PM-Tool mit KI: Worauf Sie bei der Auswahl wirklich achten sollten

Kategorie: Vergleiche & Kategorie-Abgrenzung

Gartner erwartet, dass über 40 Prozent der agentischen KI-Projekte bis Ende 2027 abgebrochen werden, wegen steigender Kosten, unklaren Nutzens und fehlender Risikokontrolle (Gartner Newsroom, 25.06.2025). Im selben Papier benennt Gartner „Agent Washing": das Umetikettieren vorhandener Assistenten, RPA-Skripte und Chatbots ohne substanzielle agentische Fähigkeiten. Von tausenden Anbietern hält Gartner rund 130 für echt. Ihre Aufgabe in der Demo ist damit klar umrissen: unterscheiden, was rechnet und schreibt, von dem, was formuliert.

Warum ist die Auswahl gerade jetzt schwierig?

KI ist zum Hauptkaufgrund geworden. Eine Capterra-Befragung von Juli 2025 unter 2.545 Führungskräften weltweit, davon 224 aus Deutschland, nennt KI als Hauptgrund für Investitionen in neue Projektmanagement-Software, mit 54 Prozent (Capterra-Studie, Oktober 2025). Gleichzeitig ist die tatsächliche Durchdringung niedrig: Nach Gartner setzen nur 24 Prozent der PMOs KI für Projekt-, Programm- oder Portfolioaufgaben erfolgreich ein, bis 2028 sollen es 70 Prozent der PPM-Verantwortlichen sein, die prädiktive, optimierende und agentische KI nutzen (Smartsheet mit Gartner-Research zu AI for Portfolio Management).

Der PMI Pulse of the Profession weist in dieselbe Richtung: Projektverantwortliche erwarten, dass der Anteil ihrer mit KI gesteuerten Projekte in drei Jahren von 23 auf 37 Prozent steigt, während nur rund 20 Prozent von sich sagen, sie hätten gute oder umfangreiche praktische KI-Fähigkeiten (Institute of Project Management zum PMI Pulse of the Profession 2025).

Daraus folgt für Ihre Auswahl: Sie kaufen in einen Markt hinein, in dem fast jeder Anbieter KI auf der Startseite hat, in dem die Käuferseite selbst noch wenig Erfahrung besitzt und in dem der Unterschied zwischen Demo und Produktivbetrieb groß ist. Die folgenden zehn Kriterien sind so gebaut, dass Sie sie in einer Demo in unter einer Stunde prüfen können.

Welche zehn Kriterien prüfen Sie in der Demo?

1. Schreibt die KI Datensätze oder nur Text?

Das ist die Trennlinie. Ein Assistent, der Ihnen einen Statusbericht formuliert, spart Formulierungszeit. Ein System, das Aufgaben anlegt, Termine verschiebt, Issues eröffnet und Risiken einträgt, spart Prozesszeit. Nur das zweite reduziert die Administration, die laut Formstack bei 55 Prozent der Manager mindestens acht Stunden pro Woche bindet (Formstack, State of Workflow Automation 2018).

Prüffrage: „Bitte legen Sie jetzt im Chat drei Aufgaben mit Zuweisung und Fälligkeit an und zeigen Sie mir anschließend die Datensätze in der Projektansicht."

2. Prüft die KI das Datenmodell, bevor sie schreibt?

Ein Sprachmodell erzeugt plausible Werte. Ein Projektsystem braucht gültige Werte. Zwischen beidem muss eine Validierung liegen: Existiert der Verantwortliche? Ist der Zustand im Zustandsautomaten erlaubt? Passt die Referenz auf ein reales Objekt?

Prüffrage: „Geben Sie der KI absichtlich einen Mitarbeiternamen, den es nicht gibt, und ein Datum vor Projektstart. Was passiert?"

3. Was tut das System bei fehlenden Angaben?

Zwei Verhaltensweisen sind möglich: nachfragen oder auffüllen. Auffüllen ist im Projektmanagement teuer, weil erfundene Werte wie geplante Werte aussehen.

Prüffrage: „Sagen Sie der KI nur ‘Leg eine Aufgabe für die Endmontage an', ohne Datum, ohne Person. Fragt sie nach oder setzt sie etwas?"

4. Wie fein sind die Rechte pro Werkzeug?

Rollenrechte auf Modulebene reichen nicht, sobald die KI schreibt. Sie brauchen Rechte pro Werkzeug: Lesen erlaubt, Schreiben nur nach Rückfrage, bestimmte Operationen gesperrt.

Prüffrage: „Zeigen Sie mir den Bildschirm, auf dem ein Administrator für ein einzelnes KI-Werkzeug zwischen Erlauben, Nachfragen und Verweigern wählt."

5. Wer darf produktiv Wirksames auslösen?

Ein Terminplan, den eine KI berechnet, darf nicht von jedem angewendet werden können. Fragen Sie nach dem Unterschied zwischen Vorschlag und Anwendung und danach, wer welche Rolle braucht.

Prüffrage: „Wer kann ein KI-Ergebnis produktiv setzen, und wie kommt man zurück auf den Stand davor?"

6. Rechnet die KI oder formuliert sie?

Terminplanung unter Ressourcen-, Gate- und Materialrestriktionen ist ein Optimierungsproblem, kein Textproblem. Fragen Sie, welche Eingangsgrößen in die Rechnung eingehen. Fehlt Material in der Aufzählung, ist es keine Terminoptimierung für technische Projekte.

Prüffrage: „Welche Eingangsgrößen gehen in die Terminberechnung ein, und über wie viele Projekte gleichzeitig rechnet ein Lauf?"

7. Wie werden externe Systeme angebunden, und wer gibt sie frei?

Das Model Context Protocol ist ein offener Standard, den Anthropic im November 2024 veröffentlicht hat, um die Anbindung von KI-Systemen an externe Werkzeuge und Datenquellen zu vereinheitlichen (Anthropic: Introducing the Model Context Protocol). Entscheidend ist nicht, ob ein Anbieter MCP nennt, sondern wie Freigabe und Authentifizierung geregelt sind.

Prüffrage: „Zeigen Sie mir, wie ein MCP-Server eingebunden wird, wie die Authentifizierung läuft und wie einzelne entdeckte Werkzeuge freigegeben oder gesperrt werden."

8. Was ist wirklich live, und was steht auf der Roadmap?

Das ist die Frage, die Gartners Agent-Washing-Befund adressiert (Gartner Newsroom, 25.06.2025). Verlangen Sie eine Liste in drei Spalten: heute im Produkt, in Entwicklung, geplant. Besonders relevant sind Auslöser: manueller Start, Zeitplan, Webhook, Datenänderung. Viele Systeme können den Ablauf, aber nicht die automatische Auslösung.

Prüffrage: „Nennen Sie mir drei KI-Funktionen, die Sie heute nicht haben, und sagen Sie mir, welche Auslöser für Automatisierungen live sind."

9. Wie nachvollziehbar ist, was die KI getan hat?

Ohne Protokoll ist jede schreibende KI ein Auditproblem. Klären Sie, ob Änderungen einem Auslöser zuordenbar sind, ob es eine Ausführungshistorie mit Oberfläche gibt und ob ein Rücksprung möglich ist.

Prüffrage: „Ich will nachträglich sehen, welcher Lauf an welchem Tag welche 40 Termine verschoben hat. Zeigen Sie mir diesen Bildschirm."

10. Modellwahl, Datenverbleib und Kennzeichnung?

Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 der KI-Verordnung, die Anbieter wie Betreiber von KI-Systemen betreffen und unter anderem die Kennzeichnung KI-erzeugter Inhalte und die Information der Nutzer verlangen (IHK Köln zur KI-Verordnung). Fragen Sie nach Modellanbietern, Auswahlmöglichkeiten und Verarbeitungsort.

Prüffrage: „Welche Modelle stehen zur Auswahl, wer betreibt sie, und wo werden unsere Projektdaten verarbeitet?"

Wie bewerten Sie mehrere Anbieter vergleichbar?

Nutzen Sie diese Vorlage. Bewertung je Kriterium: 2 gleich live vorgeführt, 1 gleich vorhanden aber eingeschränkt, 0 gleich nicht vorhanden oder nur Roadmap. Gewichtung passen Sie an Ihre Situation an.

Eine Regel dazu: Punkte gibt es nur für das, was in der Demo im System sichtbar wurde. Folienwissen zählt null.

Wie fällt die Antwort bei Aligia je Kriterium aus?

Diese Tabelle enthält bewusst drei Einträge, die gegen Aligia sprechen. Ein Anbieter, der auf zehn Kriterien zehnmal Grün meldet, sollte Sie misstrauisch machen. Wenn Sie heute zeitgesteuerte oder ereignisgetriebene Automatisierung brauchen, die ohne menschlichen Start läuft, liefert Aligia das derzeit nicht. Wenn Sie eine Oberfläche für die Ausführungshistorie als Auditanforderung setzen, ebenfalls nicht.

Wann ist ein anderes Werkzeug die bessere Wahl?

Wenn Ihr Engpass Kommunikation ist, nicht Technik. Für Teams, deren Projekte vor allem aus Abstimmung, Aufgabenverteilung und Dokumentation bestehen, sind etablierte Work-Management-Systeme stark: große Integrationsökosysteme, geringe Einführungshürde, ausgereifte Mobil-Apps, breiter Self-Service-Zugang. Aligia hat keinen öffentlichen Self-Service-Zugang, der Einstieg läuft über Demo und Gespräch.

Wenn Sie heute zwingend autonome, zeitgesteuerte Agents brauchen. Dann prüfen Sie Anbieter, die genau das live vorführen können, und prüfen Sie es entlang Kriterium 8 und 9 besonders hart — dort sitzt laut Gartner der Großteil des Agent Washing (Gartner Newsroom, 25.06.2025).

Wenn Buchhaltung und Fakturierung mit im Werkzeug liegen sollen. Aligia führt Geld als Planungs- und Steuerungsgröße über Budget, Kostenpositionen, Kosten-, Nutzen- und Erlös-Occurrences sowie NPV und ROI, ist aber kein Buchhaltungssystem.

Fair formuliert: Generische Systeme sind stark bei Verbreitung, Integrationsbreite und Einstiegstempo. Aligia ist stark bei schreibender KI mit Datenmodellprüfung, bei Rechtefeinheit pro Werkzeug und bei Optimierung über Termin, Ressource und Material zugleich. Für Ihren Fall entscheidet, ob Ihre KI Texte produzieren oder Projektdaten verändern soll.

Wie sieht das in einer echten Beschaffung aus?

Ein Anlagenbauer mit 210 Mitarbeitenden und 17 Parallelprojekten hat vier Anbieter eingeladen, je 60 Minuten. Die Bewertungstabelle oben wird vorab verschickt, mit dem Hinweis, dass nur vorgeführte Funktionen zählen. Ergebnis der Runde: Zwei Anbieter erreichen bei Kriterium 1 null Punkte, weil ihre KI ausschließlich Texte erzeugt. Ein Anbieter zeigt Schreibzugriff, scheitert aber an Kriterium 2, weil ein frei erfundener Verantwortlicher ohne Warnung übernommen wird. Das sind zwei Fragen und vier Minuten Demo-Zeit, die drei Wochen Proof of Concept ersparen.

Der wirtschaftliche Hebel dahinter ist die Administration: Formstack misst mindestens acht Stunden pro Woche bei 55 Prozent der Manager (Formstack, State of Workflow Automation 2018); Aligia rechnet intern mit einer Reduktion von acht auf eine Stunde pro Woche [interne Ableitung, Beleg ergänzen]. Diese Rechnung trägt nur, wenn die KI Datensätze schreibt. Bei einem reinen Textassistenten bleibt der Übertragungsaufwand vollständig bestehen.

Fazit

Die Auswahl entscheidet sich nicht an der Frage, ob ein Tool KI hat, sondern an drei Punkten: ob die KI Daten schreibt, ob sie vorher prüft, und ob der Anbieter sagen kann, was heute nicht funktioniert. Wer Ihnen die dritte Frage nicht beantwortet, hat sie für sich selbst auch nicht beantwortet.

Weiterführend: Was „KI, die ausführt" in der Praxis bedeutet – am Beispiel Polaris · Warum klassische PM-Tools nicht für technisch komplexe Projekte gebaut wurden

Bringen Sie diese zehn Prüffragen mit, wir beantworten die ersten davon in 10 Minuten am laufenden System. Demo anfragen · Kostenlos · Unverbindlich · Persönlich

Quellen

1. Gartner: Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, 25.06.2025 — https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027 (abgerufen 2026-09)
2. Capterra-Studie: Künstliche Intelligenz verändert Projektmanagement-Software, Oktober 2025 — https://www.deutscherpresseindex.de/2025/10/06/capterra-studie-knstliche-intelligenz-verndert-projektmanagement-software/ (abgerufen 2026-09)
3. Smartsheet mit Gartner-Research: Drive AI for Portfolio Management — https://www.smartsheet.com/contact/gartner-ai-portfolio-management (abgerufen 2026-09)
4. Institute of Project Management: PMI Pulse of the Profession 2025 Report — https://instituteprojectmanagement.com/blog/pulse-of-the-profession-report/ (abgerufen 2026-09)
5. Formstack, State of Workflow Automation 2018 — https://www.formstack.com/blog/workflow-automation-statistics (abgerufen 2026-09)
6. Anthropic: Introducing the Model Context Protocol — https://www.anthropic.com/news/model-context-protocol (abgerufen 2026-09)
7. IHK Köln: Transparenzpflichten nach der KI-Verordnung — https://www.ihk.de/koeln/hauptnavigation/digitalisierung-und-innovation/digitalisierung/transparenzpflichten-nach-der-ki-verordnung-7100068 (abgerufen 2026-09)
8. PMI: Artificial Intelligence in Project Management — https://www.pmi.org/learning/ai-in-project-management (abgerufen 2026-09)