Wenn es um die menschliche Komponente im Projektmanagement geht, sind Probleme leider auch nicht weit … Thomas Schlereth schreibt über die Bewertung und Einordnung von Projektproblemen sowie über passende Lösungsansätze. Ebenfalls ein Thema in diesem letzten Teil unserer Blogpost-Reihe ist Künstliche Intelligenz im Projektmanagement – und ein Fazit zieht Thomas natürlich auch.
Geht es noch schlimmer? Die Bewertung von Problemen in Projekten
Es gibt offensichtlich gute und weniger gute ProjektmanagerInnen – das zeigt die Praxis. Was aber macht den Unterschied aus? Ein wesentlicher Aspekt sind die Soft Skills der Person. Wie gut kann sie das Team motivieren, wie gut kann sie organisieren? Ist er oder sie fachlich qualifiziert und beispielsweise in Projektmanagementmethoden ausgebildet?
In der Theorie wird ein Projekt genau durchgeplant und läuft genauso ab wie geplant. Wenn das immer so wäre, bräuchte man nur Projektplaner, aber keine Projektmanager. Das Team schaut nur in den Plan und arbeitet ihn ohne Abweichung ab. Jeder, der jemals in mindestens einem Projekt gearbeitet hat, weiß, dass dies so nicht passieren wird: Es gibt Abweichungen aller Art, die zu Problemen führen. Die muss das Projektmanagement (oder das Team in einer agilen Organisation) dann lösen. Bevor aber eine Lösung in Erwägung gezogen wird, ist die Interpretation des Problems von entscheidender Bedeutung.
Hier unterscheiden sich nun die guten von den weniger guten Projektverantwortlichen. Ebenso die guten TeamleiterInnen von den weniger guten TeamleiterInnen in einer Matrixorganisation.
Eine minimale Überlastung ist sicher ein kleineres Problem im Vergleich zu einer dramatischen Überlastung, weil eine wichtige Ressource 3 Wochen krank wird. Ebenso offensichtlich: Ein Problem in einem zeitlich fixierten Projekt, wie beispielsweise die Anpassung einer Software aufgrund von gesetzlichen Vorgaben bis zu einem Stichtag, ist ein größeres Problem als in einem Projekt mit niedriger Priorität. Ein Risiko in einem Projekt, das gerade begonnen hat, kann geringer eingestuft werden als gegen Ende des Projekts, weil eben noch mehr Restlaufzeit existiert, um die Abweichung zu kompensieren. Die Möglichkeiten und Einschätzungen sind komplex, umfangreich und oft von persönlichen Motiven und Erfahrungen geprägt. Viele Probleme finden die Ursache in der projektübergreifenden Ressourcenplanung – und warum soll die eine Projektleiterin ihr Projekt verändern, nur weil der andere Projektleiter einen Fehler in der Planung hatte?
Erfahrene und ausgebildete ProjektmanagerInnen können solche Situationen sehr gut einschätzen und damit umgehen. Was bleibt, ist der Wettbewerb um die Ressourcen in den Unternehmen, wo stets zu viel Arbeit in zu kurzer Zeit von zu wenigen Menschen erledigt sein will.
Lösungsansätze bei der Interpretation von Problemen
Das Zusammenspiel der vielen parallel laufenden Arbeitspakete, egal ob agil oder nicht, und die projektübergreifende Bewertung von Risiken überfordern die Menschen. Eine künstliche Intelligenz kann hier helfen. Dieses System analysiert das Risiko hinsichtlich seiner negativen Implikationen und des Umfang des Risikos. Dazu werden alle Konfliktsituation sowohl horizontal, also auf der Zeitachse in die Zukunft, als auch vertikal, also immer tiefer in die Projektdetailplanung, betrachtet und gewichtet. Das Ergebnis ist eine generalistische Empfehlung, ob überhaupt etwas an der Planung geändert werden muss oder man das Projekt erst mal so weiterlaufen lässt.
Auch, wenn eine Ressource mathematisch garantiert überlastet ist, kann die KI zu der Empfehlung kommen, das Problem zu ignorieren. Es wird hier von der KI antizipiert, dass die Menschen in den Projekten auch die Bedeutung von Arbeiten und Projekten erkennen und sich in ihrem detaillierten Verhalten entsprechend anpassen. Aus ganz vielen Warnungen werden dann viel weniger, bei denen die KI empfiehlt, sofort einzugreifen. Der/die Projektverantwortliche kann sich nun besonders auf diese Probleme konzentrieren und wird nicht von belanglosen Risiken abgelenkt.
Kann die KI das Problem nicht gleich selbst lösen?
Bisher nicht.
Die KI oder ein einfacher Algorithmus kann eine Konstellation von Arbeiten und Menschen errechnen, die das Problem einer Überlastung löst. Dies könnte aber dazu führen, dass quasi alle Projekte komplett umgeplant werden. Und das einmal pro Sekunde.
Die Verschiebung eines Arbeitspakets um einen Tag mit 5 zugewiesenen Ressourcen kann einen Kaskadeneffekt auslösen, der 50 andere Projekte und Hunderte von geplanten Arbeiten anpasst. So etwas ist in einem Projekt mit einer exklusiven Ressourcenmenge auf dem Projekt machbar; es gibt Produkte, die das können. In einer projektübergreifenden Planung, dazu gehört auch die Urlaubsplanung, ist das unmöglich. Die KI würde dann den Urlaub des Mitarbeiters beispielsweise um 3 Monte schieben. Das könnte für die Akzeptanz der KI negativ sein. Weiterhin hat die KI gar nicht alle Informationen, um eine Lösung zu ermitteln. Projekte bestehen eben aus Terminen, Kosten und vor allem Qualität, also Inhalten. Ob ein geplanter Arbeitsgang einfach mit etwas weniger Aufwand realisiert werden (also die Qualität verschlechtert werden) kann, das kann die Maschine nicht entscheiden.
Die menschlichen Lösungsmöglichkeiten sind der Maschine noch fremd. Den Mitarbeiter anzuspornen und zu motivieren, um das Ziel doch noch zu erreichen oder seinen Blick auf wichtige Arbeiten zu lenken, ist bis jetzt für die Maschinen schwer bis gar nicht umsetzbar. Das wird sich sicher in der nahen Zukunft ändern, wenn die KIs die Persönlichkeiten und auch private Daten der Menschen besser im Zugriff haben.
Die Projektmanager oder die Scrumteams müssen also selbst einen Lösungsansatz entwerfen. Dabei kann die Software aber stark unterstützen. Ob diese erdachte Lösung machbar ist, unterliegt zwei primären, gleichwertigen Aspekten. Zum einen muss die Lösung fachlich, also inhaltlich, realistisch sein, eben wenn der Aufwand einer Arbeit verringert wird. Zum anderen muss die Lösung an sich machbar sein, sprich die Frage "Löst es wirklich das Problem, wenn wir die Arbeitsmenge um 30% in einem Arbeitspaket reduzieren oder das Arbeitspaket verschieben?" beantwortet sein. Diese Aufgabe kann die KI übernehmen.
Wenn die Software in Echtzeit arbeitet, ist sie eine große Hilfe. Die Änderung wird einfach im Projektplan „versucht“. Wenn das Risiko verschwindet, ist alles gut und die Lösung kann funktionieren. Wenn nicht, muss eine alternative oder weiterführende Lösung gefunden werden.
Echtzeit heißt aber in diesem Zusammenhang auch, dass die der Software zur Verfügung stehenden Daten einigermaßen aktuell und realistisch sind. Eine ProjektmanagerIn hat wenige bis keine Optionen, Probleme zu identifizieren und zu lösen, wenn das Team den tatsächlichen Ablauf der Arbeiten erst zum Monatsende in den Computer eingibt. Die Simulation der Maschine hat alte Daten, die nicht aktuell sind, daher wird das Ergebnis der Algorithmen und der KI ebenfalls nicht belastbar sein.
Daher legen professionelle Unternehmen so viel Wert darauf, dass die Projektmitarbeitenden möglichst täglich, mindestens wöchentlich, Arbeitsfortschritt und -menge aktualisieren. Nur dann kann der/die Projektmanager zukünftige Risiken dank der Software vorhersehen und präventiv handeln. Interessanterweise sind die Mitarbeitenden, die am meisten überlastet und gestresst sind, auch diejenigen, die ihre Daten am schlechtesten aktualisieren. Das ist eine logische Wechselwirkung, die in eine Endlosschleife der Probleme führt.
Der gleiche Zusammenhang kann aber auch auf der Führungsebene beobachtet und sogar statistisch belegt werden. Die Projekte derjenigen ProjektmanagerInnen, die ihre Pläne nicht pflegen oder Risiken, die die Maschine aufdeckt, einfach ignorieren (Faktor Hoffnung), verursachen auch die meisten Probleme in einer Organisation, denn sie stören die anderen Projekte. Diese ProjektleiterInnen sind aber häufig auch die Personen, die sich am meisten beklagen und von Herausforderungen sprechen.
Fazit: Ist die Planung von Menschen in Projekten wirklich so schwierig?
Die klare Antwort ist: ja.
Der Grund ist einfach: Wir reden von Menschen und nicht von Maschinen. Ein kluger Projektmanagement-Methodiker hat hier ein wunderbares Bild geprägt, das ich hier stehle:
Das Wetter vorherzusehen, ist essenziell wichtig für die Menschen. Ernten oder Reisen werden davon beeinflusst, um nur zwei Beispiele zu nennen. Da die Abhängigkeit sehr hoch ist, haben die Menschen frühzeitig Verfahren entwickelt, um das Wetter prognostizieren zu können. Indikatoren wie Wolkenbildung, Verhalten von Tieren oder schlicht die Wahrscheinlichkeit eines Wetterereignisses aufgrund der Jahreszeit (Aprilwetter) wurden zu einem Modell zusammengebastelt, das schon recht gut war und in schlichten Prinzipien wie Bauernregeln mündete.
Aber erst die Entwicklung von Satelliten und das Verständnis physikalischer Zusammenhänge erlaubte es, mathematische Verfahren zu entwickeln, die die Vorhersagequalität deutlich verbesserten.
Hier werden sehr viele Daten nach gewissen Prinzipien in Verbindung gebracht; daraus ergibt sich dann eine lokale oder sogar globale (Klima-) Vorhersage. Aber selbst dieser von Hochleistungscomputern mit phänomenaler Software errechneten Prognose wird eine Wahrscheinlichkeit zugeordnet: „Die Regenwahrscheinlichkeit morgen ist (…)“
Das Wetter kann auch nicht taggenau für die ferne Zukunft vorhergesagt werden; in guter Qualität vielleicht 5 bis 10 Tage. Ein längerer Zeitraum wäre nur vorhersehbar, wenn die Menge der Messung sehr viel genauer und ebenso die Berechnung der physikalischen Wechselwirkungen sehr viel exakter wäre.
Die schiere Menge der Rechenoperationen und die ständige Veränderung macht dies aktuell noch unmöglich. Man denke nur an das Bild des Schmetterlings, der durch einen Flügelschlag einen Hurrikan auslösen könnte. Niemand würde also erwarten, dass die Regenmenge in seinem Garten auf den Milliliter pro Quadratmeter in sechs Tagen exakt vorhergesehen wird.
Ähnlich verhält es sich mit der Ressourcenplanung: Eine exakte Vorhersage, wer wann was macht, ist nicht möglich. Vor allem nicht, je weiter man in die Zukunft blickt. Aber die Menschen sind eben auch nicht völlig blind.
Die Zukunft lässt sich in einem gewissen Detailgrad mit einer gewissen Wahrscheinlichkeit eben doch vorhersehen. Dies gelingt nur mit moderner, fast schon intelligenter Software, die im Zusammenspiel mit der Urteilskraft aller handelnden Personen realistische Zielplanung erlaubt. Eine Software wie Can Do, die Dich bei der Projektplanung und beim Ressourcenmanagement mit Künstlicher Intelligenz unterstützt.
Wir freuen uns, wenn Dir Can Do-Gründer Thomas Schlereth, der diesen und die vier vorhergehenden Blogartikel zu den Themen Ressourcenplanung, Projektplanung und Ressourcenmanagement verfasst hat, wertvolle Insights bieten konnte! Du möchtest alles über Hybrides Projektmanagement, Can Do und Ressourcenmanagement unter menschlichen Aspekten wissen? Lass Dich von uns unverbindlich beraten – nimm einfach Kontakt auf!
Unsere Blogpost-Reihe in der Übersicht:
Geht es noch schlimmer? Die Bewertung von Problemen in Projekten
Es gibt offensichtlich gute und weniger gute ProjektmanagerInnen – das zeigt die Praxis. Was aber macht den Unterschied aus? Ein wesentlicher Aspekt sind die Soft Skills der Person. Wie gut kann sie das Team motivieren, wie gut kann sie organisieren? Ist er oder sie fachlich qualifiziert und beispielsweise in Projektmanagementmethoden ausgebildet?
In der Theorie wird ein Projekt genau durchgeplant und läuft genauso ab wie geplant. Wenn das immer so wäre, bräuchte man nur Projektplaner, aber keine Projektmanager. Das Team schaut nur in den Plan und arbeitet ihn ohne Abweichung ab. Jeder, der jemals in mindestens einem Projekt gearbeitet hat, weiß, dass dies so nicht passieren wird: Es gibt Abweichungen aller Art, die zu Problemen führen. Die muss das Projektmanagement (oder das Team in einer agilen Organisation) dann lösen. Bevor aber eine Lösung in Erwägung gezogen wird, ist die Interpretation des Problems von entscheidender Bedeutung.
Hier unterscheiden sich nun die guten von den weniger guten Projektverantwortlichen. Ebenso die guten TeamleiterInnen von den weniger guten TeamleiterInnen in einer Matrixorganisation.
Eine minimale Überlastung ist sicher ein kleineres Problem im Vergleich zu einer dramatischen Überlastung, weil eine wichtige Ressource 3 Wochen krank wird. Ebenso offensichtlich: Ein Problem in einem zeitlich fixierten Projekt, wie beispielsweise die Anpassung einer Software aufgrund von gesetzlichen Vorgaben bis zu einem Stichtag, ist ein größeres Problem als in einem Projekt mit niedriger Priorität. Ein Risiko in einem Projekt, das gerade begonnen hat, kann geringer eingestuft werden als gegen Ende des Projekts, weil eben noch mehr Restlaufzeit existiert, um die Abweichung zu kompensieren. Die Möglichkeiten und Einschätzungen sind komplex, umfangreich und oft von persönlichen Motiven und Erfahrungen geprägt. Viele Probleme finden die Ursache in der projektübergreifenden Ressourcenplanung – und warum soll die eine Projektleiterin ihr Projekt verändern, nur weil der andere Projektleiter einen Fehler in der Planung hatte?
Erfahrene und ausgebildete ProjektmanagerInnen können solche Situationen sehr gut einschätzen und damit umgehen. Was bleibt, ist der Wettbewerb um die Ressourcen in den Unternehmen, wo stets zu viel Arbeit in zu kurzer Zeit von zu wenigen Menschen erledigt sein will.
Lösungsansätze bei der Interpretation von Problemen
Das Zusammenspiel der vielen parallel laufenden Arbeitspakete, egal ob agil oder nicht, und die projektübergreifende Bewertung von Risiken überfordern die Menschen. Eine künstliche Intelligenz kann hier helfen. Dieses System analysiert das Risiko hinsichtlich seiner negativen Implikationen und des Umfang des Risikos. Dazu werden alle Konfliktsituation sowohl horizontal, also auf der Zeitachse in die Zukunft, als auch vertikal, also immer tiefer in die Projektdetailplanung, betrachtet und gewichtet. Das Ergebnis ist eine generalistische Empfehlung, ob überhaupt etwas an der Planung geändert werden muss oder man das Projekt erst mal so weiterlaufen lässt.
Auch, wenn eine Ressource mathematisch garantiert überlastet ist, kann die KI zu der Empfehlung kommen, das Problem zu ignorieren. Es wird hier von der KI antizipiert, dass die Menschen in den Projekten auch die Bedeutung von Arbeiten und Projekten erkennen und sich in ihrem detaillierten Verhalten entsprechend anpassen. Aus ganz vielen Warnungen werden dann viel weniger, bei denen die KI empfiehlt, sofort einzugreifen. Der/die Projektverantwortliche kann sich nun besonders auf diese Probleme konzentrieren und wird nicht von belanglosen Risiken abgelenkt.
Kann die KI das Problem nicht gleich selbst lösen?
Bisher nicht.
Die KI oder ein einfacher Algorithmus kann eine Konstellation von Arbeiten und Menschen errechnen, die das Problem einer Überlastung löst. Dies könnte aber dazu führen, dass quasi alle Projekte komplett umgeplant werden. Und das einmal pro Sekunde.
Die Verschiebung eines Arbeitspakets um einen Tag mit 5 zugewiesenen Ressourcen kann einen Kaskadeneffekt auslösen, der 50 andere Projekte und Hunderte von geplanten Arbeiten anpasst. So etwas ist in einem Projekt mit einer exklusiven Ressourcenmenge auf dem Projekt machbar; es gibt Produkte, die das können. In einer projektübergreifenden Planung, dazu gehört auch die Urlaubsplanung, ist das unmöglich. Die KI würde dann den Urlaub des Mitarbeiters beispielsweise um 3 Monte schieben. Das könnte für die Akzeptanz der KI negativ sein. Weiterhin hat die KI gar nicht alle Informationen, um eine Lösung zu ermitteln. Projekte bestehen eben aus Terminen, Kosten und vor allem Qualität, also Inhalten. Ob ein geplanter Arbeitsgang einfach mit etwas weniger Aufwand realisiert werden (also die Qualität verschlechtert werden) kann, das kann die Maschine nicht entscheiden.
Die menschlichen Lösungsmöglichkeiten sind der Maschine noch fremd. Den Mitarbeiter anzuspornen und zu motivieren, um das Ziel doch noch zu erreichen oder seinen Blick auf wichtige Arbeiten zu lenken, ist bis jetzt für die Maschinen schwer bis gar nicht umsetzbar. Das wird sich sicher in der nahen Zukunft ändern, wenn die KIs die Persönlichkeiten und auch private Daten der Menschen besser im Zugriff haben.
Die Projektmanager oder die Scrumteams müssen also selbst einen Lösungsansatz entwerfen. Dabei kann die Software aber stark unterstützen. Ob diese erdachte Lösung machbar ist, unterliegt zwei primären, gleichwertigen Aspekten. Zum einen muss die Lösung fachlich, also inhaltlich, realistisch sein, eben wenn der Aufwand einer Arbeit verringert wird. Zum anderen muss die Lösung an sich machbar sein, sprich die Frage "Löst es wirklich das Problem, wenn wir die Arbeitsmenge um 30% in einem Arbeitspaket reduzieren oder das Arbeitspaket verschieben?" beantwortet sein. Diese Aufgabe kann die KI übernehmen.
Wenn die Software in Echtzeit arbeitet, ist sie eine große Hilfe. Die Änderung wird einfach im Projektplan „versucht“. Wenn das Risiko verschwindet, ist alles gut und die Lösung kann funktionieren. Wenn nicht, muss eine alternative oder weiterführende Lösung gefunden werden.
Echtzeit heißt aber in diesem Zusammenhang auch, dass die der Software zur Verfügung stehenden Daten einigermaßen aktuell und realistisch sind. Eine ProjektmanagerIn hat wenige bis keine Optionen, Probleme zu identifizieren und zu lösen, wenn das Team den tatsächlichen Ablauf der Arbeiten erst zum Monatsende in den Computer eingibt. Die Simulation der Maschine hat alte Daten, die nicht aktuell sind, daher wird das Ergebnis der Algorithmen und der KI ebenfalls nicht belastbar sein.
Daher legen professionelle Unternehmen so viel Wert darauf, dass die Projektmitarbeitenden möglichst täglich, mindestens wöchentlich, Arbeitsfortschritt und -menge aktualisieren. Nur dann kann der/die Projektmanager zukünftige Risiken dank der Software vorhersehen und präventiv handeln. Interessanterweise sind die Mitarbeitenden, die am meisten überlastet und gestresst sind, auch diejenigen, die ihre Daten am schlechtesten aktualisieren. Das ist eine logische Wechselwirkung, die in eine Endlosschleife der Probleme führt.
Der gleiche Zusammenhang kann aber auch auf der Führungsebene beobachtet und sogar statistisch belegt werden. Die Projekte derjenigen ProjektmanagerInnen, die ihre Pläne nicht pflegen oder Risiken, die die Maschine aufdeckt, einfach ignorieren (Faktor Hoffnung), verursachen auch die meisten Probleme in einer Organisation, denn sie stören die anderen Projekte. Diese ProjektleiterInnen sind aber häufig auch die Personen, die sich am meisten beklagen und von Herausforderungen sprechen.
Fazit: Ist die Planung von Menschen in Projekten wirklich so schwierig?
Die klare Antwort ist: ja.
Der Grund ist einfach: Wir reden von Menschen und nicht von Maschinen. Ein kluger Projektmanagement-Methodiker hat hier ein wunderbares Bild geprägt, das ich hier stehle:
Das Wetter vorherzusehen, ist essenziell wichtig für die Menschen. Ernten oder Reisen werden davon beeinflusst, um nur zwei Beispiele zu nennen. Da die Abhängigkeit sehr hoch ist, haben die Menschen frühzeitig Verfahren entwickelt, um das Wetter prognostizieren zu können. Indikatoren wie Wolkenbildung, Verhalten von Tieren oder schlicht die Wahrscheinlichkeit eines Wetterereignisses aufgrund der Jahreszeit (Aprilwetter) wurden zu einem Modell zusammengebastelt, das schon recht gut war und in schlichten Prinzipien wie Bauernregeln mündete.
Aber erst die Entwicklung von Satelliten und das Verständnis physikalischer Zusammenhänge erlaubte es, mathematische Verfahren zu entwickeln, die die Vorhersagequalität deutlich verbesserten.
Hier werden sehr viele Daten nach gewissen Prinzipien in Verbindung gebracht; daraus ergibt sich dann eine lokale oder sogar globale (Klima-) Vorhersage. Aber selbst dieser von Hochleistungscomputern mit phänomenaler Software errechneten Prognose wird eine Wahrscheinlichkeit zugeordnet: „Die Regenwahrscheinlichkeit morgen ist (…)“
Das Wetter kann auch nicht taggenau für die ferne Zukunft vorhergesagt werden; in guter Qualität vielleicht 5 bis 10 Tage. Ein längerer Zeitraum wäre nur vorhersehbar, wenn die Menge der Messung sehr viel genauer und ebenso die Berechnung der physikalischen Wechselwirkungen sehr viel exakter wäre.
Die schiere Menge der Rechenoperationen und die ständige Veränderung macht dies aktuell noch unmöglich. Man denke nur an das Bild des Schmetterlings, der durch einen Flügelschlag einen Hurrikan auslösen könnte. Niemand würde also erwarten, dass die Regenmenge in seinem Garten auf den Milliliter pro Quadratmeter in sechs Tagen exakt vorhergesehen wird.
Ähnlich verhält es sich mit der Ressourcenplanung: Eine exakte Vorhersage, wer wann was macht, ist nicht möglich. Vor allem nicht, je weiter man in die Zukunft blickt. Aber die Menschen sind eben auch nicht völlig blind.
Die Zukunft lässt sich in einem gewissen Detailgrad mit einer gewissen Wahrscheinlichkeit eben doch vorhersehen. Dies gelingt nur mit moderner, fast schon intelligenter Software, die im Zusammenspiel mit der Urteilskraft aller handelnden Personen realistische Zielplanung erlaubt. Eine Software wie Can Do, die Dich bei der Projektplanung und beim Ressourcenmanagement mit Künstlicher Intelligenz unterstützt.
Wir freuen uns, wenn Dir Can Do-Gründer Thomas Schlereth, der diesen und die vier vorhergehenden Blogartikel zu den Themen Ressourcenplanung, Projektplanung und Ressourcenmanagement verfasst hat, wertvolle Insights bieten konnte! Du möchtest alles über Hybrides Projektmanagement, Can Do und Ressourcenmanagement unter menschlichen Aspekten wissen? Lass Dich von uns unverbindlich beraten – nimm einfach Kontakt auf!
Unsere Blogpost-Reihe in der Übersicht:
- Teil 1: Muss das Chaos sein? Planung von Menschen
- Teil 2: Was kann PM-Software leisten?
- Teil 3: Arten der Projekt-Planung
- Teil 4: Die / der Einzelne im Ressourcenmanagement
- Teil 5: Die Bewertung von Problemen in Projekten (dieser Beitrag)
