Die rasante Entwicklung künstlicher Intelligenz hat das Potenzial, viele Bereiche unseres Alltags und der Arbeitswelt grundlegend zu verändern. Insbesondere die Nutzung von KI-Modellen wie ChatGPT von OpenAI oder Claude von Anthropic gewinnt in verschiedenen Aufgabenbereichen stetig an Bedeutung. Diese Modelle sind in der Lage, Texte zu generieren, komplexe Fragen zu beantworten und sogar kreative Inhalte zu produzieren. Doch trotz ihres enormen Potenzials stoßen sie in manchen Anwendungsgebieten an Grenzen. Ein Beispiel dafür ist das scheinbare Unvermögen von ChatGPT und Claude, Projekte aktiv zu aktualisieren oder kontinuierlich zu pflegen.
Warum das so ist, welche technischen Hürden dahinterstecken und was dies für den Einsatz im Projektmanagement bedeutet, soll in diesem Text näher erläutert werden. ChatGPT und Claude sind fortschrittliche Sprachmodelle, die durch maschinelles Lernen auf großen Datenmengen trainiert wurden. Ihre Architektur basiert darauf, kontextbezogene Texte in einem begrenzten „Kontextfenster“ zu verarbeiten. Dieses Kontextfenster bestimmt, wie viele Eingabeinformationen das Modell auf einmal aufnehmen und verarbeiten kann. Das bedeutet, dass nur eine bestimmte Menge an Text in einer einzelnen Sitzung oder Interaktion berücksichtigt wird.
Im Gegensatz zu herkömmlichen Softwaretools besitzen diese Modelle keine dauerhafte Speicherung von Zuständen oder Daten über längere Zeiträume hinweg, zumindest nicht in der interaktiven Nutzung ohne explizites Speichern und Laden externer Daten. Die Begrenztheit des Kontextfensters ist eine der entscheidenden Ursachen dafür, weshalb ChatGPT oder Claude nicht wie traditionelle Projektmanagement-Tools agieren können. Im klassischen Projektmanagement ist es essenziell, Projektdaten kontinuierlich zu aktualisieren, zu speichern und zu bearbeiten – seien es Fortschrittsberichte, Aufgabenlisten, Markdown-Dateien oder andere Artefakte. KI-Modelle dieser Art hingegen speichern keine Daten nach dem Ende einer Sitzung und können daher keine vorherigen Updates oder Änderungen an einem Projekt automatisch integrieren. Diese Funktionsweise wird insbesondere bei Projekten problematisch, die eine lange Laufzeit haben und in deren Verlauf stetige Anpassungen notwendig sind.
Obwohl Claude in der Lage ist, Artefakte zu generieren, also beispielsweise Berichte oder To-Do-Listen zu erstellen, fehlt die Fähigkeit, diese Daten innerhalb eines Projekts strukturiert zu speichern und bei zukünftigen Interaktionen wieder zu modifizieren. Ebenso gelingt es ChatGPT nicht, eine bestehende Markdown-Datei dynamisch zu aktualisieren – beispielsweise um abgeschlossene Aufgaben abzuhaken oder Notizen zu ergänzen. Das liegt schlichtweg daran, dass das Modell keine persistente Speicherfunktion besitzt, die das kontinuierliche Management von Änderungen gewährleisten würde. Zusätzlich zu dieser Speicherbegrenzung kommt eine weitere technische Herausforderung hinzu: die Komplexität von Zustandshandhabung in großen Projekten. Projekte bestehen meist aus zahlreichen vernetzten Dateien und Informationen, die miteinander interagieren müssen.
Um ein Projekt effektiv zu verwalten, müsste das System einen vollständigen Überblick über alle Dateien, deren Abhängigkeiten und den jeweiligen Status haben. Während KI-Modelle hervorragend in der Erstellung einzelner Inhalte sind, ist ihnen die Fähigkeit zur umfassenden, dynamischen Vernetzung und Verwaltung komplexer Dateistrukturen bislang weitgehend verwehrt. Deshalb ist die Idee, dass ChatGPT oder Claude eigenständig Projektdaten aktualisieren und verwalten könnten, technologisch noch nicht realisierbar. Ein weiterer wichtiger Punkt ist die Frage der Sicherheit und Kontrolle. Projekte enthalten häufig sensible Informationen oder geschäftskritische Daten.
Eine persistente Speicherlösung innerhalb eines KI-Systems würde klare Vorgaben zum Datenschutz und zur Zugriffskontrolle voraussetzen. Da es derzeit weder Standardmechanismen für solche Lösungen noch ausgereifte Plattformen gibt, die langfristige Datenspeicherung und gleichzeitige KI-Nutzung nahtlos verbinden, bleiben die Systeme in ihrer Funktionalität eingeschränkt. Die Entwickler von KI-Modellen sind sich dieser Problematik bewusst und verfolgen daher derzeit vorsichtige Ansätze bei der Integration von Speicher- oder Update-Funktionalitäten. Nicht zuletzt spielt auch der Aspekt der Benutzerfreundlichkeit und des Workflows eine Rolle. Für den produktiven Einsatz im Projektmanagement müssen Werkzeuge intuitiv bedienbar sein und sich nahtlos in bestehende Tools und Systeme integrieren lassen.
So ist es für Anwender oft praktischer, dedizierte Projektmanagement-Software wie Jira, Trello oder Asana zu nutzen, die speziell für kontinuierliche Updates, Aufgabenverfolgung und Teamzusammenarbeit entwickelt wurden. KI-Modelle wiederum werden bisher primär als unterstützende Komponenten angesehen, die Dokumente erstellen, Entwürfe liefern oder Ideen generieren. Die Kombination aus KI-Textgenerierung und klassischem Projektmanagement ist bisher meist eine manuelle und inoffizielle Ergänzung. Um die erwähnten Einschränkungen zu überwinden, müssten zukünftige KI-Systeme folgende Funktionen besser integrieren: eine dynamische Speicherung und Wiederaufnahme von Projektdaten, eine intelligente Vernetzung von Projektartefakten, und eine sichere Verwaltung unter Berücksichtigung datenschutzrechtlicher Anforderungen. Einige Forschungsansätze beschäftigen sich bereits mit sogenannten „speicherfähigen“ KI-Modellen oder der Kombination von KI mit datenbankgestützten Systemen.
Hier könnten Funktionen entstehen, die es erlauben, Projektdateien nicht nur zu erstellen, sondern auch zu versionieren, zu aktualisieren und teamübergreifend synchron zu halten. Darüber hinaus könnte die Erweiterung der Kontextfensterkapazität der Modelle eine Verbesserung bringen. Wenn ein Modell in der Lage wäre, nicht nur wenige tausend, sondern beispielsweise hunderttausende Token gleichzeitig zu verarbeiten, würde dies das Handling größerer Informationsmengen und komplexerer Projekte erleichtern. Allerdings sind derartige Erweiterungen mit erheblichem technischem Aufwand und Ressourcenbedarf verbunden. Trotz der gegenwärtigen Limitierungen eröffnen KI-Tools aber durchaus neue Chancen für die Gestaltung von Arbeitsprozessen im Projektmanagement.
So können sie bei der schnellen Erstellung von Berichten, Protokollen und Ideenfindungen unterstützen. Sie können repetitive Textarbeiten erleichtern und helfen, den Überblick über vorhandene Dateien zu behalten, indem sie Zusammenfassungen oder Insight-Reports generieren. Die Integration in bestehende Softwarelandschaften könnte in Zukunft ein effizientes Zusammenspiel ermöglichen, bei dem die KI als leistungsstarke Assistenz agiert, ohne selber die vollständige Projektverwaltung zu übernehmen. Zusammenfassend lässt sich sagen, dass die fehlende Möglichkeit von ChatGPT und Claude, Projekte selbstständig zu aktualisieren und zu verwalten, vor allem auf technische und konzeptionelle Rahmenbedingungen zurückzuführen ist. Die Begrenzung durch das Kontextfenster und das Fehlen persistenter Speicherstrukturen sind zentrale Hindernisse.
