Wissenschaftliche Fundierung
Das Fundament von PlanScore
PlanScore bewertet, ob ein Vorgehensplan, Projektplan oder Projektvorschlag vor dem Start startbereit ist, anhand von 7 Bausteinen und 21 Kriterien. Das Bewertungsraster basiert auf Forschung zum „Front-End“ von Projekten: Untersuchungen zeigen einen positiven Zusammenhang zwischen der Qualität des Plans vor dem Start und der Projektleistung. Das ist ein Signal, keine Garantie — PlanScore bewertet daher streng anhand nachweisbarer Belege im Dokument selbst, nicht anhand von Vermutungen oder guten Absichten.
So ist diese Bewertung fundiert
Die Evidenzbasis von PlanScore besteht aus 54 Aussagen, gesammelt durch gezielte Literaturrunden (Extraktion durch ChatGPT, Verifikation durch Claude Sonnet) und ergänzt durch eigene Quellenrecherche. Jede Aussage wurde einzeln auf Quellenexistenz und Zitat geprüft, wo möglich wortwörtlich gegen den Primärtext selbst gelesen. Alle 54 Aussagen sind verifiziert; keine ist noch ungeprüft. Bei dieser Verifikation wurde zudem ein bestehender Fehler korrigiert: eine vielzitierte Weltbank-Zahl erwies sich bei der Prüfung gegen die Primärquelle als falsch übernommen.
Konsistenz des Scores
Nicht-BoK-Engineering-Messung (August 2026): Bei sechs wiederholten Analysen pro Referenzdokument (zwei feste Referenzdokumente, über eine exakte Nachbildung der Produktions-Pipeline einschließlich Doppellauf mit Streuungsprüfung) blieb die Gesamtpunktzahl innerhalb einer Bandbreite von 2 Punkten auf der 21-Punkte-Skala, und das Endurteil war in allen zwölf Messungen identisch. Einzelne Baustein-Scores können stärker variieren (bis etwa 1 Punkt auf der 0-3-Skala), da jeder Baustein auf nur drei Kriterien beruht. Interne Wiederholungsmessung, August 2026; Details auf Anfrage.
Was dieses Instrument nicht misst
PlanScore bewertet ausschließlich das eingereichte Dokument — es sieht nicht, ob die Organisation den beschriebenen Ansatz tatsächlich umsetzen kann, und nichts von dem, was sich nach dem Kickoff an Menschen, Markt oder Umständen ändert. Die Belege für den Zusammenhang zwischen Planqualität und Projekterfolg sind zudem überwiegend korrelational: Ein hoher Score ist ein nachweisbares Erfolgssignal, keine Garantie, und ein Teil der Fachliteratur betont, dass Anpassungsfähigkeit während der Umsetzung mindestens so entscheidend ist wie die Qualität des Ausgangsplans. Für die Score-Konsistenz liegt eine interne Wiederholungsmessung vor (siehe den Abschnitt Score-Konsistenz); die Rangfolge-Kalibrierung ist noch nicht gemessen. Jede Analyse läuft zudem standardmäßig zweimal, mit einem dritten Durchlauf und dem Median als Ergebnis bei zu großer Streuung. PlanScore ersetzt keine unabhängige menschliche Prüfung wie das norwegische Quality-Assurance-Regime oder den Prüfrahmen des Adviescollege ICT-toetsing, die auf Interviews, Aktenstudium und Expertenurteil beruhen statt allein auf Dokumenttext. Alle 54 Claims hinter der Body of Knowledge wurden einzeln gegen ihre Quellen verifiziert.
Die Bausteine und ihr Fundament
1 Anlass & Zielsetzung
Ergänzende Forschung zur Zielsetzung unterstreicht die Bedeutung ergebnisorientierter SMART-Ziele: Locke & Lathams Zielsetzungstheorie (rund 1.000 Studien) zeigt, dass spezifische, anspruchsvolle Ziele zu besseren Leistungen führen, und Ogbeiwi (2017) zeigt, dass die meisten realen 'SMART'-Ziele das beabsichtigte Ergebnis vermissen lassen. Der niederländische Rechnungshof und das Adviescollege ICT-toetsing verlangen beide als erstes Prüfkriterium eine faktisch belegte Problemstellung und SMART(-C)-Ziele.
2 Umfang & Ergebnis
Collins, Parrish & Gibson (2017) zeigen, dass Projekte mit besserer Umfangsdefinition vor der Ausführung statistisch signifikant besser bei Kosten (rund 14 %) und Terminplanung (rund 16 %) abschneiden. Williams & Samset (2010) bezeichnen die Konzeptwahl als die Entscheidung mit dem größten Einfluss auf langfristigen Erfolg oder Misserfolg — wichtiger als alles, was danach kommt; unabhängig davon verlangt das Adviescollege ICT-toetsing eine belegte Alternativenanalyse und einen möglichst klein gehaltenen Umfang.
3 Business Case & Mittel
Flyvbjerg (2021) zeigt anhand von 2.062 Investitionsprojekten, dass die tatsächlichen Kosten im Schnitt das 1,39- bis 1,43-Fache der Schätzung betragen, während der tatsächliche Nutzen nur das 0,83- bis 0,94-Fache der Schätzung erreicht — die „Planungsillusion“ in Zahlen. Die Abhilfe ist die Außensicht / das Reference-Class-Forecasting: Schätzungen an den Ergebnissen vergleichbarer abgeschlossener Projekte kalibrieren, von Kahneman als der wichtigste Ratschlag zur Verbesserung der Prognosegenauigkeit bezeichnet.
4 Vorgehen & Planung
Dvir, Raz & Shenhar (2003) zeigen, dass Projekterfolg mit der Investition in Anforderungsdefinition und technische Spezifikationen korreliert, nicht aber mit dem Grad der Umsetzung formaler PM-Prozesse — Inhalt wiegt schwerer als Prozess. Ergänzend nennt der niederländische Rechnungshof politisch auferlegte, unbegründete Termine als ernsthaftes Ausfallrisiko, und eine festgelegte Ausstiegsstrategie fehlt häufig, obwohl sie ein Dahinwursteln verhindert.
5 Organisation & Governance
Das norwegische Qualitätssicherungsregime — verpflichtende unabhängige Prüfung von Konzeptwahl und Kostenschätzung vor der parlamentarischen Genehmigung — führte dazu, dass rund 80 % der ersten 40 untersuchten Projekte im Budget blieben (Samset & Volden 2016; repliziert von Welde & Odeck 2017). Ergänzend beschreiben PRINCE2 und APM eine klare Rollenverteilung, einen Sponsor sowie vereinbarte Toleranzen/Berichtsabsprachen als Voraussetzungen für gute Governance.
6 Risiken & Annahmen
Laut Williams et al. (2019) ist die Risikoeinschätzung ein fester Bestandteil der Front-End-Reihe von Quality-at-Entry. Ergänzende Forschung zu kognitiver und politischer Verzerrung (siehe Baustein 3) zeigt, dass das Explizitmachen von Annahmen der Mechanismus ist, durch den Optimismus überprüfbar wird.
7 Stakeholder & Rückhalt
Laut Williams et al. (2019) ist auch die Stakeholder-Identifikation fester Bestandteil der Front-End-Reihe von Quality-at-Entry. Ergänzende Forschung (APM, Adviescollege ICT-toetsing) nennt mangelnde Stakeholder-Einbindung als benannte Ausfallursache und verlangt, dass alle beteiligten Parteien und ihre Interessen erfasst werden.
Kernaussagen aus der Forschung
Jede Aussage unten wurde adversariell verifiziert: drei unabhängige Prüfungen pro Aussage — aufgenommen wurde nur, was standhielt.
Eine Weltbank-Untersuchung von rund 1.125 Projekten zeigt, dass 80 % der Projekte mit zufriedenstellender Quality-at-Entry erfolgreich waren, gegenüber nur 25 % bei unbefriedigender Quality-at-Entry.
Quelle: World Bank, Operations Evaluation Department (1995), Annual Review of Evaluation Results 1994, Report No. 15425, p.82 (cf. PS-5-G01)
Planqualität ist nachweislich messbar: Zwikael & Globersons PMPQ-Modell (validiert bei 282 Projektmanagern in 9 Organisationen) und der PDRI des Construction Industry Institute sind beide validierte Bewertungsinstrumente für Planungsqualität — direkte methodische Vorläufer für eine KI-gestützte Startbereitschaftsprüfung.
Quelle: Zwikael & Globerson (2004), Evaluating the quality of project planning, IJPR
Projekte mit besserer Umfangsdefinition vor der Ausführung schneiden statistisch signifikant besser bei Kosten (rund 14 %) und Terminplanung (rund 16 %) ab als Projekte mit schwächerer Umfangsdefinition.
Quelle: Collins, Parrish & Gibson (2017), Journal of Management in Engineering
Die Konzeptwahl ist „the one key decision likely to have the largest impact on long-term success or failure“ — wichtiger als alles, was danach im Projekt geschieht.
Quelle: Williams & Samset (2010)
Bei 2.062 Investitionsprojekten aus acht Typen betrugen die tatsächlichen Kosten im Schnitt das 1,39- bis 1,43-Fache der Schätzung und der tatsächliche Nutzen nur das 0,83- bis 0,94-Fache der Schätzung.
Quelle: Flyvbjerg (2021), Top Ten Behavioral Biases in Project Management, PMJ
Schätzfehler haben zwei Quellen: kognitive Verzerrung (ehrlicher Optimismus) und politische Verzerrung (strategic misrepresentation — bewusst schöngefärbte Darstellung, um Genehmigung zu erhalten); eine Startbereitschaftsprüfung darf daher nicht annehmen, dass Schätzfehler bloße Versehen sind.
Quelle: Wachs (1989); Flyvbjerg, Holm & Buhl (2002), Error or Lie?
Das Gegenmittel gegen optimistische Schätzungen ist die Außensicht / das Reference-Class-Forecasting: Schätzungen an den Ergebnissen vergleichbarer abgeschlossener Projekte kalibrieren — von Kahneman als „the single most important piece of advice regarding how to increase accuracy in forecasting“ bezeichnet.
Quelle: Flyvbjerg (2013), Quality control and due diligence in project management, IJPM (arXiv:1302.2544)
In einer Studie mit über 100 Projekten korrelierte der Projekterfolg positiv mit der Investition in die Anforderungsdefinition (r≈0,30) und technische Spezifikationen (r≈0,26), war aber unempfindlich gegenüber dem Grad der Umsetzung formaler PM-Prozesse und -Verfahren.
Quelle: Dvir, Raz & Shenhar (2003), An empirical analysis of the relationship between project planning and project success, IJPM
Das norwegische Qualitätssicherungsregime — verpflichtende unabhängige Prüfung von Konzeptwahl (QA1) und Kosten-/Steuerungsrahmen (QA2) vor der parlamentarischen Genehmigung — führte dazu, dass rund 80 % der ersten 40 untersuchten Projekte im Budget blieben.
Quelle: Samset & Volden (2016), Front-end definition of projects: Ten paradoxes…, IJPM
Zentrale Quellen
- Samset & Volden (2016), Front-end definition of projects: Ten paradoxes…, IJPM
- Williams, Vo, Samset & Edkins (2019), The front-end of projects: a systematic literature review, PP&C (PMI-commissioned)
- Dvir, Raz & Shenhar (2003), An empirical analysis of the relationship between project planning and project success, IJPM
- Zwikael & Globerson (2004), Evaluating the quality of project planning, IJPR
- Flyvbjerg (2013), Quality control and due diligence in project management, IJPM (arXiv:1302.2544)
- Flyvbjerg (2021), Top Ten Behavioral Biases in Project Management, PMJ
- Collins, Parrish & Gibson (2017), Journal of Management in Engineering
- Lovallo & Kahneman (2003), Delusions of Success, HBR
- Locke & Latham (2002), Building a practically useful theory of goal setting, American Psychologist; Ogbeiwi (2017), BJHM
- PRINCE2 PID-compositie en kwaliteitscriteria; APM Directing Change (13 governance-principes); UK OGC Gateway Review 0
- Adviescollege ICT-toetsing — toetskader 9 risicogebieden; Commissie-Elias Grip op ICT (2014) + kabinetsreactie; Algemene Rekenkamer Lessen uit ICT-projecten (kst-26643-100)
- Contrair: Dvir & Lechler (2004), Plans are nothing, changing plans is everything, Research Policy; Svejvig & Andersen (2015), RPM-review, IJPM; Love & Ahiaga-Dagbui (2018)
Basierend auf unserem Body of Knowledge, v1.0 (10 juli 2026) — herzien 10 augustus 2026