KNOWLEDGE MAKES THE WORLD GO ROUND ®
Der von uns entwickelte Blended Learning Lehrgang Projektmanager/in (IHK) wird ab Mai wieder in Düsseldorf angeboten:
Projektmanager/in (IHK) – Blended Learning Lehrgang (Flyer, IHK-Website) 13.05.-24.06.2025, IHK Düsseldorf, Ansprechpartnerin: Frau Wanke, Telefon: 0211/17243-35, E-Mail: petra.wanke@duesseldorf.ihk.de
Informationen zu unseren Lehrgängen und zu aktuellen Terminen finden Sie auf unserer Lernplattform.
In verschiedenen Blogbeiträgen habe ich schon mehrfach darauf hingewiesen, dass es vielen Unternehmen gar nicht um die Bedürfnisse/Anforderungen der Kunden (User) geht, sondern eher darum, User zu manipulieren. Siehe dazu beispielhaft Produkte und Dienstleistungen als Mehrwert für Kunden: Warum funktioniert das einfach nicht?
Harry Brignull hat sich zur Aufgabe gemacht, auf Deceptive Patterns (Täuschungsmuster) hauptsächlich bei Tech-Unternehmen hinzuweisen. In seinem frei lesbaren Buch Brignull, H. (2023): Deceptive Patterns. Exposing the Tricks Tech Companies Use to Control You kann sich jeder ein Bild darüber machen, wie auf Webseiten und bei Apps manipuliert wird. Hier ein Beispiel:
ChatGPT forces users to compromise on privacy by linking it to reduced functionality
Dark patterns are another issue. By default, ChatGPT users allow OpenAI to use their data for model training, exposing them to memorization risks. The opt-out interfaces unnecessarily link privacy with reduced functionality, and the more flexible control is hard to find and use.
ChatGPT | tianshi_li | September 25, 2023
Source: https://www.deceptive.design/hall-of-shame
Dazu gibt es auch eine Hall of Shame in der hunderte von Beispielen zu finden sind, die das alles verdeutlichen.
Der einzelne User ist hier an vielen Stellen überfordert, und sollte daher besser vor solchen Machenschaften geschützt werden. Ein gutes Beispiel ist die Entscheidung des Bundeskartellamtes gegen Alphabet/Google (PDF).
In gewachsenen Organisationen sind Arbeitsformen dominant, die auf Routinearbeit ausgerichtet sind, und ein entsprechendes Mindset ergeben. Agile Arbeitsformen sind anders, da sie in einem eher turbulenten Umfeld komplexe Problemlösungen anbieten – mit allen Konsequenzen für Organisationen.
Beide Elemente werden im Projektmanagement deutlich. Oftmals müssen beide Arbeitsformen in eine Gesamtstruktur überführt werden. Dabei stellt sich die Frage, wie agile und klassische Arbeitsformen in einer hybriden Gesamtstruktur erfolgreich sein können.
In der Tabelle sind dazu drei Hybride Szenarien mit dem jeweiligen Transformationsansatz, der Skalierungsmöglichkeit und der Bewertung möglicher Organisationsveränderungen dargestellt.
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.
Wie die HELENA-Studie und die PMI-Studie gezeigt haben, nutzen immer mehr Unternehmen/Organisationen ein hybrides Vorgehen im Projektmanagement. Es stellt sich natürlich die Frage, wie es dazu kommen konnte. Eine Antwort dazu habe ich in einem Artikel gefunden:
“Jedes Unternehmen ist eine Art Ökosystem. In diesem Ökosystem findet ja nicht nur beispielsweise die Entwicklung von Hardware und Software statt. Da gibt es auch andere Bereiche wie Sales, Rechnungswesen oder Personalmanagement. Dort herrschen ganz klassische Geschäftsprozesse vor. Zu diesen klassischen Prozessen müssen Projekte eine Schnittstelle anbieten. Aus Sicht vieler Unternehmen liefern agile Methoden diese Schnittstellen nicht” (Kuhrmann, M. (2019): Reines agiles Vorgehen kein „Allheilmittel“, in projektmanagementaktuell 3/2019).
Daran schließt sich natürlich die Frage an, wie Unternehmen das geeignete Vorgehen für ein Projekt festlegen. Wird das hybride Vorgehensmodell nur ein Mal festgelegt, und/oder im Projektverlauf angepasst?
“Vielleicht wird die komplette Vorgehensweise nicht von Projekt zu Projekt festgelegt. Im Allgemeinen sammeln Unternehmen Erfahrungen mit ihrem Projektmanagement. Es kommt zu bestimmten Konsolidierungen im Methodenapparat, also zu Mustern, die für alle Projekte gelten. Doch innerhalb dieses konsolidierten Methodenapparats kann dann für jedes Projekt die Vorgehensweise neu zusammengestellt werden” (ebd.).
Aus der täglichen Arbeit mit und in Projekten ergeben sich also Rahmenbedingungen, die zu einer Konsolidierung bei der Methodenvielfalt führen, und damit ein Muster erkennen lassen. Dieses Muster wiederum zeigt auf, welche Vorgehensmodelle kombiniert werden sollten, um das Projekte – oder die Projekte – erfolgreich umsetzen zu können.
Es wird in Zukunft immer mehr darauf ankommen, Hybrides Projektmanagement in diesem Sinne zu professionalisieren.
Siehe dazu auch
Hybrides Projektmanagement: “Emergent Practice” und Bifurkationspunkte
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.
In den Diskussionen um Künstliche Intelligenz (Artificial Intelligence) werden die Tech-Riesen nicht müde zu behaupten, dass Künstliche Intelligenz die Menschliche Intelligenz ebenbürtig ist, und es somit eine Generelle Künstliche Intelligenz (AGI: Artificial General Intelligence) geben wird.
Dabei wird allerdings nie wirklich geklärt, was unter der Menschlichen Intelligenz verstanden wird. Wenn es der Intelligenz-Quotient (IQ) ist, dann haben schon verschiedene Tests gezeigt, dass KI-Modelle einen IQ erreichen können, der höher ist als bei dem Durchschnitt der Menschen. Siehe dazu OpenAI Model “o1” hat einen IQ von 120 – ein Kategorienfehler? Heißt das, dass das KI-Modell dann intelligenter ist als ein Mensch? Viele Experten bezweifeln das:
“Most experts agree that artificial general intelligence (AGI), which would allow for the creation of machines that can basically mimic or supersede human intelligence on a wide range of varying tasks, is currently out of reach and that it may still take hundreds of years or more to develop AGI, if it can ever be developed. Therefore, in this chapter, “digitalization” means computerization and adoption of (narrow) artificial intelligence” (Samaan 2024, in Werthner et al (eds.) 2024, in Anlehnung an https://rodneybrooks.com/agi-has-been-delayed/).
Es wird meines Erachtens Zeit, dass wir Menschliche Intelligenz nicht nur auf den IQ-Wert begrenzen, sondern entgrenzen. Die Theorie der Multiplen Intelligenzen hat hier gegenüber dem IQ eine bessere Passung zu den aktuellen Entwicklungen. Den Vergleich der Künstlichen Intelligenz mit der Menschlichen Intelligenz nach Howard Gardner wäre damit ein Kategorienfehler.
Wenn es um Technik geht wird immer wieder die Frage nach der Ethik gestellt, denn Technik kann zum Wohle oder zum Nachteil von (allen) Menschen und der Umwelt genutzt werden. Aktuell geht es dabei beispielsweise um die Ethik bei der Nutzung von Künstlicher Intelligenz. Siehe dazu auch Technikethik (Wikipedia).
In der Softwareentwicklung hat sich der Einsatz von Scrum als Rahmenwerk (Framework) bewährt. In der Abbildung sind die verschiedenen Events, Artefakte und Rollen zu erkennen. Die Autoren Zuber et al. (2024) schlagen nun vor, ethische Überlegungen (ethical deliberations) mit in das Scrum-Framework einzubauen. Diese sind in der Abbildung grün hervorgehoben.
“The core idea is that, before the regular agile cadence begins, in a sprint 0, we first proceed descriptively and align ourselves with societal and organizational value specifications, i.e., we start from a framework defined by society and organization. Second, in the relationship between the product owner and the client, central ethical values are identified within this framework on a project-specific basis, if necessary, and become part of the product backlog. This can be done on the basis of existing codes of conduct or with other tools and methods that are specific to culture and context. We call this the normative horizon that is established during disclosive contemplation. Value-Sensitive Software Design: Ethical Deliberation in Agile. Within each individual sprint, it is a matter of identifying new values and implementing normative demands through suitable technical or organizational mechanisms” (Zuber et al 2024, in Werther et al (eds.) 2024).
Es ist wichtig, dass wir uns mit den ethischen Fragen neuer Technologien wie z.B. der Künstliche Intelligenz auseinandersetzen und es nicht zulassen, dass Tech-Konzerne die Vorteile der neuen Möglichkeiten in Milliarden von Dollar Gewinn ummünzen, und die sozialen Folgen der der neuen KI-Technologien auf die Gesellschaft abwälzen. Hier muss es eine Balance geben, die durch ethische Fragestellungen in den Entwicklungsprozessen von Technologien mit integriert sein sollten – nicht nur im Scrum-Framework.
Immer mehr Arbeiten sind wissensintensiv und unterscheiden sich somit von anderen Arbeitsweisen in Organisationen. Dabei gibt es oftmals einen branchenspezifischen Mix an Arbeit (BMAS 2015):
Arbeiten 1.0 bezeichnet die beginnende Industriegesellschaft und die ersten Organisationen von Arbeitern.
Arbeiten 2.0 ist die beginnende Massenproduktion und die Anfänge des Wohlfahrtsstaats am Ende des 19. Jahrhunderts.
Arbeiten 3.0 umfasst die Zeit der Konsolidierung des Sozialstaats und der Arbeitnehmerrechte auf Grundlage der sozialen Marktwirtschaft.
Arbeiten 4.0 wird vernetzter, digitaler und flexibler sein. Wie die zukünftige Arbeitswelt im Einzelnen aussehen wird, ist noch offen. Seit Beginn des 21. Jahrhundert stehen wir vor einem erneuten grundlegenden Wandel der Produktionsweise.
Die heutige Wissensarbeit unterscheidet sich in vielen Dimensionen von klassischer Routinearbeit in der Industriegesellschaft.
Die Abbildung zeigt verschiedene Typen von Arbeit, die in einem Fragebogen abgefragt werden können. In der Darstellung ist zu erkennen, dass in diesem Beispiel sequenzielles Arbeiten und standardisierte Abläufe eher niedrig bewertet werden – also kaum Bestandteil der Arbeit sind. Demgegenüber sind alle anderen Arbeitstypen sehr stark (hoch) ausgeprägt. Das deutet auf wissensintensive Arbeit hin.
Wo stehen wir eigentlich mit unserem Projekt? Auf diese Frage kann ein Standard-Projektreport Antworten geben (Abbildung). Üblicherweise werden wichtige Parameter mit Hilfe von Ampelfarben (Rot – Gelb – Grün) hervorgehoben.
“Auf der Ebene des Einzelprojektes wird üblicherweise die Darstellung eines Standard-Projekt-Reports (Abbildung) gewählt. Dieser ermöglicht eine Verknüpfung zwischen strategischen Zielen und der Operationalisierung sowie eine ständige Darstellung des Status” (ebd.).
Zu beachten ist dabei, dass die verschiedenen Daten möglichst zu einem Stichtag erfolgen sollten da es ansonsten zu falschen Bewertungen kommen kann. Weiterhin sollte bei der Betrachtung des Status nicht nur die Vergangenheit betrachtet werden.
Mit einer Meilenstein-Trendanalyse, Kosten-Trendanalyse oder sogar einer Earned Value Prognose kann/sollte gleichzeitig auch der Blick in die Zukunft des Projekts erfolgen.
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.
In der letzten Zeit kommt immer mehr der Begriff AI Agent – oder auch Gen AI Agent – auf. Mit Hilfe der Abbildung möchte ich die Zusammenhänge der verschiedenen Komponenten erläutern.
Die Modelle (Model), oft als Language Models, Small Language Models oder Large Language Models (LLM) bezeichnet, enthalten eine sehr große Menge an Trainingsdaten. Dabei können Open Source AI Models, Open Weights Models und Closed AI Models unterschieden werden. An dieser Stelle merkt man schon, wie wichtig die Auswahl eines geeigneten Modells ist. Diese Modelle sind üblicherweise nicht auf typische Tools oder Kombinationen von Tools trainiert. Oftmals wird dieser Teil dann mit Hilfe von immer detaillierteren Eingaben (Prompts, Dateien etc.) des Users spezifiziert.
Die Beschränkungen von Modellen bei der Interaktion mit der “äußeren Welt” kann durch geeignete Tools erweitert werden. Dazu können spezielle Datenbanken, API-Schnittstellen usw. genutzt werden. Siehe dazu auch RAG: KI-Basismodelle mit eigener Wissensbasis verknüpfen.
Der AI Agent orchestriert nun alle Komponenten, wie die Eingabe des Users, das jeweilige Modell (oder sogar mehrere), die Tools und gibt das Ergebnis (Output) für den User in der gewünschten Form aus.
Die Möglichkeit, AI Agenten zu erstellen, bieten in der Zwischenzeit viele kommerzielle KI-Anbieter an. Wir gehen demgegenüber den Weg, Open Source AI auf unserem Server zu installieren und zu nutzen:
AI Agenten konfigurieren wir mit Langflow (Open Source). Dabei können wir in Langflow auf sehr viele Open Source AI Modelle über Ollama (Open Source) zugreifen, und vielfältige Tools integrieren. Alle Daten bleiben dabei auf unserem Server.
Die aktuellen Entwicklungen zeigen unsere (europäische) digitale Abhängigkeit von amerikanischen Tech-Riesen. Ob es sich um Starlink, ein Unternehmen von Elon Musk, oder um OpenAI (dominiert von Microsoft), Amazon Cloud, Google usw. handelt, überall haben sich die amerikanischen Tech-Unternehmen in Europa durchgesetzt.
Immer mehr Privatpersonen, Unternehmen und Verwaltungen überlegen allerdings aktuell, ob es nicht besser ist, europäische Alternativen zu nutzen, um die genannte digitale Abhängigkeit zu reduzieren.
Die Website European alternatives for digital products hat nun angefangen, verschiedene europäische Alternativen zu den etablierten Angeboten aufzuzeigen. Die Übersicht ist nach verschiedenen Kategorien gegliedert. Die Website ist eine Initiative eines österreichischen Softwareentwicklers und steht erst am Anfang.
Insgesamt kann diese Website in die Initiative Sovereign Workplace eingeordnet werden, an dem wir uns auch schon länger orientieren. Dabei werden Vorschläge gemacht, welche Anwendungen auf Open Source Basis geeignet erscheinen.