Projektpool mit KI-Unterstützung – HTW Berlin & adesso

Der Projektpool ist ein etabliertes Wissensmanagement-Tool im internen adesso-Ökosystem. Er bietet Nutzenden eine zentrale Übersicht über alle laufenden und abgeschlossenen Projekte. Zur Förderung des Wissensaustauschs werden im Projektpool Projektdaten wie Kurzbeschreibungen, eingesetzte Tools, beteiligte Personen und Laufzeiten gepflegt. Aktuell erfolgt die Pflege überwiegend manuell durch Projektleitende oder beauftragte Mitarbeitende. Aufgrund des hohen Aufwands und begrenzter Kapazitäten werden Informationen häufig verzögert und oft erst nach Erinnerung aktualisiert.

Ziel des Projekts ist die Konzeption und prototypische Umsetzung eines KI-gestützten Assistenten zur Unterstützung der Pflege von Projektbeschreibungen im bestehenden Projektpool der adesso SE. Der Assistent soll Projektleitende dabei entlasten, indem er auf Basis vorhandener Projektstammdaten sowie zusätzlicher Nutzereingaben Vorschläge für Projektbeschreibungen erstellt, aktualisiert und strukturiert. Dabei sollen die generierten Inhalte durch die Nutzenden bestätigt, ergänzt oder korrigiert werden können. Die Interaktion soll möglichst einfach und ohne zusätzlichen Mehraufwand für Projektleitende erfolgen.

Im Rahmen des Projekts wird ein funktionsfähiger Proof-of-Concept entwickelt, der in einer bereitgestellten Testumgebung mit anonymisierten Projektdaten erprobt wird. Zusätzlich wurde ein Large-Language-Modell für die Generierung einer Projektbeschreibung eingebunden. Der Projekterfolg wird daran gemessen, dass der Prototyp die Pflege von Projektbeschreibungen unterstützt und den manuellen Pflegeaufwand für Projektleitende spürbar reduziert. Ebenfalls soll es als zentrale und strukturierte Wissensquelle für alle adesso-Mitarbeitenden dienen.

Vom Konzept zur Anwendung

Im Vergleich zur bisherigen, eher statischen Darstellung wurde die Seite neu strukturiert, um Nutzenden einen klaren roten Faden durch die Projektbeschreibung zu bieten. Inhalte sind nun thematisch gegliedert und leichter erfassbar, sodass Kontext, Ziele und Umsetzung des Projekts schneller verstanden werden können.

Ausgangslage: Projektbeschreibungen wurden im Adesso-Projektpool bisher von Hand in ein einfaches Textfeld eingegeben. Dadurch wurde der Projekt-Dokumentationsprozess deutlich verlangsamt.

Ergebnis: Das Textfeld ist thematisch strukturiert und bietet zwei Optionen der KI-Unterstützung: Zum einen können User vorhandene Projektdokumente hochladen, um daraus automatisch eine Projektbeschreibung generieren zu lassen. Zum anderen ermöglicht ein interaktiver Chat, durch zusätzliche Informationen neue Entwürfe zu erstellen oder bestehende Texte gezielt zu verfeinern.

Intelligente Strukturierung mit KI-Unterstützung

Die neue Anwendung basiert auf einer durchdachten Abschnittslogik: WARUM (Ausgangslage und Motivation), WAS (Ziele und technische Umsetzung) sowie WOZU & WER (Nutzen und beteiligte Personen). Diese Struktur wird durch einen KI-gestützten Assistenten unterstützt, der Projektleitende bei der Erstellung und Pflege von Projektbeschreibungen aktiv begleitet.

Der Assistent analysiert vorhandene Projektstammdaten, generiert kontextbezogene Textvorschläge und bietet Quick Actions wie das Kürzen oder professionelle Umformulieren von Inhalten. Zusätzlich kann er PDF-Dokumente verarbeiten und deren Inhalte strukturiert in die Projektbeschreibung übernehmen. Alle generierten Inhalte können durch die Nutzenden bestätigt, ergänzt oder korrigiert werden – die finale Kontrolle bleibt stets beim Menschen.

Technische Umsetzung

Das System wurde angelehnt an den bestehenden Projektpool als moderne Webanwendung mit Angular (Frontend) und FastAPI (Backend) entwickelt. Die KI-Funktionen basieren zurzeit auf OpenAI's GPT-4o-mini-Modell, das über ein ausgeklügeltes Prompt-Management-System gezielt für IT-Projektbeschreibungen trainiert wurde.

Die Anwendung wurde bewusst als Proof-of-Concept konzipiert, um die Machbarkeit und den Mehrwert KI-gestützter Wissensarbeit in einem realen Unternehmenskontext zu demonstrieren. Der Fokus lag dabei auf hoher Benutzerfreundlichkeit, transparenter KI-Unterstützung und nahtloser Integration in bestehende adesso-Prozesse.