KI im Projektmanagement: die 5 Level vom Chatfenster bis zum KI-Agenten

🎥 Direkt zum Video: Die 5 Level von KI im Projektmanagement (mit awork)

Die meisten von uns hängen bei künstlicher Intelligenz auf Level 1 fest. Wir tippen Fragen in ein Chatfenster, erklären der KI mühsam die halbe Projektwelt und wundern uns, dass am Ende nur Durchschnitt herauskommt. Genau deshalb nimmt KI im Projektalltag so wenig echte Arbeit ab. Ich gebe seit Jahren Projektmanagement-Trainings, inzwischen sehr viel zum Thema KI, und sehe dieses Muster in fast jedem Team: Alle reden über Prompts, dabei liegt das Problem ganz woanders.

In diesem Artikel gehe ich die fünf Level durch, die ich in der Praxis unterscheide – vom einfachen Chatfenster bis zum KI-Agenten, dem du eine Aufgabe zuweist wie einem Kollegen. Zeigen werde ich das konkret an awork, einem Projektmanagement-Tool aus Hamburg, das beim Thema KI gerade richtig Gas gibt.

Transparenz: Das zugrunde liegende Video ist in Kooperation mit awork entstanden. Ich schule das Tool seit Jahren bei Kunden und hätte das Video sowieso gemacht – meine Einschätzung bleibt ehrlich.

Kurz gesagt: KI im Projektmanagement lässt sich in fünf Level einteilen. Level 1 (Frag KI): ein Chatfenster ohne Zugriff auf deine Projektdaten. Level 2 (KI im Tool): fertige KI-Aktionen direkt in deinem Projektwerkzeug. Level 3 (Assistent): eine KI, die deine Projekte, Aufgaben und dein Team kennt und auch handeln kann. Level 4 (Workflows): die KI arbeitet über Tool-Grenzen hinweg, technisch möglich über den offenen Standard MCP. Level 5 (KI-Agenten): du delegierst eine Aufgabe, die KI erledigt sie eigenständig und meldet sich mit dem Ergebnis zurück. Der entscheidende Unterschied zwischen den Leveln ist nicht der bessere Prompt, sondern der bessere Kontext.

Die 5 Level von KI im Projektmanagement im Überblick

Level 1 – Frag KI. Die KI weiß nichts über dein Projekt. Du startest per Prompt. Typisch: ChatGPT, Claude, Copilot im Browser.

Level 2 – KI im Tool. Die KI kennt den Bildschirm, auf dem du stehst. Du startest per Klick. Typisch: „Zeige überfällige Aufgaben".

Level 3 – Assistent. Die KI kennt Projekte, Aufgaben, Team und Kunden. Du startest im Dialog. Typisch: ein echtes Statusupdate aus Live-Daten.

Level 4 – Workflows. Die KI zieht Daten aus mehreren Tools. Du startest per Auftrag. Typisch: ein Monatsreport aus PM-Tool plus Mail.

Level 5 – KI-Agenten. Der Kontext ist dauerhaft hinterlegt. Die Aufgabe selbst startet den Ablauf. Typisch: ein Projekt-Health-Check auf Zuruf.

Die Achse, auf der sich die Level bewegen, sind zwei Dinge: wie weit die KI reicht und wie selbstständig sie arbeitet. Unten fütterst du sie per Copy-and-paste, oben liegt der Kontext einmal sauber im System und die KI arbeitet damit, auch wenn dein Chatfenster längst zu ist.

Level 1: Frag KI – das Chatfenster ohne Kontext

Level 1 kennst du. Ein Chatfenster neben deiner eigentlichen Arbeit: ChatGPT, Claude, Copilot. Du fragst die KI, und alles, was sie wissen soll, musst du ihr selbst erzählen.

Versteh mich nicht falsch, das ist ein völlig legitimer Einstieg. Ich nutze solche einfachen Chats jeden Tag – für Recherchen, für Formulierungen, für schnelle Fragen sind sie großartig. Aber im Projektalltag stößt Level 1 sofort an eine Wand.

Das Experiment: eine ganz normale Projektfrage

Ich habe einem Standard-Chatfenster eine Frage gestellt, die jede Projektleitung wöchentlich beantwortet: „Wie ist der Stand in meinem Projekt? Gib mir ein kurzes Statusupdate für den Kunden."

Was zurückkommt, ist zuerst erfreulich ehrlich: Die KI schreibt, dass sie keinen Zugriff auf meine Projektdaten hat. Und dann liefert sie trotzdem einen fertigen Text. Sinngemäß: Das Projekt laufe planmäßig weiter, wesentliche Risiken oder Verzögerungen seien aktuell nicht gemeldet.

Klingt gut. Ist aber komplett geraten. In meinem echten Projekt lag genau in diesem Moment ein Blocker bei einem Arbeitspaket und mehrere Aufgaben waren überfällig. Hätte ich diesen Text so an den Kunden geschickt, hätte ich ihm etwas geschrieben, das schlicht nicht stimmt.

Am Ende bietet die KI dann noch an, ich solle ihr doch meine Projektnotizen und Aufgaben schicken, dann mache sie ein konkretes Update daraus. Dieser Satz beschreibt Level 1 besser, als ich es könnte.

Nicht der Prompt entscheidet, sondern der Kontext

Es fängt schon damit an, dass bei derselben Frage je nach Person etwas völlig anderes herauskommt, weil jeder seinen eigenen Kontext mitbringt. Zwei Kolleginnen, dieselbe Frage, zwei unterschiedliche Ergebnisse – abhängig davon, wer wie viel ins Chatfenster kopiert hat.

Bei KI entscheidet am Ende nicht der bessere Prompt, sondern der bessere Kontext. Ohne Zugriff auf deine Arbeitsdaten liefert dir jede KI nur Durchschnitt, egal wie geschickt du fragst. Klar, du kannst alles per Copy-and-paste ins Fenster packen. Aber dann bist du der Kontext-Lieferant, jeden Tag aufs Neue.

Wofür Level 1 trotzdem gut ist: Textentwürfe, Erklärungen, Brainstorming, Formulierungshilfe. Wie du das sauber machst, zeige ich in KI in der Stakeholder-Kommunikation.

Level 2: KI im Tool – fertige Aktionen da, wo du arbeitest

Ein Level weiter zieht die KI in dein Tool ein. In awork findest du an vielen Stellen einen Knopf „Frag AI".

Ein Klick in der Aufgabenliste, und das Tool schlägt vor, was hier gerade sinnvoll ist: überfällige Aufgaben anzeigen, Fälligkeiten verschieben. Ich muss keinen Prompt schreiben, ich klicke auf das, was ich brauche.

Genauso in den Docs, also dort, wo ich alles rund um meine Projekte dokumentiere: Text markieren, und in der Formatierungsleiste taucht ein KI-Menü auf – übersetzen, zusammenfassen, Schreibstil verbessern oder direkt eine Aufgabe daraus erstellen.

Das ist der Kern von Level 2: fertige Aktionen, die da liegen, wo du sowieso arbeitest. Der Gewinn ist weniger die Intelligenz als die Reibungslosigkeit. Du wechselst nicht mehr das Fenster, du kopierst nichts mehr hin und her, und du musst keine Prompt-Formulierung im Kopf haben.

Für die meisten Teams ist Level 2 der realistischste erste Schritt: Es braucht keine Einführung, kein Change-Projekt und keine Prompt-Schulung. Die Aktionen sind einfach da.

Level 3: Assistent – die KI lernt dein Projekt kennen

Auf Level 3 wird es zum ersten Mal richtig interessant. Der Assistent lebt direkt im Workspace, du öffnest ihn unten in der Leiste – und was sofort auffällt: Er zeigt an, wo du gerade bist. Stehe ich auf dem Dashboard, weiß er das. Du musst ihm nicht erklären, worüber ihr redet.

Und es geht um mehr als dieses eine Projekt. Er kennt auch deine anderen Projekte, deine Kunden, dein Team und die Auslastung. Das klingt nach einem Detail, ist aber genau der Punkt, an dem es sonst kippt: Wenn du mehrere Kunden, Marken und Teams parallel betreust, vermischt eine KI ohne sauberen Zugriff schnell Dinge, die nicht zusammengehören. Oder sie denkt sich einfach etwas aus. Für Agenturen ist das der entscheidende Unterschied zwischen „nett" und „benutzbar".

Dieselbe Frage, komplett anderes Ergebnis

Jetzt lösen wir das Experiment von Level 1 auf. Exakt dieselbe Frage: Wie ist der Stand im Projekt, gib mir ein Statusupdate für den Kunden.

Der Assistent arbeitet sichtbar in Schritten, holt sich Fortschritt, Termine, Meilensteine und die letzten Aktivitäten. Und das kommt heraus: Von 22 Aufgaben sind 5 abgeschlossen, 8 in Bearbeitung, eine im Review. Festival-Wochenende am 12. September, Projektabschluss am 25. September. Dazu der Hinweis, dass bei den Genehmigungen noch ein Blocker liegt.

Kein Platzhalter-Märchen, sondern der echte Stand aus meinen Daten. Gleiche Frage, komplett anderes Ergebnis – und das ist der ganze Unterschied zwischen Level 1 und Level 3.

Der Assistent antwortet nicht nur, er handelt

Ich hatte ein chaotisches Kundenbriefing in einer Aufgabe stehen und sage einfach: Leg mir das als Unteraufgaben an. Der Assistent arbeitet ein paar Schritte, fragt vorher noch einmal nach, ob er das wirklich einfügen soll, und dann stehen 8 saubere Unteraufgaben im Projekt.

Diese Rückfrage finde ich wichtig: Die KI räumt hier nicht ungefragt in deinem Projekt herum. Wer KI in Projekten einführt, sollte auf genau dieses Verhalten achten – Vorschlag, Bestätigung, dann Ausführung.

Die Grenze von Level 3: Das alles passiert innerhalb eines Tools. Und dein Projekt lebt ja nicht nur dort.

Level 4: Workflows – wenn die Grenze zwischen den Tools fällt

Auf Level 4 fällt genau diese Grenze weg. Denn dein Projekt lebt nicht nur im PM-Tool. Da sind Mails, Dokumente, Slack, dein Kalender. Bisher musste die KI an dieser Grenze haltmachen.

Möglich macht das ein offener Standard namens MCP (Model Context Protocol). Stell es dir wie den USB-Anschluss für KI vor: einmal anstecken, und zwei Systeme verstehen sich. Und das Schöne daran ist, dass es in beide Richtungen funktioniert.

Richtung 1: die Projektdaten kommen zu deiner KI

Du holst deine Projektdaten dahin, wo du gerade arbeitest. Ich sage zum Beispiel in Claude: Zieh mir die Projektdaten der letzten vier Wochen, rechne die Stunden pro Projekt zusammen und bau mir daraus einen Report. Die KI holt sich die Daten selbst, rechnet und schreibt. Sind Slack oder das Postfach ebenfalls angebunden, läuft die ganze Kette in einem Rutsch durch.

Das Einrichten dauert ein paar Minuten: Connector hinzufügen, mit dem Account anmelden, fertig. Und die KI kann dabei nur das, was du selbst einstellst und erlaubst.

Richtung 2: die anderen Tools kommen zu deinem PM-Tool

Diese Richtung finde ich fast spannender: awork kann sich auch selbst mit deinen anderen Tools verbinden. Slack, Notion, Google Workspace, Microsoft 365, HubSpot, GitHub – über dreißig Konnektoren, und ganz unten kannst du sogar deinen eigenen Server eintragen.

Das heißt: Du musst gar nicht mehr rausgehen. Die anderen Tools kommen zu dir.

Aber eines gilt auf Level 4 immer noch: Du startest jeden dieser Workflows selbst. Die KI wartet, bis du sie losschickst.

Level 5: KI-Agenten – delegieren statt prompten

Und dann kommt Level 5. Hier arbeitet die KI komplett ohne dich, als KI-Kollegin. In awork heißt das awork Agents. Wichtig vorweg: Das war zum Zeitpunkt der Aufnahme noch in Entwicklung und noch nicht öffentlich verfügbar. Ich konnte es vorab testen, und ehrlich gesagt hat mich das Ergebnis überrascht.

Ein Beispiel, das du aus jedem Projekt kennst

Du hast ein laufendes Projekt, und die eigentlich wichtigste Frage lautet: Wie steht es wirklich darum? Nicht, wie das Bauchgefühl ist, sondern was die Daten sagen. Überfällige Aufgaben, Auslastung im Team, Budget im Verhältnis zum Fortschritt.

In der Aufgabe sitzt neben dem Feld für die zuständige Person ein zweites Feld. Und dort wähle ich keinen Kollegen aus, sondern einen Agenten – in dem Fall den Projekt-Health-Agenten. Ich könnte noch eine Anweisung mitgeben, muss es aber nicht.

Das ist der eigentliche Sprung: Ich muss nicht prompten, ich habe einfach eine Aufgabe abgegeben.

Was dann passiert

Ab hier läuft alles ohne mich. Der Agent stellt die Aufgabe auf „In Bearbeitung", holt sich die Aufgaben, die erfassten Zeiten, das Budget und die Auslastung im Team und meldet sich zwei Minuten später mit einem fertigen Report zurück, den er im Projekt an der richtigen Stelle abgelegt hat.

Und der Report ist unbequem. Ganz oben steht das Urteil: kritisch. Acht von siebzehn offenen Aufgaben sind überfällig. Zwei Drittel des Zeitbudgets sind verbraucht, aber gerade einmal ein Fünftel der Aufgaben ist erledigt. Genau die Schieflage, die man im Alltag zu spät bemerkt, weil sie in keiner einzelnen Ansicht auftaucht.

Ich habe das nachgerechnet, weil ich es wissen wollte: 320 Stunden Budget, 213 davon verbraucht, 22 Aufgaben, fünf fertig. Es stimmt, auf die Nachkommastelle. Das ist keine KI, die gut klingt, sondern eine, die rechnen kann, weil sie an echten Daten hängt.

Und genau das hätte mich sonst eine halbe Stunde gekostet: Zahlen zusammensuchen, in Excel schieben, Prozente bilden. Also die Sorte Arbeit, die mühsam ist, ewig dauert und hier in zwei Minuten erledigt war.

Der Agent beschönigt nichts – und entscheidet nichts

Was ich fast noch wichtiger finde: Er übertreibt auch nicht. Bei zwei Kennzahlen steht schlicht „nicht prüfbar", weil ihm dafür die Grundlage fehlt. Und unter seiner Empfehlung steht der Satz, dass durch diesen Health-Check keine Umplanung erfolgt. Der Agent räumt also nicht eigenmächtig im Projekt herum. Er legt dir das Ergebnis hin, und du entscheidest.

Der zweite große Vorteil von Level 5 wird oft übersehen: Weil das Vorgehen zentral hinterlegt ist, bekommt meine Kollegin morgen dasselbe Ergebnis in derselben Qualität. Der Health-Check hängt nicht mehr daran, wer gerade wie gut prompten kann.

Damit schließt sich der Kreis: Auf Level 1 fütterst du die KI per Copy-and-paste. Auf Level 5 liegt der Kontext einmal sauber im System, und die KI arbeitet damit, auch wenn dein Chatfenster längst zu ist.

Auf welchem Level steht dein Team gerade?

Eine ehrliche Selbsteinschätzung in vier Fragen:

1. Kopierst du regelmäßig Projektinfos in ein Chatfenster? Dann arbeitest du auf Level 1.

2. Nutzt du KI-Funktionen direkt in deinem Projektwerkzeug? Level 2.

3. Kann deine KI eine Frage zu deinem Projektstand mit echten Zahlen beantworten? Level 3.

4. Zieht sich deine KI Daten aus mehreren Tools und du startest den Ablauf selbst? Level 4. Läuft er ohne dich? Level 5.

Aus meiner Erfahrung in Trainings: Die allermeisten Teams stehen zwischen Level 1 und 2. Und genau deshalb ist die verbreitete Enttäuschung über KI im Projektalltag kein Zufall – sie ist die logische Folge davon, dass die KI nichts über die Arbeit weiß, über die sie reden soll.

Wie du Level für Level aufsteigst

Du musst nicht auf Level 5 springen. Die Reihenfolge, die in Trainings am besten funktioniert:

• Kontext vor Prompt. Bevor du in Prompt-Techniken investierst, sorge dafür, dass die KI überhaupt an deine Daten kommt. Ein mittelmäßiger Prompt mit echtem Kontext schlägt jeden brillanten Prompt ohne.

• Räum dein Projektwerkzeug auf. Level 3 bis 5 sind nur so gut wie die Daten darunter. Wenn Aufgaben ohne Fälligkeiten herumliegen, Zeiten nicht erfasst und Budgets nicht hinterlegt sind, kann auch der beste Agent nichts rechnen.

• Starte mit Level 2. Fertige KI-Aktionen im Tool brauchen keine Einführung. Lass das Team sie einfach benutzen.

• Dann Level 3 mit einem klaren Anwendungsfall. Statusupdate, Meeting-Zusammenfassung, Briefing in Aufgaben zerlegen. Ein Fall, der wöchentlich vorkommt, überzeugt mehr als zehn theoretische.

• Level 4 dort, wo Medienbrüche wehtun. Typisch: Reporting, das heute aus drei Tools zusammengeklickt wird.

• Level 5 für Wiederholbares. Alles, was jede Woche gleich abläuft und heute niemand gerne macht, ist ein Kandidat für einen Agenten.

Grenzen: worauf du achten solltest

So begeistert ich von der Entwicklung bin, drei Punkte gehören dazu.

Halluzinationen verschwinden nicht, sie werden nur unwahrscheinlicher. Je besser der Kontext, desto seltener erfindet die KI etwas. Aber „selten" ist nicht „nie". Prüfe Zahlen, die in Kundendokumente wandern.

Datenschutz gehört vorab geklärt, nicht nachträglich. Sobald eine KI Zugriff auf Projektdaten bekommt, ist die Frage nicht mehr „darf ich das in ein Chatfenster kopieren", sondern „wer hat welche Berechtigungen und wo werden die Daten verarbeitet". Bei Tools mit Hosting in Deutschland ist das deutlich entspannter als bei einem beliebigen Chatbot im Browser.

Die Entscheidung bleibt bei dir. Ein Agent, der eigenmächtig umplant, ist kein Fortschritt, sondern ein Risiko. Gute Umsetzungen fragen vor schreibenden Aktionen nach und schreiben dazu, was sie nicht geprüft haben.

Häufige Fragen zu KI im Projektmanagement

Was sind die 5 Level von KI im Projektmanagement?

Level 1 ist ein Chatfenster ohne Zugriff auf deine Projektdaten. Level 2 sind fertige KI-Aktionen direkt im Projektwerkzeug. Level 3 ist ein Assistent, der deine Projekte, Aufgaben und dein Team kennt und auch Aktionen ausführt. Level 4 verbindet mehrere Tools miteinander, technisch über den Standard MCP. Level 5 sind KI-Agenten, denen du eine Aufgabe zuweist und die sie eigenständig erledigen.

Warum liefert ChatGPT bei Projektfragen so unbrauchbare Antworten?

Weil ihm der Kontext fehlt. Ein allgemeiner Chatbot hat keinen Zugriff auf deine Aufgaben, Termine, Zeiten und Budgets. Er formuliert deshalb plausibel klingende Sätze, die inhaltlich geraten sind. Das Problem lässt sich nicht durch bessere Prompts lösen, sondern nur durch Zugriff auf echte Daten.

Was ist MCP und warum ist das für Projektmanagement relevant?

MCP (Model Context Protocol) ist ein offener Standard, über den sich KI-Anwendungen und andere Systeme verbinden. Für Projektmanagement heißt das: Deine KI kann Daten aus dem PM-Tool, dem Postfach, dem Chat und dem Kalender in einem Ablauf zusammenführen, statt an jeder Tool-Grenze zu stoppen.

Was ist der Unterschied zwischen einem KI-Assistenten und einem KI-Agenten?

Ein Assistent reagiert: Du fragst, er antwortet oder führt eine Aktion aus, die du angestoßen hast. Ein Agent arbeitet eigenständig: Du weist ihm eine Aufgabe zu, er plant die nötigen Schritte selbst, führt sie aus und meldet sich mit einem Ergebnis zurück – ohne dass du zwischendurch prompten musst.

Sind KI-Agenten im Projektmanagement schon praxistauglich?

Für klar abgegrenzte, wiederkehrende Aufgaben ja – etwa Auswertungen, Reports und Health-Checks, bei denen Daten zusammengeführt und gerechnet werden müssen. Für Entscheidungen, Priorisierung und alles Zwischenmenschliche nicht. Die realistische Rollenverteilung ist: Der Agent liefert die Faktenlage, du triffst die Entscheidung.

Welches Level sollte ich als Erstes anpeilen?

Level 2 und 3. Sie bringen den größten Nutzen bei geringstem Aufwand, weil sie keine technische Einrichtung brauchen und sofort mit deinen echten Daten arbeiten. Level 4 und 5 sind echte Gamechanger für Teams, setzen aber sauber gepflegte Daten voraus.

Wie sicher sind meine Projektdaten dabei?

Das hängt am Tool, nicht an der KI. Entscheidend sind drei Fragen: Wo werden die Daten gehostet, welche Berechtigungen bekommt die KI, und werden die Daten zum Training verwendet? Bei einer KI, die in dein Projektwerkzeug integriert ist, gelten in der Regel dieselben Berechtigungen wie für dich als Nutzer. Bei einem öffentlichen Chatbot gehören sensible Projektdaten dagegen nicht hinein.

Ersetzt KI die Projektleitung?

Nein. KI übernimmt das Zusammensuchen, Rechnen und Formulieren – also die Arbeit, die Zeit frisst und niemandem Spaß macht. Was sie nicht übernimmt: priorisieren, entscheiden, verhandeln, Stakeholder beruhigen und ein Team führen. Das ist eher eine Entlastung als eine Bedrohung.

Fazit

Ich bin immer wieder fasziniert davon, was KI inzwischen kann und wie hilfreich das in Projekten ist. Meine ehrliche Einschätzung nach vielen Trainings und Tool-Tests: Schon Level 2 und 3 würden den allermeisten Teams im Alltag enorm viel Arbeit abnehmen. Level 4 und 5 sind absolute Gamechanger, sobald mehrere Projekte, Kunden und Tools parallel laufen.

Der wichtigste Satz zum Mitnehmen bleibt aber der aus Level 1: Nicht der bessere Prompt entscheidet, sondern der bessere Kontext. Wer das verstanden hat, hört auf, an Formulierungen zu feilen, und fängt an, seine Daten dorthin zu bringen, wo die KI sie lesen kann.

Wenn du das Tool aus den Beispielen genauer kennenlernen willst: Im awork Tutorial gehe ich alle wichtigen Funktionen Schritt für Schritt durch, und in Ist awork das beste PM-Tool für Agenturen? schaue ich speziell auf den Agentur-Alltag. Wie du KI beim Schreiben von Projektnachrichten einsetzt, zeigt KI in der Stakeholder-Kommunikation. Weitere Tool-Vergleiche findest du in die 5 besten kostenlosen PM-Tools und alle Tutorials in meinen Videos.

Selbst ausprobieren, statt darüber zu lesen? awork lässt sich 14 Tage lang mit vollem Funktionsumfang testen – ganz ohne Angabe von Zahlungsdaten. Am schnellsten kommst du auf Level 2 und 3, indem du ein echtes laufendes Projekt anlegst und dem Assistenten dieselbe Frage stellst wie ich im Video.

→ awork 14 Tage kostenlos testen*

Mit dem Code VINCENT10 bekommst du zusätzlich 10 % Rabatt auf die ersten 12 Monate.

Hinweis: Dieser Artikel und das zugrunde liegende Video sind in Kooperation mit awork entstanden. Die mit * markierten Links sind Empfehlungslinks – für dich ändert sich am Preis nichts, ich bekomme eine kleine Provision.