Statusberichte mit KI vorbereiten: ein Delegationsbeispiel

Einen wöchentlichen oder monatlichen Projektstatusbericht kann KI gut vorbereiten – aber nur den sprachlichen Teil. Die Zahlen liefert eine Automatisierung, die Einschätzung von Risiken und die Freigabe bleiben bei der Projektleitung. Dieses Beispiel zeigt, wie ein Team die Aufgabe so zuschneidet, dass Entlastung entsteht, ohne dass Fehler unbemerkt in den Bericht wandern.

Kurz gesagt: Die KI schreibt den Bericht, aber die Zahlen und die Freigabe bleiben beim Menschen.

Wofür: Für Projektleitungen, PMOs und Teams mit wiederkehrenden Status- oder Managementberichten, in denen viel Zeit in das Formulieren fließt.

Warum eignet sich der Statusbericht für KI?

Statusberichte haben drei Eigenschaften, die sie zu einem guten Kandidaten machen. Sie fallen regelmäßig an, oft jede Woche und für mehrere Projekte. Sie folgen einer festen Struktur aus Fortschritt, Abweichungen, Risiken und nächsten Schritten. Und das Zusammentragen und Formulieren kostet Zeit, die der Projektleitung für die eigentliche Steuerung fehlt.

Gleichzeitig hat die Aufgabe eine klare Gefahrenstelle: Sprachmodelle können Zahlen erfinden, die glaubwürdig aussehen. Deshalb gehört nicht der ganze Bericht an die KI, sondern nur der Teil, in dem sie verlässlich stark ist.

Wie wird die Aufgabe aufgeteilt?

Die Diagnose führt hier zur Entscheidung „Zuschneiden“. Der Ablauf sieht so aus:

1. Mensch: Die Projektleitung legt fest, welche Projekte, Kennzahlen und Schwellenwerte in den Bericht gehören und wer ihn erhält.
2. System: Plan- und Ist-Werte kommen aus einer festgelegten Quelle, etwa dem Projektmanagement- oder BI-System. Die KI rechnet nicht selbst.
3. KI: Sie ordnet die Abweichungen ein, fasst Protokolle und Ticket-Updates zusammen und formuliert Managementkommentar und Zusammenfassung als Entwurf.
4. Mensch: Die Projektleitung prüft, ergänzt ihre Risikoeinschätzung und gibt frei. Erst dann geht der Bericht an Verteiler oder Lenkungskreis.

Die KI übernimmt damit die Vorarbeit: sammeln, verdichten, formulieren. Bewerten, gewichten und verantworten bleibt menschlich.

Wo liegen die Risiken?

Halluzinierte Zahlen. Wenn die KI Zahlen selbst ermittelt oder ergänzt, wird aus einem soliden Anwendungsfall schnell ein riskanter. Die Regel lautet deshalb: Zahlen nur aus der definierten Quelle, nie aus dem Modell.

Unentdeckte Lücken. Ein Beispiel zeigt ein subtileres Problem: Ein Agent, der monatlich den Projektfortschritt gegen Planwerte vergleicht und per Ampel einordnet, zeigt über Monate durchgehend Grün. Der Bericht wird zunehmend ohne nähere Prüfung übernommen, weil er überzeugend klingt und bisher gestimmt hat. Eine grüne Ampel kann aber auch bedeuten, dass eine Projektmeldung schlicht ausgeblieben ist – wenn der Agent keine Regel dafür hat, fehlende Werte als „nicht bewertbar“ zu melden.

Nachlassende Aufmerksamkeit. Je zuverlässiger ein System über längere Zeit wirkt, desto weniger wird es geprüft – und desto folgenreicher werden die wenigen verbleibenden Fehler. Das ist kein Versagen einzelner Personen, sondern ein vorhersehbares Muster, das im Ablauf selbst aufgefangen werden muss.

Welche Regeln machen den Ablauf sicher?

• Stopp-Regel im Agenten: Fehlt ein Plan- oder Ist-Wert, meldet die KI „nicht bewertbar“, statt zu schätzen oder Grün zu zeigen.
• Pflichtprüfung vor Freigabe: Auffällige Sprünge oder unveränderte Werte werden mit der Vorperiode abgeglichen, bevor der Bericht als geprüft gilt.
• Kein automatischer Versand: Der Bericht liegt immer als Entwurf vor und wird erst nach menschlicher Freigabe verteilt.
• Freigabequote beobachten: Werden über Monate fast alle Berichte unverändert freigegeben, ist das kein Qualitätsbeleg, sondern ein Warnsignal, dass die Prüfung nachlässt.
• Aus Fehlern lernen: Findet das Team eine wiederkehrende Fehlerquelle, etwa eine fehlende Meldung aus einem Teilprojekt, wird die Regel angepasst – nicht nur der einzelne Bericht korrigiert.

Was bleibt beim Menschen – und warum?

Die Projektleitung behält die Einschätzung, welche Abweichung wirklich kritisch ist, welche Risiken der Lenkungskreis kennen muss und wie deutlich eine schlechte Nachricht formuliert wird. Das ist nicht nur eine Frage der Verantwortung, sondern auch der Kompetenz: Wer Berichte nur noch abnickt, verliert mit der Zeit das Gespür dafür, wann ein Projekt tatsächlich kippt. Ein Bericht pro Quartal, der bewusst ohne KI entsteht, hält dieses Gespür wach.

Woran misst das Team den Erfolg?

Sinnvolle Messgrößen sind die Zeit von Datenstand bis Freigabe, der Anteil der Entwürfe, die mit kleinen Korrekturen freigegeben werden können, und die Zahl der Rückfragen oder entdeckten Fehler aus dem Verteilerkreis. Nach etwa drei Monaten zeigt ein Rückblick, ob die Entlastung eingetreten ist und ob die Prüfregeln tragen.

Ihren Bericht im Delegations-Workshop prüfen

Im Delegations-Workshop klärt yumo mit Ihrem Team, welcher Teil Ihres Reportings an KI gehen kann, welche Prüfpunkte nötig sind und wie sich der Aufwand rechnet. Das Ergebnis ist eine Umsetzungsspezifikation für Ihre IT oder Ihren Umsetzungspartner. Mehr zur Entscheidung „Zuschneiden“ im Beitrag Die sechs Delegationsentscheidungen.

Dr. Saskia Dörr ist Gründerin von yumo und Autorin des Buchs „Mensch-KI-Teams führen – Wie Teamleads die Arbeit mit KI produktiv und menschenzentriert gestalten“, das 2027 bei Springer Gabler erscheint.

Quellen

• Dörr S (2027): Mensch-KI-Teams führen. Kapitel 3: Diagnostizieren und Kapitel 6: Prüfen. Springer Gabler (in Vorbereitung).
• Huang L et al. (2025): A survey on hallucination in large language models. ACM Transactions on Information Systems 43(2). doi.org/10.1145/3703155
• Bastani H, Cachon GP (2025): The Human-AI Contracting Paradox. Wharton School Research Paper. doi.org/10.2139/ssrn.5962739