Was ist Agentic AI — und warum dein PM-Tool sie braucht

“KI-gestützt” ist zu einer Standard-Funktionsbehauptung für jedes SaaS-Produkt auf dem Markt geworden. Meist bedeutet das dasselbe: eine Chat-Oberfläche, die Fragen zu deinen Daten beantwortet.

Agentic AI unterscheidet sich in einem entscheidenden Punkt — sie handelt, statt nur Positionen zu formulieren.

Der Unterschied zwischen Chatbot und Agent

Ein Chatbot in deinem PM-Tool kann beantworten: “Welche Aufgaben sind überfällig?” Du bekommst eine Liste. Dann musst du die Aufgaben selbst aktualisieren.

Ein Agent in deinem PM-Tool kann auf Folgendes reagieren: “Welche Aufgaben sind überfällig? Weise die mit hoher Priorität denen zu, die diese Woche Kapazität haben.” Der Agent liest dein Board, prüft die Teamkalender und verschiebt die Karten.

Der Unterschied ist, ob die KI Text produziert oder Ergebnisse.

Drei Eigenschaften, die einen Agenten definieren

Ein agentisches System hat drei Dinge, die ein Chatbot nicht hat:

1. Tool-Zugriff. Der Agent kann Funktionen aufrufen — eine Aufgabe erstellen, eine Karte verschieben, einen Status aktualisieren, eine Benachrichtigung senden. Er ist nicht darauf beschränkt, Text zu generieren.

2. Kontextbewusstsein. Der Agent weiß, wo du dich befindest, was du dir gerade ansiehst und was in deinem Workspace vorhanden ist. Er braucht nicht, dass du Daten einfügst, damit er deine Situation versteht.

3. Mehrstufiges Denken. Der Agent kann Aktionen aneinanderreihen. “Fasse den Sprint zusammen, identifiziere Blocker und schreibe den Zuständigen eine Nachricht” ist eine einzige Anweisung, die mehrere Ergebnisse über mehrere Tools hinweg erzeugt.

Warum das speziell für Projektmanagement wichtig ist

Projektmanagement steckt voller sich wiederholender, regelbasierter Aufgaben, die Menschen ungern erledigen:

Status-Updates aus dem Boardzustand schreiben
Überfällige Aufgaben verschieben und Zuständige benachrichtigen
Meeting-Notizen in Aufgabenkarten umwandeln
Wöchentliche Zusammenfassungen für Stakeholder erstellen

Diese Aufgaben sind nicht kognitiv anspruchsvoll. Sie kosten nur Zeit. Ein Agent erledigt sie präzise und sofort.

Die Rolle des Menschen verschiebt sich: Statt die Buchhaltung zu erledigen, prüfst du, was der Agent getan hat, und konzentrierst dich auf die Entscheidungen, die Urteilsvermögen erfordern.

Wie “sichere” Agentic AI aussieht

Agenten mit breitem Zugriff auf deine Workspace-Daten werfen berechtigte Bedenken auf. Ein paar Dinge, auf die man achten sollte:

Ratenbegrenzung — Agenten sollten Obergrenzen dafür haben, wie viele Aktionen sie ausführen können, um außer Kontrolle geratene Automatisierung zu verhindern
Berechtigungsbegrenzung — Agenten sollten nur auf Daten zugreifen, die der aktuelle Nutzer sehen kann
Entfernung sensibler Felder — Abrechnungsdaten, E-Mail-Adressen und andere sensible Felder sollten für KI-Systeme nicht lesbar sein
Audit-Trail — von Agenten ausgeführte Aktionen sollten protokolliert und zuordenbar sein

Agentic AI, die direkt ins Produkt eingebaut ist (statt über eine Drittanbieter-Integration angeflanscht), lässt sich leichter korrekt begrenzen. Das Berechtigungsmodell ist bereits vorhanden — die KI operiert einfach innerhalb davon.

Das Command-Palette-Modell

Die praktischste Oberfläche für Agentic AI in einem PM-Tool ist die Command Palette — eine Tastenkombination (⌘K ist der Standard), die ein Texteingabefeld für natürlichsprachliche Anweisungen öffnet.

Der Command-Palette-Ansatz funktioniert, weil er kontextbezogen ist. Der Agent weiß, was du dir gerade ansiehst. “Fasse dieses Board zusammen” bedeutet das aktuell sichtbare Board, nicht jedes Board im Workspace. “Finde, wer Kapazität hat” bedeutet dein aktuelles Team, gefiltert nach aktuellen Sprint-Verpflichtungen.

Kontext macht den Agenten nützlich. Ohne ihn landest du wieder bei einem Chatbot, dem alles von Grund auf erklärt werden muss.

Wohin sich das entwickelt

Agentic AI im Projektmanagement steckt noch in den Anfängen. Aktuelle Fähigkeiten — Zusammenfassung, Aufgabenextraktion, Terminvorschläge — sind nützlich, aber eng begrenzt.

Die nächste Phase: Agenten, die Aktionen einleiten, ohne dass man sie darum bittet. Ein Agent, der bemerkt, dass drei Aufgaben mit hoher Priorität überfällig sind und seit fünf Tagen nicht angefasst wurden, und den Projektmanager proaktiv alarmiert. Ein Agent, der ein wiederkehrendes Muster erkennt (dieser Aufgabentyp dauert immer doppelt so lange wie geschätzt) und zukünftige Schätzungen automatisch anpasst.

Das ist keine Science-Fiction — es ist eine direkte Erweiterung dessen, was Agenten heute schon können, mit besserem Kontext und mehr Tool-Zugriff.

Proman enthält Agentic AI in den Tarifen Pro und Business, direkt ins Produkt eingebaut — nicht als Drittanbieter-Integration. Preise ansehen →