Motivation
Deutsche KMU arbeiten überwiegend in Projektform. Untersuchungen zeigen jedoch, dass je nach Branche und Bereich mehr als 60 % der Projekte scheitern, d.h. erheblich teurer werden, länger dauern als geplant oder gänzlich abgebrochen werden. Die Ursachen des Scheiterns sind vielfältig. Eines der Kernprobleme bei KMU liegt in mangelnden Kenntnissen über das besonders erfolgskritische Projektrisikomanagement (PRM).
Ziele und Vorgehen
Ziel des Verbundvorhabens KIPRM ist es, die technologischen Grundlagen zu erforschen, um das PRM in KMU mit Hilfe von KI-Methoden während des gesamten Lebenszyklus eines Projekts zu unterstützen. Dazu gehört, geeignete Machine-Learning-Methoden zu entwickeln und einzusetzen, um Projektrisiken zu identifizieren und zu bewerten sowie darauf abgestimmt Maßnahmen zur Bewältigung vorzuschlagen. Außerdem sollen Projektrisiken fortlaufend überwacht und über die Risikosituation regelmäßig berichtet werden können. Der Einsatz von KI-Methoden im PRM kann so die Projektleitung von Routinearbeiten entlasten und die Effektivität des PRM durch präzise Prognosemodelle erhöhen. Um die Akzeptanz des KIPRM zu verbessern, wird die Lösung mit Hilfe von erklärbaren KI-Konzepten so gestaltet, dass die Ergebnisse und Schlussfolgerungen der KI-Methoden nachvollziehbar und transparent dargestellt werden können. Im Rahmen des Vorhabens werden vorrangig Lösungsansätze für Softwareprojekte entwickelt.
Innovationen und Perspektiven
Diese werden durch Testläufe und mittels definierter Anwendungsszenarien auf ihre Praxistauglichkeit geprüft. Die Ergebnisse des Vorhabens sollen jedoch auch auf andere Anwendungsdomänen wie Bau- und Chemieindustrie, Maschinenbau, Unternehmensberatungen und Digitalisierungsbereiche übertragbar sein, in denen vergleichbare Herausforderungen bezüglich Datenhoheit, Datenschutz, Dezentralität und limitierter Datenbasis bestehen.