Innovationen im Projektmanagement durch KI-basierte Lösungen
KI im Projektmanagement
- 06.01.2025
Einsatz von KI im Risikomanagement
i-taros integriert Methoden des maschinellen Lernens und Large Language Models (LLMs), um Daten wie Ausschreibungen, Projektbeschreibungen oder Berichte zu analysieren. Dabei werden Risikofaktoren anhand des PMBOK-Standards ermittelt und in einer strukturierten Form aufbereitet.Kernfunktionen der Plattform:
1. Datenanalyse
- Analyse von Projektdokumenten mittels Large Language Models (LLMs)
- Identifikation risikorelevanter Informationen basierend auf einem Risikoregister
2. Risikoclusterung und Bewertung
- Strukturierte Erfassung von Risiken und deren Auswirkungen
- Erstellung einer durch Erfahrungswerte gestützten Risikoliste, die Projektleiter:innen bei der Priorisierung unterstützt
3. Monitoring und Entscheidungshilfen
- Laufendes Monitoring während des Projektverlaufs durch Auswertung von Berichten und Protokollen
- Unterstützung bei der Bewertung und Einleitung von Gegenmaßnahmen
4. Vorschlagswesen und Bewertung von Gegenmaßnahmen
- Die KI generiert Vorschläge für geeignete Gegenmaßnahmen basierend auf identifizierten Risiken.
- Anwender:innen können diese Vorschläge ergänzen und ihre Wirksamkeit im Nachhinein bewerten.
- Diese Bewertungen fließen in den Lernprozess der KI ein und verbessern zukünftige Vorschläge.
Bedeutung für Privatwirtschaft und Öffentliche Organisationen
Der wirtschaftliche Schaden durch gescheiterte Projekte ist erheblich. Deutsche Firmen zum Beispiel investierten allein 2019 circa 27,6 Milliarden Euro in Digitalisierungs- und F&E-Projekte, wobei konservativ geschätzte 25 Prozent der Kosten in Form von Schäden verloren gingen. Ein effizientes Risikomanagement kann nicht nur Projekte erfolgreicher machen, sondern auch finanzielle Verluste signifikant reduzieren.Um die Akzeptanz zu fördern, setzt i-taros auf benutzerfreundliche Oberflächen und die Unterstützung von Nicht-IT-Fachkräften durch eine No-Code-Lösung. Damit wird die Plattform für eine breite Zielgruppe attraktiv.
Zukunftsperspektiven
- Kurzfristig: Einführung der Plattform mit Pilotkunden, Optimierung der Benutzeroberfläche und Integration erklärbarer KI-Funktionen.
- Mittelfristig : Erweiterung der Datenbasis und Einsatz von Natural Language Processing (NLP) für umfangreichere Analysen.
- Langfristig : Anpassung der Lösung an weitere Branchen wie Chemie, Maschinenbau oder Bauwesen.
