AI-Projektmanager

TechnologiesReact

IndustriesAWS

ServicesSaaS

Kontext

Wir haben den AI Project Manager zunächst für unsere eigenen Produkt- und Lieferungsteams entwickelt, die mehrere Projekte parallel verwalten.

Trotz moderner Werkzeuge waren kritische Entscheidungen über Slack-Threads verstreut, driftete die Projektdokumentation von der Realität ab, und die Ergebnisse von Meetings hingen häufig davon ab, dass jemand daran dachte, die Tracker manuell zu aktualisieren.

Das Ziel war nicht, ein weiteres Projektmanagement-Tool zu erstellen. Es bestand darin, die manuelle Koordinationsarbeit zu eliminieren, die zwischen Gesprächen, Dokumentation, Planung und Ausführung steht.

Ergebnisse Basierend auf interner Nutzung und frühen Tests:	Bevor	Nach
Dokumentation & Statusaktualisierungen	~40 min	10 Min
Besprechungsnachverfolgung	~5 Std./Woche	2 Std./Woche
Aktionspunktverfolgung	~20% verpasst	0% verpasst
Einarbeitung neuer Mitarbeiter	~5-7 Tage	2-3 Tage

Herausforderungen

Lösungen

Kritische Entscheidungen verschwanden in Gesprächen
Wichtige projektbezogene Entscheidungen wurden in Slack-Diskussionen und Meetings getroffen, aber selten konsequent dokumentiert.
Durchsuchbare Wissensschicht für Projekte
Eine RAG-gestützte Wissensschicht indiziert Gespräche, Dokumentationen und Besprechungen und macht den verifizierten Projektkontext sofort durchsuchbar.
Die Dokumentation wurde fast sofort veraltet.
Projektbriefe und Planungsdokumente waren zu Beginn in der Regel genau, drifteten jedoch von der Realität ab, als sich die Anforderungen entwickelten.
Kontinuierlich aktualisierte Projektdokumentation
Der Assistent hält automatisch Projektübersichten, Entscheidungen, Risiken, Verantwortliche, Meilensteine und nächste Schritte, während sich die Arbeit entwickelt.
Das Follow-up nach dem Treffen hat betriebliche Aufwände verursacht.
Nach jedem Meeting musste jemand Notizen schreiben, Aktionspunkte extrahieren, Projektverfolgungen aktualisieren und die Stakeholder benachrichtigen.
Automatisierte Besprechungszusammenfassungen und Aufgaben-Synchronisierung
Die Diskussionen in Meetings werden in Zusammenfassungen, Aufgaben und synchronisierte Aufgaben ohne manuelle Nachverfolgung umgewandelt.
Risiken tauchten zu spät auf
Projektblockaden, ungelöste Fragen und Lieferungsrisiken wurden oft erst nach Beeinflussung der Zeitpläne sichtbar.
Proaktive Überwachung von Lieferrisiken
Besprechungsdiskussionen werden ohne manuelle Nachverfolgung in Zusammenfassungen, Aufgaben und synchronisierte Aufgaben umgewandelt.

Technische Architektur

Der Manager basiert auf einer modularen KI-Architektur, die domänenspezifische Daten in intelligente Workflows über vier Kernschichten transformiert: Datenaufnahme, Kontextabruf, KI-Argumentation und Unternehmensintegrationen. Jede Schicht ist von Anfang an für Produktionsumgebungen mit integrierter Sicherheit, Erklärbarkeit und Skalierbarkeit konzipiert.

Was wir beim Bau hiervon gelernt haben

Gespräche sind die wahre Quelle des Projektwissens.
KI bietet den größten Wert, wenn sie Diskussionen, Besprechungen und Entscheidungen versteht – nicht nur Projektdokumentation.
Die Automatisierung sollte in bestehende Arbeitsabläufe passen.
Die Akzeptanz ist am höchsten, wenn KI innerhalb von Slack und bestehenden Werkzeugen arbeitet, anstatt neue Prozesse einzuführen.
Vertrauen hängt von Nachvollziehbarkeit ab.
Jede Zusammenfassung, jede Maßnahme und jede Empfehlung sollte durch verifizierbaren Projektkontext untermauert werden.
Der Kontext schlägt größere Modelle.
Die genaue Abrufung der Projekthistorie hat einen größeren Einfluss auf die Output-Qualität als nur die Modellgröße.
Die größten Erfolge kommen von unsichtbarer Arbeit.
Die Automatisierung von Dokumentation, Follow-ups von Besprechungen und der Koordination von Aufgaben bringt die größten Produktivitätsgewinne.

Unsere Fälle

Bei Innovation geht es nicht nur um Ideen – es geht um die Umsetzung, darum, Visionen in die Realität umzusetzen und Lösungen zu schaffen, die wirklich etwas bewirken. Sehen Sie, was wir gebaut haben und wie es funktioniert: