Klassisch oder agil bei KI-Projekten?

Entscheidungssituation

Führungskräfte müssen entscheiden, ob ein KI-Projekt mit klassischer Wasserfallplanung oder mit agilem Vorgehen besser steuerbar ist. Die Antwort hängt davon ab, wie klar die Anforderungen sind und wie gut das Team die passende Lösungstechnologie bereits versteht (Niessner 2026).

Abbildung: Die Stacey-Matrix ordnet Projekte nach Klarheit der Anforderungen und Sicherheit der technischen Lösung ein. KI-Projekte landen häufig eher im komplexen Bereich und brauchen deshalb kurze Lernschleifen statt starre Detailplanung. Quelle: eigene Darstellung nach Niessner 2026.

Wichtige Bewertungskriterien

Klassisches Projektmanagement passt, wenn das Ziel, die Anforderungen, die Technologie und der Weg dorthin stabil und gut bekannt sind. Dann kann ein Team Aufgaben sequenziell planen und den Fortschritt gegen einen fixen Plan messen (Niessner 2026).

Agiles Vorgehen passt besser, wenn Anforderungen unscharf bleiben, Nutzer:innen erst am Zwischenergebnis erkennen, was sie wirklich brauchen, oder wenn die Technologie mehrere Lösungswege zulässt. Genau das trifft auf viele KI-Projekte zu, weil Datenqualität, Modellverhalten, Prompting, Integration und Akzeptanz erst im Test sichtbar werden (Niessner 2026).

Abbildung: Der Vergleich zeigt den Unterschied zwischen sequenzieller Wasserfallplanung und iterativer Arbeit mit Rückkopplungen. Für KI-Projekte hilft die iterative Logik, frühe Tests, Nutzerfeedback und technische Lernkurven einzuplanen. Quelle: eigene Darstellung nach Niessner 2026.

Unterschiedliche Perspektiven

Niessner stellt die Entscheidung pragmatisch dar: Klassisch und agil sind keine Glaubensfrage. Je weiter ein Projekt in Richtung Unklarheit und technischer Unsicherheit rückt, desto stärker braucht es agile Elemente. Bei KI-Projekten liegt genau dort meist der Schwerpunkt (Niessner 2026).

Barth und Sarstedt ergänzen diese Entscheidung um eine zweite Achse: Nicht nur technische Unsicherheit zählt, sondern auch die soziale Komplexität des Projekts. Je geringer Unbestimmtheit und soziale Komplexität sind, desto eher kann KI Projektmanagementaufgaben aktiv übernehmen; je stärker Stakeholderkonflikte, Ambiguität und offene Lösungswege dominieren, desto mehr bleibt KI ein Werkzeug oder Hilfsmittel für menschliche Projektleitung (Bernert, Scheurer und Wehnes 2024).

Für Führungskräfte ist diese Unterscheidung wichtig, weil sie über den zulässigen Autonomiegrad entscheidet. Bei Standardprojekten kann KI Planung, Bestellung, Controlling oder Reporting teilweise automatisiert steuern. Bei Akzeptanz-, Potenzial- und Pionierprojekten braucht es stärker menschliche Sensorik, Moderation, Verantwortungsübernahme und situatives Urteil; dort sollte KI Entscheidungen vorbereiten, Alternativen strukturieren oder Warnsignale liefern, aber nicht die Projektführung ersetzen (Bernert, Scheurer und Wehnes 2024).

Praktisch entsteht daraus eine dreistufige Frage: Darf KI in diesem Projekt agierende Einheit, komplexes Werkzeug oder nur unterstützendes Hilfsmittel sein? Diese Frage gehört vor Toolauswahl und Automatisierungsgrad geklärt, weil sie Rollen, Governance, Kontrollpunkte und Erwartungsmanagement bestimmt (Bernert, Scheurer und Wehnes 2024).

Abbildung: Die Matrix verbindet Unbestimmtheit von Aufgabe und Lösungsweg mit sozialer Komplexität. Je weiter ein Projekt in Richtung Pionierprojekt rückt, desto stärker sollte KI menschliche Projektführung unterstützen statt ersetzen. Quelle: eigene Darstellung nach Bernert, Scheurer und Wehnes 2024.

Praktische Entscheidungshilfe

Planen Sie KI-Projekte grob in Phasen, aber nicht als detaillierten Wasserfall über Monate. Definieren Sie Ziel, Hypothese, Datenbasis, erste Tests, Abnahmekriterien und Entscheidungszeitpunkte. Das Management sollte vor allem klären, wann ein Team weiterinvestiert, umsteuert oder stoppt (Niessner 2026).

Agilität bedeutet nicht Planlosigkeit. Das Team braucht klare Rollen, Budgetgrenzen, Compliance-Leitplanken und Ziel-KPIs. Es darf aber in kurzen Schleifen lernen, weil Nutzerfeedback, Modellqualität und Integrationsaufwand nicht vollständig am Whiteboard vorhersehbar sind (Niessner 2026).

Wann welche Option passt

Nutzen Sie klassische Planung für stabile IT-Aufgaben mit bekannten Anforderungen, etwa eine klar definierte Schnittstelle oder eine standardisierte Systemmigration. Nutzen Sie agile Arbeitsweisen für KI-Anwendungen mit unsicherem Output, unklarer Datenqualität, neuer Nutzerinteraktion oder mehreren möglichen Lösungswegen (Niessner 2026).

Die operative Projektlogik lässt sich gut mit CRISP-DM für KI-Projekte verbinden. Die Ressourcenfrage vertieft KI-Projektaufwand und Rollen planen; die organisatorische Verankerung ergänzt KI im Projektmanagement Office (Niessner 2026; Bernert, Scheurer und Wehnes 2024).