KI trifft auf globale Projektpraxis – eine nüchterne Bestandsaufnahme
Die Diskussion um Künstliche Intelligenz im Projektmanagement ist vielerorts von Euphorie geprägt. Dennis Hammer, Managing Director bei Accenture und Verantwortlicher für komplexe internationale Transformationsprogramme im Umfang von 40.000 bis über 60.000 Personentagen, setzt dem eine pragmatische Einschätzung entgegen: «Wir sind noch am Anfang.» Diese Aussage ist nicht als Entwarnung zu verstehen, sondern als strategische Verortung.
Die heute meistgenutzten KI-Anwendungen im Projektkontext – automatisierte Meeting-Protokolle, Zusammenfassungen, Textgenerierung aus Bullet Points – sind nach Hammer lediglich «kleine Use Cases». Der eigentliche Wandel beginnt erst, wenn agentische KI-Systeme in der Lage sind, koordinierte Aufgaben eigenständig zu übernehmen, auf Projektdatenbanken zuzugreifen und Muster aus vergangenen Programmen abzuleiten.
Die unterschätzte Herausforderung: Datenqualität vor KI-Deployment
Ein zentrales Argument Hammers: KI entfaltet ihren Wert im Unternehmenskontext nur dort, wo saubere, konsistente und zugängliche Daten vorhanden sind. Unternehmen, die auf Terabytes oder Petabytes an fragmentierten Daten sitzen, können mit generativer KI allein – also Retrieval Augmented Generation über eigene Dokumente – keinen strategischen Wettbewerbsvorteil erzielen.
Das klassische Problem: Stammdatenmanagement. Zwei Systeme bezeichnen denselben Bestandsartikel unterschiedlich – und die KI kann diesen Widerspruch nicht auflösen, wenn er nicht vorher bereinigt wurde. Hammer formuliert es klar: «Ohne Cloud und ohne hochwertige Daten ist KI de facto nicht nutzbar.» Die Cloud Journey sei für die grossen Unternehmen weitgehend abgeschlossen; die Datenqualität hingegen bleibt die eigentliche Hausaufgabe.
Welche Jobs verschwinden – und welche entstehen neu
IT-gebundene, repetitive Tätigkeiten zuerst
Hammer benennt klar die Jobkategorien, die am stärksten unter Druck geraten: Dateneingabe, Datenkonsolidierung und standardisierte Datenanalyse. Diese Tätigkeiten sind IT-gebunden und repetitiv – und damit am einfachsten automatisierbar. Ein Beispiel aus seiner Praxis: Ein KI-System im Research Mode kann in 45 Minuten einen vollständigen Branchenvergleich inklusive Grafiken erstellen – eine Leistung, die früher Analysten-Stunden erforderte.
Gleichzeitig warnt Hammer vor unkritischem Vertrauen in KI-Outputs: «Eine KI ist momentan ein Con-Artist – sehr confident, aber nicht zwingend korrekt.» Die Nachvollziehbarkeit von Quellen und die Verlässlichkeit von generierten Daten sind noch nicht gelöst.
Das Nachwuchsproblem: Wenn Junioren wegfallen
Ein strukturelles Problem, das Hammer besonders beschäftigt: Kunden wollen immer seltener Junior-Berater in ihren Projekten einsetzen, weil KI einfachere Aufgaben übernimmt. Das klingt nach Effizienzgewinn – ist aber ein mittelfristiges Ausbildungsproblem. Wie entstehen Seniorexperten, wenn Nachwuchs keine Möglichkeit bekommt, Grundlagen durch Praxiserfahrung zu erlernen? Diese Frage hat Hammer nach eigener Aussage noch keine belastbare Antwort.
Physische Welt und Robotik als nächste Welle
Neben der digitalen Transformation beobachtet Hammer die Entwicklung in der Robotik aufmerksam. KI-gesteuerte physische Systeme könnten künftig gefährliche Tätigkeiten in der Produktion übernehmen – nicht um Menschen zu ersetzen, sondern um Risiken zu minimieren. Use Cases im Bereich Predictive Maintenance – also vorausschauende Wartung kurz vor dem tatsächlichen Maschinenausfall – gewinnen mit höherer Rechenleistung und besserer Datengrundlage stark an Relevanz.
Der europäische und Schweizer Weg: Vorsicht als Wettbewerbsvorteil
Im Vergleich zu den USA («Move fast, break things») und China (weitgehende Abwesenheit von Datenschutzbedenken) bewertet Hammer den europäischen Ansatz als strategischen Vorteil. Die regulatorische Vorsicht, die im DACH-Raum oft als Wachstumsbremse kritisiert wird, ist aus seiner Sicht bei KI besonders wertvoll – weil die Technologie in ihrer Wirkung noch nicht vollständig durchdrungen ist und weil kaum jemand wirklich versteht, wie sie im Kern funktioniert.
Für die Schweiz beobachtet er dennoch ein strategisches Defizit: Viele Unternehmen betreiben KI als Inselprojekte oder beschränken sich auf ChatGPT-Nutzung. Was fehlt, ist eine strukturierte, unternehmensweite KI-Strategie, die auf Führungsebene verankert ist und Prioritäten, Zeitplan sowie Erfolgskriterien definiert.
Praktische Empfehlung für KMU und Mittelstand
Hammers Rat an Unternehmensinhaber ohne tiefes Technologiewissen:
- Arbeitsgruppe mit internen KI-Interessierten bilden – in jedem Unternehmen gibt es heute mindestens eine Person, die sich bereits mit dem Thema befasst hat.
- Ineffizienzen in der Wertschöpfungskette identifizieren – KI-Potenzial entfaltet sich dort, wo bekannte Schwachstellen bestehen.
- Minimal Viable Product definieren – nicht den gesamten Ozean aufkochen, sondern klein starten, lernen und dann skalieren.
- Externe Expertise hinzuziehen – Mittelstandsberatungen mit Technologiefokus können helfen, den Marktüberblick zu strukturieren.
Strategische KI-Vision entwickeln: Der richtige Ansatz für Führungskräfte
KI-Strategie wie jede andere Technologiestrategie behandeln
Hammer warnt vor der Sonderbehandlung von KI als rein technologisches Thema. Im Kern geht es – wie bei jeder Strategieentwicklung – um drei Fragen: Was will das Unternehmen erreichen? Wo liegt der Wert? Wie wird dieser Wert gemessen (Shareholder Value, Kostensenkung, Umsatzwachstum)?
Der entscheidende Unterschied zu früheren Technologiewellen wie Cloud: Die ethische Dimension ist bei KI untrennbar mit der strategischen verknüpft. Welche Rolle sollen KI-Systeme gegenüber Mitarbeitenden einnehmen? Sind sie Werkzeug, Mitarbeiterersatz oder Kollaborationspartner? Diese Fragen müssen auf Führungsebene beantwortet werden, bevor Projekte skaliert werden.
Change Management als kritischer Erfolgsfaktor
Ein wiederkehrendes Muster aus Hammers Projekterfahrung: IT-Transformationen scheitern nicht an der Technologie, sondern am fehlenden Veränderungsmanagement. Menschen mögen Veränderung nicht – und KI-getriebene Veränderungen werden gravierender sein als alles, was in der IT bisher eingeführt wurde. Führungskräfte müssen Mitarbeitende nicht nur informieren, sondern von A nach B begleiten: mit klarer Vision, Coaching und einer erkennbar menschlichen Führungspräsenz.
Wettbewerbsvorteil durch frühzeitigen Start
Hammer teilt die Einschätzung der Podcast-Gastgeber: Unternehmen, die jetzt mit Grundlagenarbeit beginnen – saubere Daten, Cloud-Architektur, erste Pilotprojekte – werden in der zweiten und dritten KI-Generation einen Reifegradvorsprung besitzen, der für Spätstarter kaum aufholbar ist. «Get started. Don't wait.» ist sein abschliessender strategischer Rat – aber strukturiert, nicht blindlings.
Executive Takeaways
- Datenqualität und Cloud-Infrastruktur sind Voraussetzung, nicht Begleiterscheinung von KI-Wertschöpfung.
- Agentische KI wird Projektmanagement grundlegend verändern – aber nicht sofort; der Übergang ist graduell.
- Junioren-Ausbildung steht unter Druck; Unternehmen brauchen neue Karrieremodelle für den Nachwuchs.
- KI-Strategie muss auf C-Level-Ebene verankert sein – Inselprojekte reichen nicht.
- Change Management ist der unterschätzte Engpass jeder KI-Transformation.
- Der europäische Regulierungsansatz ist bei KI kein Nachteil, sondern ein Differenzierungsmerkmal.
- Identitätsmanagement und Verifikation werden in einer Welt von Deepfakes zur gesellschaftlichen und unternehmerischen Kernfrage.
Häufige Fragen
Warum ist Datenqualität die entscheidende Voraussetzung für den KI-Einsatz in Unternehmen?
KI-Systeme können nur dann valide Ergebnisse liefern, wenn die zugrundeliegenden Daten konsistent, vollständig und korrekt sind. Dennis Hammer beschreibt das klassische Problem des Stammdatenmanagements: Wenn zwei Systeme denselben Artikel unterschiedlich bezeichnen, kann KI diesen Widerspruch nicht auflösen. Ohne saubere Daten und eine funktionierende Cloud-Infrastruktur bleibt der KI-Einsatz auf oberflächliche Anwendungen wie Textgenerierung beschränkt – strategischer Mehrwert entsteht so nicht.
Welche Jobprofile sind durch KI im Projektmanagement am stärksten gefährdet?
Laut Dennis Hammer sind IT-gebundene, repetitive Tätigkeiten am stärksten betroffen: Dateneingabe, Datenkonsolidierung und standardisierte Analysen. Gleichzeitig entsteht ein strukturelles Problem bei der Ausbildung von Nachwuchskräften, da Kunden zunehmend auf Junior-Berater verzichten und KI einfache Aufgaben übernimmt – wodurch der klassische Einstiegspfad in die Seniorexpertise wegfällt.
Wie sollte ein Unternehmen ohne tiefes KI-Know-how eine eigene KI-Strategie entwickeln?
Hammer empfiehlt, zunächst eine interne Arbeitsgruppe zu bilden, bekannte Ineffizienzen in der Wertschöpfungskette zu identifizieren und ein Minimal Viable Product zu definieren – also klein zu starten, zu lernen und dann zu skalieren. Externe Beratung kann helfen, den Marktüberblick zu strukturieren. Entscheidend ist, dass die KI-Strategie auf Führungsebene verankert wird und nicht als Inselprojekt bleibt.
Welchen Vorteil hat der europäische und Schweizer Ansatz gegenüber den USA und China beim Thema KI?
Der europäische Ansatz zeichnet sich durch regulatorische Vorsicht und hohe Datenschutzstandards aus – Eigenschaften, die Hammer als strategischen Vorteil bewertet, weil KI eine Technologie ist, deren Wirkung noch nicht vollständig verstanden ist. Im Gegensatz zum amerikanischen 'Move fast, break things'-Prinzip oder der chinesischen Datenpraxis schützt der europäische Weg gesellschaftliche Errungenschaften und schafft Vertrauen.
Wie verändert agentische KI die Zusammenarbeit im Projektteam?
Agentische KI-Systeme werden in der Lage sein, koordinierte Aufgaben eigenständig zu übernehmen – von der Analyse vergangener Projektdaten bis zur proaktiven Kommunikation mit Stakeholdern. Hammer sieht die Zukunft nicht als binäre Wahl zwischen Mensch und Maschine, sondern als augmentiertes Modell: KI übernimmt definierte Aufgaben, während menschliche Expertise besonders auf Seniorebene für Urteilsvermögen, Kommunikation und Überzeugungsarbeit unverzichtbar bleibt.
Welche Führungskompetenzen werden in einer KI-dominierten Arbeitswelt besonders wichtig?
Hammer betont, dass technisches KI-Verständnis allein nicht ausreicht. Führungskräfte brauchen ethische Urteilsfähigkeit, hohe Veränderungsbereitschaft und ausgeprägte Change-Management-Kompetenz, um Mitarbeitende durch tiefgreifende Transformationen zu begleiten. Die Fähigkeit, eine klare, menschlich verankerte Vision zu formulieren und Menschen von A nach B zu führen, wird zum zentralen Differenzierungsmerkmal.
Warum ist Warten beim Thema KI keine strategische Option für Unternehmen?
Hammer argumentiert, dass Unternehmen, die jetzt mit Grundlagenarbeit beginnen – saubere Daten, Cloud-Infrastruktur, erste Pilotprojekte –, in der zweiten und dritten KI-Generation einen Reifegradvorsprung aufbauen, der für Spätstarter kaum aufholbar ist. Da KI-Entwicklung exponentiell verläuft, kann eine später gestartete Kurve die frühere nicht mehr einholen. Früh begonnene Erfahrungen, auch mit ersetzten Tools, schaffen Wissen und Resilienz.
Wie sollten Unternehmen mit der Zuverlässigkeitsproblematik von KI-generierten Inhalten umgehen?
KI-Systeme sind nach Hammer aktuell 'Con-Artists': Sie liefern Antworten mit hoher Konfidenz, ohne dass die Richtigkeit der Daten immer nachvollziehbar ist. Für unternehmenskritische Inhalte – insbesondere in der Beratung und im Projektmanagement – müssen KI-Outputs konsequent gegengelesen und verifiziert werden. Für klar abgegrenzte Aufgaben wie Textstrukturierung oder Protokollierung bietet KI hingegen bereits heute messbaren Effizienzgewinn.