KI-Modelle und Plattformen
Lumivero startet die POLI-Betaversion von SharpCloud für Entscheidungen im Projektportfolio
Die POLI-Betaversion von SharpCloud nutzt Portfoliodaten, um Fragen zu beantworten und Änderungen zu modellieren. Die Genehmigung bleibt jedoch den Personen vorbehalten, die die Projekte leiten.
Wichtige PunktePOLIs Antworten hängen vollständig von den Abhängigkeiten ab, die Teams bereits in…
Mehr anzeigen
- POLIs Antworten hängen vollständig von den Abhängigkeiten ab, die Teams bereits in SharpCloud erfasst haben.
- What-If Impact bleibt schreibgeschützt, sodass die Szenarioanalyse niemals die Portfoliodaten verändert, die sie bewertet.
- Menschliche Genehmigung kann veraltete Eingaben nicht beheben oder garantieren, dass jede KI-Empfehlung korrekt ist.
Lumivero hat eine Betaversion von POLI gestartet, einer Reihe von KI-Agenten, die in die Portfolioverwaltungssoftware SharpCloud integriert sind. Das Unternehmen stellte POLI am 16. November vor und teilt mit, dass der Betazugang für Kunden und Interessenten am 17. November begonnen hat. Die Agenten können Fragen zu Projekten und Risiken beantworten oder die Folgen einer vorgeschlagenen Änderung untersuchen. Eine Person muss eine Änderung bestätigen, bevor sie auf das Portfolio angewendet wird.
Die Lösung ist auf Projektportfolios ausgelegt, nicht auf den Anlagehandel. Ein Unternehmen, das beispielsweise mehrere Modernisierungen in seinen Werken durchführt, könnte fragen, welche Arbeiten von einer verspäteten Lieferung abhängen. Die Antwort hängt davon ab, welche Verbindungen das Team bereits in SharpCloud erfasst hat. Fehlt der gemeinsame Lieferant oder der betroffene Meilenstein, kann man sich nicht darauf verlassen, dass das Modell davon weiß.
Fragen direkt im Portfolio beantworten
Teams verwalten Zeitpläne, Risiken und Abhängigkeiten üblicherweise in getrennten Systemen. Ein Projekt kann laut seinem eigenen Zeitplan im Plan liegen, obwohl sich eine Voraussetzung an anderer Stelle verzögert. SharpCloud bietet Teams die Möglichkeit, solche Beziehungen explizit darzustellen. Im Januar gab Lumivero die Übernahme von SharpCloud bekannt und nannte die Visualisierung von Portfolios sowie die Möglichkeit, zu modellieren, wie sich eine Änderung auf mehrere Projekte auswirken könnte, als Gründe für die Übernahme.
POLI arbeitet mit diesem vernetzten Portfoliomodell. Die fünf standardmäßig enthaltenen Agenten heißen Erste Schritte, Vergleich, Auswirkungen von Was-wäre-wenn-Szenarien, Story-Zusammenfassung und Produktwissen. Sie übernehmen unterschiedliche Aufgaben: Sie helfen neuen Nutzern bei der Orientierung, vergleichen Elemente oder fassen eine Portfolioansicht zusammen. Der Agent „Vergleich“ kann Unterschiede zwischen Projekten leichter erkennbar machen. Der Agent „Auswirkungen von Was-wäre-wenn-Szenarien“ geht einer anderen Frage nach: Welche weiteren Teile des modellierten Portfolios könnten betroffen sein, wenn sich eine Projektannahme ändert?
Diese Unterscheidung ist wichtig, denn Abhängigkeiten sind oft hilfreicher als eine Rangfolge. Wenn sich durch die verspätete Installation einer Anlage auch die zugehörige Schulung verschiebt, ist nicht nur entscheidend, dass sich ein Meilenstein verzögert hat. Entscheidend ist auch, welche Personen ihre Pläne anpassen müssen und welche Annahmen sie überprüfen sollten. Szenarioanalysen helfen dabei, diese Fragen zu ermitteln, ohne das System entscheiden zu lassen, was das Unternehmen tun sollte.
Analyse und Genehmigung voneinander trennen
Lumivero zufolge ist der Agent „Auswirkungen von Was-wäre-wenn-Szenarien“ schreibgeschützt und verändert die von ihm ausgewerteten Daten nicht. Das Unternehmen erklärt außerdem, dass POLI die bestehenden Benutzerberechtigungen berücksichtigt, die Grundlage seiner Antworten darlegt und vorgeschlagene Änderungen den Menschen zur Genehmigung überlässt. KI lässt sich für jede SharpCloud-Instanz optional aktivieren. Dabei handelt es sich um vom Anbieter beschriebene Schutzmaßnahmen, nicht um unabhängige Erkenntnisse darüber, wie genau die Agenten mit unübersichtlichen oder unvollständigen Daten arbeiten.
Die menschliche Prüfung ist besonders hilfreich, wenn sich eine Erklärung anhand der ursprünglichen Datensätze überprüfen lässt. Eine plausible Antwort kann auf einer gültigen, aber veralteten Schätzung oder auf einer inzwischen nicht mehr zutreffenden Abhängigkeit beruhen. Prüfende müssen sehen können, welche Datensätze der Assistent herangezogen hat, und wissen, wer für deren Pflege zuständig ist. Ein Genehmigungsschritt schafft eine Kontrollmöglichkeit, behebt aber weder veraltete Eingaben noch stellt er sicher, dass jede Empfehlung richtig ist.
Im eigenen Bericht zur Entscheidungsfindung bei Investitionsprojekten von Lumivero heißt es, nur wenige der Befragten würden einer KI-Empfehlung ohne eingehende Prüfung folgen. Die Umfrage stammt vom Anbieter und bestätigt nicht die Leistungsfähigkeit von POLI. Sie veranschaulicht jedoch das Akzeptanzproblem, das das Produkt angehen soll: Teams wünschen sich Unterstützung dabei, verstreute Informationen zusammenzuführen, wollen aber weiterhin selbst die Verantwortung für darauf beruhende Entscheidungen tragen.
Was die Betaversion zeigen muss
Frühe Nutzer können die Agenten anhand vertrauter Beispiele testen, bei denen dem Projektteam das Ergebnis bereits bekannt ist. Anschließend können sie die Antworten mit den zugrunde liegenden Datensätzen vergleichen und den Test mit einer anderen Zugriffsebene wiederholen. So ließe sich feststellen, wo POLI den Zeitaufwand für den Abgleich von Zeitplänen verringert und wo fehlende Datensätze weiterhin manuelle Nachforschungen erfordern. Die erste Betaversion ist am besten als Möglichkeit zu verstehen, ein Portfoliomodell abzufragen und zu testen – nicht als Ersatz für die dafür verantwortlichen Personen. Lumivero führt separate Analyse- und Kontrollmodule auf seiner Roadmap für das erste Halbjahr 2027 auf; diese Module sind nicht Teil der aktuellen Betaversion.












