Ich habe jetzt Zugriff auf Microsoft Copilot. Aufgabe: Eine Meeting-Agenda ausarbeiten. Was ich bekomme: Agenda-Punkte aus einer E-Mail von vor drei Wochen. Themen, die längst besprochen und gelöst sind. Ein Budget-Punkt, der seit dem letzten Steering Committee vom Tisch ist.
Man könnte jetzt sagen, das ist ein Copilot-Problem. Ist es aber nicht. Es ist ein Projektmanagement-Kontext-Problem.
Veraltete Daten sind das Problem
Schaut man sich an, was KI in Code sieht, wird der Unterschied sofort klar. Dateien sind versioniert, Änderungen als Diff sichtbar, viele Annahmen durch Typen und Tests prüfbar. Auch ein Repository enthält weder jede Entscheidung noch automatisch vollständigen Kontext. Aber es bietet der KI einen gemeinsamen, inspectierbaren Arbeitsgegenstand und schnelle Feedback-Loops. Deshalb können Coding-Agenten dort deutlich zuverlässiger planen, ändern und prüfen.
Und was sieht KI im Projektmanagement? E-Mail-Ketten von vor zwei Wochen. Meeting Notes, die seit Monaten nicht aktualisiert wurden. Budget-Absprachen vom Mittagessen, die nie dokumentiert wurden. Scope-Änderungen aus Flurgesprächen. Wissen, das nur in Sarahs Kopf existiert.
Mehr Daten sind nicht die Lösung
Die aktuelle Antwort der Branche? Mehr Daten. Mehr Integrationen. Jira anbinden, Confluence durchsuchen, Slack indexieren, E-Mails scannen.
Aber mehr Daten lösen das Problem nicht. Sie machen es schlimmer. Mehr Quellen, die nicht mehr aktuell sind, bedeuten mehr Agenda-Punkte, die nicht mehr relevant sind.
Der richtige Weg ist nicht, weniger Eingangskanäle zu haben. E-Mails, Tickets, Chats und Dokumente bleiben wichtige Signale. Sie brauchen aber eine einzige bestätigte Referenz: einen lebendigen Projektkontext, der die Realität von heute widerspiegelt. Quellen liefern Hinweise; der gemeinsam gepflegte Kontext trägt die Projektwahrheit.
Destillation statt Aggregation
Doch wie hält man diesen Kontext frisch, wenn wir jeden Tag einem Haufen an Informationen ausgesetzt sind, die gar nichts mit dem Projekt zu tun haben? KI kann filtern, vergleichen und Änderungen vorschlagen. Was sie nicht allein festlegen sollte, ist, welche Aussage im konkreten Projekt verbindliche Wahrheit wird. Dafür braucht sie bestätigten Referenzkontext und menschliche Autorität.
Aber sie kann auch hier helfen. Nur anders, als die meisten denken.
MCP-Anbindungen, Jira-Integrationen, Slack-Connections sind wertvoll. Aber sie sind keine geeignete Quelle für das Endergebnis. Sie sind die richtige Quelle für einen Destillationsprozess: KI liest Projekt-Updates wie E-Mails, Meeting-Zusammenfassungen, Tickets, und prüft jeden Inhalt auf Projektrelevanz. Ist diese gegeben, wird der Inhalt ein Kandidat für den Projektkontext. Der Projektverantwortliche als Human in the Loop gibt das dann frei.
Nicht einfach nur sammeln. Sondern die richtigen Informationen destillieren.
Dann generiert KI eine Agenda mit den Themen, die heute relevant sind. Nicht mit dem, was irgendwann mal in einer E-Mail stand.
Dieses Prinzip bildet den Kern von Context Driven Project Management. TensorPM setzt es heute als KI-Projektagent praktisch um: Der aktuelle, menschlich bestätigte Kontext ist das Fundament, Analyse und Guidance bilden den Kern, konkrete Ausführung und Artefakte die Erweiterung. Erfahre mehr im Framework, arbeite auf GitHub mit oder lies, warum Mensch und KI künftig an gemeinsamen Artefakten bauen sollten.
Quellen
- Model Context Protocol: Einführung (Anthropic)
- Context-Driven Project Management: Whitepaper (CDPM)
- TensorPM: KI-Projektagent für komplexe Projekte (TensorPM)
- Codex, Claude und Co.: Der falsche Ansatz (TensorPM)