Mathematik im Projektmanagement

Haben Sie als Kind in der Schule Mathematik geliebt oder eher gehasst? Kaum ein Schulfach wurde so kontrovers diskutiert, vielleicht abgesehen von Sport. Doch egal, ob Sie sportlich begabt oder ein Mathegenie waren, ob Sie sich bei Sinuskurven und Logarithmen die Haare gerauft haben – ein grundlegendes Verständnis der Mathematik hat sich zweifellos als nützlich erwiesen. Von der Berechnung der Hypothek bis zum Trinkgeld für den Kellner begleitet uns die Mathematik durch den Alltag. Auch im Projektmanagement spielt Mathematik eine wichtige Rolle.

Die wenigsten Projekte verlaufen von Anfang bis Ende reibungslos. Das ist eine Erfahrung, die viele Projektmanager gemacht haben. In vielen Bereichen des Projektmanagements können Überraschungen und Verzögerungen verheerende und kostspielige Folgen haben. Daher ist es notwendig, das Projekt entsprechend zu planen und effektive und energische Entscheidungen zu treffen. Dazu benötigen die Entscheidungsträger jedoch die richtigen Informationen, die so umfassend und genau wie möglich sein müssen. 
Hier kommen Simulationen, basierend auf Mathematik, ins Spiel, um verlässliche Vorhersagen zu treffen. Machine Learning analysiert die Daten früherer Projekte und nutzt die bereits gemachten Erfahrungen. Dies ist eine große Hilfe, um sich in einer unsicheren Situation zurechtzufinden, insbesondere wenn Geld, Zeit und Ressourcen auf dem Spiel stehen. Allerdings bleiben die Fragen offen, warum die Simulation eine Entscheidung getroffen hat, ob diese Entscheidung negative Auswirkungen auf das Projekt haben könnte und ob das Projekt im schlimmsten Fall scheitern könnte.

Projektmanager, die an Großprojekten beteiligt sind, müssen in großen Dimensionen denken. Ein guter Überblick über den Gesamtprozess ist daher unerlässlich. Und hier kommt die Mathematik ins Spiel, denn sie beeinflusst den Gesamtprozess. Neben den bisherigen Erfolgen und Misserfolgen, die Machine Learning erfassen kann, gibt es viele weitere Faktoren, die die Entscheidungsfindung beeinflussen. Diese kann Machine Learning jedoch nicht erfassen und somit auch nicht sagen, wie eine Strategie optimiert werden kann, um das Projekt zum Erfolg zu führen. Wenn die Simulation sagt, dass die Erfolgswahrscheinlichkeit bei 90 % liegt, dann möchte man idealerweise auch wissen, mit welchen Strategien man dieses Ziel erreichen kann und wie die 10 % Misserfolg vermieden werden können. Die „Was-wäre-wenn“-Monte-Carlo-Simulation wäre eine Lösung, da sie unter Berücksichtigung vieler Variablen eine erfolgversprechende Strategie entwickeln kann. Sie kann aber nicht auf die Erfahrungen der Vergangenheit zurückgreifen. 
Um es noch einmal zusammenzufassen: Der Algorithmus des Machine Learning wird sagen, ob eine Strategie funktioniert, aber nicht warum. Eine Monte-Carlo-Simulation sagt, wie etwas aufgrund der Annahmen funktionieren kann, berücksichtigt aber nicht die Erfahrungen aus der Vergangenheit. 
Und hier setzt die Markov Chain Theorie an. Dieses Modell beschreibt eine Abfolge von möglichen Ereignissen, wobei die Wahrscheinlichkeit jedes Ereignisses auf früheren Erfahrungen beruht.

Das Markov Chain Machine Learning Simulationstool ist eine Art Hybrid zwischen vorausschauenden und rückblickenden Techniken. Es berücksichtigt alle möglichen Abhängigkeiten, die innerhalb des Projektmanagementprozesses auftreten können. Es zeigt genau auf, wo Probleme auftreten können, die sich in den folgenden Projektphasen fortsetzen, wenn sie nicht gelöst werden. Damit wird die wichtigste Frage nach dem Warum beantwortet. Dadurch wird die Transparenz erhöht, die ein besseres Verständnis der Situation ermöglicht und damit die Entscheidungsfindung wesentlich erleichtert. Verzögerungen werden vermieden, Kosten und Störungen minimiert. Data Intelligence wirkt sich somit positiv auf das Projektmanagement aus.

Mathematik ist viel mehr als Zahlen und Berechnungen. Gerade in den Bereichen des Machine Learnings und der Simulationen, aufgrund der Berechnung von Wahrscheinlichkeiten, ist die Mathematik in ihrer praktischen Form Teil vieler Berufsfelder, ohne dass sie als solche erkennbar ist. Mit dieser Mischung aus Rückblick und Vorschau auf Basis mathematischer Fakten steht ein mächtiges Werkzeug zur Verfügung, um in einem Projekt die richtigen und besten Entscheidungen zu treffen.