AI-Delivery-Management: sieben Fähigkeiten, die kein Zertifikat abdeckt

2019 prognostizierte Gartner, dass bis 2030 80% der Projektmanagement-Arbeit verschwinden würden — AI übernehme das Sammeln, Verfolgen und Berichten, das die Woche eines PM füllt. Mehr als die Hälfte der Strecke ist inzwischen vorbei. PMIs eigene Untersuchung von 2023 fand rund ein Fünftel der Projektprofis, die AI regelmäßig nutzen. Den Job gibt es noch.

Aber mit der Prognose zu streiten verfehlt, was tatsächlich passiert ist. Die 80%, auf die Gartner zeigte — die Sekretariatsschicht — lösen sich wirklich auf, und das zu Recht. Was die Prognose nicht sehen konnte: An ihrer Stelle wächst eine neue Arbeitsschicht, und für die stellt niemand ein Zertifikat aus.

Was die Werkzeuge wirklich übernehmen

Zuerst das Zugeständnis, denn ich nutze diese Werkzeuge täglich: Statusberichte aus Ticketsystemen, Protokolle, erste Entwürfe von Plänen und Risikoregistern, Backlog-Pflege, dieselbe Information für drei Zielgruppen übersetzt — diese Arbeit verschwindet in den Tools, und niemand sollte ihr nachtrauern. Ein Statusbericht war nie das Liefergut. Er war der Anlass für ein Gespräch.

Die Falle liegt auf der anderen Seite dieser Bequemlichkeit. AI erzeugt plausible Artefakte zum Nulltarif: einen Plan, der wie ein Plan aussieht, ein Risikoregister, das durchdacht wirkt, eine Schätzung mit selbstbewussten Zahlen. Früher bezeugte ein sauberes Dokument wenigstens, dass jemand Denkarbeit investiert hatte. Dieses Signal ist weg. Die Unterschrift eines Delivery Managers bezeugte früher Aufwand; jetzt muss sie Verifikation bezeugen — und das sind verschiedene Berufe.

Was die Arbeit tatsächlich verlangt

Ich führe ein Register meiner Projekte — 48 davon sind auf dieser Website dokumentiert, jedes verschlagwortet mit der Arbeit, die es tatsächlich erforderte. Das ist die Stichprobe eines einzelnen Beraters, keine Branchenumfrage — aber anders als bei einer Branchenumfrage können Sie jeden zugrunde liegenden Fall nachlesen.

Zwei Lesarten zählen. Erstens: Mehr als die Hälfte dieser Projekte entschied sich an Arbeit, bevor irgendetwas gebaut wurde — Assessment und Discovery, Lösungszuschnitt, Schätzung, Scope- und Vertrags-Governance. Der Schwerpunkt der Rolle ist stromaufwärts gewandert, zu den Entscheidungen, für die ein Sprachmodell nicht haftbar sein kann. Zweitens: Zwei der Schlagworte existierten in dem Vokabular, in dem ich zertifiziert wurde, gar nicht — Knowledge- und Context-Engineering sowie Security und Trust Boundaries. Prompt Injection ist heute ein Delivery-Risiko, keine Fußnote der IT-Sicherheit.

Sieben Fähigkeiten, die kein Zertifikat abdeckt

Aus dem Register heraus die wiederkehrenden Kompetenzen — jede verlinkt auf ein dokumentiertes Projekt, in dem sie den Unterschied zwischen einem Projekt und einer teuren Demo ausmachte.

1. Datenreife lesen, bevor Intelligenz versprochen wird

Der klassische PM fragt, ob die Anforderungen klar sind. Der AI-Delivery-Manager fragt, ob die Daten den Use Case überhaupt tragen — und hat das Standing zu sagen: das Modell wartet, bis das Fundament existiert. In einem Projekt für eine Finanzgruppe war die gesamte erste finanzierte Phase ein Datenreife-Report, der alles Nachgelagerte gatete. Diese Sequenzentscheidung war das Projekt.

2. Konditionaler Scope

AI-Features tragen eine Unsicherheit, für die Festpreisverträge nie gebaut wurden: Modellgenauigkeit kann niemand im Voraus zusagen. Die Fähigkeit besteht darin, Scope in drei Stufen zu schreiben — zugesagt, an Evidenz geknüpft, draußen — und jeder modellabhängigen Anforderung einen manuellen Fallback zu geben, damit das Produkt auch funktioniert, wenn das Modell zu spät kommt oder falsch liegt. Ein Medtech-Discovery-Review zeigt, wie das aussieht, wenn es vor der Unterschrift passiert statt nach dem Streit.

3. Das menschliche Gate entwerfen

Die folgenreichste Architekturentscheidung der meisten AI-Systeme ist nicht das Modell — es ist die Stelle, an der ein Mensch bestätigt. Welche Aktionen das System allein ausführen darf, welche ein menschliches Urteil brauchen, und wie ein Override als entworfener Zustand statt als Fehler protokolliert wird. Ein Vertragsanalyse-Build legte auf jede Klausel ein menschliches Urteil — und diese eine Entscheidung trug die Compliance-Geschichte, die Vertrauensgeschichte und den Scope.

4. Demo-Governance

AI-Projekte sterben in der Lücke zwischen Demo und Produktion — was eine Demo behaupten darf, ist deshalb heute eine Delivery-Entscheidung. Was ist ein echtes Modell, was ist Skript, was ist eine Regel — laut gesagt, im Raum. Ein Prototyp gewann genau deshalb, weil er zugab, dass seine Intelligenz ein Regelwerk war — auditierbar, editierbar, kostenlos pro Gespräch. Die Ehrlichkeit war das Feature.

5. Schätzen unter Modellunsicherheit

AI-Arbeit mit den Gewohnheiten deterministischer Software zu schätzen erzeugt Zahlen, die selbstbewusst und falsch sind. Zum Handwerk gehören jetzt Feasibility-Spikes vor Zusagen, Spannen mit expliziten Annahmen, Re-Estimation-Gates beim Scope-Lock — und ein Register der Schätzungen gegen das, was tatsächlich geschah, denn ein Schätzer, der nie zurückschaut, rät mit Selbstvertrauen. Plan-gegen-Ist zu veröffentlichen ist genau einmal unangenehm.

6. Evidenzdisziplin bei Maschinengeschwindigkeit

Wenn sich Artefakte mit Generierungsgeschwindigkeit vermehren, ist die knappe Ressource das Wissen, welche davon eine echte Entscheidung festhalten. Entscheidungslogs mit Ownern, Annahmenregister mit Verlässlichkeitsgraden, eine Papierspur, die die Beteiligten überlebt. Siebzehn Architekturentscheidungen, aufgeschrieben vor dem ersten Sprint, kosteten Tage — und ersparten den Streit, der sonst in Monat vier stattfindet.

7. Verifikationskompetenz

Die Delivery-Metriken eines AI-Systems sind nicht Burn-down und Velocity. Es sind Override-Rate, Low-Confidence-Rate, entkommene Defekte, Drift — wie oft Menschen die Maschine korrigiert haben, und was passierte, wenn nicht. Meldet ein Team „das Modell funktioniert“, ist es der Job des Delivery Managers, nach dem Nenner zu fragen. Die Operator-Konsole zu zeigen — einschließlich der Stelle, wo die Prompts leben — so sieht es aus, wenn Verifikation eine erstklassige Oberfläche ist statt ein nachgereichtes Dashboard.

Der alte Job bezeugte, dass die Arbeit getan ist. Der neue Job bezeugt, dass die Arbeit stimmt — und das unterschreibt kein Werkzeug für Sie.

Was sich nicht ändert

Nichts davon ersetzt das Grundhandwerk. Kritische Pfade rutschen weiter, Stakeholder sind weiter uneins, Risiko verzinst sich weiter leise — und Verantwortung lässt sich weiterhin nicht delegieren, weder an einen Dienstleister noch an ein Modell. Die Zertifikate hinter meinem eigenen Namen — PMP, SAFe, PSM — sind nicht falsch. Sie reichen nur nicht mehr aus, und das eine, das den Rest abdeckt, hat der Markt noch nicht gedruckt.

Die übliche Offenlegung dieser Website: Ich verkaufe genau diese Arbeit und bin kein neutraler Zeuge. Genau deshalb stützt sich das Diagramm oben auf ein veröffentlichtes Register, das Sie Fall für Fall prüfen können — und nicht auf eine Umfrage, die Sie nicht prüfen können.

• AI-Umsetzung
• Projektmanagement
• Delivery Management
• Fähigkeiten