Manchmal wundert man sich, warum einzelne Industrien “das Rad neu erfinden”, obwohl es die jeweilige Problemlösung doch schon in anderen Branchen / Industrien gibt. Anhand der Abbildung sind die verschiedenen Möglichkeiten illustriert.
Ist in der Industrie I ein Problem erkannt worden, so kann im ersten Schritt der Abstraktion im Lösungsraum eine Analogie (2. Schritt) zu einer Problemlösung in der Industrie II gefunden werden. Diese findet man in dem Bereich, in denen sich die beiden Lösungsräume von Industrie I und Industrie II überschneiden,. Im dritten Schritt der Adaption (3.) wird die Problemlösung aus der Industrie II für das Problem in Industrie I angewendet. Hört sich einfach an, ist es allerdings nicht immer.
Je kontextabhängiger das für die Problemlösung erforderliche Wissen ist, umso schwieriger ist das Wissen auf einen anderen Kontext (hier: eine andere Industrie) zu übertragen. Es handelt sich dabei um sogenanntes “Träges Wissen”.
Weiterhin benötigt man für eine bestimmte, komplexe Problemlösung (z.B. für Innovationen) oftmals die Expertise bestimmter Personen mit ihrem Erfahrungsschatz. Diese Expertise hängt wiederum mit dem impliziten Wissen zusammen, das nicht so einfach übertragbar ist.
Dennoch ist es natürlich nicht unmöglich, von anderen Industrien für komplexe Problemlösungen zu lernen – es ist allerdings auch nicht so einfach, sobald man die dahinterliegende Wissensperspektive betrachtet.
Trainingsmodelle sind für die Qualität der Ergebnisse von KI-Abfragen bedeutend. Dabei kann es sich im einfachsten Fall um ein Large Language Model (LLM) handeln – ganz im Sinne von “One Size Fits All, oder auch um verschiedene, spezialisierte Small Language Models (SLMs). Alles kann dann auch mit Hilfe eines AI-Routers sinnvoll kombiniert werden. Darüber hinaus ist es auch möglich, bestehende Modelle über InstructLab mit eigenen Daten zu kombinieren und zu trainieren.
Noch weiter geht jetzt Ai2, eine Not for Profit Organisation, über die ich schon einmal geschrieben hatte (Blogbeitrag). Mit FlexOlmo steht nun über Ai2 ein Trainingsmodell zur Verfügung, bei dem die Daten flexibel von einer Community weiterentwickelt / trainiert werden können:
“The core idea is to allow each data owner to locally branch from a shared public model, add an expert trained on their data locally, and contribute this expert module back to the shared model. FlexOlmo opens the door to a new paradigm of collaborative AI development. Data owners who want to contribute to the open, shared language model ecosystem but are hesitant to share raw data or commit permanently can now participate on their own terms” (Ai2 2025).
Die Idee ist wirklich spannend, da sie auf einem offenen Trainingsmodell basiert – ganz im Sinne von Open Source AI – und die Eigentümer der Daten darüber entscheiden, ob ihre Daten von dem gemeinsamen Modell genutzt werden können, oder eben nicht. Wer noch tiefer in diese Idee einsteigen möchte, kann das mit folgendem Paper gerne machen:
Shi et al (2025): FLEXOLMO: Open Language Models for Flexible Data Use | PDF
In verschiedenen Beiträgen hatte ich schon darauf hingewiesen, dass die Earned Value Analyse im plangetriebenen/klassischen, im agilen und hybriden Projektmanagement angewendet werden kann. Siehe dazu beispielweise Kann die Earned Value Analyse (EVA) für Scrum genutzt werden? Dabei geht es zunächst um einzelne Projekte in verschiedenen Vorgehensmodellen.
Organisationen haben allerdings nicht nur ein Projekt, sondern oftmals viele Projekte. Das ist nicht verwunderlich, da es durch die Veränderungen im Umfeld von Organisationen zu immer mehr Projekten kommt, bzw. kommen wird. Denn: Projekte sind Träger des Wandels.
Im Controlling stellt sich dabei die Frage, ob die Earned ValueAnalyse (EVA) auch für das Multiprojektmanagement genutzt werden kann. Zu dem gesamten Komplex um die Earned Value Analyse gibt es eine sehr gute und ausführliche Veröffentlichung:
Hüsselmann, C.; Hergenröder, J. (2024): Integrierte Earned Value Analyse. Kostendifferenzierung, Anwendung für agile Projekte und auf Portfolioebene | GPM-Publikation
Als Mitglied der Gesellschaft für Projektmanagement e.V. (GPM e.V.) steht mir das Buch als PDF-Datei kostenfrei zur Verfügung. Zum Thema EVA und Multiprojektmanagement findet sich darin folgender Absatz:
“Die EVA ist nicht nur für einzelne Arbeitspakete und Projekte anwendbar, sie liefert dem Management auch einen Überblick über die gesamte Projektsituation. Dies kann vor allem im Bereich des Projektportfoliomanagements (PPM) sinnvoll sein. Bei einer konsequenten Durchführung der EVA für alle Projekte der Projektlandschaft können die Projekte bspw. anhand ihrer Indizes in einer Matrix verglichen werden (siehe Abbildung)” (Hüsselmann und 2024).
Die Abbildung zeigt dabei auf der Y-Achse den SPI (Schedule Performance Index) und auf der X-Achse den CPI (Cost Performance Index). Der jeweilige Achsenmittelpunkt ist mit 100% markiert, sodass die Werte unter und über 100% gut visualisiert werden können.
Die Größe der Kreise stellt meistens das relative Budget dar. Das Projekt P5 weist zu hohe Kosten und einen geringen Fortschritt auf usw.
Manchmal könnte man der Meinung sein, dass es kaum noch Möglichkeiten gibt, etwas Neues auf den Markt zu bringen, doch das ist natürlich ein Trugschluss. Beispielhaft möchte ich dazu folgendes Zitat erwähnen:
“Es gibt nichts Neues mehr. Alles, was man erfinden kann, ist schon erfunden worden. “ Charles H. Duell, US-Patentamt 1899
Da stellt sich natürlich gleich die Frage: Wo sind die neuen Produkte, neuen Dienstleistungen, neuen Märkte, und wie finde ich diese?
Dass das nicht so einfach ist, haben Innovationstheorien und -modelle schon ausführlich dargestellt. Dabei hat sich der Begriff der “blinden Flecke” etabliert. Gerade große Organisationen sehen einfach nicht mehr das Offensichtliche. Diese Wahrnehmungshemmung kann mit der Theorie der Pfadabhängigkeit erklärt werden.
Diese Gemengelage führt zwangsläufig zur nächsten Frage: Wie kann ein Unternehmen (oder auch eine einzelne Person) Bereiche finden, die noch nicht besetzt sind?
Solche weiße Flecken – White Spots – können relativ systematisch mit einem entsprechenden Prozess abgebildet und untersucht werden (Abbildung). Mit den heute vorhandenen Möglichkeiten der Künstlichen Intelligenz (GenAI) können Sie
Leistung: grundsätzlich fix Dauer: ausgerichtet an der Leistungserbringung Kosten: ausgerichtet an der Leistungserbringung
Leistung: ausgerichtet an der Dauer und dem Machbaren Dauer: grundsätzlich fix Kosten: grundsätzlich fix (Personalkosten)
Planung
Phasen, Meilensteine, Arbeitspakete, Liefergegenstände/-objekte Up-Front, aber rollierend möglich
Releases, Epics, Features, User Stories, Inkremente grundsätzlich rollierend
Aufwand (Personal)
Schätzung im Gegenstromverfahren (Management, Experten) in Personentagen Up-front, dann ggf. nachsteuernd
Schätzung durch das Team in Story Points
rollierend
Steuerungs- instrumente
Fortschrittsmetriken, Meilensteintrendanalyse, Earned Value Analyse Status Meeting, Berichte
Acceptance of Done, Taskboard, Burn-Down-/-Up-Chart
Sprint-Review, Daily Stand Up
Hüsselmann/Hergenröder (2024): Integrierte Earned Value Analyse, nach Fiedler (2020)
Das klassische, eher plangetriebene Vorgehen beim Projektmanagement ist seit vielen Jahren bekannt und etabliert. Es wundert daher nicht, dass es gerade etablierten Organisationen schwer fällt, die beim agilen Projektmanagement zu berücksichtigen Vorgehensweise zu integrieren..
Die in der Tabelle zusammengefasste Gegenüberstellung der Merkmale “Anforderungen”, “Umfang (Scope”, “Ziele”, “Planung”, “Aufwand (Scope)” und “Steuerungsinstrumente” gibt Ihnen noch einmal einen Gesamtüberblick dazu.
Dabei sollten Sie allerdings bedenken, dass es oft nicht um ein Entweder-oder, sondern um ein Sowohl-als-auch geht, was als Hybrides oder auch Adaptives Projektmanagement bezeichnet werden kann.
Quelle: Ausschnitt des Cowers zu PM4NGOS (2025): Social Good DPro Guide – Project Management for Social Good
Projektmanagement wird in verschiedenen, branchenunabhängigen Standards (z.B.: PMI, IPMA, PRINCE2,) abgebildet. Dennoch gibt es darüber hinaus auch sehr viele branchenspezifische Ansätze, wie z.B. für die Bauwirtschaft, die Softwareentwicklung usw. Weniger bekannt ist das Projektmanagement für NGOs. Hier gibt es durchaus Unterschiede zum Projektmanagement eines reinen Wirtschaftsunternehmens.
Es ist daher gut, wenn sich frei verfügbare Veröffentlichungen mit dem Projektmanagement für NGOs befassen. Der folgende, englischsprachige Guide ist ein Beispiel dafür:
PM4NGOS (2025): Social Good DPro Guide – Project Management for Social Good | PDF
Die erste Version ist aus dem Jahr 2020, die aktuelle aus 2025. Der Guide ist auf das klassische, eher planbasierte Projektmanagement ausgerichtet und enthält größtenteils die Elemente, die auch z.B. in der DIN 69901:2025 zu finden sind.
Hinweise auf agile Vorgehensmodelle, oder hybrides Projektmanagement fehlen komplett. Ganz zu schweigen von den Möglichkeiten, Künstliche Intelligenz im Projektmanagement einzusetzen. Es wäre gut, wenn sich das Handbuch zum Projektmanagement für NGOs in der nächsten Version auch damit befassen würde. Siehe dazu auch
Speech bubbles, blank boards and signs held by voters with freedom of democracy and opinion. The review, say and voice of people in public news adds good comments to a diverse group.
Der Trend zur Individualisierung hat eine gesellschaftliche und ökonomische Dimension. Dabei bestimmen neue technologische Möglichkeiten, wie z-B- die Künstliche Intelligenz, deutlich die Richtung der Veränderungen. Technologie war schon in der Vergangenheit immer wieder Treiber für solche Entwicklungen – mit all seinen Risiken und Möglichkeiten.
Dabei ging es in der Vergangenheit beispielsweise im ökonomischen Sinne darum, Produkte und Dienstleistungen immer stärker an das Individuum anzupassen – ganz im Sinne von Customization, Personalization, Mass Customization, Mass Personalization etc. – ganz im Sinne von Unternehmen.
Andererseits bieten neue Technologien wie Künstliche Intelligenz, Additive Manufacturing (3D-Druck), Robotik usw. auch neue Möglichkeiten für jeden Einzelnen, da die Kosten für diese Technologien teilweise sogar gegen “0” gehen. Beispiel im Softwarebereich: sind Open Source Projekte, oder im Innovationsbereich die vielen Open Innovation Projekte. Dabei meine ich bewusst den Ansatz von Eric von Hippel “Democratizing Innovation,” bzw. “Free Innovation”. Siehe dazu auch Künstliche Intelligenz und Open Innovation.
Immer mehr Menschen nutzen die neuen Möglichkeiten und kreieren ihre eignen Bilder, Beiträge, Videos oder eben Produkte und Dienstleistung mit Hilfe von Künstlicher Intelligenz, Additive Manufacturing (3D-Druck) und Robotik. Dabei geht es den Personen nicht in erster Linie darum, damit geschäftlich aktiv zu sein. Es geht am Anfang oft um das spielerische experimentieren mit den neuen Chancen.
Manche Personen stellen ihre Kreationen anderen zur Verfügung, z.B. auf Plattformen wie Patient Innovation. Alles, um unsere Gesellschaft einfach etwas besser, menschlicher zu machen. Dazu habe ich folgenden Text in einer Veröffentlichung der Initiative2030 gefunden:
“Wir glauben an einen aufgeklärten „Ich-Begriff“, bei dem die ausgiebige Beschäftigung dem Inneren weder das Ego füttern, noch ein um sich selbst kreisen anfeuern muss. In der Logik der Dichotomie der Kontrolle setzen wir uns dafür ein, dass handelnde Individuen ihren Einfluss auf die Dinge, die ihnen am wichtigsten sind, perspektivisch gewaltig ausbauen können. Wenn sie sich dann noch mit anderen zusammentun, können alternative Zukünfte gestaltet werden” (Initiative2030 (2025): Missionswerkstatt. Das Methodenhandbuch | PDF).
Ich bin auch der Meinung, dass einzelne Personen heute und in Zukunft mit Hilfe der neuen technischen Möglichkeiten, die täglichen und wichtigen Probleme von Menschen lösen können. Alleine und natürlich im Austausch mit anderen. Ob es dazu das oben verlinkte Methodenhandbuch bedarf sei dahingestellt. Dennoch: Für manche ist es gut, einen kleinen Leitfaden zum Thema zu haben.
Dabei steht nicht der Profit im Mittelpunkt, sonderndas soziale Miteinander zum Wohle aller.
In vielen Blogbeiträgen habe ich darauf hingewiesen, dass es kritisch ist, Closed Sourced Modelle für KI-Anwendungen (GenAI) zu nutzen. Die hinterlegten Trainingsdaten können kritisch sein und auch das Hochladen eigener Daten sollte bei diesen Modellen möglichst nicht erfolgen. Siehe dazu Open Source AI: Besser für einzelne Personen, Organisationen und demokratische Gesellschaften.
In der Zwischenzeit ist es mit Hilfe vonInstructLab möglich, vorhandene LLMs mit eigenen Daten zu trainieren. Dabei handelt sich um eine Initiative von Redhat und IBM – weiterführende Informationen dazu finden Sie bei Hugging Fcae.
Wie funktioniert InstructLab? Das Prinzip ist relativ einfach: Ein bestehendes Modell (LLM) wird mit Hilfe von InstructLab und eigenen Daten erweitert, spezifiziert und trainiert – alles unter eigener Kontrolle und Open Source.
“InstructLab can augment models though skill recipes used to generate synthetik data for tuning. Experiments can be run locally on quantized version of these models” (InstructLab-Website).
In einem ausführlichen, deutschsprachigen artikel erklärt Redhat noch einmal die Zusammenhänge: “Unternehmen können die InstructLab-Tools zum Modellabgleich auch nutzen, um ihre eigenen privaten LLMs mit ihren Kompetenzen und ihrem Fachwissen zu trainieren” (Redhat vom 10.03.2025).
Es ist für mich entscheidend, dass diese Initiative Open Source basiert, nicht auf bestimmte Modelle beschränkt, und lokal angewendet werden kann.
In den letzten Jahren habe ich schon viele Beiträge zum Hybriden Projektmanagement geschrieben. In der Zwischenzeit nehmen auch die Diskussionen um Normen, Standards und Vorgehensmodelle diese Entwicklung auf. Im Vorfeld des IPMA World Congress (17.-19.09.2025 in Berlin) ist zum Beispiel folgendes zu Trendthemen zu lesen:
“Die zunehmende Komplexität von Projekten und unsichere Rahmenbedingungen machen flexible Lösungen notwendig. Hybride Modelle erlauben schnelle Reaktionen auf Veränderungen, ohne die organisatorische Stabilität zu gefährden. Auch große Unternehmen wie IBM und Microsoft berichten von positiven Erfahrungen: Effizientere Projektabläufe und zufriedenere Teams nach Einführung hybrider Ansätze. Hybrides Projektmanagement entwickelt sich damit vom Trend zum neuen Standard. Es kombiniert Planungsdisziplin mit Agilität – und macht Projekte robuster gegenüber externen Einflüssen. Ein klarer Wettbewerbsvorteil” (Wieschowski 2025, in projektmanagementaktuell 3/2025).
Dass Hybrides Projektmanagement der neue Standard sein soll ist zwar gut und richtig, doch gibt es noch gar keinen Standard zum Hybriden Projektmanagement.
In der von der Gesellschaft für Projektmanagement e.V. durchgeführten Studie beteiligten sich 1.616 Personen. Damit zählt diese zu den wichtigsten Gehalts- und Karrierestatistiken in Europa.
“Im Vergleich zur letzten Studie von 2019 hat sich das Gehalt im Tätigkeitsbereich Projektmanagement in Deutschland im Jahr 2024 um knapp 30 %, in Österreich um über 33 % gesteigert.”
“In Deutschland liegt das ungewichtete durchschnittliche Jahresgesamtgehalt (brutto) im Projektmanagement inklusive aller flexiblen und leistungsorientierten Bezüge bei 112 TEUR und in Österreich bei 101 TEUR.”
Eine Gehaltssteigerung von knapp 30% in Deutschland ist ein deutliches Indiz dafür, dass die Rolle des Projektmanagers erheblich aufgewertet wurde. Das ist nicht verwunderlich, da es in allen Branchen einen deutlichen Trend in Richtung Projektmanagement gibt.
Translate »
Diese Website benutzt Cookies. Wenn du die Website weiter nutzt, gehen wir von deinem Einverständnis aus.
