Der neue KI-Standard des PMI (2026): Was er für Portfolio-, Programm- und Projektmanager bedeutet

Künstliche Intelligenz hat sich innerhalb weniger Jahre vom Novum zur Selbstverständlichkeit entwickelt. Vorausschauende Terminplanung, automatisiertes Statusreporting, Risikobewertung, Ressourcenoptimierung — Werkzeuge, die in Portfolios, Programme und Projekte (PPPM) hineinwirken, gehören längst zum Arbeitsalltag. Was bislang fehlte, war eine allgemein akzeptierte, herstellerneutrale Antwort auf eine einfache Frage: Wie setzen wir KI in unserem Beruf verantwortungsvoll ein? 2026 hat das PMI diese Antwort mit der ersten Ausgabe von The Standard for Artificial Intelligence in Portfolio, Program, and Project Management geliefert.

Dieser Beitrag geht durch, was der Standard tatsächlich sagt, wie er aufgebaut ist und — aus meiner eigenen Sicht als PMP-zertifizierter Praktiker — was er für unsere tägliche Arbeit bedeutet. Es handelt sich um einen redaktionellen Überblick, nicht um einen Ersatz für den Standard selbst.

Was der Standard ist und warum jetzt

Der Standard ist ein Konsensdokument, das bewährte Praktiken für die Einführung, Nutzung und Integration von KI über die drei PPPM-Ebenen hinweg beschreibt. Sein erklärtes Ziel ist eine ethische, effiziente und wirksame KI-Einführung, die mit den Werten der Organisation und den geltenden Vorschriften im Einklang bleibt.

Zwei Gestaltungsentscheidungen sind vorab hervorzuheben. Erstens ist der Standard bewusst technologieneutral: Er nennt keine konkreten Werkzeuge oder Anbieter und ermutigt Organisationen ausdrücklich dazu, die Empfehlungen zu überarbeiten, sobald sich Regulierung und Technologie ändern. Zweitens ist er menschzentriert. Ein wiederkehrendes Thema — der Ansatz „Human-in-the-Loop“ (HITL) — versteht menschliche Aufsicht nicht bloß als Sicherheitsbremse, sondern als echte Wertquelle, denn Urteilsvermögen, Empathie, Kontext und institutionelles Wissen sind Dinge, über die Modelle nicht verfügen.

Die Zielgruppe ist breit gefasst: Führungskräfte und Sponsoren, Portfolio- und Programmmanager, Projektmanager sowie Umsetzungsteams einschließlich Data Scientists. Der Standard versteht sich als Ergänzung zu den bestehenden globalen PMI-Standards für Projekt-, Programm- und Portfoliomanagement und nicht als deren Ersatz.

Die acht Prinzipien

Das Herzstück des Dokuments bildet ein Satz aus acht Prinzipien, die ohne Rangfolge oder Gewichtung dargestellt werden. Jedes ist eine Wertaussage, die Entscheidungen prägen und nicht einzelne Schritte vorschreiben soll.

1. Strategischer Wert — der Anker der Wertschöpfung. Jede KI-Initiative sollte, unabhängig von ihrem Umfang, auf die Ziele der Organisation zurückführbar sein. Der praktische Test: Beginnen Sie mit dem Wertbeitrag, nicht mit der Technologie. KI ist ein Mittel zu messbarem Nutzen, kein Selbstzweck.
2. Risiko — Anpassung an sich wandelnde Risiken. KI bringt ein eigenes Risikoprofil mit sich: algorithmische Verzerrung (Bias), Gefährdung des Datenschutzes, Cybersecurity-Schwachstellen, undurchsichtiges Modellverhalten. Diese Risiken erfordern proaktives, kontinuierliches Management, eingebettet in die bestehende Governance statt als Nebenprozess.
3. Governance und Compliance — verantwortungsvolles KI-Management. Klare Strukturen, Rollen, Befugnisse und Leitplanken definieren, wie „verantwortungsvolle Nutzung“ aussieht. Der Standard stellt ausdrücklich klar, dass KI-Governance in die übergeordnete Governance-, Risiko- und Compliance-Struktur (GRC) der Organisation eingebettet werden sollte und nicht isoliert stehen darf.
4. Menschen und Kultur — Innovation fördert Befähigung. Wenn KI Rollen verändert, brauchen Organisationen KI-Kompetenz, Weiterbildung und — ein Punkt, den ich unterstreichen möchte — psychologische Sicherheit, damit Menschen Bedenken äußern und experimentieren können, ohne Schuldzuweisungen fürchten zu müssen.
5. Ethik und berufliche Verantwortung — ethische Verantwortung im Umgang mit KI. Transparenz, Fairness, Erklärbarkeit, Prüfbarkeit und Rechenschaftspflicht ziehen sich von der ersten Designentscheidung durch den gesamten Lebenszyklus. Diskriminierungsfreiheit und die ehrliche Kommunikation der Grenzen eines Modells gelten als berufliche Pflichten.
6. Stakeholder-Engagement — verbinden, ausrichten und liefern. Kommunizieren Sie Zweck und Vision der KI frühzeitig, halten Sie den Dialog kontinuierlich aufrecht und behandeln Sie Rückmeldungen als Steuerungsgröße. Bemerkenswert: Der Standard erwartet, dass Sie auch jene Stakeholder einbinden, die die KI-Einführung ablehnen, nicht nur die Befürworter.
7. Optimierung und Innovation — Weiterentwicklung durch Innovation. Kontinuierliche Verbesserung, gestützt auf klare Kennzahlen und Feedbackschleifen. Automatisierung befreit Teams von Routinearbeit, damit sie sich auf höherwertige Tätigkeiten konzentrieren können — stets mit menschlichem Urteilsvermögen im Prozess.
8. Datenqualität — Input für Wirkung. Modelle lernen aus ihren Daten, sodass ungenaue, verzerrte oder unvollständige Eingaben sich unmittelbar in Ergebnissen und Entscheidungen fortpflanzen. Eine robuste Daten-Governance, klar definierte Verantwortlichkeiten (Data Stewardship), Nachvollziehbarkeit und Herkunftsverfolgung (Lineage) sowie regelmäßige Audits bilden das Fundament, auf dem alles andere ruht.

Die fünf Performance-Domänen

Während die Prinzipien beschreiben, worauf es ankommt, beschreiben die Performance-Domänen, wo die Arbeit stattfindet. Auch sie werden ohne feste Reihenfolge dargestellt und sollen zusammenwirken.

• Erwartungen der Stakeholder an KI steuern. Stakeholder identifizieren, ihre Bedürfnisse und Bedenken verstehen und einen Konsens darüber herstellen, wie KI genutzt und wie KI-beeinflusste Entscheidungen getroffen werden — einschließlich einer Einigung über Datenschutz- und Governance-Richtlinien.
• Den Umfang der KI festlegen. Eine klare Vision und Mission für KI-Initiativen etablieren und pflegen sowie die messbaren Aktivitäten definieren, die dafür sorgen, dass KI über Rollen und Funktionen hinweg Wert schafft, statt ziellos auszuufern.
• KI-Architektur mit Qualität und Zuverlässigkeit gestalten. Sicherstellen, dass Systeme präzise und konsistent gegenüber den Anforderungen arbeiten (Qualität) und über die Zeit verlässlich funktionieren (Zuverlässigkeit), gestützt auf Daten-Governance und Qualitätssicherung.
• Strategische KI-Ziele umsetzen. Ein strukturierter Umsetzungsansatz: strategische Ausrichtung, Nutzenrealisierung, Change-Management, Governance und proaktives Risikomanagement greifen ineinander.
• KI-Risiken und Unsicherheiten managen. Die dynamischen Risiken, die KI mit sich bringt, identifizieren, bewerten und steuern — und dabei anerkennen, dass diese ebenso Chancen wie Bedrohungen sind und dass hergebrachte Risikoansätze sie möglicherweise nicht vollständig abdecken.

Weitere Kapitel (Lebenszyklus-Management und Tailoring, KI im PPPM-Kontext, ein Umsetzungsrahmen sowie ethische und rechtliche Erwägungen) runden den Standard ab, doch für die meisten Praktiker sind die Prinzipien und Domänen der Einstiegspunkt.

Was das in der Praxis heißt

Wenn Ihnen die Architektur bekannt vorkommt, ist das kein Zufall. Der PMBOK Guide des PMI wechselte mit der 7. Auflage zu einer Struktur aus Prinzipien und Domänen (12 Prinzipien, 8 Performance-Domänen), und die 8. Auflage verfeinerte dies zu 6 Prinzipien und 7 Performance-Domänen, wobei sie KI, Nachhaltigkeit und Tailoring ausdrücklich betont. Der KI-Standard fügt sich nahtlos in dieses Denkmodell ein: Wer bereits in Prinzipien und Domänen denkt, kann sich den Standard aneignen, ohne sein Vokabular neu zu lernen.

Aus meiner eigenen PMP-Perspektive ist die beruhigende Botschaft, dass die Kernkompetenzen, die wir ohnehin praktizieren — strategische Ausrichtung, Risikomanagement, Stakeholder-Engagement, Governance — genau das Fundament sind, auf dem der Standard aufbaut. KI ersetzt nicht das Urteilsvermögen im Projektmanagement; sie erhöht dessen Bedeutung.

Einige Punkte, auf die ich achten würde:

• KI als reines IT-Problem behandeln. Der Standard betont nachdrücklich, dass Governance in die übergeordnete GRC-Struktur gehört und dass Menschen und Kultur ebenso wichtig sind wie Modelle. Die Aufgabe vollständig an ein technisches Team zu delegieren, verfehlt den Kern.
• Den Wertbeitrag überspringen. „Wir sollten KI einsetzen“ ist kein Business Case. Beginnen Sie mit dem Wert, den das Prinzip des strategischen Werts einfordert, sonst optimieren Sie am Ende etwas, das niemand gebraucht hat.
• Zu wenig in Daten investieren. Datenqualität ist nicht ohne Grund ein eigenständiges Prinzip. Schlechte Eingaben untergraben unbemerkt jede nachgelagerte Entscheidung — und sie sind im Nachhinein weitaus schwerer zu korrigieren.
• HITL für einen bloßen Stempel halten. Der Standard versteht menschliche Aufsicht als Wertschöpfungsfaktor. Definieren Sie echte Eingriffsauslöser und Eskalationswege; protokollieren Sie nicht nur, dass ein Mensch das Ergebnis „geprüft“ hat.

FAQ

Ist dieser Standard verpflichtend oder eine Zertifizierungsvoraussetzung?
Nein. Es handelt sich um einen Standard bewährter Praxis, der an den jeweiligen Kontext angepasst werden soll. Das PMI weist darauf hin, dass es die Einhaltung weder überwacht noch durchsetzt.

Ersetzt er den PMBOK Guide?
Nein. Er ergänzt die bestehenden PMI-Standards für Projekt-, Programm- und Portfoliomanagement und ist für die gemeinsame Nutzung mit ihnen gedacht.

Sagt er mir, welche KI-Werkzeuge ich kaufen soll?
Nein. Er ist bewusst technologieneutral und empfiehlt, die Empfehlungen zu überprüfen, sobald sich Werkzeuge und Vorschriften weiterentwickeln.

Wer sollte ihn zuerst lesen?
Alle, die für die KI-Einführung verantwortlich sind — Sponsoren, PMO-Leitungen sowie Portfolio- und Programmmanager — sowie Projektmanager, die KI in die Umsetzung einführen. Das Kapitel zu den Prinzipien ist der nützlichste Einstiegspunkt.

Autor: Tom, seit 2004 PMP-zertifiziert. Zuletzt aktualisiert: Juli 2026.