Mit der Digitalisierung von Gesellschaft und Wirtschaft wird ein immenser Datenstrom generiert, aus dem eine Vielzahl neuartiger Informationen gewonnen werden kann. Der Begriff Big Data steht für die Verarbeitung, Analyse und Auswertung dieser Massen- und Echtzeitdaten. Die ersten Unternehmen haben diese Chance erkannt und suchen nach Wegen, wie sie die gewonnenen Erkenntnisse zielgerichtet nutzen können. Dieser Beitrag analysiert die Rolle von Big Data im Projektprozess und legt die – aktuelle wie zukünftige – Wechselwirkung zwischen Informationen und ihrer Möglichkeiten dar. Zum Schluss erfolgt eine Auflistung und Erklärung von jeweils fünf Thesen zum Einfluss auf das Projektgeschäft sowie zu erwartender Entwicklungen hinsichtlich Big Data im Projektprozess der Zukunft.
Kundeninvididuelle Leistungen aus der Perspektive des Managements
Die in der allgemeinen Definition eines Projektes festgeschriebenen Merkmale Einmaligkeit und Neuartigkeit sind für das Projektgeschäft nur bedingt richtig. Diese beiden Merkmale treffen sicherlich auf die Mehrzahl von Entwicklungsprojekten, Organisations- oder IT-Projekten zu. In Kundenprojekten jedoch gelten andere Regeln. Bei Unternehmen, die im Projektgeschäft tätig sind, wird ein mehr oder weniger großer Teil der Kundenaufträge durch kundenindividuelle Leistungen in einem Projekt erbracht. Produkte, Lösungen und Dienstleistungen werden hierbei so miteinander kombiniert, dass zum Projektende die vertraglich zugesicherten Eigenschaften, Termine und Kosten eingehalten werden. Die Projektziele Inhalt/Qualität, Termine und Preis sind durch den Vertrag verbindlich festgelegt. Ein positives finanzielles Ergebnis zu erzielen, steht an erster Stelle. Um dieses Ziel zu erreichen, versucht man die Methoden und Prozesse auf allen Ebenen zu standardisieren und gleichzeitig effizienter zu gestalten.
Bezüglich der Prozessoptimierung im Projektgeschäft werden folgende zwei Prozessarten unterschieden:
- Der Projektprozess dient unmittelbar der Spezifizierung und Herstellung des Liefer- und Leistungsumfangs eines Projektes. Die Festlegung dieses Prozesses ist abhängig von der Leistungsart und in der Regel auch von der Branche, in der das Unternehmen tätig ist.
- Projektmanagement-Prozesse dienen der Planung, Durchführung und Organisation der Projektarbeit. Die in diesen Prozessen anzuwendenden Methoden sind weitestgehend unabhängig von dem Liefer- und Leistungsumfang des Projektes. Je nach Projektkategorie (zum Beispiel einfach, mittel, komplex) können sie unterschiedlich ausgeprägt sein.
Die zunehmende Digitalisierung wird beide Wertschöpfungsketten radikal verändern. Sowohl die Projektprozesse mit den verknüpften Fachprozessen als auch die Projektmanagementprozesse werden hierbei auf den Prüfstand kommen und bei Bedarf neu gestaltet.
Digital in die Zukunft – Big Data als zentraler Treiber
Schon mittelgroße Projekte hinterlassen eine unüberschaubare Menge an Daten. Alles wird heute digital dokumentiert und in den entsprechenden Systemen strukturiert abgespeichert. Diese strukturierten Daten stellen jedoch nur einen Bruchteil aller existierenden Daten dar. Weit größer ist der Anteil der unstrukturierten Daten, die in Form von Log-Files, Sensordaten, Bildern, Audio- beziehungsweise Videoaufnahmen, E-Mails, Web-Texten, GPS-Daten et cetera von den beteiligten Systemen, wie zum Beispiel intelligenten vernetzten Produkten („Internet der Dinge“), erzeugt werden. Diese Daten werden oft zufällig oder nebenbei erfasst und sobald sie nicht mehr benötigt werden, auch wieder gelöscht. Durch Big Data werden diese Massendaten gespeichert, um sie im Hinblick auf mögliche Wirkzusammenhänge weiter zu untersuchen. Die zunehmende Nutzung mobiler Endgeräte und deren spezialisierten Apps in Verbindung mit Technologien wie Cloud Computing lassen gerade diese Daten exponentiell ansteigen.
Das letzte Beispiel zeigt, wie durch die Entwicklung und insbesondere Vernetzung von innovativen Technologien immer wieder neue, völlig ungeahnte Möglichkeiten entstehen, die alles Dagewesene hinsichtlich Geschwindigkeit und Wirkung übertreffen.
Big Data, das heißt die exponentiell wachsenden Datenmengen und deren Handhabung, die ständige Weiterentwicklung der digitalen Technologien und nicht zuletzt deren Vernetzung bilden den Kern der digitalen Transformation. In Abbildung 2 (siehe unten) ist dieser Sachverhalt zusammengefasst dargestellt.
Betrachtet man das Projektmanagement von Kundenprojekten als Management von Abweichung, ist insbesondere die Entwicklung in der Big Data-Analytik von hoher Bedeutung. Mit ihr werden komplett neue Dimensionen zur Datenauswertung geschaffen. Dabei sind gerade für das Projektmanagement diejenigen Verfahren interessant, die zum Erkenntnisgewinn und zur Vorschau beitragen. Hierzu gehören Verfahren wie die
- Diagnostic Analytics („Was geschieht gerade im Moment?“)
- Predictive Analytics („Was wird passieren?“) und
- Prescriptive Analytics („Was sollte geschehen?“).
Auf der Basis von Real-time gewonnenen Informationen werden auch kurzfristige Prognosen möglich sein. Wenn man jederzeit weiß, was im Projekt passiert und warum es passiert, und darüber hinaus zuverlässige Vorhersagen machen kann, wie sich das Projekt entwickeln wird, werden sich die Planungs- und Steuerungsprozesse im Projekt fundamental verändern. Wenn man dann noch berücksichtigt, dass Entscheidungen auch automatisiert ablaufen können, wird klar, warum die Bedeutung dieser Ansätze für das Projektgeschäft gar nicht überschätzt werden kann. Gerade im Projektmanagement hat man lange geglaubt, dass viele Prozesse aufgrund der komplizierten Entscheidungssituationen nur bedingt automatisiert werden können. Immer mehr Beispiele aus der künstlichen Intelligenz zeigen indes, dass dies zunehmend gelingen könnte.
Auf der anderen Seite ergeben sich neue Ansätze zur Simulation und Prognose des Projektgeschehens. Auf der Basis von Mustern und Abhängigkeiten können neue Erkenntnisse gewonnen und so die Projektprozesse effektiver und effizienter gestaltet werden.
Big Data im Projektprozess: Beispiele aus der Praxis
Zwei Beispiele von Analysen von Big-Data im Projektprozess sollen das verdeutlichen:
Im ersten Beispiel wurde in einem Forschungsprojekt an der Wirtschaftsuniversität in Wien der Frage nachgegangen, inwieweit ein Projektmitarbeiter, der einer konkreten Aufgabe zugeordnet wurde, auch entsprechend der festgelegten Projektrolle agiert. Hierzu wurde analysiert, was der Mitarbeiter über seine Aufgabe in E-Mails kommuniziert und welche Artefakte er auch tatsächlich bearbeitet hat. Hierzu wurden die zugrundeliegenden Prozesse beschrieben und zugehörige Event-Logs per Data Mining ermittelt.
Im zweiten Beispiel wurde am MIT in Boston das Kommunikationsverhalten von Teams untersucht. Hierzu wurden diese mit elektronischen Sensoren ausgestattet, mit denen drei Faktoren analysiert wurden:
- Die Häufigkeit und Art des Gedankenaustausches
- Die Einbindung der einzelnen Teammitglieder in das Team
- Die Kommunikation des Teams mit anderen Teams.
Die Ergebnisse der Analyse zeigen, dass für den Teamerfolg die Art und Weise der Kommunikation wichtiger ist als der Inhalt. Auch wenn diese Daten (noch) nicht aus einer Big Data-Analyse stammen, so kann man sich dennoch gut vorstellen, dass dies in naher Zukunft möglich ist.
Die beiden Beispiele wurden ausgewählt, weil sie vom üblichen Muster einer Projektanalyse abweichen und damit zeigen, welche heute noch ungeahnten Möglichkeiten in der Verknüpfung von strukturierten und unstrukturierten Daten liegen.
Der Blick nach vorn – Auswirkungen auf das Projektgeschäft
Wenn wir im Zuge der Entwicklungen von Big Data im Projektprozess den Blick in die Zukunft richten, stellt sich vor allen Dingen eine Frage: Welche Auswirkungen werden die Entwicklungen der oben beschriebenen Digitalisierung auf die Durchführung des Projektgeschäfts haben? An den folgenden fünf beispielhaft aufgeführten Thesen soll diese Entwicklung diskutiert werden.
1. Der Komplexitätsgrad bestimmt die Vorgehensweise.
Das Projektgeschäft ist dadurch gekennzeichnet, dass die Art und Weise der Projektabwicklung standardisiert ist. Im Verlauf der Diskussion um agile Ansätze setzt sich nun die Erkenntnis durch, dass der Komplexität eines Projektes besser Rechnung getragen werden muss. Komplexe Problemstellungen müssen anders gelöst werden als komplizierte. Das „Cynefin-Framework“ hilft hierbei, das richtige Vorgehensmodell auszuwählen. Dies bedeutet, dass abhängig davon, ob eine komplexe oder komplizierte Projektsituation vorliegt, entschieden wird, wie die Teams grundsätzlich aufgestellt, welche Art von Vorgehensmodell sie anwenden und welche Tools sie nutzen werden.
2. Proaktives Handeln gewinnt noch mehr an Bedeutung.
Big Data schafft die Voraussetzungen für einen Paradigmenwechsel in der Projektplanung und Steuerung. Dies führt dazu, dass beim Projektstatus nicht der Rückblick im Vordergrund steht, sondern zunehmend die Vorhersage zukünftiger Entwicklungen. Auf der Basis stets aktueller Informationen und den Methoden der Predictive Analysis kann proaktiv gehandelt werden; anstatt nur auf Abweichungen zu reagieren.
3. Realtime-Daten intensivieren Entscheidungsprozesse.
Auswertungen, die in der Vergangenheit Tage oder Wochen in Anspruch genommen haben, können innerhalb weniger Minuten vorliegen. Kontinuierliche Echtzeitinformationen werden in Dashboards visualisiert. Mittels Frühwarnsystemen können kritische Projektsituationen schnell erkannt und überwunden werden. Somit wird die Fähigkeit, schnell Informationen zu gewinnen und zu reagieren, zu einem wichtigen Differenzierungsmerkmal im Projektgeschäft.
4. Die Automatisierung wird weiter zunehmen.
Die Erkenntnisse werden weitgehend automatisch gewonnen und/oder das Wissen in automatischen Prozessen direkt zur Anwendung gebracht. Hierbei spielt das Machine Learning oft eine zentrale Rolle. Standardreports können automatisiert erzeugt oder bei komplizierteren Fällen durch Entscheidungsroutinen unterstützt werden. Der Einfluss von reinen Expertenschätzungen geht zurück.
5. Prozessmanagement wird zum Schlüsselkonzept.
Um die Zusammenhänge besser zu verstehen, wird man verstärkt auf die Methoden des Business Process Managements (BPM) und des Workflow Managements zurückgreifen. Dabei werden Projektmanagement und Prozessmanagement nicht als konkurrierende Disziplinen betrachtet, die je nach Geschäftsfall zur Anwendung kommen: Vielmehr ergänzen sich diese Methoden, wodurch im hohen Maße Synergien geschaffen werden können. Projektplanungen basieren auf Prozessmodellen, die je nach Anforderung ausgewählt, angepasst und in einem Projektplan zusammengestellt werden. Das Prozessmanagement stellt hierbei sicher, dass von den beteiligten Fachdisziplinen die passenden Teilprozesse bereitgestellt werden und die im Projekt gemachten Erfahrungen wieder zur Weiterentwicklung der Prozesse zurückfließen.
Fazit: Big Data im Projektprozess stellt Herausforderungen an die Zukunftsfähigkeit in allen Branchen
Zusammenfassend zu den Entwicklungen der Big Data im Projektprozess lässt sich Folgendes festhalten:
- Wir stehen erst am Anfang der digitalen Reise. Man kann sicher davon ausgehen, dass alles, was digitalisiert werden kann, auch digitalisiert wird.
- Die Geschwindigkeit des digitalen Wandels wird zunehmen. Der Tipping Point ist schon längst überschritten.
- Damit die Wettbewerbsfähigkeit erhalten bleibt, muss im Project Business mit diesen Entwicklungen Schritt gehalten werden. Dies wird in manchen Branchen dazu führen, dass das bestehende Projektsystem im Sinne eines „Project Business Reloaded“ komplett neu überdacht werden muss.
- Bereits heute existieren im Projektmanagement schon zahlreiche neue Methoden und Ansätze, die eine Vielfalt von Gestaltungsoptionen zulässt.
- Die Realisierung der „Technik“ ist dabei das geringste Problem.
(Coverbild: © tonefotografia | istock.com)
