Montag, 8:30 Uhr

Montagmorgen im PMO. Bis Mittag soll der Statusbericht für den Lenkungskreis stehen: zwölf Projekte, Ampeln, Meilensteine, offene Risiken, Budgetabweichungen. Früher hieß das: Projektleitungen anschreiben, Tabellen zusammenkopieren, nachfragen, formatieren. Drei Stunden, wenn alles gut lief.

Heute schreibt die PMO-Leiterin ihrem KI-Assistenten einen Satz: „Erstelle den Statusbericht für den Lenkungskreis. Hebe Projekte mit verschobenen Meilensteinen und überfälligen Risikomaßnahmen hervor.“ Der Assistent liest die aktuellen Daten direkt aus der Projektsoftware, erstellt einen Entwurf und markiert die drei Projekte, die Aufmerksamkeit brauchen. Die PMO-Leiterin prüft, ergänzt zwei Einschätzungen aus einem Gespräch vom Freitag und gibt den Bericht frei. Nach zwanzig Minuten ist sie fertig.

Der Unterschied zu den Chatbots der letzten Jahre: Die KI arbeitet nicht mehr nur mit dem, was man ihr ins Chatfenster kopiert. Sie greift direkt auf die Projektdaten zu, und wenn man es erlaubt, legt sie auch Aufgaben an, aktualisiert Risiken oder bereitet Portfolio-Szenarien vor. Die Entscheidung, was davon gilt, bleibt beim Menschen.

Warum das Thema jetzt wichtig wird

KI ist in deutschen Unternehmen angekommen. Laut Bitkom nutzen 2026 erstmals 57 Prozent der Unternehmen ab 20 Beschäftigten Künstliche Intelligenz, nach 36 Prozent im Vorjahr (Befragung von 603 Unternehmen, Sommer 2026). Zwei Drittel der Nutzer sehen ihre Wettbewerbsposition dadurch verbessert.

Im Projektmanagement ist die Bereitschaft besonders hoch. In einer Studie der GPM mit der Alma Mater Europaea bewerteten 300 erfahrene Projektfachleute aus Deutschland ihre Absicht, künftig mehr KI einzusetzen, im Mittel mit 6,0 auf einer Skala bis 7. Die erwartete Leistungssteigerung lag mit 5,9 ähnlich hoch.

Gleichzeitig hat sich die Technik grundlegend weiterentwickelt. Mit dem Model Context Protocol (MCP) gibt es einen offenen Standard, über den KI-Assistenten wie Claude, ChatGPT oder Microsoft Copilot direkt mit Projektsoftware zusammenarbeiten können.

Dieser Beitrag zeigt:

was eine handelnde KI im Projektalltag konkret leisten kann, an sechs Beispielen von Reporting bis Lessons Learned,
wie Sie das sicher gestalten, sodass Projektleitungen und PMO jederzeit die Kontrolle behalten,
wie Sie die Einführung angehen und worauf Sie bei der Auswahl eines Anbieters achten sollten.

1. Vom Antworten zum Handeln

Die Begriffe „KI-Assistent“, „Copilot“ und „KI-Agent“ werden oft durcheinander verwendet. Hilfreich ist eine einfache Unterscheidung in drei Stufen:

Stufe	Was die KI tut	Beispiel im Projektmanagement
1. Antworten	liest Projektdaten und fasst zusammen	„Welche Meilensteine sind in Projekt X gefährdet?“
2. Vorschlagen	erstellt Entwürfe, die ein Mensch übernimmt	Protokollentwurf, Formulierung einer Risikomaßnahme
3. Ausführen	legt Inhalte direkt an oder ändert sie	erstellt Aufgaben, aktualisiert Status, bereitet Szenarien vor

Der Projektmanagement-Verband PMI beschreibt diese Entwicklung so: KI-Agenten bewegen sich „from assistants to actors“, also vom Helfer zum Mitarbeitenden, der selbst Arbeitsschritte erledigt.

Die gute Nachricht: Sie müssen nicht sofort auf Stufe 3 springen. Die meisten Organisationen starten mit Stufe 1, gewinnen Vertrauen und schalten schreibende Funktionen gezielt für die Aufgaben frei, bei denen sie den größten Nutzen bringen.

2. MCP: der gemeinsame Anschluss für KI und Projektsoftware

Das Model Context Protocol wurde im November 2024 von Anthropic vorgestellt und wird heute unter dem Dach der herstellerübergreifenden Agentic AI Foundation weiterentwickelt. Die aktuelle Fassung der Spezifikation stammt vom 28. Juli 2026.

Das Prinzip ist einfach:

Eine Projektsoftware stellt einen MCP-Server bereit. Er bietet Werkzeuge an, etwa „Projekte auflisten“, „Aufgabe anlegen“ oder „Risiko aktualisieren“.
Eine KI-Anwendung wie Claude, ChatGPT oder Microsoft Copilot verbindet sich als MCP-Client, erkennt die verfügbaren Werkzeuge und nutzt sie, wenn es zur Anfrage passt.
Die Anmeldung erfolgt über OAuth, wie man es von „Mit Microsoft anmelden“ kennt. Die KI arbeitet dann mit den Rechten der Person, die sich angemeldet hat.

Der große Vorteil eines offenen Standards: Sie sind nicht an eine bestimmte KI gebunden. Wer heute mit Claude arbeitet und morgen Microsoft Copilot einführt, kann dieselbe Projektsoftware weiter anbinden. Entsprechend breit ist die Unterstützung inzwischen. Atlassian, Asana und monday.com dokumentieren eigene MCP-Server, und Microsoft 365 Copilot sowie Copilot Studio können MCP-Server als Werkzeuge einbinden.

3. Sechs Beispiele aus dem Projektalltag

Wie sieht die Zusammenarbeit zwischen KI und Projektteam konkret aus? Sechs typische Situationen, jeweils mit einer Beispielanfrage, dem Beitrag der KI und dem Punkt, an dem der Mensch entscheidet.

Beispiel 1: Reporting

„Erstelle den Monatsbericht für das Portfolio Digitalisierung. Vergleiche Plan und Ist bei Terminen und Budget und fasse die wichtigsten Abweichungen in fünf Sätzen zusammen.“

Was die KI übernimmt: Sie sammelt die Daten aus allen Projekten des Portfolios, vergleicht Plan- und Ist-Werte, erkennt Abweichungen und schreibt eine verständliche Zusammenfassung für das Management.

Wo der Mensch entscheidet: Die Projektleitung oder das PMO bewertet die Abweichungen, ergänzt Hintergründe, die nicht im System stehen, und gibt den Bericht frei.

Der Gewinn: Die Zeit fließt nicht mehr in das Zusammensuchen, sondern in die Einordnung. Und die Berichte werden einheitlicher, weil die KI jedes Mal nach denselben Kriterien vorgeht.

Beispiel 2: Meeting-Nachbereitung

„Bereite das Jour fixe von heute nach: Protokoll, Entscheidungen und Aufgaben mit Verantwortlichen.“

Was die KI übernimmt: Aus dem Transkript der Besprechung, etwa aus Microsoft Teams, erstellt sie einen Protokollentwurf, hält die besprochenen Entscheidungen fest und legt Aufgaben mit vorgeschlagenen Verantwortlichen und Fälligkeiten an.

Wo der Mensch entscheidet: Die Moderation prüft das Protokoll. Erkannte Entscheidungen werden als „offen“ angelegt und erst von der verantwortlichen Person bestätigt. So wird aus einem Zwischenstand der Diskussion nie versehentlich ein Beschluss.

Der Gewinn: Protokolle liegen am selben Tag vor statt nach einer Woche, und keine Aufgabe geht zwischen Besprechung und Umsetzung verloren.

Beispiel 3: Ressourcenmanagement

„Wo gibt es im nächsten Quartal Engpässe in den Teams Entwicklung und Test? Schlage vor, wie wir die Termine im Projekt Neubau ERP entzerren können.“

Was die KI übernimmt: Sie wertet Projektzuordnungen, Termine und geplante Aufwände aus, zeigt Überschneidungen und Engpässe und skizziert Alternativen, zum Beispiel einen späteren Start für ein Arbeitspaket oder eine Umverteilung zwischen zwei Projekten.

Wo der Mensch entscheidet: Ob und wie umgeplant wird, entscheiden Projektleitung und Ressourcenverantwortliche. Sie kennen Urlaube, Kompetenzen und Prioritäten, die kein System vollständig abbildet.

Gestaltungstipp: Nutzen Sie die KI für die Kapazitätsplanung von Teams und Projekten, nicht für die Bewertung einzelner Mitarbeitender. Das hält die Anwendung im Sinne des EU AI Act unkompliziert und erleichtert die Abstimmung mit dem Betriebsrat (mehr dazu in Abschnitt 6).

Beispiel 4: Lessons Learned

„Wir starten ein neues Migrationsprojekt. Welche Lessons Learned aus abgeschlossenen Migrationsprojekten sollten wir berücksichtigen?“

Was die KI übernimmt: Lessons Learned sind in vielen Organisationen wertvoll, aber selten genutzt. Sie stehen in Abschlussberichten, die niemand mehr öffnet. Eine KI kann sie gezielt durchsuchen und die passenden Erfahrungen zum Projektstart vorlegen. Umgekehrt kann sie am Projektende aus Protokollen, Risiken und Entscheidungen erste Lessons-Learned-Einträge vorschlagen.

Wo der Mensch entscheidet: Das Team bewertet, welche Erfahrungen übertragbar sind, und formuliert die Lessons Learned final, denn die wertvollsten Erkenntnisse sind oft die, die nur im Kopf der Beteiligten stehen.

Der Gewinn: Erfahrungswissen wird vom Archiv zum Werkzeug. Das ist einer der Bereiche, in denen KI im Projektmanagement den größten Hebel hat.

Beispiel 5: Risiko-Review

„Bereite das Risiko-Review für Programm Mobilität vor: offene Risiken, überfällige Maßnahmen, Veränderungen seit dem letzten Review.“

Was die KI übernimmt: Sie stellt alle offenen Risiken zusammen, markiert überfällige Maßnahmen und Reviews, fasst die Veränderungen seit dem letzten Termin zusammen und schlägt Formulierungen für neue Maßnahmen vor.

Wo der Mensch entscheidet: Wie wahrscheinlich und wie schwerwiegend ein Risiko ist, ob es akzeptiert oder behandelt wird und wer eine Maßnahme verantwortet, bleibt Sache des Risikomanagements.

Der Gewinn: Das Review beginnt mit vollständigen Unterlagen. Die gemeinsame Zeit wird für die Diskussion genutzt, nicht für die Bestandsaufnahme.

Beispiel 6: Portfolio-Szenario mit Vier-Augen-Freigabe

„Das Budget für 2027 sinkt um zehn Prozent. Lege ein Szenario an, in dem wir die Projekte A und B um ein Quartal verschieben, und zeige die Auswirkungen.“

Was die KI übernimmt: Sie legt das Szenario an, trägt die Änderungen ein und zeigt in einem Trockenlauf, wie sich Termine, Kapazitäten und Prioritäten verändern würden, bevor irgendetwas wirksam wird.

Wo der Mensch entscheidet: Damit das Szenario gilt, muss eine zweite Person es freigeben. Bei Portfolio-Entscheidungen, die Budgets und Prioritäten der gesamten Organisation betreffen, ist dieses Vier-Augen-Prinzip ein bewährter Standard, und es lässt sich technisch absichern.

Der Gewinn: Die Portfolio-Leitung kann in kurzer Zeit mehrere Varianten durchspielen und vergleichen. Entscheidungsvorlagen entstehen schneller und auf besserer Datenbasis.

4. Kontrolle behalten: fünf Prinzipien für den sicheren Einsatz

Alle sechs Beispiele folgen demselben Muster: Die KI bereitet vor und führt Routineschritte aus, der Mensch entscheidet. Damit das im Alltag zuverlässig funktioniert, haben sich fünf Prinzipien bewährt. Sie stammen aus den Empfehlungen der MCP-Spezifikation selbst, aus den Sicherheitsleitfäden des OWASP GenAI Security Project und aus der Dokumentation großer Anbieter.

Prinzip 1: Entscheidungen bleiben beim Menschen

Die MCP-Spezifikation empfiehlt ausdrücklich, dass ein Mensch Werkzeugaufrufe jederzeit ablehnen kann und dass KI-Anwendungen vor Aktionen eine Bestätigung einholen. Gute Projektsoftware geht darüber hinaus und sieht fachliche Freigaben vor: Entscheidungen, die erst die verantwortliche Person bestätigt, und Vier-Augen-Freigaben für weitreichende Änderungen.

Prinzip 2: Rechte nach Rolle vergeben

Die KI arbeitet mit den Rechten der angemeldeten Person. Das ist der richtige Ausgangspunkt, denn so gilt Ihr bestehendes Rollenmodell auch für die KI. Noch feiner wird es, wenn Sie den KI-Zugriff zusätzlich je Rolle steuern: zum Beispiel lesend für alle, bearbeitend für Projektleitungen und Löschen grundsätzlich nur in der normalen Oberfläche.

Prinzip 3: Bestätigungen in der KI-Anwendung passend einstellen

Die gängigen KI-Anwendungen bieten eigene Einstellungen, ob vor einer Aktion nachgefragt wird. Es lohnt sich, sie bewusst zu setzen:

KI-Anwendung	Einstellung
Claude	Pro Werkzeug wählbar: immer erlauben, Bestätigung nötig oder gesperrt. In Enterprise-Plänen legen Admins Vorgaben je Rolle fest.
ChatGPT	Fragt je nach Berechtigung und möglicher Auswirkung nach. In Enterprise- und Edu-Plänen steuern Admins die verfügbaren Aktionen zentral.
Microsoft 365 Copilot	Fragt bei ändernden Werkzeugen nach.
Copilot Studio	Die Nachfrage vor der Ausführung wird pro Werkzeug aktiviert. Da sie standardmäßig ausgeschaltet ist, sollten Sie sie für schreibende Werkzeuge einschalten.

Prinzip 4: Nachvollziehbarkeit

Ein Prüfprotokoll, das festhält, ob eine Änderung über die Weboberfläche, den eingebauten Assistenten oder eine externe KI kam, schafft Transparenz. Es hilft bei Rückfragen, bei der Qualitätssicherung und im Gespräch mit dem Betriebsrat. Atlassian etwa protokolliert MCP-Aufrufe im Audit-Log, und auch andere Anbieter gehen diesen Weg.

Prinzip 5: Wiederherstellbarkeit

Archivieren statt Löschen, Trockenlauf vor dem Anwenden, ein zentraler Schalter, mit dem sich die KI mandantenweit auf „nur lesen“ stellen lässt: Solche Mechanismen sorgen dafür, dass sich jeder Schritt korrigieren lässt.

Bekannte Risiken und bewährte Antworten

Das OWASP GenAI Security Project hat Ende 2025 eine eigene Top-10-Liste für agentische KI-Anwendungen veröffentlicht. Für Projektsoftware sind vor allem vier Punkte relevant, und für jeden gibt es eine klare Antwort:

Risiko	Bewährte Antwort
Versteckte Anweisungen in Inhalten (Prompt Injection), etwa in einer Aufgabenbeschreibung	Bestätigung vor schreibenden Aktionen, Rechte nach Rolle
Manipulierte Werkzeuge fremder Anbieter (Tool Poisoning)	Nur vertrauenswürdige MCP-Server und KI-Anwendungen zulassen
Zu weite Rechte	Kein Servicekonto, KI-Zugriff je Rolle begrenzen, keine Admin-Konten für die tägliche KI-Arbeit
Handeln im falschen Auftrag (Confused Deputy)	Anmeldung je Person per OAuth, wie sie die aktuelle MCP-Spezifikation vorsieht

5. Der Weg zur Einführung in vier Schritten

Schritt 1: Ziele und Regeln festlegen. Klären Sie, für welche Aufgaben die KI eingesetzt werden soll, zum Beispiel Reporting und Meeting-Nachbereitung. Binden Sie IT, Datenschutz und Betriebs- oder Personalrat von Anfang an ein. Das schafft Akzeptanz und spart später Zeit.

Schritt 2: Lesend starten. Schalten Sie den KI-Zugriff zunächst nur lesend frei. Berichte, Zusammenfassungen und Auswertungen bringen sofort Nutzen, und das Team lernt, gute Anfragen zu formulieren.

Schritt 3: Schreibende Funktionen gezielt freigeben. Geben Sie danach einzelnen Rollen die Möglichkeit, Inhalte anlegen und ändern zu lassen, etwa Projektleitungen für Aufgaben, Protokolle und Risiken. Aktivieren Sie die Bestätigung in der KI-Anwendung und behalten Sie das Löschen der normalen Oberfläche vor.

Schritt 4: Auswerten und ausbauen. Prüfen Sie nach einigen Wochen Verbrauch, Protokolle und Rückmeldungen. Erweitern Sie den Einsatz auf weitere Bereiche wie Ressourcenplanung oder Portfolio-Szenarien.

6. Der rechtliche Rahmen: gut planbar

Die folgenden Punkte geben einen Überblick nach aktuellem Stand. Für Ihre konkrete Situation empfiehlt sich eine eigene rechtliche Prüfung.

EU AI Act: Mit dem sogenannten Digital Omnibus (Verordnung (EU) 2026/1744, in Kraft seit 27. Juli 2026) gelten die Pflichten für Hochrisiko-Systeme nach Anhang III ab dem 2. Dezember 2027. Bereits gelten die Pflicht, für KI-Kompetenz der Beschäftigten zu sorgen, und die Transparenzpflichten nach Art. 50: Nutzer müssen erkennen können, dass sie mit einer KI arbeiten. Ein KI-Assistent, der Berichte erstellt, Protokolle entwirft und Aufgaben anlegt, ist nach der Zweckbestimmung typischerweise kein Hochrisiko-System. Achten Sie darauf, die KI nicht für die Leistungsbewertung einzelner Beschäftigter einzusetzen, dann bleibt das auch so.

DSGVO: Viele Lösungen erlauben es, einen eigenen Zugang zu einem KI-Anbieter zu hinterlegen. Sie wählen dann selbst, welcher Anbieter Ihre Daten verarbeitet, und schließen den Vertrag direkt mit ihm. Lassen Sie die Rollenverteilung im Vertrag zur Auftragsverarbeitung beschreiben. Für US-Anbieter steht weiterhin das EU-US Data Privacy Framework zur Verfügung. Maximale Datenhoheit bieten lokal betriebene Modelle.

Mitbestimmung: Eine Projektsoftware mit integrierter KI ist in der Regel ein Thema für den Betriebsrat (§ 87 Abs. 1 Nr. 6 BetrVG) bzw. für den Personalrat. Seit 2021 regelt das Betriebsverfassungsgesetz außerdem die Unterrichtung bei der Planung von KI-Systemen (§ 90). Sehen Sie das als Chance: Eine klare Vereinbarung, wofür die KI eingesetzt wird und wofür nicht, schafft Vertrauen im Team und beschleunigt die Einführung.

7. So setzen wir das in WORKSPACE.PM um

In WORKSPACE.PM haben wir die Prinzipien aus diesem Beitrag fest eingebaut. Es gibt zwei KI-Kanäle: den eingebauten Assistenten Ace und einen MCP-Server, über den Sie externe KI-Anwendungen wie Claude, ChatGPT oder Microsoft Copilot anbinden.

Breite Abdeckung: Über MCP stehen rund 280 Werkzeuge zur Verfügung, von Projekten, Aufgaben und Kanban über Risiken mit Maßnahmen und Reviews, Meetings mit Protokollen und Entscheidungen, Portfolio-Szenarien, OKR, Anforderungen und Prüfläufe bis zur Zeiterfassung und zur Suche nach Förderprogrammen.

Kontrolle für Projektleitungen und PMO:

Anmeldung per OAuth je Person, ohne Servicekonto. Die KI arbeitet mit den Rechten der angemeldeten Person.
MCP ist in neuen Mandanten standardmäßig ausgeschaltet. Sie aktivieren es bewusst.
Der KI-Zugriff lässt sich je Rolle auf „keine“, „Ansicht“ oder „Bearbeitung“ einstellen. Löschende Werkzeuge können Sie gesondert sperren.
Im eingebauten Assistenten wird jede schreibende Aktion vor der Ausführung bestätigt. Das prüft unser Server.

Fachliche Sicherheit:

Portfolio-Szenarien werden erst durch die Freigabe einer zweiten Person wirksam, technisch erzwungen. Vorher zeigt ein Trockenlauf die Auswirkungen.
Entscheidungen aus Meetings starten als „offen“ und werden von der verantwortlichen Person getroffen.
Projekte werden zweistufig archiviert und lassen sich wiederherstellen.
Die Meeting-Nachbereitung erstellt Protokoll, Entscheidungen und Aufgaben direkt aus Microsoft-Teams-Transkripten.

Steuerung und Transparenz:

Token-Limits je Person, eine Verbrauchsübersicht, ein zentraler Abschalter und ein mandantenweiter Nur-Lesen-Modus.
Das Prüfprotokoll vermerkt, über welchen Kanal eine Änderung kam: Web, Assistent, MCP oder API.

Freie Wahl des KI-Modells:

Sie nutzen Ihren eigenen Zugang zu Anthropic, OpenAI, Google, Mistral, DeepSeek (Server in China) oder zu jedem OpenAI-kompatiblen Endpunkt wie Ollama oder vLLM.
In der selbst betriebenen Edition mit lokalem Modell verlassen Ihre Daten Ihre eigene Infrastruktur nicht.
Wir trainieren keine KI-Modelle.

Nach unserer Einschätzung ist WORKSPACE.PM in der vorgesehenen Nutzung kein Hochrisiko-System nach dem AI Act. Der Chat ist als KI gekennzeichnet, und Entscheidungen im Sinne von Art. 22 DSGVO trifft nicht die KI, sondern die verantwortlichen Personen.

8. Zehn Fragen für die Auswahl Ihres PM-Anbieters

Welche Aufgaben kann die KI direkt in der Software erledigen? Lesen, Anlegen, Ändern: Je klarer der Umfang, desto besser planbar ist der Nutzen.
Unterstützt die Software offene Standards wie MCP? Damit bleiben Sie bei der Wahl der KI-Anwendung flexibel.
Arbeitet die KI mit den Rechten der angemeldeten Person? So gilt Ihr Rollenmodell automatisch auch für die KI.
Lässt sich der KI-Zugriff je Rolle steuern, auch getrennt für löschende Aktionen? Das ermöglicht eine schrittweise Einführung.
Wie werden schreibende Aktionen bestätigt? Fragen Sie nach Bestätigungen im eingebauten Assistenten und nach Empfehlungen für externe KI-Anwendungen.
Gibt es fachliche Freigaben wie Vier-Augen-Prinzip und Trockenlauf? Gerade bei Portfolio-Entscheidungen ist das wichtig.
Wie erkenne ich im Protokoll, über welchen Kanal eine Änderung kam? Das schafft Transparenz für Team und Betriebsrat.
Welche KI-Modelle kann ich nutzen, auch lokal? Davon hängen Datenhoheit und Vertragsgestaltung ab.
Kann ich die KI zentral steuern, begrenzen und bei Bedarf auf „nur lesen“ stellen? Das gibt dem PMO jederzeit die Kontrolle.
Kann ich lesend starten und später erweitern? Eine stufenweise Einführung senkt den Aufwand und erhöht die Akzeptanz.

Fazit

KI-Assistenten, die direkt in der Projektsoftware arbeiten, sind eine echte Chance für Projektleitungen und PMOs. Sie übernehmen das Zusammensuchen, Zusammenfassen und Vorbereiten: Statusberichte, Protokolle, Ressourcenübersichten, Risiko-Reviews, Lessons Learned und Portfolio-Szenarien. Damit bleibt mehr Zeit für das, was Projektmanagement ausmacht: Abwägen, Entscheiden, Führen.

Kontrollverlust ist dabei keine zwangsläufige Folge, sondern eine Frage der Gestaltung. Mit klaren Rollen, passenden Bestätigungen, fachlichen Freigaben und nachvollziehbaren Protokollen bleibt die Entscheidung dort, wo sie hingehört: beim Menschen.

Auf einen Blick:

Mit MCP arbeiten KI-Assistenten wie Claude, ChatGPT oder Microsoft Copilot direkt mit Ihrer Projektsoftware zusammen.
Den größten Nutzen bringen heute Reporting, Meeting-Nachbereitung, Ressourcenübersichten, Risiko-Reviews und Lessons Learned.
Das Grundmuster lautet: Die KI bereitet vor, der Mensch entscheidet.
Starten Sie lesend und erweitern Sie schrittweise.
Steuern Sie den KI-Zugriff über Rollen, Bestätigungen und fachliche Freigaben.
Binden Sie Datenschutz und Betriebs- oder Personalrat früh ein, denn das beschleunigt die Einführung.

Quellen

Alle Quellen abgerufen am 09.11.2026.

Model Context Protocol

Model Context Protocol: Specification 2026-07-28, Server/Tools. https://modelcontextprotocol.io/specification/2026-07-28/server/tools
Model Context Protocol: Specification 2026-07-28, Authorization. https://modelcontextprotocol.io/specification/2026-07-28/basic/authorization
MCP Blog: Release der Spezifikation 2026-07-28. https://blog.modelcontextprotocol.io/posts/2026-07-28/
Wikipedia: Model Context Protocol. https://en.wikipedia.org/wiki/Model_Context_Protocol

KI-Anwendungen

Anthropic: Use connectors to extend Claude's capabilities. https://support.claude.com/en/articles/11176164-use-connectors-to-extend-claude-s-capabilities
Anthropic: Manage custom roles on Enterprise plans. https://support.claude.com/en/articles/13930452-manage-custom-roles-on-enterprise-plans
OpenAI: Developer mode and MCP apps in ChatGPT. https://help.openai.com/en/articles/12584461-developer-mode-and-mcp-apps-in-chatgpt
Microsoft Learn: Confirmation prompts for MCP and API plugins. https://learn.microsoft.com/en-us/microsoft-365/copilot/extensibility/plugin-confirmation-prompts
Microsoft Learn: Add tools to custom agents (Copilot Studio). https://learn.microsoft.com/en-us/microsoft-copilot-studio/add-tools-custom-agent

Anbieter

Atlassian: Understand Atlassian MCP server. https://support.atlassian.com/security-and-access-policies/docs/understand-atlassian-mcp-server/
GitHub: atlassian/atlassian-mcp-server. https://github.com/atlassian/atlassian-mcp-server
GitHub: mondaycom/mcp. https://github.com/mondaycom/mcp
Microsoft Support: Access Planner Agent. https://support.microsoft.com/en-us/planner/copilot/access-planner-agent

Sicherheit

promptfoo: OWASP Top 10 for Agentic Applications. https://www.promptfoo.dev/docs/red-team/owasp-agentic-ai/
Giskard: OWASP Top 10 for Agentic Applications 2026. https://www.giskard.ai/knowledge/owasp-top-10-for-agentic-application-2026

Studien

Bitkom Research: KI in der deutschen Wirtschaft – Status quo und Ausblick 2026. https://bitkom-research.de/studien/ki-der-deutschen-wirtschaft-status-quo-und-ausblick-2026
GPM: Blog „Projektmanagement vor dem Rollenwechsel“. https://www.gpm-ipma.de/ueber-die-gpm/blog/projektmanagement-vor-dem-rollenwechsel
PMI: Pressemitteilung 2026 zu KI im Projektmanagement. https://www.pmi.org/about/press-media/2026/project-management-institute-helps-a-growing-profession-deliver-greater-value

Recht

DLA Piper: The Digital AI Omnibus. https://knowledge.dlapiper.com/dlapiperknowledge/globalemploymentlatestdevelopments/2026/The-Digital-AI-Omnibus-Proposed-deferral-of-high-risk-AI-obligations-under-the-AI-Act
Gleiss Lutz: ArbG Hamburg zu ChatGPT und Mitbestimmung. https://www.gleisslutz.com/de/know-how/arbeitsgericht-hamburg-zu-chatgpt-kein-mitbestimmungsrecht-des-betriebsrats
CMS: Kein Mitbestimmungsrecht des Betriebsrats bei ChatGPT & Co. https://cms.law/de/deu/legal-updates/kein-mitbestimmungsrecht-des-betriebsrats-bei-chatgpt-co

KI-Assistent im Projektmanagement: Was möglich wird, wenn die KI handelt statt nur redet