Ressourcenmanagement (RM) ist eine wesentliche Aufgabe in IT-Services und Consulting-Unternehmen. Größeren Firmen beschäftigen Ressourcenmanager, die sich um die Einplanung der Mitarbeiter und die Besetzung von Projekten kümmern. Von AI-Automatisierung ist RM bislang weitgehend verschont geblieben.
Durch AI wird sich RM in zwei Schritten ändern:
1. Ressourcenmanager werden durch AI-Agenten ersetzt
2. AI wird im Projekt-Staffing eingeplant
Der erste Schritt ist klar. Als Back-Office-Funktion ist RM ein idealer Kandidat für Automatisierung durch AI-Agenten.
Der zweite Schritt klingt nach hybriden Teams aus Menschen und AI-Agenten – Kollege AI im Projektteam. Bis dahin wird es noch dauern. In der Praxis geht es darum, den Einsatz von AI systematisch zu steuern. Ansonsten bleibt es den Mitarbeitern überlassen, ob und wofür sie AI nutzen. RM kann gezielt Aufgaben identifizieren, die AI übernehmen kann und dies in der Projektbesetzung berücksichtigen.
AI ermöglicht es auch, Skills abzudecken, die bei den Mitarbeitern nicht vorhanden sind.
Beispiel: Für ein Legacy-Transformation-Projekt werden Cobol-Kenntnissen benötigt. Die hat keiner. Aber mit AI-Unterstützung kann ein Entwickler Cobol in eine moderne Programmiersprache übersetzen. Nicht jedes AI-Tool kann jedoch Cobol. Google Gemini z.B. nicht. Und der Entwickler muss Erfahrung mit AI-unterstützter Softwareentwicklung und den fachlichen Anforderungen haben. Das Ressourcenmanagement hat dank AI zusätzliche Optionen für die Position Cobol-Entwickler. Die Suche wird komplexer und ohne AI-Unterstützung (Schritt 1) nicht praktikabel.
Die beste AI bringt nichts ohne geeignete Daten. Für RM benötigt man Skills und Verfügbarkeiten der Ressourcen, sowohl der menschlicher als auch der künstlichen. AI ist immer verfügbar und kennt ihre eigenen Skills. Verlässliche Daten über Skills und Verfügbarkeiten von Mitarbeitern sind schwieriger zu erhalten. Hierfür benötigt man eine integrierte Lösung für Skill- und Ressourcen-Management.
Der Druck zur AI-Automatisierung ist hoch, besonders für IT-Services- und Consulting-Unternehmen. Kunden sind nicht bereit, Tagessätze für Arbeit zu zahlen, die AI genauso gut erledigen kann. Dies schlägt zwangsläufig auf das Ressourcenmanagement durch.
Wie können sich Unternehmen vorbereiten?
Verantwortlichkeiten zwischen Sales und Delivery definieren
Resource-Manager sind eine Art Torwächter zwischen Sales und Delivery.
Wenn diese Rolle durch AI ersetzt wird, müssen die Verantwortlichkeiten zwischen Sales und Delivery klar definiert sein. Wer entscheidet, welche Mitarbeiter für welchen Kunden eingesetzt werden? Sales, Projektleiter, Teamleiter?
Was kann Sales selbst machen, wo muss Delivery zustimmen?
Globale Ressourcenmanagement-Prozesse definieren
Bevor man Prozesse automatisiert, sollte man sie optimieren. In großen Unternehmen läuft Ressourcenmanagement meist von Land zu Land unterschiedlich. Verantwortlichkeiten sind lokal definiert, Sichtbarkeiten auf Ressourcen sind eingeschränkt, länderübergreifende Projektbesetzungen sind mühsam.
Durch einheitliche, schlanke Prozesse lässt sich Effizienz schon ohne AI steigern.
Ressourcen-Bedarfe systematisch erfassen
Um den Einsatz von AI übergreifend zu steuern, müssen Unternehmen alle Ressourcen-Bedarfe auswerten können. Neben CRM und ERP finden sich Bedarfe oft in Excel-Sheets oder E-Mail-Anfragen. Um solche informell erfassten Ressourcen-Bedarfen einzufangen, benötigt man geeignete Software-Tools. Dabei spielt Usability eine entscheidende Rolle, ist es nicht einfacher als Excel, wird es nicht genutzt.
Skill- und Ressourcen-Management integrieren
Skill-Management und Ressourcenmanagement sind in den meisten Unternehmen getrennte Prozesse. Beide müssen zusammengeführt werden, nicht nur, um Staffing-Entscheidungen treffen zu können. Auch auf die Qualifizierung der Mitarbeiter gibt es erheblich Auswirkungen. Zukünftig werden Domänenwissen und Problemlösungskompetenz wichtiger als technisches Detailwissen. Letzteres hat der AI-Kollege.