Globales Maximum mit KI berechnen

Warum KI-basiertes Projektportfolio-Management klassische Entscheidungen strukturell überholt

Executive Summary

Unternehmen investieren jährlich Milliarden in Projekte, Programme und Transformationen. Dennoch zeigt sich in der Praxis ein wiederkehrendes Muster:

Nicht einzelne Projekte sind das Problem – sondern deren Kombination.

Klassisches Projektportfolio-Management (PPM) strukturiert, priorisiert und schafft Transparenz. Was es jedoch in der Regel nicht leistet, ist die systematische Berechnung des global optimalen Projektportfolios.

Mit zunehmender Anzahl von Projekten wächst der Entscheidungsraum exponentiell:

• 10 Projekte → 1.024 Kombinationen
• 20 Projekte → über 1 Million Kombinationen
• 30 Projekte → über 1 Milliarde Kombinationen
• 50 Projekte → ~1,125 Billiarden Kombinationen

Diese Größenordnung ist für klassische Methoden nicht beherrschbar.

Genau hier setzt KI-gestützte kombinatorische Optimierung an: Sie transformiert Projektportfolio-Management von einem strukturierenden Prozess zu einem entscheidungsfähigen System, das das globale Maximum ex ante berechnet.

1. Das strukturelle Problem im Projektportfolio-Management

Projektportfolio-Management erfüllt drei zentrale Funktionen:

• Sammlung und Strukturierung von Projekten
• Herstellung von Transparenz
• Unterstützung von Entscheidungsprozessen

Diese Funktionen sind notwendig – aber nicht hinreichend.

Der entscheidende blinde Fleck

In nahezu allen Organisationen gilt implizit:

Entscheidungen werden getroffen, ohne den vollständigen Entscheidungsraum zu analysieren.

Stattdessen werden genutzt:

• Scoring-Modelle
• Business Cases
• Priorisierungsrunden
• Management-Workshops
• Szenarioanalysen

Diese Verfahren haben ein gemeinsames strukturelles Merkmal:

Sie reduzieren Komplexität, anstatt sie vollständig zu berechnen.

2. Der Entscheidungsraum: Warum 2^N alles verändert

Das zentrale mathematische Prinzip hinter Projektportfolios ist einfach – aber folgenreich:

Jedes Projekt kann entweder gewählt oder nicht gewählt werden.

Daraus ergibt sich:

Anzahl möglicher Portfolios = 2^N

Mit jeder zusätzlichen Projektoption verdoppelt sich der Entscheidungsraum.

Konsequenz

Bei 30 Projekten:

• über 1.000.000.000 mögliche Kombinationen

Bei 50 Projekten:

• mehr Kombinationen als Sekunden seit Entstehung des Universums

Praktische Implikation

Kein Vorstand, kein PMO, kein Excel-Modell kann:

• alle Kombinationen durchdenken
• alle Abhängigkeiten berücksichtigen
• alle Nebenbedingungen gleichzeitig optimieren

Die Folge ist systematische Suboptimalität.

3. Warum klassische Methoden nicht zum globalen Maximum führen

3.1 Heuristische Priorisierung

Typisch:

• Top-Down-Auswahl
• Budget-basierte Kürzungen
• „Top 10 Projekte“

Problem:

→ berücksichtigt nur eine Teilmenge des Entscheidungsraums

3.2 Scoring-Modelle

Typisch:

• gewichtete Kriterien (ROI, Risiko, Strategie-Fit)
• Ranking von Projekten

Problem:

→ optimiert Projekte isoliert, nicht deren Kombination

3.3 Szenario- und Monte-Carlo-Ansätze

Typisch:

• Simulation von Unsicherheiten
• Wahrscheinlichkeitsverteilungen

Problem:

→ simulieren Ergebnisse, treffen aber keine optimale Auswahl

3.4 Entscheidungsrunden / Governance

Typisch:

• Gremienentscheidungen
• iterative Anpassungen

Problem:

→ begrenzte kognitive Kapazität + Biases

4. Das eigentliche Ziel: Das globale Maximum

Das Ziel eines Projektportfolios ist nicht:

• das beste Projekt
• die beste Rangliste
• das plausibelste Szenario

Sondern:

Die Kombination von Projekten, die unter allen Restriktionen den maximalen Gesamtnutzen erzeugt.

Das ist das globale Maximum.

Formal abstrahiert:

Maximiere:

• Gesamtwert (z. B. NPV, EBIT, Impact)

Unter Nebenbedingungen:

• Budget
• Ressourcen
• Abhängigkeiten
• Risiken
• strategische Vorgaben

Entscheidender Punkt

Das globale Maximum ist:

• keine Meinung
• keine Simulation
• keine Schätzung

Sondern:

eine Eigenschaft des zugrunde liegenden Datenraums

5. KI als Entscheidungsmaschine: Vom PPM zur Optimierung

KI im Projektportfolio-Management wird oft missverstanden als:

• Dashboard
• Prognosemodell
• Assistenzsystem

Das greift zu kurz.

Der eigentliche Paradigmenwechsel

KI ermöglicht:

die vollständige oder approximativ vollständige Analyse des Entscheidungsraums

Kernkomponenten moderner Entscheidungs-KI

1. Kombinatorische Optimierung

• Durchsucht den Raum von 2^N Kombinationen
• Nutzt Verfahren wie:
  • Mixed Integer Programming (MIP)
  • Branch-and-Bound
  • Constraint Programming

2. Nebenbedingungen als mathematisches Modell

Beispiel:

• Budget ≤ 500 Mio
• Projekt A nur mit Projekt B
• max. 20 % Risikoanteil
• regionale Verteilung

3. Parallelisierung

• massive Reduktion der Rechenzeit
• Skalierung auf große Entscheidungsräume

4. Entscheidungsmodellierung

• Integration strategischer Ziele
• Gewichtung von Risiken
• Abbildung organisationaler Logik

6. Fixed Assets: Warum Fehler hier besonders teuer sind

Besonders kritisch ist das Thema im Bereich:

Anlagevermögen (Fixed Assets)

Beispiele:

• Infrastrukturprojekte
• Immobilienentwicklungen
• Produktionsanlagen
• Energieprojekte

Charakteristika

• hohe Kapitalbindung
• lange Laufzeiten
• geringe Reversibilität

Problem

Fehlentscheidungen führen zu:

• jahrelangen Kapitalfehlallokationen
• eingeschränkter Liquidität
• strukturellen Wettbewerbsnachteilen

Typisches Muster

Organisationen:

• bewerten Projekte einzeln
• treffen Entscheidungen sequentiell
• berücksichtigen Kombinationseffekte nur begrenzt

Realität

Der Wert eines Projekts hängt ab von:

• anderen Projekten im Portfolio
• Synergien
• Kannibalisierung
• Ressourcenbindung

Das optimale Portfolio ist nicht die Summe optimaler Einzelentscheidungen.

7. Die vollständige Investitionsliste als Voraussetzung

Ein oft unterschätzter Punkt:

Optimierung setzt Vollständigkeit voraus.

Vor der Entscheidung erforderlich:

• vollständige Liste aller relevanten Projekte
• keine Vorfilterung durch Intuition
• keine vorzeitige Eliminierung

Warum?

Jede entfernte Option:

→ verändert den Entscheidungsraum
→ verhindert potenziell bessere Kombinationen

Typischer Fehler

• „Wir haben bereits vorselektiert“
• „Diese Projekte sind ohnehin gesetzt“

Konsequenz

→ das globale Maximum kann systematisch ausgeschlossen werden

8. Quantitative Wirkung: Was bedeutet das in der Praxis?

Erfahrungswerte aus optimierten Portfolios zeigen:

• +20 % bis +60 % Mehrwert aus denselben Projekten
• signifikant bessere Kapitalrendite
• stabilere Risikostruktur

Beispielhafte Wirkung

9. Von „guten Entscheidungen“ zu optimalen Entscheidungen

Ein zentraler Denkfehler in Organisationen:

„Wenn wir gute Prozesse haben, treffen wir gute Entscheidungen.“

Das ist nur teilweise richtig.

Realität

Gute Prozesse führen zu:

• nachvollziehbaren Entscheidungen
• akzeptierten Entscheidungen

Aber nicht zwingend zu:

• optimalen Entscheidungen

Unterschied

10. Strategische Implikation für Unternehmen

Die Fähigkeit, das globale Maximum zu berechnen, wird zu einem strukturellen Wettbewerbsvorteil.

Warum?

Weil sie ermöglicht:

• bessere Kapitalallokation
• höhere Rendite bei gleichem Budget
• schnellere strategische Anpassung

Vergleich

Zwei Unternehmen mit identischen Projekten:

• Unternehmen A nutzt klassische Methoden
• Unternehmen B nutzt Optimierung

→ Unternehmen B erzielt langfristig signifikant höhere Ergebnisse

11. Fazit

Projektportfolio-Management bleibt essenziell – aber:

Es ist die Grundlage der Entscheidung, nicht die Entscheidung selbst.

Die eigentliche Transformation liegt in der Fähigkeit:

den gesamten Entscheidungsraum zu analysieren und das globale Maximum zu berechnen

KI ist dabei kein Assistenzsystem, sondern:

eine Entscheidungsmaschine

FAQ

1. Was bedeutet „globales Maximum“ im Projektportfolio?

Das globale Maximum ist die Kombination von Projekten, die unter allen gegebenen Restriktionen (Budget, Ressourcen, Risiko etc.) den maximalen Gesamtnutzen erzeugt. Es ist eine mathematisch definierte optimale Lösung.

2. Warum reicht klassisches Projektportfolio-Management nicht aus?

Weil es den vollständigen Entscheidungsraum (2^N Kombinationen) nicht systematisch analysiert. Entscheidungen basieren daher zwangsläufig auf Teilmengen und führen zu suboptimalen Ergebnissen.

3. Ist das globale Maximum in der Praxis wirklich berechenbar?

Ja, mit modernen Verfahren der kombinatorischen Optimierung und Parallelisierung kann der Entscheidungsraum effizient durchsucht oder hochpräzise approximiert werden.

4. Ist das nicht nur ein theoretisches Konzept?

Nein. In realen Anwendungen zeigen sich signifikante Unterschiede in Rendite und Wirkung, da Kombinationseffekte systematisch berücksichtigt werden.

5. Welche Daten werden benötigt?

• Liste aller Projekte
• Investitionskosten
• erwartete Werte (z. B. NPV)
• Restriktionen (Budget, Ressourcen etc.)

Optional:

• Risiken
• Abhängigkeiten
• strategische Gewichtungen

6. Was unterscheidet Optimierung von Simulation?

Simulation zeigt mögliche Entwicklungen. Optimierung bestimmt die beste Entscheidung innerhalb dieser Möglichkeiten.

7. Ist das nur für große Unternehmen relevant?

Nein. Gerade bei begrenzten Budgets ist die optimale Allokation entscheidend, da Fehlentscheidungen stärker ins Gewicht fallen.

8. Wie verändert das die Rolle des Managements?

Management trifft weiterhin Entscheidungen – aber auf Basis:

• vollständiger Transparenz
• quantifizierter Alternativen
• klar ausgewiesener Opportunitätskosten

9. Welche Rolle spielt KI konkret?

KI ermöglicht:

• Modellierung komplexer Entscheidungsräume
• effiziente Suche nach optimalen Lösungen
• Integration multipler Zielgrößen und Restriktionen

10. Was ist der größte Hebel?

Der größte Hebel liegt nicht in besseren Projekten, sondern in:

der besseren Kombination bestehender Projekte