Automatische wöchentliche Team-Statusberichte aus Aufgaben- und Projektwerkzeugen

Jeden Freitag verbringt jemand 30-60 Minuten damit, sich durch Boards zu klicken, um zu schreiben, „was diese Woche passiert ist". Ein zeitgesteuerter Ablauf liest das Aufgabenwerkzeug, ein LLM entwirft den Status in einem festen Format, und die Teamleitung prüft und versendet ihn. Das Ergebnis sind einheitlichere Berichte und eine Routineaufgabe, die aus dem Kalender verschwindet.

Problem & Nutzen

• Teamleitungen und Projektverantwortliche in kleinen Teams stellen den Status von Hand aus Planner, Trello, Jira oder einer gemeinsamen Liste zusammen und fügen ihn dann in Mail oder Chat ein. Der Text kommt oft zu spät, fällt uneinheitlich aus oder entfällt ganz.
• KI hilft, weil die Quelldaten bereits strukturiert sind (Status, Bearbeiter, Termine, Kommentare); das LLM muss sie nur verdichten und formulieren.
• Ehrliche Grenze: Der Status ist nur so gut wie die Tickets. Pflegt niemand die Aufgaben, fasst die KI veraltete Daten zusammen. Kommentare Dritter zur nativen KI von Jira nennen denselben Punkt [3].
• Eine belegte Zeitersparnis wird hier nicht genannt; messen Sie Ihre eigene Ausgangslage (Minuten pro Woche) vorher und nachher.

Varianten

• Teamstatus an Kolleginnen und Kollegen (Teams-/Slack-Kanal) im Vergleich zur Management-Zusammenfassung (E-Mail, eine Seite).
• Projektberichte für mehrere Boards, zusammengeführt in einer Portfolio-Mail.
• Sprint- oder Release-Übersicht für Softwareteams (Jira).
• Private Nutzung: eine wöchentliche Zusammenfassung der eigenen To-do-Listen (Todoist, Notion), lokales Modell.
• Nicht Gegenstand: KPI-Dashboards und Berichtstexte zu BI-Daten (siehe DATA-002).

So funktioniert es

1. Zeitplan-Auslöser (Fr 14:00)
2. in den letzten 7 Tagen geänderte Aufgaben abrufen
3. filtern und gruppieren (erledigt / offen / blockiert / überfällig)
4. LLM-Prompt mit festem Muster
5. Entwurf an Teamleitung
6. Freigabe
7. veröffentlichen oder versenden

• Die deterministischen Schritte (Abfrage, Gruppierung, Zählung) laufen im Ablauf, nicht im LLM. Übergeben Sie nur gruppierte Aufgabentitel, damit das Modell keine Zahlen „erfindet".
• Der Prompt verlangt eine feste Struktur und verbietet das Hinzufügen von Fakten, die nicht in der Eingabe stehen; fügen Sie den Status der Vorwoche als Stilbeispiel bei.
• Mensch-in-der-Schleife (Human-in-the-Loop): Der Entwurf geht zuerst an die Teamleitung (E-Mail oder Freigabekarte). Vollautomatischer Versand erst nach einigen fehlerfreien Wochen.
• Bestehende Beispiele: n8n-Vorlagen für Jira-Wochenberichte mit Azure OpenAI und E-Mail [1] sowie für Trello-Board-Zusammenfassungen mit Gemini nach Slack [2].

Datenaufbereitung

• Quellen: Planner/To Do in Microsoft 365, Trello-Boards, Jira-Projekte, Excel- oder SharePoint-Listen, mitunter Nextcloud Deck.
• Typische Lücken: Aufgaben ohne Bearbeiter oder Fälligkeitsdatum, Status in Freitext-Kommentaren, uneinheitliche Buckets/Labels, Boards, die niemand pflegt, mehrere Werkzeuge pro Team.
• Schritte (etwa 0,5-2 Tage): 4-5 Statuswerte vereinbaren, Buckets und Labels bereinigen, „blockiert" als Label festlegen, pro Board eine verantwortliche Person benennen und dem Ablauf ein Dienstkonto mit reinem Lesezugriff geben.
• Bei Bedarf pseudonymisieren: nach Aufgabentitel und Team berichten, nicht nach Person, sofern das Team nichts anderes vereinbart (siehe Menschen & Veränderung).
• Eine Prüfung der Datenreife finden Sie in GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• smb: B. Die Werkzeuge sind meist gemischt (Planner plus Excel oder Trello plus Jira), daher passt ein kleiner n8n- oder Power-Automate-Ablauf mit LLM-Schritt besser als eine Funktion eines einzelnen Herstellers. Liegt alles in einem Werkzeug mit nativer Funktion, genügt A.
• enterprise: B. Zentrale Automatisierungsplattform plus freigegebener LLM-Endpunkt; native A-Funktionen eignen sich für Teams mit nur einem Werkzeug.
• developer: C. Ein Skript oder selbst betriebenes n8n mit lokalem Modell; das ist günstig und hält die Aufgabendaten im Haus.

Weg A — Kaufen (Standardsoftware)

• Microsoft Planner/Copilot: Microsoft liefert Power-Automate-Vorlagen für Planner-Übersichten (tägliche Zusammenfassung nach Bucket, Übersicht offener Aufgaben) [4]; diese lassen sich auf wöchentlich umstellen. Der Planner-Agent von Microsoft kann Statusberichte für gemeinsame Pläne auf Abruf erzeugen (Registerkarte Berichte) und benötigt dafür eine Microsoft-365-Copilot-Lizenz; die Einführung wurde für Ende Oktober 2026 angekündigt (Message Center MC1506735). Eine zeitgesteuerte automatische Zustellung ist nicht dokumentiert, bauen Sie sie daher mit einem Ablauf; prüfen Sie Ihren Tenant.
• Atlassian Rovo für Jira: eine Prompt-Vorlage für einen wöchentlichen Fortschrittsbericht für Rovo Chat (Confluence und Jira) [3]; der Zugriff von Rovo auf den Änderungsverlauf in Jira wurde als eingeschränkt beschrieben, prüfen Sie daher aktuelle Dokumentation, Tarif und Verfügbarkeit.
• Marketplace-Apps für Jira-Statusberichte gibt es; prüfen Sie Hosting des Anbieters und AVV.
• Wählen Sie A, wenn das ganze Team ein Werkzeug nutzt und der native Text gut genug ist.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Orchestrierung: Power Automate (in vielen M365-Tarifen für Standard-Konnektoren enthalten), n8n Cloud (EU-Hosting) oder selbst betriebenes n8n, Make (EU-Region).
• Modell: Azure OpenAI oder Mistral (EU) oder eine EU-Region eines Hyperscalers; ein kleines oder mittelgroßes Modell genügt, die Kosten pro Wochenbericht liegen typischerweise bei wenigen Cent.
• Integration: native Knoten für Jira, Trello und Planner (oder Microsoft Graph per HTTP-Anfrage), Zustellung über Outlook, Teams oder Slack.
• Aufwand: 1-3 Tage für den ersten Ablauf einschließlich Prompt-Feinabstimmung, 2-4 Stunden je weiterem Team.

Weg C — Selbst betreiben (Open Source)

• n8n selbst betrieben (Docker), Ollama mit einem 7-14B-Modell (z. B. Klasse Mistral, Llama, Qwen), Zustellung über den eigenen Mailserver.
• Hardware: HW1 genügt für kurze Zusammenfassungen (langsam, aber für eine wöchentliche Aufgabe in Ordnung); HW2 ist komfortabler. Ein Server, der bereits Whisper oder Paperless-ngx betreibt, kann die Ollama-Instanz mitnutzen.
• Wählen Sie C, wenn Aufgabentitel Kundennamen oder Geschäftsgeheimnisse enthalten oder wenn der Baukasten-Effekt greift (dasselbe n8n für AUTO-007, AUTO-009, AUTO-012). Betriebsaufwand: Updates und Backups, etwa 1-2 Stunden pro Monat.

Weg D — Eigenes Training

Nicht nötig. Feintuning für den Tonfall lohnt sich nicht; eine gute Vorlage und ein Beispiel genügen.

Stand der Technik (2026)

• Agentische Funktionen in Werkzeugen für Arbeitsorganisation (Rovo in Jira/Confluence, Planner-Agent) entwerfen Statusberichte inzwischen nativ, teils auf Abruf statt nach Zeitplan [3][4]; werkzeugübergreifende Berichte lassen sich weiterhin am besten mit einem Ablauf umsetzen.
• Aktuelle LLMs fassen strukturierte Eingaben zuverlässig zusammen; typische Fehlerbilder sind ausgelassene Blocker, ein zu positiver Ton und erfundene Details bei dünner Eingabe. Dagegen helfen eine feste Gruppierung, die Vorgabe „nur gegebene Einträge verwenden" und eine sichtbare Aufgabenliste unter dem Text.
• Grenzen: Werkzeuge können den tatsächlichen Fortschritt nicht beurteilen; eine Aufgabe, die sechs Wochen „in Arbeit" ist, bleibt „in Arbeit".

Gemeinsame Bausteine & Kombinationen

• Gleiche Workflow-Engine und gleicher LLM-Endpunkt wie bei AUTO-009 (Feed-Übersicht), AUTO-024 (Tagesplanung), AUTO-004 (Chat-Aufholen), AUTO-028 (Abwesenheitsübergabe).
• Ergänzt DATA-002 (Berichtstexte zu BI-Daten) für numerische Kennzahlen.

Aufwand, Kosten & Kennzahlen

• A: nur Lizenz, Stunden bis zur Aktivierung. B: 1-3 Tage Aufbau, LLM-Kosten im Cent-Bereich je Bericht, Lizenz für den Ablauf (Power-Automate-Premium-Konnektoren oder n8n-Abonnement). C: 2-4 Tage einschließlich Einrichtung, Hardware weitgehend gemeinsam genutzt.
• Kennzahlen: eingesparte Minuten pro Woche und Team, Anteil der Wochen mit pünktlichem Status, nötige Korrekturen durch die Teamleitung (Ziel: sinkend), Rückmeldungen der Leserinnen und Leser, Zahl gefundener überfälliger Einträge.

Menschen & Veränderung

• Die Abteilungsleitung verantwortet die Vorlage und gibt den Entwurf frei; die Anwenderinnen und Anwender müssen sich einigen, was berichtet wird und wie Aufgabenpflege aussieht. Die Geschäftsführung legt fest, wer den Bericht erhält. Die IT richtet Konten, Geheimnisse (Secrets) und den AVV ein; der/die Datenschutzbeauftragte prüft den Zweck.
• Betriebsrat: abhängig. Ein Bericht, der Personen nennt und ihre erledigten oder überfälligen Aufgaben zählt, kann zur Leistungsüberwachung geeignet sein; nach der BAG-Rechtsprechung genügt die objektive Eignung für die Mitbestimmung nach §87 Abs. 1 Nr. 6 BetrVG. Berichten Sie auf Teamebene, vermeiden Sie Rankings pro Person und informieren Sie den Betriebsrat rechtzeitig (§90 Abs. 1 Nr. 3); ein KI-Sachverständiger kann nach §80 Abs. 3 hinzugezogen werden. Gilt nur für Unternehmen mit gewähltem Betriebsrat; im öffentlichen Dienst: Personalrat (BPersVG/Landesgesetze). Siehe GUIDE-004.
• Datenschutz: Aufgabendaten mit Namen sind personenbezogene Daten; schließen Sie mit jedem Auftragsverarbeiter einen AVV ab. Eine Datenschutz-Folgenabschätzung (DSFA) ist bei Zusammenfassungen auf Teamebene normalerweise nicht erforderlich, fragen Sie aber den/die Datenschutzbeauftragte(n). Siehe GUIDE-005.
• KI-Kompetenz: Art. 4 KI-Verordnung (AI Act) (seit 27. Jul 2026) verlangt Maßnahmen, die die Entwicklung der KI-Kompetenz der Beschäftigten fördern, ohne ein bestimmtes Niveau zu garantieren; eine 30-minütige Einweisung in die Prüfung von KI-Entwürfen genügt hier. Siehe GUIDE-006.
• Kommunizieren Sie, dass der Bericht das Team unterstützt und keine Einzelpersonen bewertet; starten Sie mit einem Pilotteam über 4 Wochen (GUIDE-008, GUIDE-009).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko; keine Hochrisiko-Nutzung, solange das Ergebnis nicht für Personalentscheidungen verwendet wird (das würde Anhang III berühren). Die Transparenzpflichten nach Art. 50 (anwendbar seit 2. Aug 2026) richten sich an Chatbots und synthetische Inhalte; ein interner, von Menschen geprüfter Textentwurf ist normalerweise nicht betroffen, eine Kennzeichnung KI-gestützter Texte ist aber gute Praxis, wenn sie an externe Empfänger gehen.
• DSGVO: Zweckbindung (nur Statusberichterstattung, keine Leistungsbeurteilung), EU-Region oder Selbstbetrieb, AVV, Datenminimierung. Fristen finden Sie in GUIDE-014.
• Risiken: Abfluss vertraulicher Projektnamen an Dienste außerhalb der EU, Prompt-Injection über Aufgabenkommentare, die Dritte geschrieben haben (GUIDE-013), unbemerkte Fehler, wenn eine API-Änderung nichts mehr zurückliefert (einen Alarm bei „leerem Ergebnis" ergänzen), schleichende Nutzung als Kontrollinstrument.

Erste Schritte

1. Wählen Sie ein Team und ein Werkzeug; listen Sie die fünf Statuswerte auf und bereinigen Sie das Board (ein halber Tag).
2. Starten Sie mit einer vorhandenen Vorlage: der Power-Automate-Planner-Übersicht [4] oder einer n8n-Vorlage für Jira/Trello [1][2].
3. Ergänzen Sie den LLM-Schritt mit festem Ausgabeformat und dem Status der Vorwoche als Beispiel.
4. Laufen Sie vier Wochen im Entwurfsmodus; die Teamleitung bearbeitet und versendet.
5. Stimmen Sie die Berichterstattung auf Teamebene mit Betriebsrat/Datenschutzbeauftragtem ab und führen Sie sie dann in weiteren Teams ein.

Quellen

1. n8n - Generate daily Jira summaries and weekly reports with Azure OpenAI and Gmail - https://n8n.io/workflows/9683-generate-daily-jira-summaries-and-weekly-reports-with-azure-openai-and-gmail/
2. n8n - Summarize Trello board activity with Gemini and send updates to Slack - https://n8n.io/workflows/13873-summarize-trello-board-activity-with-gemini-and-send-updates-to-slack/
3. Atlassian - Draft a weekly progress report with Rovo - https://www.atlassian.com/software/rovo/use-cases/draft-a-weekly-progress-report
4. Microsoft Power Automate - Create a daily summary of Planner tasks by bucket - https://powerautomate.microsoft.com/en-US/templates/details/df5797658f954281b54bad8bf9cc8246/create-a-daily-summary-of-planner-tasks-by-bucket/