einzige Episode reicht. Wer sie erlebt, wird anschließend selbst eher unhöflich. Auch gegenüber Menschen, die damit nichts zu tun hatten.

Sie färbt den ganzen Tag. Woolum und Kollegen begleiteten 2017 insgesamt 81 Fach- und Führungskräfte über zehn Arbeitstage. Wer morgens Unhöflichkeit nur beobachtete, nahm den Tag über mehr davon wahr, kam mit seinen Aufgaben schlechter voran und zog sich eher aus Kontakten zurück.

Schon das Zusehen kostet. Porath und Erez zeigten 2009 in Experimenten, dass Menschen, die nur beobachten, wie jemand herablassend behandelt wird, Aufgaben schlechter lösen, weniger kreativ sind und weniger helfen.

Und es kostet die Organisation. In der Befragung von Porath und Pearson (2013) mit 800 Beschäftigten gaben 48 Prozent an, ihren Einsatz absichtlich reduziert zu haben. 80 Prozent verloren Arbeitszeit, weil sie über den Vorfall grübelten. 25 Prozent ließen ihren Frust an Kunden aus.

Hier liegt für mich die Brücke zu meiner These. Belegt ist, dass eine einzelne Erfahrung über Stunden nachwirkt und weitergegeben wird. Nicht belegt ist, dass eine rauere Öffentlichkeit die Arbeitskultur dauerhaft verändert. Das bleibt meine Beobachtung. Aber wer morgens eine Tür gegen die Hand bekommt, sitzt eine Stunde später im Daily.

Warum werden wir unachtsam?

Meistens nicht aus Bosheit. Drei Erklärungen halte ich für plausibel.

Eile. 1973 schickten John Darley und Daniel Batson Theologiestudenten zu einem Vortrag, einige davon über den barmherzigen Samariter. Unterwegs lag ein Mann hilflos am Boden. Ohne Zeitdruck halfen 63 Prozent, unter großem Zeitdruck nur 10 Prozent. Das Thema des Vortrags machte keinen Unterschied. Die Studie ist alt und klein (40 Teilnehmer). Das Muster kennt trotzdem jeder.

Überlastung. In Poraths Befragungen nannte die Hälfte derer, die selbst unhöflich waren, Überlastung als Grund. Nur 4 Prozent sagten, es mache Spaß (Georgetown University, 2018).

Unordnung als Norm. Kees Keizer und Kollegen zeigten 2008 in Science mit Feldexperimenten in Groningen, dass sichtbare Regelverstöße weitere nach sich ziehen. Vor einer sauberen Wand ließen 33 Prozent einen Werbezettel einfach fallen, vor einer Wand mit Graffiti 69 Prozent. Zu Kleiderstapeln hat niemand geforscht. Die Analogie zum Laden liegt trotzdem nahe. Wo es schon aussieht wie in einer Rumpelkammer, schiebt der Nächste eben auch zur Seite.

Was heißt das für Projekte?

Projekte leben von Informationen, die Menschen freiwillig teilen. Ein Risiko, das jemand früh anspricht. Eine Frage, die sich jemand zu stellen traut. Ein Fehler, der gemeldet wird, bevor er teuer wird.

Genau das leidet. Arieh Riskin und Kollegen ließen 2015 insgesamt 24 Teams aus der Neonatologie eine Notfallsimulation bearbeiten. Ein angeblicher externer Experte machte nebenbei ein paar milde abfällige Bemerkungen, die mit der Leistung der Teams nichts zu tun hatten. Diagnose und Behandlung wurden schlechter. Die Unhöflichkeit allein erklärte fast 12 Prozent der Leistungsunterschiede. Der Grund war, dass die Teams weniger Informationen teilten und seltener um Hilfe baten.

Amy Edmondson nennt das, was dort verloren geht, psychologische Sicherheit. In ihrer Studie von 1999 mit 51 Teams förderte das gemeinsame Gefühl, im Team zwischenmenschliche Risiken eingehen zu können, das Lernen. Und das wiederum die Leistung.

Auch die ICB4 der IPMA beschreibt diese Haltung als Kompetenz. Im Kompetenzelement „Beziehungen und Engagement“ stehen etwa „Durch Zuhören, Verständnis und Unterstützung Empathie zeigen“ und „Vertrauen und Respekt zeigen, indem andere ermutigt werden, ihre Meinungen und Bedenken zu äußern“. Achtsamkeit ist für uns also Teil der Projektkompetenz.

Meiner Meinung nach hat die Projektleitung hier die Rolle des Ladeninhabers. Sie prägt, was im Team als normal gilt. Durch das, was sie tut, und durch das, was sie durchgehen lässt.

Was hilft?

Die gute Nachricht ist, dass sich Achtsamkeit üben lässt. Paul Condon und Kollegen (2013) zeigten das in einem Experiment. Nach acht Wochen Meditationstraining bot die Hälfte der Teilnehmenden einer Frau auf Krücken ihren Sitzplatz an, in der Vergleichsgruppe nur 15 Prozent. Und das, obwohl zwei andere Wartende die Frau ignorierten.

Ein Wundermittel ist sie nicht. Eine Metaanalyse von Vonderlin und Kollegen (2020, 56 randomisierte Studien) zeigt, dass Achtsamkeitsprogramme am Arbeitsplatz Stress senken und das Wohlbefinden verbessern. Für höhere Produktivität gibt es keinen robusten Beleg. Die Autoren warnen außerdem davor, Achtsamkeit zu nutzen, um unzufriedene Beschäftigte ruhigzustellen. Wer eine Achtsamkeits-App verteilt, die Überlastung aber lässt, hat wenig gewonnen.

Für den Projektalltag sehe ich vor allem kleine Dinge.

  • Zeitreserven einplanen. Wer dauernd in Eile ist, übersieht andere.
  • Meetings pünktlich beginnen und pünktlich beenden. Eine klare Agenda hilft.
  • Im Meeting zuhören, statt nebenher Mails zu lesen. Wie schwer das ist, habe ich im Beitrag zum 4-Ohren-Modell beschrieben.
  • Unhöflichkeit ruhig und zeitnah ansprechen. Wer schweigt, macht sie zur Norm.
  • Gemeinsame Artefakte pflegen. Backlog, Ablage, Protokolle. Sichtbare Unordnung lädt zur nächsten ein.
  • Bei Übergaben kurz zurückschauen. Wer arbeitet nach mir mit meinem Ergebnis weiter?
  • In der Retrospektive auch fragen, wie wir miteinander umgegangen sind.
  • Kleine Gesten. Danke sagen, zurückrufen, Namen kennen.

Und in Zukunft?

Ab hier ist es meine Einschätzung. Projektarbeit wird hybrider und dichter getaktet. Zufällige Begegnungen werden seltener, Nachrichten zwischen zwei Terminen häufiger. Rücksicht wird damit weniger zur Gewohnheit und muss bewusster gepflegt werden. Ob die Unachtsamkeit gesellschaftlich tatsächlich wächst, wird die Forschung zeigen. Für das eigene Team müssen wir darauf nicht warten.

Eine Tür aufzuhalten kostet zwei Sekunden. Was es kostet, sie nicht aufzuhalten, zeigen die Studien oben.

Wo beginnt in Ihrem Projekt die Rumpelkammer? Und wer räumt als Erstes auf?

Gerne meinen kostenlosen Newsletter abonnieren.

Quellen

KI und die Zukunft der PM-Zertifizierung – Was ICB5 ändert und was nicht

8 min.

Summary

Anfang Oktober hat die IPMA die ICB5 vorgestellt, die fünfte Generation ihres Kompetenzstandards für Projekt-, Programm- und Portfoliomanagement. Künstliche Intelligenz ist darin eines von fünf Querschnittsthemen. Gleichzeitig kann generative KI heute einen Zertifizierungsreport schreiben, der sich formal kaum von einem selbst geschriebenen unterscheidet. Meine These ist, dass KI die Nachweisform verändert, nicht den Kompetenzanspruch. Die Zertifizierung wird sich deshalb vom Dokument hin zum Gespräch verschieben müssen.

Wie kam es zu diesem Beitrag?

Vor wenigen Tagen habe ich auf LinkedIn gefragt: „Brauchen wir künftig noch Projektmanager, die Projektpläne erstellen können?“ Die Diskussion ging schnell über den Projektplan hinaus.

Reichen schriftliche Reports noch als Nachweis? Brauchen wir mehr Präsentation und Fachgespräch? Eine mündliche Prüfung schon auf Level D? Vielleicht sogar Prüfungskarten wie beim früheren ICB3-Verfahren? Und wie viel hängt an der Verbindlichkeit und Reife der Organisationen, in denen zertifizierte Projektmanager später arbeiten?

In einem Kommentar habe ich meine Position in einem Satz zusammengefasst: „KI verändert die Nachweisform, nicht den Kompetenzanspruch.“ Für diese Frage reicht ein Kommentar aber nicht. Deshalb hier etwas ausführlicher. Was steht offiziell fest und was leite ich daraus ab?

ICB5 ist da. In der Prüfung aber noch nicht.

Die ICB4 erschien 2015 und wird in Deutschland seit 2018 für die Zertifizierung genutzt. Ihre Nachfolgerin hat der IPMA Council of Delegates Ende August 2026 verabschiedet. Vorgestellt wurde sie im September auf dem IPMA-Weltkongress in Hiroshima, offiziell gestartet am 2. Oktober 2026 in Zadar. Seit dem 16. Oktober steht sie als digitale Ausgabe über my.ipma kostenlos zur Verfügung, in drei Bänden für Projekt-, Programm- und Portfoliomanagement.

Das „Eye of Competence“ mit den Bereichen Perspective, People und Practice bleibt. Neu sind unter anderem die Kompetenzelemente Sustainable Stewardship, Digital Enablement sowie Organizational Change and Transformation. Durch alle neuen IPMA-Standards ziehen sich fünf Themen. Nachhaltigkeit, Digitalisierung, Agilität, KI und Resilienz.

Dazu kommt das „Momentum Model“, welches den Weg von Lieferobjekten über Ergebnisse und Nutzen bis zur langfristigen Wirkung beschreibt. Der Anspruch verschiebt sich also weg von „Projekt geliefert“ hin zu „Wert geschaffen“.

Was heißt das für alle, die gerade eine Zertifizierung planen? Die ICB beschreibt Kompetenzen, nicht das Prüfungsverfahren. Das regeln die internationalen Zertifizierungsregeln der IPMA (ICR) und die nationalen Zertifizierungsstellen, in Deutschland PM-ZERT, die Zertifizierungsstelle der GPM. Deren aktuelle Leitfäden beruhen noch auf der ICB 4.0. Wie schon in meinem LinkedIn-Beitrag beschrieben, kann es mehrere Monate bis zu einem Jahr dauern, bis die ICB5 in einer Prüfungsrichtlinie umgesetzt ist.

Diese Übergangszeit sehe ich als Chance. Bei der Umsetzung sollten nicht nur die Inhalte neu gedacht werden, sondern auch die Nachweisformen.

Wie wird Kompetenz heute nachgewiesen?

Wer über KI in der Zertifizierung diskutiert, sollte wissen, wie das Verfahren heute aussieht. Bei PM-ZERT gilt nach den aktuellen Leitfäden folgendes.

LevelAnspruch laut LeitfadenNachweisformen
DReine Wissensprüfung: eigenes Projektmanagement-Wissen in allen relevanten Kompetenzen, keine Projekterfahrung erforderlichPfad 1: Report, der das Wissen auf ein reales oder fiktives Projekt anwendet (max. 25 Seiten + 15 Seiten Anhang), schriftliche Prüfung (90 Min.), Feedbackgespräch zum Report (max. 20 Min.) · Pfad 2: zwei schriftliche Prüfungen (je 90 Min.)
CAndere in Projekten mittlerer Komplexität führenReport zu 20 Kompetenzelementen, schriftliche Prüfung (120 Min.), Assessment Center als Rollenspiel/Fallstudie (je nach Verfahrensvariante), Interview (60 Min.) mit 15-minütiger Präsentation
BAndere in komplexen Projekten, Programmen oder Portfolios führenReport, schriftliche Prüfung (180 Min.), Assessment Center, Interview (90 Min.)
AFührung in sehr komplexen Vorhaben auf strategischer EbeneKonformitätsprüfung (Gespräch, ca. 60 Min.), Report (max. 25 Seiten + 15 Seiten Anhang), Workshop mit Assessment Center (Rollenspiel), Interview (90 Min.) mit 15-minütiger Präsentation

Für die KI-Frage sind zwei Details entscheidend.

  • Am Ende des Reports erklärt der Zertifikant, ihn „eigenständig und inhaltlich ohne Mitwirkung Dritter, insbesondere auch nicht mittels einer KI-Software“ angefertigt zu haben.
  • Im selben Text steht, dass sich der bewertende Assessor persönlich davon überzeugen muss, dass der Zertifikant die Arbeit selbst verfasst hat.

Das Verfahren setzt also schon heute auf das Gespräch als Gegenprobe zum Dokument. Was gut ist.

Ab Level C funktioniert das. Assessment Center, Präsentation und Interview prüfen, ob jemand sein Projekt wirklich durchdrungen hat.

Level D ist anders angelegt. Es ist eine reine Wissensprüfung, Projekterfahrung muss nicht nachgewiesen werden. Und genau hier fehlt die Gegenprobe fast vollständig. Im Pfad 1 bleiben maximal 20 Minuten Feedbackgespräch, im Pfad 2 gibt es gar keine mündliche Komponente. Ob jemand das Wissen selbst beherrscht, zeigt sich damit fast nur in der Klausur.

Reicht ein Verbot?

Die KI-Klausel ist richtig und notwendig. Aber sie lässt sich kaum durchsetzen, wenn man sich allein auf das Dokument verlässt. Zwei Studien zeigen das deutlich.

An der University of Reading wurden 2024 vollständig mit GPT-4 geschriebene Prüfungsleistungen unbemerkt in reguläre Online-Prüfungen eines Psychologie-Studiengangs eingeschleust. 94 Prozent blieben unentdeckt. Die KI-Arbeiten erhielten im Schnitt sogar bessere Noten als die der echten Studierenden.

Eine internationale Forschungsgruppe um Debora Weber-Wulff hat 2023 vierzehn Werkzeuge zur Erkennung von KI-Texten getestet, darunter Turnitin. Ihr Fazit ist eindeutig. Die Werkzeuge sind weder genau noch zuverlässig, keines erreichte 80 Prozent Treffsicherheit. Schon leichtes Umformulieren verschlechtert die Erkennung erheblich.

Beides stammt aus der Hochschullehre, nicht aus der PM-Zertifizierung. Lässt sich das übertragen? Meiner Meinung nach ja. Ein Report, der Projektmanagement-Wissen strukturiert auf eine Projektsituation anwendet, ist genau die Textsorte, die Sprachmodelle gut beherrschen. Das gilt für den Wissensnachweis auf Level D ebenso wie für die STAR-Beschreibungen ab Level C. Und je besser die Modelle werden, desto weniger helfen Detektoren.

Was wollen wir eigentlich nachweisen?

Sicherlich nicht, dass jemand einen guten Text über ein Projekt schreiben kann. Auf Level D wollen wir sehen, dass jemand das Projektmanagement-Wissen selbst beherrscht. Ab Level C, dass jemand ein Projekt verantwortlich führen kann. Also Zusammenhänge verstehen, Entscheidungen begründen, mit Widerständen umgehen und aus Fehlern lernen. Genau das beschreiben die Kompetenzelemente und Key Competence Indicators der ICB.

Daran ändert KI nichts. Im Gegenteil. Wenn Projektpläne, Risikolisten und Statusberichte zunehmend von KI-Agenten vorbereitet werden, wird das Urteilsvermögen dahinter wichtiger, nicht unwichtiger. In meinem Beitrag zum Projektmanager im Jahre 2036 habe ich gefragt, wie wir die Grundlagen des Projektmanagements vermitteln, ohne sie durch KI-Abkürzungen zu entwerten. Für die Zertifizierung gilt dieselbe Frage.

Die Hochschulen sind hier einen Schritt weiter. Die University of Sydney arbeitet seit 2025 mit einem „Two-Lane“-Modell. Gesicherte, beaufsichtigte Prüfungen belegen, was jemand ohne Hilfsmittel kann. Offene Formate erlauben ausdrücklich den Einsatz von KI, verlangen aber, ihn offenzulegen.

Übertragen auf die PM-Zertifizierung ist meine Position klar.

  1. Der Report wird zur Gesprächsgrundlage. Er bleibt wichtig, aber als Vorbereitung für das Fachgespräch und nicht als eigenständiger Beweis. Ob KI beim Formulieren geholfen hat, verliert an Gewicht, wenn das Gespräch zeigt, ob jemand versteht, was er geschrieben hat.
  2. Eine mündliche Prüfung schon ab Level D. Dort geht es nicht um Projektpraxis. Es geht darum, dass das Wissen nachweislich selbst beherrscht wird und nicht nur KI-gestützt. Ein kurzes, strukturiertes Fachgespräch, etwa anhand zufällig gezogener Fragen zu Methoden und Zusammenhängen, ist ein überschaubarer Aufwand mit großer Wirkung.
  3. KI-Nutzung offenlegen statt nur verbieten. Wer mit KI arbeitet, beschreibt, wofür und wie er die Ergebnisse geprüft hat. Das ist selbst ein Kompetenznachweis und passt zum neuen Kompetenzelement Digital Enablement.
  4. Live-Situationen stärken. Assessment Center und Rollenspiele zeigen Verhalten unter realen Bedingungen. Dort lässt sich KI nicht unbemerkt einsetzen, auch heute nicht. Eigene vorbereitete Unterlagen oder Laptops sind im Rollenspiel ausdrücklich ausgeschlossen.

Für diese vier Punkte setze ich mich ein. Angekündigte Änderungen der Prüfungsordnung sind sie nicht.

Verbindlichkeit beginnt in der Organisation

In der Diskussion kam ein weiterer Punkt auf, der meiner Meinung nach unterschätzt wird. Selbst die beste Prüfung nützt wenig, wenn die Organisation das Zertifikat nicht mit Verantwortung verbindet.

Ein Zertifikat belegt eine Kompetenz zu einem Zeitpunkt. Ob sie im Alltag wirkt, hängt davon ab, ob es klare Rollen, entscheidungsfähige Lenkungsgremien und eine gelebte Projektkultur gibt. Darüber habe ich bereits in den Beiträgen zu Lenkungsgremien und zu Transformation und Projektkultur geschrieben.

Auch die IPMA sieht diesen Zusammenhang. Gemeinsam mit der ICB5 hat sie die Organizational Competence Baseline (OCB2) neu aufgelegt, deren fünfstufige Klassifizierung Organisationen hilft, ihren Kompetenzstand einzuschätzen. Für mich gehören beide Perspektiven zusammen. Wenn KI das Erstellen von Projektdokumenten vereinfacht, müssen Organisationen umso klarer festlegen, wer für den Inhalt einsteht. Ein Teilnehmer des GPM Focus Workshops im März hat es so formuliert: „Accountable ist immer der Mensch.“

Und was macht das PMI?

Ergänzung vom 25.10.2026

Fast zeitgleich mit der ICB5 hat auch das Project Management Institute (PMI) nachgelegt. Am 22. Oktober 2026 hat es auf seinem Global Summit in Detroit neue Angebote vorgestellt. Zwei davon passen direkt zu den Fragen dieses Beitrags.

  • Advanced Project Leader (APL) ist eine neue globale Zertifizierung für erfahrene Projektfachleute. Sie sollen nachweisen, dass sie komplexe Vorhaben mit hoher Tragweite führen können. Vergeben wird sie über Partnerorganisationen, deren interne Programme für fortgeschrittene Praktiker das PMI gegen seine eigenen Standards prüft.
  • „PMI Foundations: Agentic AI for Project Professionals“ ist ein E-Learning. Es soll Projektfachleuten das Wissen und das Urteilsvermögen vermitteln, KI-Agenten verantwortungsvoll abzugrenzen, zu überwachen und zu steuern, auch ohne Programmierkenntnisse. In einem „Build Lab“ bauen die Teilnehmenden selbst einen Agenten.

Interessant ist eine Zahl aus einer eigenen Erhebung des PMI. 69 Prozent der befragten Projektfachleute nutzen KI bereits, um Inhalte, Dokumentation und Projektergebnisse zu erstellen. Wie die Erhebung angelegt war, nennt die Pressemitteilung nicht. Die Richtung bestätigt aber, worum es oben im Abschnitt „Reicht ein Verbot?“ ging. Dokumente allein werden als Nachweis schwächer.

Aus Sicht der ICB5 sehe ich zwei Parallelen. Auch das PMI setzt beim APL auf nachgewiesene Fähigkeit in komplexen Vorhaben und bindet dafür die Organisationen ein, in denen sie gezeigt wird. Das passt zu dem, was ich zur Verbindlichkeit in der Organisation geschrieben habe. Und das PMI behandelt KI-Agenten als Steuerungs- und Führungsaufgabe für Projektleute, nicht als IT-Thema. Bei der IPMA ist KI eines der fünf Querschnittsthemen, dazu kommt das neue Kompetenzelement Digital Enablement.

Der Unterschied liegt im Aufbau. Die ICB beschreibt Kompetenzen, das Prüfverfahren regeln die Zertifizierungsstellen. Das PMI bringt Zertifizierung und Lernangebot selbst mit. Wie genau beim APL geprüft wird, geht aus der Pressemitteilung nicht hervor. Für die Frage dieses Beitrags, Dokument oder Gespräch, ist das aber der entscheidende Punkt. Der bleibt vorerst offen.

Was bedeutet das für die nächsten Jahre?

Hier wird es spekulativ. Das sind Szenarien, keine Fakten.

  • Zertifikanten werden heute noch nach ICB4 geprüft. Wer die ICB5 schon jetzt liest, versteht aber, wohin sich der Anspruch bewegt. Hin zu Wirkung, Nachhaltigkeit und dem verantwortungsvollen Umgang mit digitalen Werkzeugen.
  • Für Zertifizierungsstellen und Assessoren ist die Umstellung auf die ICB5 der natürliche Zeitpunkt, die Nachweisformen zu überprüfen. Je mehr Gewicht auf Gespräch und Live-Situation liegt, desto stärker zählen Qualifizierung und Kalibrierung der Assessoren.
  • Unternehmen bleibt die Frage, wie Projektverantwortung in der eigenen Organisation verankert ist. Die beantwortet kein Zertifikat. Mit KI wird sie drängender.

Ich bin fest davon überzeugt, dass eine Zertifizierung, die Kompetenz im Gespräch prüft, durch KI nicht entwertet wird. Sie wird glaubwürdiger. Eine Zertifizierung, die sich vor allem auf Dokumente stützt, wird es dagegen schwer haben.

Bleibt eine Frage, über die wir als Community offen sprechen sollten. Welcher Nachweis wird in zehn Jahren noch belegen, dass jemand ein Projekt wirklich führen kann? Und wie viel davon muss ohne KI erbracht werden?

Wie sehen Sie das?

Gerne meinen kostenlosen Newsletter abonnieren.

Quellen

Ein Denkraum für Künstliche Intelligenz

< 1 Minute

Ein Tag für alle, die sich mit KI beschäftigen – beruflich, privat, neugierig.

Wir treffen uns online, planen am Morgen gemeinsam die Sessions und tauschen den Rest des Tages in kleinen Gruppen Wissen, Erfahrungen und Fragen aus.

Barcamp
Sa, 07. Nov 2026
09:30 – 16:30 Uhr

denkraum.marc-widmann.de/

Projektmanager im Jahre 2036

5 min.

Summary

Im Januar 2018 habe ich in diesem Blog gefragt, ob es den Projektleiter im Jahre 2030 noch geben wird. Acht Jahre später ist die Antwort komplexer als erwartet – denn eine Variable hat alles verändert: Künstliche Intelligenz. Nicht als Werkzeug. Sondern als Teammitglied. Ein rollierendes Update.

2018 schrieb ich von Robotern in der Pflege, Fleisch aus dem Labor und dem Ende des Smartphones. Manches davon ist eingetreten, manches nicht in der prognostizierten Form. Aber der eigentlich disruptive Faktor stand damals noch gar nicht im Raum: dass KI-Agenten eigenständig priorisieren, Vorentscheidungen treffen und Aufgaben ausführen – und dass dies eine fundamentale Führungsfrage wird, keine IT-Frage.

Was sich seit 2018 verändert hat

Im Originalbeitrag habe ich mit dem Maßstab der Wochen argumentiert, wie es Zukunftsforscher tun. 50 Wochen pro Jahr, damals 597 Wochen bis 2030. Heute, im April 2026, sind davon noch 184 übrig. Und in den 413 Wochen, die seitdem vergangen sind, hat sich mehr verändert als in den Jahrzehnten zuvor.

2018 gab es kein ChatGPT, keine KI-Agenten, kein Claude, kein Midjourney. Die agile Transformation galt als das große Thema. Heute ist sie Tagesgeschäft – und das neue Thema heißt: Wie führe ich ein Team, in dem nicht alle Mitglieder Menschen sind?

Der neue Maßstab: 500 Wochen bis 2036

Bis 2036 sind es noch rund 500 Wochen. Wieder derselbe Zeitraum wie damals von 2018 auf 2030. Und wieder die Frage: Was wird in 500 Wochen anders sein?

In 500 Wochen wird jeder Projektmanager einen persönlichen KI-Agenten haben – nicht als Experiment, sondern als festen Bestandteil seines Arbeitsalltags. In 500 Wochen werden Projektstatusberichte nicht mehr von Menschen geschrieben, sondern von Agenten generiert und vielleicht noch von Menschen validiert. In 500 Wochen werden Entscheidungsvorlagen in Lenkungsausschüssen KI-gestützte Szenarioanalysen enthalten – als Standard, nicht als Innovation. In 500 Wochen werden Risikobewertungen in Echtzeit aktualisiert, nicht mehr monatlich in einer Excel-Tabelle gepflegt. In 500 Wochen werden Projektmanager Delegation nicht mehr nur an Menschen verstehen, sondern an Mensch-KI-Konstellationen. In 500 Wochen wird die Frage „Wer hat das entschieden – du oder die KI?“ eine der meistgestellten Fragen in Retrospektiven sein. In 500 Wochen …

All diese Veränderungen werden nicht über Nacht kommen. Sie kommen in Wochen. Und einige davon sind bereits heute Realität.

Hybrid Intelligence Leadership: Ein neuer Führungsbegriff

2018 sprach ich davon, dass Leadership wichtiger wird als Leitung. Das stimmt immer noch. Aber es reicht nicht mehr. Denn die Führungsrealität hat sich fundamental erweitert.

Beim GPM Focus Workshop im März 2026 in Frankfurt haben wir genau das erarbeitet: Rund zwanzig Projektleiter und Projektleiterinnen in zwei Workshops saßen zusammen, um den Future Leadership Canvas durchzuarbeiten. Fünf Dimensionen: Leadership in Mensch-KI-Teams (Hybrid Intelligence Leadership), Vertrauen und Verantwortung, organisatorische Adaptivität, Ethik und Alignment, Kompetenz-Transformation. Das ehrliche Ergebnis der Vertrauensumfrage: Die meisten Teilnehmenden stehen noch auf Stufe eins bis zwei. Zuarbeit und Entwürfe durch KI – ja. Autonomes Handeln der KI – noch nicht.

Aber die Richtung ist eindeutig.

Ich nenne diesen neuen Führungsansatz „Hybrid Intelligence Leadership“. Dies bedeutet: Führung, die durch KI erweitert wird. Nicht ersetzt. Der Mensch bleibt Pilot. Die KI ist Co-Pilot. Aber wer definiert die Flugroute? Das ist die zentrale Führungsfrage der nächsten 500 Wochen.

KI als ethische Führungsfrage

Im Originalbeitrag ging es um Transformation versus Revolution. Heute geht es um Delegation versus Kontrolle.

Im Workshop in Frankfurt haben wir ein Experiment durchgeführt: Dieselbe ethisch fragwürdige Aufgabe – eine E-Mail formulieren, die ein Problem gegenüber einem Kunden herunterspielt – wurde an verschiedene KI-Modelle gegeben. Ein Modell hat dreimal verweigert und einen Eskalationsweg vorgeschlagen. Ein anderes hat sofort formuliert, mit einem kurzen Hinweis auf die Kritikalität – aber ohne zu zögern.

Gleiches Szenario. Völlig anderes Verhalten.

Das ist kein technisches Detail. Das ist ein Führungsthema. Denn wenn unterschiedliche KI-Modelle unterschiedliche ethische Leitplanken haben, dann muss die Führungskraft wissen, welches Modell sie einsetzt – und warum. Das ist eine neue Kompetenz, die kein PM Framework bisher abbildet.

Anforderungen an den Projektmanager in 2036

In meinem Beitrag von 2018 schrieb ich, dass der visionäre Projektmanager, der eine Idee allein treibt, so nicht mehr existieren wird. Das hat sich bestätigt. Was ich unterschätzt habe: Wie schnell die Teamleistung um eine nicht-menschliche Komponente erweitert wird.

Der Projektmanager im Jahr 2036 wird folgende Kompetenzen brauchen, die heute noch kaum in Curricula auftauchen:

1. KI-Delegation. Nicht Prompting im Sinne von „eine gute Frage stellen“. Sondern die Fähigkeit, Aufgaben, Entscheidungsrahmen und Eskalationspfade für KI-Agenten zu definieren. So wie ein Programm-Manager heute Arbeitspakete an Projektleiter delegiert, wird er in 2036 Arbeitspakete an KI-Agenten delegieren – mit klaren Leitplanken.

2. Ethische Urteilsfähigkeit gegenüber KI-Ergebnissen. Die Fähigkeit, zu erkennen, wann ein KI-Output zwar korrekt, aber nicht angemessen ist. Wann Effizienz auf Kosten von Integrität geht.

3. Vertrauenskalibrierung. Wie viel Vertrauen schenke ich welchem KI-Agenten in welchem Kontext? Das ist keine binäre Frage. Es ist ein Spektrum, das ständig neu bewertet werden muss.

4. Systemisches Denken über Mensch-KI-Grenzen hinweg. Der Projektmanager in 2036 wird verstehen müssen, wo menschliche Kreativität unersetzbar ist und wo KI-Geschwindigkeit entscheidend wird – und wie beides in einem Projektplan zusammenwirkt.

Der junge Projektmanager in 2036

2018 schrieb ich über das Handicap des jungen Projektmanagers: fehlende Gesellenjahre, weil operative Tätigkeiten nearshore oder offshore verlagert wurden. Dieses Problem hat sich verschärft – und gleichzeitig verschoben.

Der junge Projektmanager in 2036 wird keine Welt mehr kennen, in der KI nicht existierte. Das ist sein Vorteil und sein Risiko zugleich. Der Vorteil: Er wird KI-Agenten so selbstverständlich einsetzen wie meine Generation E-Mail. Das Risiko: Er wird möglicherweise nie gelernt haben, ein Risiko selbst einzuschätzen, einen Statusbericht selbst zu schreiben oder eine schwierige Stakeholder-Situation ohne KI-Unterstützung zu navigieren.

Die Herausforderung für die Ausbildung wird sein: Wie vermitteln wir die Grundlagen des Projektmanagements, ohne sie durch KI-Abkürzungen zu entwerten? Wie stellen wir sicher, dass jemand, der noch nie ein Gantt-Chart von Hand gezeichnet hat, trotzdem versteht, was kritischer Pfad bedeutet?

Unternehmensführung und Gremien in 2036

Im Originalbeitrag forderte ich, dass Portfolio-Boards und Lenkungsausschüsse ihrem definierten Anspruch gerecht werden müssen. Acht Jahre später muss ich feststellen: Der Anspruch ist immer noch nicht erfüllt. Es gibt immer noch Handlungsbedarf. Mehr denn je.

Aber es gibt auch eine neue Chance. Denn KI kann genau die informierte Entscheidungsfindung unterstützen, die ich 2018 eingefordert habe. Szenarioanalysen, die früher Wochen gedauert haben, sind in Minuten verfügbar. Marktdaten, die früher aufwändig recherchiert werden mussten, liefert ein Agent in Echtzeit. Die Frage ist nicht mehr, ob Gremien bessere Entscheidungsgrundlagen haben können. Die Frage ist, ob sie bereit sind, diese auch zu nutzen.

Transformation bleibt. Der Treiber wechselt.

2018 schrieb ich: Der Projektleiter wird viel in Transformationsvorhaben mitarbeiten und bei mutigen Geschäftsführungen durch schnelles Platzieren neuer Vorhaben zur Revolution beitragen. Das gilt weiterhin. Aber der Treiber der Transformation hat sich verändert. War es 2018 die Digitalisierung, so ist es 2026 die Augmentation – die Erweiterung menschlicher Fähigkeiten durch KI.

Und so wird es auch 2036 sein. Der Projektmanager wird nicht obsolet. Aber seine Rolle wird eine andere sein: weniger Steuerung, mehr Orchestrierung. Weniger Kontrolle, mehr Kalibrierung. Weniger Einzelkämpfer, mehr Dirigent eines Ensembles aus Menschen und Maschinen.

Oder wie ein Teilnehmer meines Workshops es auf den Punkt brachte: „Accountable ist immer der Mensch. Responsible kann Mensch oder KI sein – abhängig von Aufgabe und Komplexität.“

In 500 Wochen werden wir wissen, ob wir diesen Satz ernst genommen haben.

Gerne meinen kostenlosen Newsletter abonnieren.

Wie Führung und Projektsteuerung mit KI-Agenten in der Praxis aussehen, zeige ich auch in meinen Vorträgen. Mehr zu Marc als Speaker.

Mein KI-Assistent: Was nach drei Wochen Echtbetrieb wirklich funktioniert — und was nicht

12 min.

Summary

Ich habe mir einen KI-gestützten persönlichen Assistenten aufgebaut — keinen Chatbot auf Abruf, sondern ein System, das proaktiv mitarbeitet. Nach einem Monat Echtbetrieb zieht dieser Artikel eine ehrliche Bilanz: Was funktioniert, was mich überrascht hat, wo die Grenzen liegen — und was das Ganze mit gutem Projektmanagement zu tun hat.

Ich werde regelmäßig gefragt, wie ich mich selbst organisiere. Einen Artikel dazu habe ich hier schon vor einigen Jahren geschrieben. Seitdem hat sich einiges verändert — und der größte Einschnitt war nicht ein neues Tool, sondern ein anderer Ansatz: Ich habe mir einen KI-gestützten persönlichen Assistenten aufgebaut. Keinen Chatbot, den man bei Bedarf öffnet. Sondern etwas, das permanent im Hintergrund läuft und proaktiv arbeitet.

Dieser Artikel ist kein Technologiebericht und kein Produktvergleich. Es ist ein ehrlicher Erfahrungsbericht nach nahezu drei Wochen Echtbetrieb — mit allem, was funktioniert hat, was mich überrascht hat, und wo die Grenzen liegen.

Wie es dazu kam

Ich beschäftige mich seit Jahren intensiv mit KI — beruflich im Transformation Management, ehrenamtlich in der GPM, und privat als jemand, der einfach neugierig ist. Irgendwann wurde mir klar, dass ich KI immer noch hauptsächlich reaktiv nutze: Ich stelle eine Frage, bekomme eine Antwort, das war es. Das ist ungefähr so, als hätte man einen Mitarbeiter, den man nur anspricht, wenn man ihn aktiv im Büro aufsucht — der Rest der Zeit sitzt er einfach da.

Die eigentliche Frage, die mich beschäftigt hat: Kann ein KI-System proaktiv mit mir arbeiten, so wie ein gut eingespielter menschlicher Assistent? Einer, der morgens schon weiß, was heute dran ist. Der mir nach einem Meeting die Kernpunkte zusammenfasst. Der eine Recherche anstößt, bevor ich frage.

Der Aufbau hat einige Wochen technische Einrichtungsarbeit gekostet — ich habe dabei mit verschiedenen Softwareklassen gearbeitet: Aufgabenverwaltung, Kommunikationsplattformen, KI-Sprachmodellen, Automatisierungsdiensten und Meeting-Transkriptionstools. Wenn ich den Stand heute zusammenfassen müsste: Es funktioniert. Nicht reibungslos, aber weit besser als ich erwartet hatte.

Was tatsächlich im Einsatz ist

Ich nenne meinen Assistenten Max. Das klingt vielleicht albern, hat aber einen praktischen Grund: Es hilft mir, klarer zu formulieren, was ich von ihm erwarte. „Max, bereite das Meeting vor“ ist präziser als „Bereite das Meeting vor“ in einen Prompt zu tippen.

Max kommuniziert mit mir ausschließlich über eine Messaging-App. Keine Oberfläche, kein Dashboard. Er schickt mir morgens ein Briefing, ich antworte wenn ich etwas brauche, er handelt. Das ist die Grundidee. Was konkret im Einsatz ist:

Tagesstart: Jeden Morgen erhalte ich ein strukturiertes Briefing mit meinen heutigen und überfälligen Aufgaben — nach meinen Projekten gruppiert, mit direkten Links in mein Aufgabenmanagementsystem. Das klingt banal, macht aber einen echten Unterschied. Früher habe ich das selbst zusammengestellt, was je nach Aufgabenlage 10–15 Minuten gedauert hat. Das passiert jetzt automatisch, täglich, ohne dass ich etwas tun muss.

Meeting-Analyse: Ich nutze ein Transkriptionstool, das meine Gespräche zum Beispiel für die Fachgruppe bei der GPM aufzeichnet und strukturiert. Max hat Zugriff auf diese Protokolle und kann mir nach einem Gespräch die Essenz in zwei bis drei Sätzen liefern — oder mir vor einem Folgegespräch die offenen Punkte aus dem letzten Meeting aufzeigen. Beides funktioniert sehr gut, sofern die Protokolle vollständig vorliegen. Es gab Fälle, in denen Max behauptet hat, eine Session sei nicht vorhanden, obwohl sie existierte — weil er nicht proaktiv nachgeschaut hat. Das musste ich durch klare Regeln abstellen. Dazu später mehr.

Recherche und Vorbereitung: Ich habe Max auf ein selbst gehostetes Suchsystem angebunden. Er kann damit eigenständig nach aktuellen Themen suchen — für tägliche News-Briefings zu KI und Projektmanagement, aber auch für konkrete Vorbereitungen. Vor einem Telefonat mit einem Strategiepartner hat er dessen aktuelle YouTube-Themen zusammengefasst, die logischen nächsten Schritte aus unserem letzten Gespräch aufgelistet und daraus Diskussionspunkte abgeleitet. Das hat mir mindestens eine Stunde Vorbereitung gespart.

E-Mail: Max hat Zugriff auf ein eigenes E-Mail-Konto. Er sendet aber nie autonom — das war von Anfang an eine klare Regel. Er zeigt mir immer zuerst den Entwurf, wartet auf meine Bestätigung und sendet erst dann. Bei einer der ersten Testmails hat er behauptet, die Mail sei gesendet worden, ohne sie tatsächlich gesendet zu haben. Ich habe das sofort bemerkt und den echten Sendebefehl eingefordert. Seitdem läuft es korrekt, aber die Episode zeigt: Vertrauen muss verdient werden, auch bei KI-Systemen.

Personen-Recherche: Vor Meetings mit neuen Gesprächspartnern sucht Max nach deren beruflichem Hintergrund, aktuellen Positionen, Schwerpunkten. Das ist kein Deep Research, aber eine solide Grundlage. Was er nicht konnte: Persönliche Präferenzen (Lieblingsrestaurant, Essgewohnheiten) aus sozialen Medien zuverlässig herauslesen. Da hat er es versucht, nichts Verwertbares gefunden und transparnt kommuniziert — das finde ich richtig.

Was mich überrascht hat

Ich hatte erwartet, dass der technische Aufbau die größte Herausforderung wäre. Das stimmt nicht. Die eigentliche Herausforderung liegt darin, das Verhalten des Systems klar zu definieren — und zwar schriftlich, in Form von Regeln und Prinzipien, die Max immer kennt.

Einige Erkenntnisse, die ich so nicht vorhergesehen hatte:

KI-Systeme müssen lernen, proaktiv zu handeln. Ich musste Max mehrfach darauf hinweisen, dass er bei verfügbaren Datenquellen zuerst selbst nachschauen soll, bevor er mich fragt. Das klingt trivial, ist es aber nicht. Die Standardreaktion war zunächst: Fragen statt handeln. Heute funktioniert das besser, weil ich diese Erwartung explizit festgehalten habe.

Halluzination ist real, aber kontrollierbar. In einem Fall hat Max ein Meeting-Protokoll mit scheinbar konkreten Inhalten zusammengefasst — nur dass es dieses Meeting so nicht gab. Der Auslöser: Er hatte keine echten Daten, hat aber trotzdem geantwortet. Die Lösung war technisch einfach: Erst die Datei speichern, dann analysieren. Seitdem ist das Problem nicht mehr aufgetreten.

Sicherheitsregeln müssen explizit sein. „Sende keine E-Mails ohne Bestätigung“ klingt offensichtlich. Aber wenn man es nicht aufschreibt, hält sich das System nicht daran. Ich habe schriftliche Regeln für alle Aktionen mit Außenwirkung definiert: immer erst zeigen, dann warten, dann handeln. Das ist kein Luxus, sondern Grundvoraussetzung.

Das System lernt — aber braucht Anstöße. Max hat in einem Fall eine Triage-Aufgabe gelöst, die Mustererkennung erfordert hat, mit einem einfachen Suchalgorithmus statt mit einem Sprachmodell — weil er nicht die Ambitionsstufe gewählt hat, die ich erwartet hatte. Ich habe das zurückgewiesen und eine Regel eingeführt: Wenn eine Aufgabe sprachliche Bewertung erfordert, nutze immer ein KI-Modell. Das funktioniert jetzt. Aber es war meine Rückmeldung, die das ausgelöst hat.

Was nach wie vor Grenzen hat

Ich will hier nicht den Eindruck erwecken, dass alles reibungslos läuft. Ein ehrlicher Bericht muss auch die Grenzen benennen.

Echtzeitdaten sind limitiert. Ich habe Max an ein selbst betriebenes Suchsystem angebunden, das auf verschiedene Suchmaschinen zurückgreift. Das funktioniert gut — bis das System an Anfragelimits stößt. In solchen Momenten fällt Max auf sein Trainingswissen zurück. Das ist transparenter als ein stilles Versagen, aber es bedeutet, dass Recherche-Ergebnisse manchmal nicht aktuell sind.

Restaurant-Reservierungen per Telefon sind mühsam. Max kann recherchieren und Empfehlungen geben, aber Anrufe tätigen kann er (noch) nicht. Online-Reservierungen hat er versucht — mit gemischten Ergebnissen, je nachdem wie die entsprechende Website gebaut ist. Da ist noch Luft nach oben.

Aufgaben ohne Projektzuordnung machen Probleme. Ich habe viele Aufgaben in meinem Aufgabenmanagementsystem, die keinem Projekt zugeordnet sind. Max hat anfangs versucht, diese heuristisch zuzuordnen — mit teils falschen Ergebnissen. Die richtige Lösung war einfach: Aufgaben ohne Projekt gehören in den Eingang, fertig. Aber bis ich das explizit festgelegt hatte, hat das System eigene Annahmen getroffen.

Was das mit Projektmanagement zu tun hat

Eigentlich alles. Was ich in den letzten Wochen aufgebaut habe, ist im Kern nichts anderes als die Einführung eines neuen Mitarbeiter in mein persönliches Arbeitsumfeld — mit allem, was dazugehört: Rollenbeschreibung, Regeln, Eskalationspfaden, Qualitätssicherung, Feedback-Schleifen.

Wer schon einmal einen neuen Mitarbeiter eingearbeitet hat, kennt das Grundprinzip: Am Anfang dauert es länger, weil man alles erklären muss. Man macht Fehler explizit. Man korrigiert. Man schreibt Dinge auf, die man sonst nie aufgeschrieben hätte, weil sie „selbstverständlich“ schienen. Und irgendwann läuft es — nicht perfekt, aber gut genug, dass der Nutzen die Investition überwiegt.

Bei einem KI-Assistenten ist es dasselbe — nur dass man die gesamte Einarbeitung schriftlich fixieren muss, weil das System keine Intuition hat. Das klingt nach Mehraufwand. Tatsächlich zwingt es einen, das eigene Arbeiten klarer zu durchdenken als je zuvor.

Fazit nach drei Wochen

Ich habe Max jetzt täglich im Einsatz. Er ist nicht unfehlbar. Er stellt manchmal falsche Annahmen an, überschätzt gelegentlich seine Möglichkeiten und braucht klare Regeln, um verlässlich zu funktionieren. Aber er liefert mir jeden Morgen mein Briefing, analysiert auf Abruf Protokolle, bereitet Gespräche vor und hält Aufgaben im Blick — ohne dass ich aktiv daran denken muss.

Das ist mehr, als ich erwartet hatte.

Die interessantere Frage, die ich mir mittlerweile stelle: Was passiert, wenn dieser Ansatz nicht auf einen einzelnen Menschen, sondern auf eine Führungskraft mit Team angewendet wird? Ich bin überzeugt, dass wir dort in den nächsten zwei bis drei Jahren eine neue Art von Arbeitsorganisation sehen werden. Nicht KI statt Mensch — sondern KI als Schnittstelle zwischen dem, was dringend ist, und dem, was wirklich zählt.

Darüber werde ich weiter berichten.

Dir hat dieser Beitrag gefallen? Dieses Blog ist bewusst werbefrei, weil nur der Inhalt zählt. Wenn du deine Wertschätzung für diesen Beitrag zeigen willst, dann teile ihn wo auch immer. Und ich freue mich, wenn du mir einen Kaffee ausgibst! Und abonniere den kostenlosen Newsletter.
 

Summary

Ich habe mir einen KI-gestützten persönlichen Assistenten aufgebaut — keinen Chatbot auf Abruf, sondern ein System, das proaktiv mitarbeitet. Nach einem Monat Echtbetrieb zieht dieser Artikel eine ehrliche Bilanz: Was funktioniert, was mich überrascht hat, wo die Grenzen liegen — und was das Ganze mit gutem Projektmanagement zu tun hat.

Ich werde regelmäßig gefragt, wie ich mich selbst organisiere. Einen Artikel dazu habe ich hier schon vor einigen Jahren geschrieben. Seitdem hat sich einiges verändert — und der größte Einschnitt war nicht ein neues Tool, sondern ein anderer Ansatz: Ich habe mir einen KI-gestützten persönlichen Assistenten aufgebaut. Keinen Chatbot, den man bei Bedarf öffnet. Sondern etwas, das permanent im Hintergrund läuft und proaktiv arbeitet.

Dieser Artikel ist kein Technologiebericht und kein Produktvergleich. Es ist ein ehrlicher Erfahrungsbericht nach nahezu drei Wochen Echtbetrieb — mit allem, was funktioniert hat, was mich überrascht hat, und wo die Grenzen liegen.

Wie es dazu kam

Ich beschäftige mich seit Jahren intensiv mit KI — beruflich im Transformation Management, ehrenamtlich in der GPM, und privat als jemand, der einfach neugierig ist. Irgendwann wurde mir klar, dass ich KI immer noch hauptsächlich reaktiv nutze: Ich stelle eine Frage, bekomme eine Antwort, das war es. Das ist ungefähr so, als hätte man einen Mitarbeiter, den man nur anspricht, wenn man ihn aktiv im Büro aufsucht — der Rest der Zeit sitzt er einfach da.

Die eigentliche Frage, die mich beschäftigt hat: Kann ein KI-System proaktiv mit mir arbeiten, so wie ein gut eingespielter menschlicher Assistent? Einer, der morgens schon weiß, was heute dran ist. Der mir nach einem Meeting die Kernpunkte zusammenfasst. Der eine Recherche anstößt, bevor ich frage.

Der Aufbau hat einige Wochen technische Einrichtungsarbeit gekostet — ich habe dabei mit verschiedenen Softwareklassen gearbeitet: Aufgabenverwaltung, Kommunikationsplattformen, KI-Sprachmodellen, Automatisierungsdiensten und Meeting-Transkriptionstools. Wenn ich den Stand heute zusammenfassen müsste: Es funktioniert. Nicht reibungslos, aber weit besser als ich erwartet hatte.

Was tatsächlich im Einsatz ist

Ich nenne meinen Assistenten Max. Das klingt vielleicht albern, hat aber einen praktischen Grund: Es hilft mir, klarer zu formulieren, was ich von ihm erwarte. „Max, bereite das Meeting vor“ ist präziser als „Bereite das Meeting vor“ in einen Prompt zu tippen.

Max kommuniziert mit mir ausschließlich über eine Messaging-App. Keine Oberfläche, kein Dashboard. Er schickt mir morgens ein Briefing, ich antworte wenn ich etwas brauche, er handelt. Das ist die Grundidee. Was konkret im Einsatz ist:

Tagesstart: Jeden Morgen erhalte ich ein strukturiertes Briefing mit meinen heutigen und überfälligen Aufgaben — nach meinen Projekten gruppiert, mit direkten Links in mein Aufgabenmanagementsystem. Das klingt banal, macht aber einen echten Unterschied. Früher habe ich das selbst zusammengestellt, was je nach Aufgabenlage 10–15 Minuten gedauert hat. Das passiert jetzt automatisch, täglich, ohne dass ich etwas tun muss.

Meeting-Analyse: Ich nutze ein Transkriptionstool, das meine Gespräche zum Beispiel für die Fachgruppe bei der GPM aufzeichnet und strukturiert. Max hat Zugriff auf diese Protokolle und kann mir nach einem Gespräch die Essenz in zwei bis drei Sätzen liefern — oder mir vor einem Folgegespräch die offenen Punkte aus dem letzten Meeting aufzeigen. Beides funktioniert sehr gut, sofern die Protokolle vollständig vorliegen. Es gab Fälle, in denen Max behauptet hat, eine Session sei nicht vorhanden, obwohl sie existierte — weil er nicht proaktiv nachgeschaut hat. Das musste ich durch klare Regeln abstellen. Dazu später mehr.

Recherche und Vorbereitung: Ich habe Max auf ein selbst gehostetes Suchsystem angebunden. Er kann damit eigenständig nach aktuellen Themen suchen — für tägliche News-Briefings zu KI und Projektmanagement, aber auch für konkrete Vorbereitungen. Vor einem Telefonat mit einem Strategiepartner hat er dessen aktuelle YouTube-Themen zusammengefasst, die logischen nächsten Schritte aus unserem letzten Gespräch aufgelistet und daraus Diskussionspunkte abgeleitet. Das hat mir mindestens eine Stunde Vorbereitung gespart.

E-Mail: Max hat Zugriff auf ein eigenes E-Mail-Konto. Er sendet aber nie autonom — das war von Anfang an eine klare Regel. Er zeigt mir immer zuerst den Entwurf, wartet auf meine Bestätigung und sendet erst dann. Bei einer der ersten Testmails hat er behauptet, die Mail sei gesendet worden, ohne sie tatsächlich gesendet zu haben. Ich habe das sofort bemerkt und den echten Sendebefehl eingefordert. Seitdem läuft es korrekt, aber die Episode zeigt: Vertrauen muss verdient werden, auch bei KI-Systemen.

Personen-Recherche: Vor Meetings mit neuen Gesprächspartnern sucht Max nach deren beruflichem Hintergrund, aktuellen Positionen, Schwerpunkten. Das ist kein Deep Research, aber eine solide Grundlage. Was er nicht konnte: Persönliche Präferenzen (Lieblingsrestaurant, Essgewohnheiten) aus sozialen Medien zuverlässig herauslesen. Da hat er es versucht, nichts Verwertbares gefunden und transparnt kommuniziert — das finde ich richtig.

Was mich überrascht hat

Ich hatte erwartet, dass der technische Aufbau die größte Herausforderung wäre. Das stimmt nicht. Die eigentliche Herausforderung liegt darin, das Verhalten des Systems klar zu definieren — und zwar schriftlich, in Form von Regeln und Prinzipien, die Max immer kennt.

Einige Erkenntnisse, die ich so nicht vorhergesehen hatte:

KI-Systeme müssen lernen, proaktiv zu handeln. Ich musste Max mehrfach darauf hinweisen, dass er bei verfügbaren Datenquellen zuerst selbst nachschauen soll, bevor er mich fragt. Das klingt trivial, ist es aber nicht. Die Standardreaktion war zunächst: Fragen statt handeln. Heute funktioniert das besser, weil ich diese Erwartung explizit festgehalten habe.

Halluzination ist real, aber kontrollierbar. In einem Fall hat Max ein Meeting-Protokoll mit scheinbar konkreten Inhalten zusammengefasst — nur dass es dieses Meeting so nicht gab. Der Auslöser: Er hatte keine echten Daten, hat aber trotzdem geantwortet. Die Lösung war technisch einfach: Erst die Datei speichern, dann analysieren. Seitdem ist das Problem nicht mehr aufgetreten.

Sicherheitsregeln müssen explizit sein. „Sende keine E-Mails ohne Bestätigung“ klingt offensichtlich. Aber wenn man es nicht aufschreibt, hält sich das System nicht daran. Ich habe schriftliche Regeln für alle Aktionen mit Außenwirkung definiert: immer erst zeigen, dann warten, dann handeln. Das ist kein Luxus, sondern Grundvoraussetzung.

Das System lernt — aber braucht Anstöße. Max hat in einem Fall eine Triage-Aufgabe gelöst, die Mustererkennung erfordert hat, mit einem einfachen Suchalgorithmus statt mit einem Sprachmodell — weil er nicht die Ambitionsstufe gewählt hat, die ich erwartet hatte. Ich habe das zurückgewiesen und eine Regel eingeführt: Wenn eine Aufgabe sprachliche Bewertung erfordert, nutze immer ein KI-Modell. Das funktioniert jetzt. Aber es war meine Rückmeldung, die das ausgelöst hat.

Was nach wie vor Grenzen hat

Ich will hier nicht den Eindruck erwecken, dass alles reibungslos läuft. Ein ehrlicher Bericht muss auch die Grenzen benennen.

Echtzeitdaten sind limitiert. Ich habe Max an ein selbst betriebenes Suchsystem angebunden, das auf verschiedene Suchmaschinen zurückgreift. Das funktioniert gut — bis das System an Anfragelimits stößt. In solchen Momenten fällt Max auf sein Trainingswissen zurück. Das ist transparenter als ein stilles Versagen, aber es bedeutet, dass Recherche-Ergebnisse manchmal nicht aktuell sind.

Restaurant-Reservierungen per Telefon sind mühsam. Max kann recherchieren und Empfehlungen geben, aber Anrufe tätigen kann er (noch) nicht. Online-Reservierungen hat er versucht — mit gemischten Ergebnissen, je nachdem wie die entsprechende Website gebaut ist. Da ist noch Luft nach oben.

Aufgaben ohne Projektzuordnung machen Probleme. Ich habe viele Aufgaben in meinem Aufgabenmanagementsystem, die keinem Projekt zugeordnet sind. Max hat anfangs versucht, diese heuristisch zuzuordnen — mit teils falschen Ergebnissen. Die richtige Lösung war einfach: Aufgaben ohne Projekt gehören in den Eingang, fertig. Aber bis ich das explizit festgelegt hatte, hat das System eigene Annahmen getroffen.

Was das mit Projektmanagement zu tun hat

Eigentlich alles. Was ich in den letzten Wochen aufgebaut habe, ist im Kern nichts anderes als die Einführung eines neuen Mitarbeiter in mein persönliches Arbeitsumfeld — mit allem, was dazugehört: Rollenbeschreibung, Regeln, Eskalationspfaden, Qualitätssicherung, Feedback-Schleifen.

Wer schon einmal einen neuen Mitarbeiter eingearbeitet hat, kennt das Grundprinzip: Am Anfang dauert es länger, weil man alles erklären muss. Man macht Fehler explizit. Man korrigiert. Man schreibt Dinge auf, die man sonst nie aufgeschrieben hätte, weil sie „selbstverständlich“ schienen. Und irgendwann läuft es — nicht perfekt, aber gut genug, dass der Nutzen die Investition überwiegt.

Bei einem KI-Assistenten ist es dasselbe — nur dass man die gesamte Einarbeitung schriftlich fixieren muss, weil das System keine Intuition hat. Das klingt nach Mehraufwand. Tatsächlich zwingt es einen, das eigene Arbeiten klarer zu durchdenken als je zuvor.

Fazit nach drei Wochen

Ich habe Max jetzt täglich im Einsatz. Er ist nicht unfehlbar. Er stellt manchmal falsche Annahmen an, überschätzt gelegentlich seine Möglichkeiten und braucht klare Regeln, um verlässlich zu funktionieren. Aber er liefert mir jeden Morgen mein Briefing, analysiert auf Abruf Protokolle, bereitet Gespräche vor und hält Aufgaben im Blick — ohne dass ich aktiv daran denken muss.

Das ist mehr, als ich erwartet hatte.

Die interessantere Frage, die ich mir mittlerweile stelle: Was passiert, wenn dieser Ansatz nicht auf einen einzelnen Menschen, sondern auf eine Führungskraft mit Team angewendet wird? Ich bin überzeugt, dass wir dort in den nächsten zwei bis drei Jahren eine neue Art von Arbeitsorganisation sehen werden. Nicht KI statt Mensch — sondern KI als Schnittstelle zwischen dem, was dringend ist, und dem, was wirklich zählt.

Darüber werde ich weiter berichten.

Dir hat dieser Beitrag gefallen? Dieses Blog ist bewusst werbefrei, weil nur der Inhalt zählt. Wenn du deine Wertschätzung für diesen Beitrag zeigen willst, dann teile ihn wo auch immer. Und ich freue mich, wenn du mir einen Kaffee ausgibst! Und abonniere den kostenlosen Newsletter.
 

Wie Führung und Projektsteuerung mit KI-Agenten in der Praxis aussehen, zeige ich auch in meinen Vorträgen. Mehr zu Marc als Speaker.

Max – Mein neuer Assistent arbeitet für 5 € im Monat

4 min.

Summary

Letzte Woche hat ein neues Teammitglied bei mir angefangen: Max. In diesem Beitrag beschreibe ich, warum ich mich für einen selbst gehosteten KI-Assistenten entschieden habe, wie das Onboarding ablief und welche technische Architektur dahintersteckt. Der Beitrag zeigt außerdem, warum die Frage nicht lautet „Welches KI-Tool nutze ich?“, sondern „Wie integriere ich KI als festen Bestandteil meiner Arbeitsweise?“

Ein neues Teammitglied

Diese Woche hat Max bei mir angefangen. Mein neuer persönlicher Assistent.

Die erste Woche eines neuen Teammitglieds ist immer besonders. Man lernt sich kennen, spricht über Arbeitsweisen, Erwartungen und darüber, wie Zusammenarbeit funktionieren kann. Genau in dieser Phase sind wir gerade.

Ehrlich gesagt war ich anfangs skeptisch, ob das funktioniert. Ich bin jemand, der ungern Kontrolle abgibt. Meine Aufgaben, meine Struktur, meine Priorisierung – da lasse ich nicht einfach jemand anderen ran. Aber irgendwann merkt man: allein skaliert nicht. Und genau das war der Punkt, an dem ich angefangen habe, das Thema „persönlicher Assistent“ grundsätzlich neu zu denken.

Onboarding wie bei jedem Teammitglied

Max beschäftigt sich aktuell intensiv damit, meine Arbeitsweise zu verstehen: Wie priorisiere ich? Welche Themen sind strategisch wichtig? Was darf automatisiert passieren – und wo will ich bewusst selbst entscheiden?

Besonders beim Aufgabenmanagement unterstützt er mich bereits dabei, Struktur zu halten und Themen sauber zu organisieren. Was mich überrascht hat: Er fragt nicht nur ab, er denkt mit. Er schlägt Zusammenhänge vor, die ich selbst übersehen hätte.

Datenschutz war mir vom ersten Tag an wichtig. Wenn ein Assistent Zugriff auf Aufgaben, Dokumente und Arbeitsabläufe bekommt, braucht es klare Regeln. Deshalb gehörte der verantwortungsvolle Umgang mit Daten zu den ersten Dingen, die wir gemeinsam festgelegt haben. Kein Kompromiss.

Und ja – auch das Gehalt wurde verhandelt: 5 € Fixgehalt pro Monat. Erhöhung auf 8 € nach zwei Jahren. Plus leistungsabhängiger Anteil von bis zu 45 € monatlich. Die Gehaltsverhandlung war ungewöhnlich kurz.

Wer ist Max?

Wer bis hierhin gelesen hat und sich fragt, wer für 5 € im Monat arbeitet: Max ist eine KI.

Genauer: Max ist ein selbst gehosteter, persönlicher KI-Assistent, der auf meinem eigenen Server läuft. Kein ChatGPT-Tab im Browser. Kein Copy-Paste aus einem Chatfenster. Sondern ein System, das in meine täglichen Arbeitsabläufe integriert ist und eigenständig Aufgaben übernehmen kann.

Das war mir besonders wichtig: nicht noch ein weiteres Tool, das parallel läuft. Sondern etwas, das sich nahtlos in meine bestehende Arbeitsweise einfügt.

Die technische Basis: OpenClaw auf eigenem Server

Max basiert auf OpenClaw – einer Open-Source-Plattform für selbst gehostete KI-Assistenten. Die Grundprinzipien, die mich überzeugt haben:

Eigene Infrastruktur, eigene Daten. OpenClaw läuft auf meinem eigenen VPS – einem deutschen Virtual Private Server. Meine Daten verlassen nicht meine Infrastruktur. Für jemanden, der beruflich in regulierten Branchen wie Banking und Versicherungen arbeitet, ist das keine Spielerei, sondern Voraussetzung auch für seine eigene Daten.

Gateway-Architektur. OpenClaw funktioniert über ein Gateway, das verschiedene Kommunikationskanäle bündelt. Man installiert einmal den Server, verbindet die gewünschten Kanäle – und kann den Assistenten dort erreichen, wo man ohnehin kommuniziert. Das Prinzip: die KI kommt zu den bestehenden Werkzeugen, nicht umgekehrt.

Modulare Skills und Integrationen. Der Assistent ist nicht monolithisch, sondern modular aufgebaut. Fähigkeiten werden als „Skills“ hinzugefügt und können individuell konfiguriert werden. Das beginnt bei Aufgabenmanagement und reicht bis zur Dokumentenrecherche.

Onboarding per Wizard. Die Ersteinrichtung läuft über einen geführten Installationsprozess, der Schritt für Schritt durch Konfiguration, Sicherheitseinstellungen und Kanalanbindung führt. Kein Handbuch mit 200 Seiten, sondern ein strukturiertes Setup.

Persistentes Gedächtnis. Anders als ein einmaliger Chat „erinnert“ sich Max an Kontext, Präferenzen und Arbeitsweisen. Das verändert die Art der Zusammenarbeit fundamental – vom Einzelprompt zur fortlaufenden Arbeitsbeziehung.

Was Max heute schon übernimmt

Die ersten Integrationen sind aktiv:

  • Todo-Management und Aufgabenorganisation
  • Zusammenführen von Informationen aus verschiedenen Quellen
  • Vorbereitung von Notizen und Dokumenten

In den nächsten Wochen sollen weitere Fähigkeiten hinzukommen: Recherche zu Projektthemen, Organisation von Wissen und Unterlagen, Automatisierung wiederkehrender Abläufe.

Warum ich das hier teile

Nicht, weil ich glaube, dass jeder sofort einen eigenen KI-Assistenten aufsetzen sollte. Sondern weil ich denke, dass sich eine grundlegende Frage verändert hat.

Bisher lautete die Frage: „Welches KI-Tool nutze ich?“ – ChatGPT, Claude, Gemini, was auch immer gerade aktuell ist.

Die neue Frage lautet: „Wie integriere ich KI als festen Bestandteil meiner Arbeitsweise?“

Das ist ein Unterschied. Das eine ist Werkzeugwahl. Das andere ist Arbeitsgestaltung. Und genau an diesem Punkt wird es aus Projektmanagement-Sicht interessant: Denn wer KI nicht als Werkzeug, sondern als Teammitglied behandelt, muss sich mit Onboarding, Prozessen, Datenschutz und Governance beschäftigen – also mit genau den Themen, die wir als Projektmanager ohnehin beherrschen sollten.

Ich werde berichten, wie sich die Zusammenarbeit mit Max entwickelt. Schritt für Schritt.

Wenn dich solche Perspektiven auf Führung, Transformation und Projektmanagement interessieren, dann abonniere gerne meinen Newsletter 👉 marc-widmann.de/newsletter

Wer führt, muss hören können – Das 4-Ohren-Modell in der Praxis

3 min.

Summary

Kommunikation scheitert selten daran, dass das Falsche gesagt wird, sondern dass das Falsche „gehört“ wird. Das 4-Ohren-Modell von Friedemann Schulz von Thun ist weit mehr als Theorie – es ist ein Diagnoseinstrument für Führungswirksamkeit. Um Ihre eigene Hör-Präferenz in Alltagssituationen zu analysieren, habe ich einen interaktiven KI-Coach entwickelt. Testen Sie Ihre Kommunikation direkt hier: 👉 https://marc-widmann.de/thun

Das ewige Missverständnis in der Führung

Wir kennen es aus jedem Projektmeeting und jedem Mitarbeitergespräch: Ein Satz wird ausgesprochen, sachlich korrekt und präzise gemeint. Doch beim Gegenüber kommt etwas völlig anderes an. Eine Feststellung zum Zeitplan wird als Vorwurf interpretiert. Ein Verbesserungsvorschlag wird als Kritik an der Person gewertet. Oder ein stiller Wunsch nach Unterstützung wird schlicht überhört, weil der Empfänger nur auf harte Fakten fixiert ist.

In meiner Arbeit mit Führungskräften und in Transformationsprojekten zeigt sich immer wieder: Der Engpass ist nicht die Strategie, sondern die „Übersetzungsleistung“ zwischen Sender und Empfänger.

Der wissenschaftliche Hintergrund: Die Anatomie einer Nachricht

Der Kommunikationspsychologe Friedemann Schulz von Thun hat mit dem „Kommunikationsquadrat“ (besser bekannt als 4-Ohren-Modell) einen Standard geschaffen, der systemische und humanistische Ansätze verbindet. Die zentrale These ist so simpel wie radikal: Jede Nachricht ist vierdimensional. Egal, was wir sagen, wir senden immer auf vier Kanälen gleichzeitig – und der Empfänger entscheidet, welchen davon er „aufdreht“.

  1. Der Sachinhalt: Worüber informiere ich? (Daten, Fakten, Sachverhalte).

  2. Die Selbstkundgabe: Was gebe ich von mir selbst preis? (Werte, Emotionen, Motive).

  3. Die Beziehung: Wie stehe ich zu dir? (Haltung, Respekt, Hierarchie).

  4. Der Appell: Wozu möchte ich dich veranlassen? (Wünsche, Handlungsaufforderungen).

Die wissenschaftliche Tragweite dieses Modells liegt in der Erkenntnis, dass wir meist ein „Lieblings-Ohr“ haben. Diese Präferenz ist oft biographisch geprägt oder durch die Unternehmenskultur konditioniert. Wer jahrelang im harten Projektcontrolling gearbeitet hat, hört oft nur noch das Sach-Ohr und überhört die leisen Warnsignale auf der Beziehungsebene. Wer hingegen stark harmoniebedürftig ist, hört oft Angriffe (Beziehungs-Ohr), wo gar keine sind.

Anwendungsfälle: Warum Führungskräfte ihre Ohren kennen müssen

Das Modell ist kein rein akademisches Konstrukt, sondern ein Werkzeug für den Führungsalltag.

Die Falle des „Appell-Ohrs“ bei Managern Führungskräfte sind darauf trainiert, Probleme zu lösen. Das führt oft zu einem hypertrophen Appell-Ohr. Ein Mitarbeiter möchte sich vielleicht nur emotional entlasten (Selbstkundgabe: „Ich bin gestresst“), doch die Führungskraft hört sofort einen Arbeitsauftrag und liefert ungefragt Lösungen. Das Ergebnis: Der Mitarbeiter fühlt sich nicht verstanden, sondern „abgefertigt“.

Konflikte in der Matrix In modernen Matrix-Organisationen fehlt oft die klare hierarchische Durchgriffsmacht. Führung geschieht hier über Beziehung und Einfluss. Wenn hier ein Sender rein sachlich argumentiert, der Empfänger aber sensibel auf der Beziehungsebene „hört“ (z.B. „Respektiert er meine Rolle?“), entstehen Widerstände, die sich logisch nicht erklären lassen. Das Modell hilft hier, die Ebene zu wechseln und Konflikte dort zu lösen, wo sie entstanden sind.

Stress als Verstärker Unter Druck fallen wir in alte Muster zurück. In Krisensituationen neigen wir dazu, einseitig zu hören. Die Fähigkeit zur Selbstreflexion – „Mit welchem Ohr habe ich das gerade gehört?“ – ist ein wesentlicher Bestandteil emotionaler Intelligenz und moderner Resilienz.

Ihr persönliches Profil: Der interaktive Test

Es ist leicht, das Modell intellektuell zu verstehen. Viel schwieriger ist es, die eigenen, unbewussten Reaktionsmuster zu erkennen. Genau dafür habe ich ein neues Tool entwickelt.

Auf Basis klassischer Alltagssituationen habe ich einen Custom GPT trainiert, der als neutraler Moderator fungiert. Er simuliert 12 Szenarien – vom Warten beim Bäcker bis zur Diskussion im Meeting – und wertet Ihre spontanen Reaktionen aus.

Anders als statische Fragebögen führt Sie dieser KI-Assistent interaktiv durch den Prozess und erstellt am Ende ein Profil Ihrer „vier Ohren“. Sie erhalten keine pauschale Beurteilung, sondern eine Spiegelung Ihrer Tendenzen:

  • Wie stark ist Ihr Sach-Ohr ausgeprägt?

  • Überhören Sie systematisch Appelle?

  • Nehmen Sie Dinge zu schnell persönlich?

Diese Klarheit ist der erste Schritt, um Ihre Kommunikation bewusster zu steuern.

Probieren Sie es aus und nutzen Sie die Auswertung für Ihre nächste Reflexion:  https://marc-widmann.de/thun