Project Management Pitfalls and the Ambivalent Role of Artificial Intelligence: A Scoping Review of Bad Practices
Dieser Scoping Review erweitert die bekannte Liste der schlechten Projektmanagement-Praktiken auf zwanzig systemische Fehler in vier Schlüsselclustern und argumentiert, dass künstliche Intelligenz zwar Potenzial zur Verbesserung bietet, ihre unkritische Einführung jedoch das Risiko birgt, bestehende Probleme zu verschärfen, was deren Integration als Ergänzung zu statt als Ersatz für fundiertes menschliches Urteilsvermögen und Governance erforderlich macht.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Seit Jahrzehnten verlässt sich die Welt des Bauens und Erschaffens auf einen Satz von Regeln, die darauf ausgelegt sind, komplexe Unterfangen vor dem Auseinanderfallen zu bewahren. Ob beim Bau einer Brücke, beim Start eines Satelliten oder bei der Einführung einer neuen Software – Teams folgen einer Disziplin namens Projektmanagement. Dieses Feld basiert auf der Idee, dass man erfolgreich ist, wenn man sorgfältig plant, die richtigen Leute zuweist und das Budget im Auge behält. Doch trotz der Erfindung hochentwickelter Software und der Ausbildung von Millionen von Fachkräften scheitern Projekte immer noch mit einer hartnäckig hohen Rate. Sie laufen dem Geld aus, verpassen ihre Fristen oder liefern ein Produkt, das niemand wollte. Die Gründe für diese Fehlschläge liegen selten in einem Mangel an Werkzeugen oder Wissen; stattdessen entspringen sie oft tief verwurzelten menschlichen Gewohnheiten. Wir neigen dazu, überoptimistisch einzuschätzen, wie lange Dinge dauern werden, wir tun uns schwer, zu neuen Anfragen „Nein“ zu sagen, und wir versuchen, zu viele Dinge gleichzeitig zu tun. Diese Muster sind so verbreitet, dass sie seit Jahren untersucht werden und ein Katalog von Fehlern bilden, die scheinbar unmöglich zu vermeiden sind.
Nun ist eine neue Frage in das Gespräch eingetreten. Da Künstliche Intelligenz – Computersysteme, die aus Daten lernen und Vorhersagen treffen können – immer leistungsfähiger wird, hoffen viele, dass sie diese alten Probleme endlich lösen wird. Die Idee ist, dass eine Maschine, die frei von menschlichem Optimismus oder Ermüdung ist, den perfekten Zeitplan berechnen, verborgene Risiken erkennen und Ressourcen ohne Fehler verwalten könnte. Doch eine aktuelle Untersuchung der neuesten Forschung deutet darauf an, dass die Antwort nicht so einfach ist. Die Technologie birgt echtes Potenzial, trägt aber auch das Risiko in sich, unsere ältesten Fehler schlimmer zu machen, wenn wir nicht vorsichtig sind.
Ein Team von Forschern vom Technologischen Park von Holguín und der Universität von Holguín in Kuba setzte sich zum Ziel, genau diesen Spannungsgrad zu untersuchen. Sie führten eine Scoping-Review der zwischen 2021 und 2026 veröffentlichten wissenschaftlichen Literatur in fünf spezifischen Datenbanken durch: Scopus, Web of Science, DOAJ, OpenAlex und Google Scholar, um nach Studien darüber zu suchen, warum Projekte scheitern und wie Künstliche Intelligenz eingesetzt wird, um sie zu beheben. Sie untersuchten auch Berichte von Praktikern aus der Industrie, die täglich mit diesen Ausfällen zu tun haben. Ihr Ziel war es nicht, eine einzelne Theorie zu testen, sondern die Landschaft von zwanzig spezifischen schlechten Praktiken abzubilden, die das Feld weiterhin plagen. Sie ordneten diese Fehler in vier Hauptgruppen ein: Fehler in der Planung und in der Einschätzung der Dauer; Fehler im Management von Menschen und dem Umfang der Arbeit; Fehler in der Art und Weise, wie Teams kommunizieren und Entscheidungen treffen; und Fehler beim eigentlichen Abschluss der Aufgabe.
Die Forscher fanden heraus, dass diese zwanzig schlechten Praktiken nicht neu sind. Es sind dieselben Muster, die in älteren Studien beschrieben wurden, was beweist, dass die Kluft zwischen dem, was wir wissen sollten zu tun, und dem, was wir tatsächlich tun, weiterhin groß ist. Einer der beständigsten Fehler ist der „Planungsfehler“ (Planning Fallacy), eine Gewohnheit, bei der Menschen sich selbst davon überzeugen, dass ihr Projekt anders und besser sein wird als das aller anderen, wobei sie historische Daten ignorieren, die etwas anderes nahelegen. Ein weiteres häufiges Problem ist die Unfähigkeit, zu sich ändernden Anforderungen „Nein“ zu sagen, was zu „Scope Creep“ führt – einem Zustand, in dem ein Projekt langsam über seine ursprünglichen Grenzen hinauswächst, bis es unter seinem eigenen Gewicht zusammenbricht. Die Untersuchung hob auch die destruktive Natur des Multitaskings hervor, bei dem Teammitglieder in zu viele Richtungen gleichzeitig gezogen werden, was zu Burnout führt und die Arbeit verlangsamt.
Als die Forscher untersuchten, wie Künstliche Intelligenz mit diesen Problemen interagiert, fanden sie ein zweischneidiges Schwert. Auf der positiven Seite zeigt die Technologie echtes Potenzial, spezifische Aufgaben zu verbessern. Beispielsweise können fortschrittliche Computermodelle riesige Mengen an historischen Daten analysieren, um präzisere Schätzungen darüber zu erstellen, wie lange ein Projekt dauern wird, und übertreffen dabei oft traditionelle Methoden. Diese Werkzeuge können auch Ressourcen verfolgen, um sicherzustellen, dass niemand überarbeitet wird, und automatisch melden, wenn ein Projekt vom Kurs abkommt. In einigen Fällen wurde gezeigt, dass diese Systeme Vorhersagefehler um eine signifikante Marge reduzieren und ein Maß an Präzision bieten, mit dem menschliche Planer Schwierigkeiten haben.
Die Untersuchung warnt jedoch davor, dass das bloße Einschalten eines Computers die zugrunde liegenden menschlichen Probleme nicht löst. Wenn die Daten, die in ein System der Künstlichen Intelligenz eingespeist werden, fehlerhaft, voreingenommen oder unvollständig sind, wird die Maschine diese Fehler einfach wiederholen, vielleicht sogar noch selbstbewusster als ein Mensch. Die Forscher stellten fest, dass, wenn ein Unternehmen eine Geschichte der Unterschätzung von Kosten hat, eine Künstliche Intelligenz, die mit den vergangenen Daten dieses Unternehmens trainiert wurde, auch lernen wird, Kosten zu unterschätzen. Darüber hinaus besteht das Risiko, dass Teams zu sehr von diesen Werkzeugen abhängig werden und die Ergebnisse der Maschine vertrauen, ohne sie zu hinterfragen. Dies könnte zu einer Situation führen, in der schlechte Entscheidungen schneller und mit mehr Autorität getroffen werden, weil sie von einem Computer gestützt werden. Die Review wies auch darauf hin, dass viele Projekte der Künstlichen Intelligenz selbst die Bereitstellung (Deployment) nicht erreichen, weil sie zu komplex sind, das falsche Problem lösen oder keine klaren Erklärungen dafür liefern, wie sie zu ihren Schlussfolgerungen gelangt sind.
Die Kernerkenntnis der Studie ist, dass diese Fehler grundlegend organisatorischer und verhaltensbedingter Natur sind, nicht nur technischer. Die Probleme von Optimismus, schlechter Kommunikation und der Unfähigkeit zur Priorisierung sind in der menschlichen Psychologie und der Unternehmenskultur verwurzelt. Künstliche Intelligenz ist ein mächtiges Werkzeug, aber sie ist kein Zauberstab, der eine kaputte Kultur heilen kann. Die Forscher argumentieren, dass die Technologie dazu genutzt werden sollte, das menschliche Urteilsvermögen zu unterstützen, nicht es zu ersetzen. Sie kann die schwere Arbeit der Datenanalyse und Mustererkennung übernehmen und so Menschen die Freiheit geben, sich auf die Dinge zu konzentrieren, die Maschinen nicht tun können: das Navigieren in komplexen politischen Beziehungen, das Spüren der Moral eines Teams und das Treffen der schwierigen ethischen Entscheidungen, die oft in Hochrisikosituationen anfallen.
Letztendlich erfordert der Weg nach vorn einen ausgewogenen Ansatz. Organisationen, die Erfolg haben wollen, müssen in die Verbesserung der Qualität ihrer Daten investieren und ihre Mitarbeiter darin schulen, diese neuen Werkzeuge klug einzusetzen. Sie müssen Governance-Strukturen aufbauen, die sicherstellen, dass Künstliche Intelligenz transparent ist und dass Menschen bei den endgültigen Entscheidungen im Prozess verbleiben. Die Untersuchung kommt zu dem Schluss, dass Technologie uns zwar helfen kann, die Fallstricke klarer zu sehen, es aber an uns liegt, ihnen auszuweichen. Die effektivsten Projekte werden jene sein, die die Geschwindigkeit und Genauigkeit der Künstlichen Intelligenz mit der Weisheit, Empathie und dem kritischen Denken erfahrener menschlicher Führungskräfte kombinieren.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.