Künstliche Intelligenz (KI oder AI: Artificial Intelligence) einzusetzen ist heute in vielen Organisationen schon Standard. Dabei nutzen immer noch viele die von den kommerziellen Anbietern angebotenen KI-Systeme. Dass das kritisch sein kann, habe ich schon in vielen Blogbeiträgen erläutert.
Wir wollen einen anderen Weg, aufzeigen, der die Digitale Souveränität für Organisationen und Privatpersonen ermöglicht: Open Source AI und eine Open Source Kollaborationsplattform. Siehe dazu Von der digitalen Abhängigkeit zur digitalen Souveränität.
Im zweiten Schritt haben wir für die Entwicklung von AI-Agenten Langflow (Open Source) auf unserem Server installiert. Dabei ist es möglich, ChatGPT von OpenAI, oder über Ollama sehr viele unterschiedliche Open Source Modelle zu nutzen. Wir wollen natürlich den zweiten Weg gehen und haben daher Ollamaauf unserem Server installiert.
Ollama Startseite auf unserem Server: Eigener Screenshot
In der Abbildung ist zu sehen, dass wir für den ersten Test zunächst vier Modelle installiert haben, inkl. DeepSeek-R1 und LLama 3.2. Demnächst werden wir noch weitere Modelle installieren, die wir dann in Langflow integrieren, um AI-Agenten zu entwickeln. In den kommenden Wochen werden wir über die Erfahrungen berichten.
Der Begriff Komplexität ist im Projektmanagement sehr wichtig. Projektmanagement-Standards wie IPMA, PMI oder auch Prince2 bieten beispielsweise an, die Komplexität eines Projektes, oder vieler Projekte, nach einem definierten Ablauf abzuarbeiten. Auch agile Vorgehensmodelle wie Scrum oder auch Kanban machen hier Vorschläge. Dabei wird Wert darauf gelegt, in kleinen Iterationen vorzugehen.
Im Rahmen der Stacey-Matrix wird weiterhin versucht, anhand der beiden Dimensionen Anforderungen (bekannt – unklar) und Vorgehen (bekannt-unklar) das geeignete Vorgehensmodell zu bestimmen. Im komplexen Bereich wird dann empfohlen, agile Vorgehensmodelle einzusetzen.
Es liegt auf der Hand, dass diese Einschätzung nicht alleine aufgrund zweier Dimensionen gemacht werden sollte, da es eine Vielzahl vonEinflussfaktoren auf die Komplexität im Projektmanagement gibt. In der folgenden Tabelle sind einige davon aufgelistet.
Komplexitätsdimensionen des Projektmanagements (Reiss 2018, in projektmanagementaktuell 3/2018)
In solch komplexen Systemen verändern sich die jeweiligen Parameter permanent, sodass eine eigene Dynamik entsteht. Es ist daher empfehlenswert, die Einschätzung darüber, ob es sich um ein kompliziertes oder komplexes Projekt handelt, mehrmals durchzuführen. Gerade am Anfang eines Projekts liegen noch nicht so viele Informationen über das Projekt vor (Cone of Uncertainty), sodass die erste Einschätzung fehlerbehaftet sein kann.
Grundsätzlich kann man davon ausgehen, dass Selbstorganisation die Antwort auf Komplexität ist. Daraus lässt sich ableiten, dass es nicht alleine erfolgversprechend ist, Standards einzusetzen, sondern dass auf allen Ebenen die Selbstorganisation zu entwickeln. Auf der individuellen Ebene, der Gruppenebene, der organisationalen Ebene und der Netzwerkebene.
Gehen wir nach Erpenbeck/Heyse von Kompetenz als Selbstorganisationsdisposition aus, so bedeutet das, in diesem Sinne Kompetenz auf der individuellen Ebene, der Gruppenebene, der organisationalen Ebene und der Netzwerkebene zu entwickeln (Kompetenzmanagement).
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.
Abgrenzung Schieflage vs. Krise (Rahnenfüher, K.; Radin G. 2018, in projektmanagementaktuell 2/2018)
Oft laufen Projekt nicht so, wie man es sich wünscht. Dabei wird oft von einer Krise im Projekt gesprochen, obwohl das Projekt möglicherweise erst einmal “nur” eine Schieflage geraden ist.
Wie in der Abbildung zu erkennen ist, kann man von einer Schieflage ausgehen, wenn das Projekt mit “klassischen Mitteln” wieder in den Normalzustand zurückgeführt werden kann. In einer Krise greifen die reinen klassischen Methoden des Projektmanagements nicht mehr. Ein Projekt ist in der Krise, wenn (ebd.):
(1) Ziele: das Projekt trotz Einsatz des Teams, mit vorhandenen Mitteln und unter gegebenen Rahmenbedingungen keinerlei nennenswerte Fortschritte mehr erzielt bzw. Projektergebnisse wiederholt nicht erreicht werden,
(2) Methode: gewöhnliche Maßnahmen des Projektmanagements nicht funktionieren, um das Projekt wieder in den Plankorridor zu manövrieren ( die Diskrepanz zwischen Entwicklung des Projektumfeldes und des Projektgeschehens zunimmt und das Projekt einem vorzeitigen Ende zusteuert),
(3) Team: das im Team das Gefühl der Blockade, Ausweglosigkeit, Ohnmacht und am Ende Resignation breit macht, der Situation ausgeliefert zu sein und damit die Handlungsfähigkeiten begrenzt sind, Probleme zu lösen,
(4) Stakeholder: der Auftraggeber nicht mehr an den Erfolg des Projektes glaubt und dies auch eingesteht und kommuniziert.
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.
Quelle: Prudix, D. (2017), in projektmanagementaktuell 3/2017, nach Brand Eins Ausgabe 11/2015
Um die Frage aus der Überschrift des Beitrags aufzunehmen, schauen wir uns zunächst einmal die Tabelle an (Abbildung). Darin sind verschiedene öffentliche Projekte zu sehen, deren voraussichtlichen Kosten geschätzt wurden (Ursprünglich geschätzt in Mio. Euro). Die Realität zeigt jedoch, gravierende Abweichungen (aktuell geschätzte Kosten in Mio. Euro). Wie in der Quelle erwähnt, stammen die Beträge aus dem Jahr 2015.
Dennoch werfen die Unterschiede – teilweise um den Faktor 10 – Fragen auf. Großprojekte der Öffentlichen Verwaltungen stehen oft unter politischen Druck und werden dadurch teilweise “schön gerechnet”. Weiterhin fehlt es der Öffentlichen Hand an der Professionalisierung im Projektmanagement. Da hat sich in den letzten Jahren allerdings sehr viel positiv entwickelt.
Nicht zuletzt sollten wir uns auch klar machen, dass es solche Fehlplanungen nicht nur bei der Öffentlichen Hand, sondern auch bei wirtschaftlich ausgerichteten Organisationen gibt. Wir regen uns allerdings besonders – und berechtigt – darüber auf, wenn Projekte mit Hilfe von Steuergeldern nicht professionell laufen. Diese Verschwendungen im Projektmanagement im öffentlichen Sektor müssen und können reduziert werden.
Der Aspekt der Professionalisierung im Projektmanagement bei der Öffentlichen Hand (Plangetrieben – Hybrid – Agil) kann ein wichtiger Ansatz sein, die gesamte Organisation der Öffentlichen Verwaltung zu modernisieren: Organisationsentwicklung durch mehr projektorientiertes Arbeiten.
Eine moderne und wirtschaftliche Öffentliche Verwaltung mit immerhin mehr als 5 Millionen Mitarbeitern ist aktuell immer noch ein Hemmschuh bei der Lösung der vielen gesellschaftlichen Aufgaben.
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.
Das nächste große Ding in der KI-Entwicklung ist der Einsatz von KI-Agenten (AI Agents). Wie schon in vielen Blogbeiträgen erwähnt, gehen wir auch hier den Weg dafür Open Source zu verwenden. Bei der Suche nach entsprechenden Möglichkeiten bin ich recht schnell auf Langflow gestoßen. Die Vorteile lagen aus meiner Sicht auf der Hand:
(1) Komponenten können per Drag&Drop zusammengestellt werden. (2) Langflow ist Open Source und kann auf unserem eigenen Server installiert werden. Alle Daten bleiben somit auf unserem Server.
Die Abbildung zeigt einen Screenshot von Langflow – installiert auf unserem Server.
Auf der linken Seite der Abbildung sind viele verschiedene Komponenten zu sehen, die in den grau hinterlegten Bereich hineingezogen werden können. Per Drag&Drop können INPUT-Komponenten und OUTPUT-Format für ein KI-Modell zusammengestellt – konfiguriert – werden. Wie weiterhin zu erkennen, ist standardmäßig OpenAI als KI-Modell hinterlegt. Für die Nutzung wird der entsprechende API-Schlüssel eingegeben.
Mein Anspruch an KI-Agenten ist allerdings, dass ich nicht OpenAI mit ChatGPT nutzen kann, sondern auf unserem Server verfügbare Trainingsdaten von Large Language Models (LLM) oder Small Language Models (SML), die selbst auch Open Source AI sind. Genau diesen Knackpunkt haben wir auch gelöst. Weitere Informationen dazu gibt es in einem der nächsten Blogbeiträge. Siehe in der Zwischenzeit auch
Innovationen zeichnen sich dadurch aus, dass es sich dabei um etwas Neues handelt. Auf dem Weg zu einer Innovation hat ein entsprechendes Projekt (Innovationsprojekt) Widerstände und Barrieren zu überwinden. In diesem Prozess hat es sich bewährt, Promotoren auszumachen, die helfen, diese Barrieren zu überwinden. Das Promotorenmodell von Witte ist hier eine oft erwähnte Hilfestellung. Zusammen mit der Rolle eines Gatekeepers ergeben sich somit die folgenden Schlüsselrollen mit den jeweils typischen Leistungsbeiträgen.
Schlüsselpersonen
Typische Leistungsbeiträge
Machtpromotor
Überwinden von „Barriere des Nicht-Wollens“ – Zieldefinition, – Ressourcenbereitstellung, – Schutz vor Opponenten, – Prozesssteuerung
Fachpromotor
Überwinden von „Barriere des Nicht-Könnens“, „Barriere des Nicht-Wissens“ – Ideengenerierung, – Alternativenentwicklung, – Konzeptevaluierung, – Implementierung
Prozesspromotor
Überwinden von „Barriere des Nicht-Dürfens“ – Zusammenführung, – Vermittlung, – Konfliktmanagement, – Prozesssteuerung, – Koordination
Beziehungspromotor
Überwinden von „Barriere des Nicht-Miteinander-Könnens und Nicht-Miteinander-Wollens“ – Informationsaustausch, – Finden und Zusammenbringen von Interaktionspartnern, – Koordination, – Planung und Steuerung von Austauschprozessen, – Konfliktmanagement
Gatekeeper
– Suchen nach und Sammeln von Informationen, – Filtern von Informationen zur Aufnahme und Ausgabe, – Informationsaufnahme und -ausgabe, – Schutz der Organisation vor Informationsüberfluss und externem Druck
Typische Schlüsselpersonen in Innovationsprojekten (Hochbrügge et al 2017, in projektmanagementaktuell 4/2017, verändert nach Gemünden/Hölzle/Lettl (2006)
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.
Die viele Informationen zu Künstlicher Intelligenz (KI, AI: Artificial Intelligence) sollen in den meisten Fällen eine bestimmte Blickrichtung auf das Thema herausstellen. In dem Blogbeitrag Digitale Souveränität: Europa, USA und China im Vergleich werden beispielsweise die drei großen Perspektiven auf die digitale Souveränität dargestellt.
In Europa scheint es einen – im Vergleich zu den USA und China – etwas anderen Ansatz zu geben, der einerseits die Rechte einzelner Bürger und auch von Organisationen berücksichtigt, und nicht so sehr technologiezentriert, sondern human-centred ist. Die europäische Non-Profit OrganisationenCAIRNE (Confederation of Laboratories for Artificial Intelligence Research in Europe) möchte mit ihrer Arbeit folgende Punkte erreichen:
> “bring widespread and significant benefits to citizens, industry and society, in the form of alignment with shared values and of the global competitiveness of our economies; > make major contributions to solving the grand challenges of our time, notably climate change, health and inequality; > bring into existence AI systems that satisfy the seven trustworthiness criteria defined by the European Union; > bring critical technology and infrastructure under European democratic control” CAIRNE and euROBOTICS (2023): Moonshot in Artificial Intelligence: Trustworthy, Multicultural Generative AI Systems for Safe Physical Interaction with the Real World | PDF.
Den oben erwähnten Human-Centered-Ansatz wird nicht nur in Europa immer stärker favorisiert. Auch Japan hat in seiner Vision Society 5.0 auf diesen Schwerpunkt bei der Entwicklung von KI-Systemen hingewiesen:
“By comparison, Society 5.0 is A human-centered society that balances economic advancement with the resolution of social problems by a system that highly integrates cyberspace and physical space” (Japan Cabinet Office, 2016, zitiert in Nielsen & Brix 2023).
Gerade im Agilen Projektmanagement werden Anforderungen häufig für Persona formuliert. Diese sind nach dem IREB (International Requirements Engineering Board) fiktive Charaktere, mit deren Hilfe Werte für die User geschaffen werden sollen. Dieses Vorgehen erinnert an eine Art Segmentierung aus dem traditionellen Marketing.
Mass Customization auf der anderen Seite ist eine hybride Wettbewerbsstrategie, die individuelle Produkte und Dienstleistungen für jeden Abnehmer – also massenhaft – anbietet, bei Preisen, die denen der massenhaft produzierten Standardprodukten ähneln. Dabei ist der Konfigurator ein wichtiges Element, das passende Produkt in einem Fixed Solution Space (Definierter Lösungsraum) zu erstellen. Die dahinterliegende Idee eines “Market of One” passt nicht so recht mit der Persona-Idee zusammen. Dazu habe ich folgendes gefunden:
“In many ways, a persona is the opposite of mass customization. It’s more traditional marketing thinking about how to deal with a larger number of segments. A “persona of one” is turning the persona idea to its opposite” Piller, Frank T. and Euchner, James, Mass Customization in the Age of AI (June 07, 2024). Research-Technology Management, volume 67, issue 4, 2024 [10.1080/08956308.2024.2350919], Available at SSRN: https://ssrn.com/abstract=4887846.
In Zeiten von Künstlicher Intelligenz wird es immer mehr Möglichkeiten geben, Produkte und Dienstleistungen massenhaft zu individualisieren und zu personalisieren. Ob die Verwendung von Persona in solchen eher agil durchzuführenden Projekten dann noch angemessen ist, scheint fraglich zu sein. Siehe dazu auch
An den Präsenztagen erarbeiten wir gemeinsam die verschiedenen Themen des Projektmanagements. Der Transfer auf eine Fallstudie findet dann in Projektteams statt. In den Onlinephasen werden die Inhalte vertieft (Online- und Einsendeaufgaben) und die Projektdokumentation weiter in den Projektteams bearbeitet.
Am Ende des Lehrgangs findet der Zertifikatsworkshop statt. Dabei schreiben die Teilnehmer einen Test, geben ihre gemeinsam erarbeitete Projektdokumentation ab und stellen die Ergebnisse in einer Präsentation vor. Dabei gibt es noch die eine oder andere Frage zum Thema.
Informationen zu unseren Lehrgängen, und zu aktuellen Terminen auch an anderen Standorten, finden Sie auf unserer Lernplattform.
Wenn Sie die bekannten Trainingsmodelle (LLM: Large Language Modells) bei ChatGPT (OpenAI), Gemini (Google) usw. nutzen, werden Sie sich irgendwann als Privatperson, oder auch als Organisation Fragen, was mit ihren eingegebenen Texten (Prompts) oder auch Dateien, Datenbanken usw. bei der Verarbeitung Ihrer Anfragen und Aufgaben passiert.
Antwort: Das weiß keiner so genau, da die KI-Modelle nicht offen und transparent sind.
Um die eigene Souveränität über unsere Daten zu erlangen, haben wir seit einiger Zeit angefangen, uns Stück für Stück von kommerziellen Anwendungen zu lösen. Angefangen haben wir mit NEXTCLOUD, das auf unserem eigenen Server läuft. NEXTCLOUD Hub 9 bietet die Möglichkeiten, die wir alle von Microsoft kennen.
Dazu kommt in der Zwischenzeit auch ein NEXTCLOUD-Assistent, mit dem wir auch KI-Modelle nutzen können, die auf unserem Serverlaufen. Dieses Konzept einer LOCALAI – also einer lokal angewendeten KI – ist deshalb sehr interessant, da wir nicht nur große LLM hinterlegen, sondern auch fast beliebig viele spezialisierte kleinere Trainingsmodelle (SML: Small Language Models) nutzen können. Siehe dazu Free Open Source Software (FOSS): Eigene LocalAI-Instanz mit ersten drei Modellen eingerichtet.
Wie in der Abbildung zu sehen, können wir mit dem NEXTCLOUD Assistenten auch Funktionen nutzen, und auch eigene Dateien hochladen. Dabei werden die Dateien auch mit Hilfe von dem jeweils lokal verknüpften lokalen KI-Modell bearbeitet. Alle Daten bleiben dabei auf unserem Server – ein unschätzbarer Vorteil.
Die Kombination von LOCALAI mit eigenen Daten auf dem eigenen Server macht dieses Konzept gerade für Kleine und Mittlere Unternehmen (KMU) interessant.
Translate »
Diese Website benutzt Cookies. Wenn du die Website weiter nutzt, gehen wir von deinem Einverständnis aus.
