KI ist längst im Arbeitsalltag angekommen. Sie schreibt E-Mails, fasst Meetings zusammen, strukturiert Dokumente und unterstützt bei Recherchen. Doch das ist noch immer KI als Assistent: hilfreich, reaktiv und meist individuell genutzt.
Der nächste Schritt ist ein anderer. KI wird dann wertvoller, wenn sie Kontext über Meetings hinweg behält, Muster über die Zeit erkennt, Projektrisiken sichtbar macht und Teams direkt in ihrem tatsächlichen Arbeitsfluss unterstützt.
Der Schritt vom Assistenten zum Teammitglied
Microsoft beschreibt diese Entwicklung als Aufkommen der Frontier Firm: einer Organisation, in der Menschen weiterhin die Richtung vorgeben, während Agenten zunehmend Teile der Arbeit unterstützen, koordinieren und ausführen.
Die Entwicklung lässt sich in drei Phasen verstehen:
- Phase 1: Mitarbeitende nutzen KI-Assistenten für ihre persönliche Produktivität.
- Phase 2: Agenten werden zu digitalen Kollegen, die unter menschlicher Führung konkrete Aufgaben übernehmen.
- Phase 3: Menschen setzen die Richtung, während KI Workflows unterstützt, bei Bedarf nachfragt und Arbeit in Bewegung hält.
Viele Unternehmen befinden sich heute zwischen Phase eins und Phase zwei. Sie haben KI-Assistenten eingeführt, aber KI noch nicht wirklich in die Art integriert, wie Teams Entscheidungen treffen, Abhängigkeiten managen und Ergebnisse liefern.
Genau hier beginnt die eigentliche Herausforderung.
Viele KI-Piloten erzeugen am Anfang Begeisterung. Die Demo funktioniert, erste Tests sind vielversprechend und Lizenzen werden ausgerollt. Doch sobald die erste Neugier nachlässt, sinkt die Nutzung häufig wieder.
Nicht, weil die Technologie nutzlos wäre. Sondern weil sie kein fester Bestandteil davon geworden ist, wie Arbeit tatsächlich passiert.
Vertrauen, Akzeptanz, Governance und Integration in tägliche Routinen sind genauso wichtig wie die Leistungsfähigkeit des Modells.
Warum haben sich KI-Assistenten so schnell verbreitet?
KI-Assistenten haben sich schnell verbreitet, weil sie mit sehr wenig Reibung sofort spürbaren Nutzen schaffen.
Sie helfen beim Schreiben, Zusammenfassen, Strukturieren und Recherchieren. Sie verändern in der Regel keine Systeme im Hintergrund, überschreiben keine Entscheidungen und greifen nicht in Verantwortlichkeiten ein. Sie schlagen vor, und der Mensch entscheidet.
Dieses Prinzip ist entscheidend.
Wenn KI vom persönlichen Assistenten zum aktiven Teammitglied werden soll, muss sie dieses Gefühl von Kontrolle bewahren. Teams müssen erleben, dass KI ihnen hilft, klarer und fokussierter ihre Aufgaben wahrzunehmen, und nicht, dass sie unbemerkt die Kontrolle übernimmt.
Was macht KI im Team wertvoll?
Eine gute KI-Lösung im Team ist nicht einfach die stärkste oder autonomste KI. Entscheidend ist, wie gut sie in die Zusammenarbeit eingebettet ist.
Die künstliche Intelligenz schlägt vor. Der Mensch entscheidet.
Sie macht Risiken sichtbar, eskaliert aber nicht blind. Sie erkennt mögliche Action Items, aber das Team bestätigt sie. Sie erkennt Zusammenhänge, verändert aber nicht stillschweigend Projektboards, Backlogs oder Statusinformationen.
Diese Zurückhaltung ist keine Schwäche. Sie ist die Grundlage für Vertrauen.
Die unbequeme Wahrheit ist: Software allein verändert nicht, wie Teams arbeiten.
Das Tool kann bereit sein. Die Organisation braucht aber auch das Operating Model darum herum: klare Leitplanken, definierte Verantwortlichkeiten, gemeinsame Erwartungen und genügend Vertrauen, damit die Lösung echte Arbeit unterstützen kann.
KI muss als Unterstützung wahrgenommen werden, nicht als Kontrolle. Sie soll entlasten, Transparenz schaffen und Teams helfen, ausgerichtet zu bleiben. Sie darf sich nicht wie eine zusätzliche Überwachungsebene anfühlen.
Warum das besonders in grossen Projekten zählt
In kleinen KI-Piloten fällt es oft kaum auf, wenn die Nutzung nach einigen Wochen zurückgeht. Der Kanal wird still, Lizenzen bleiben ungenutzt und der Effekt verpufft.
In grossen Technologie- und Transformationsprojekten ist dasselbe Muster deutlich gravierender.
Begrenzte Transparenz, verzögerte Entscheidungen, offene Abhängigkeiten und fragmentierte Koordination können schnell teuer und geschäftskritisch werden.
Drei Schweizer Beispiele zeigen, wie sichtbar und teuer Delivery-Risiken werden können: die Schweizer Armee mit CHF 240 Mio. für das SAP-Programm “ERP Systeme V/ar“, dessen Logistikteil 2023 als nicht umsetzbar gestoppt wurde. Raiffeisen mit CHF 47 Mio. für eine Banking-App, die scheiterte. Und das Staatssekretariat für Migration mit CHF 193 Mio. von ursprünglich budgetierten CHF 66 Mio für die Erneuerung von “ZEMIS“.
Diese Beispiele unterscheiden sich in Kontext und Ausgang. Sie zeigen aber ein gemeinsames Muster grosser Transformationsvorhaben: Wenn Koordination zu schwerfällig wird, Risiken zu spät sichtbar werden und Entscheidungen zu lange offen bleiben, wird fehlende Transparenz teuer.
Genau hier kann KI über reine Protokollierung hinaus Wert schaffen.
Die Chance liegt nicht nur darin, Meetings zusammenzufassen. Sie liegt darin, den Arbeitsfluss zu unterstützen: Risiken früher zu erkennen, Signale aus verschiedenen Systemen zu verbinden, Teams beim Nachfassen zu helfen und relevanten Kontext genau dorthin zu bringen, wo Entscheidungen getroffen werden.
PMEOS als KI-nativer Execution Layer
Genau für dieses Problem ist PMEOS entwickelt.
PMEOS ist AgileAdvants KI-basierte Execution Layer für moderne Project-Delivery-Teams. Die Lösung verbindet Meetings, Projektkontext und Delivery-Tools, damit Teams Risiken früher erkennen, konsequenter nachfassen und den Aufwand für manuelle Koordination reduzieren können.
PMEOS ist nicht dafür gedacht, bestehende Systeme zu ersetzen. Die Lösung arbeitet über die Tools hinweg, die Teams bereits nutzen, und bringt den relevanten Kontext zurück in die Gespräche, in denen Entscheidungen getroffen werden.
In der Praxis kann PMEOS ein Stand-up oder Projektmeetings unterstützen, indem es mit dem verfügbaren Projektkontext arbeitet. Die Lösung erkennt Signale wie blockierte Arbeitspakete, offene Abhängigkeiten, ungelöste Risiken oder Action Items, die erwähnt, aber nicht weiterverfolgt wurden.
Statt stillschweigend Systeme zu verändern, bringt PMEOS diese Signale ins Meeting. Es kann eine Action Item vorschlagen, einen Verantwortlichen empfehlen und die Entscheidung erfassen, sobald das Team sie bestätigt.
Nach dem Meeting hilft PMEOS dabei, offene Punkte im Blick zu behalten und sichtbar zu machen, wo Nachfassen nötig ist.
PMEOS schlägt vor. Der Mensch entscheidet.
Dadurch verändert sich die Arbeit von Projektteams: weniger Zeit für manuelle Koordination und Statusjagd, mehr Zeit für Urteilskraft, Priorisierung und Führung.
Das ist der eigentliche Wert einer Execution Layer im Team. Sie nimmt Menschen nicht die Arbeit weg. Sie hilft ihnen, sich auf die Arbeit zu konzentrieren, bei der menschliche Qualität entscheidend ist.
Mehr zu PMEOS, AgileAdvants KI-basierter Execution Layer für moderne Project-Delivery-Teams. -> agileadvant.com/de/pmeos
Die Frage, die sich jedes Team stellen sollte
Die eigentliche Frage ist nicht, ob KI leistungsfähiger wird. Das wird sie.
Die Frage ist, ob Teams bereit sind zu definieren, wo KI unterstützen soll, wo Menschen entscheiden müssen und wie Vertrauen im Arbeitsalltag entsteht.
Richard schloss die Diskussion mit einer Frage, die sich jedes Projektteam stellen kann:
Welche Aufgabe würdest du zuerst an einen Agenten delegieren, und unter welcher Voraussetzung würdest du ihm die eigenständige Übernahme zutrauen?
