Hawk AI

Motivation

Die Einbindung unserer Künstlichen Intelligenz (KI) in die Plattform von Hawk Intelligent Technologies GmbH ist für dich der Schlüssel zu einer modernen, flexiblen und effektiven Personaleinsatzplanung. Mit der KI kannst du die komplexen Anforderungen, die sich aus den verschiedenen gesetzlichen Vorgaben, Qualifikationsanforderungen und sich ständig ändernden betrieblichen Bedürfnissen ergeben, gezielt und effizient meistern.

Unsere KI analysiert riesige Datenmengen in Echtzeit und unterstützt dich bei deinen Entscheidungsprozessen, indem sie intelligente Vorschläge zur optimalen Personaleinteilung macht. Dabei werden alle gesetzlichen Rahmenbedingungen wie Arbeitszeitgesetze, Ruhezeiten und Schichtzyklen automatisch berücksichtigt. Die individuellen Qualifikationen und Fähigkeiten der Mitarbeitenden fließen ebenfalls in die Planung ein, sodass stets die am besten geeigneten Personen für jede Aufgabe zur Verfügung stehen. Das steigert die Qualität der Arbeit und sorgt für mehr Sicherheit im Betrieb.

Besonders wertvoll ist die KI durch ihre Fähigkeit, auf dynamische Änderungen im Arbeitsbedarf zu reagieren. Ob saisonale Schwankungen, kurzfristige Auftragsänderungen oder unerwartete Ausfälle – die KI erkennt solche Veränderungen frühzeitig und passt den Einsatzplan optimal an, damit Ressourcen effizient genutzt und die Betriebskontinuität gewährleistet werden.

Mit der KI-gestützten Personaleinsatzplanung schaffst du eine agile und zukunftssichere Betriebsorganisation. Die KI reduziert deinen Planungsaufwand und verringert die Fehleranfälligkeit. Zudem fördert sie die Zufriedenheit der Mitarbeitenden durch eine transparente, gerechte und regelkonforme Einsatzplanung. So setzt du mit unserer KI neue Maßstäbe in der Personaleinsatzplanung und schaffst echten Mehrwert für dein Unternehmen.

Allgemeines

Die KI ist ein essentieller und wichtiger Kernbaustein der Plattform getaiPlan. Entsprechend befindet sich auch der Verweis auf die KI im Namen der Plattform (Bild 1).

Unsere Plattform für die Ressourcenplanung im Frontline-Worker-Kontext ermöglicht es dir, alle relevanten Daten für die KI zentral zu bündeln, zu verknüpfen und gezielt zu ergänzen. Oftmals fehlen detaillierte Informationen zum Qualifikationsaufbau der Mitarbeitenden – diese kannst du laufend und strukturiert in die Plattform einpflegen und der KI zur Verfügung stellen.

Die Plattform ist so gestaltet, dass sie komplexe Personaleinsatzplanungsprobleme als Multiressourcenprobleme effektiv lösen kann. Dafür stehen dir verschiedene Lösungen zur Verfügung:

• Qualification Management: Diese Lösung ermöglicht es dir, detaillierte Informationen zu den Qualifikationen, Fähigkeiten und Erfahrungen der Mitarbeitenden zu erfassen und zu pflegen. Hier wird dokumentiert, wann und durch welche Schulungen oder Unterweisungen bestimmte Qualifikationen erworben wurden und wie sie sich im Laufe der Zeit weiterentwickeln. Auch spezielle Fähigkeiten wie Erfahrungen in der Herstellung bestimmter Produkte oder sicherheitsrelevante Schulungen können hier hinterlegt werden. Die KI greift auf diese Informationen zu, um sicherzustellen, dass immer die am besten qualifizierten Mitarbeitenden für jede Aufgabe eingeplant werden.

• Order Management: Diese Lösung dient der Verwaltung und Priorisierung spezifischer Aufträge, sodass Mitarbeitende gezielt entsprechend den aktuellen Produktionsanforderungen eingesetzt werden können. Die Priorisierung der Aufträge und das Kapazitätsmanagement ermöglichen es der KI, die vorhandenen Ressourcen optimal zu nutzen und die Planung effizient auf die aktuelle Auftragslage abzustimmen.

• Time Management: Umfasst präzise Funktionen zur Zeiterfassung, Überstundenverwaltung, Genehmigungen und Reporting. Diese Daten erlauben es der KI, Arbeitszeitregelungen und Überstunden automatisch zu überwachen und sicherzustellen, dass gesetzliche und betriebliche Regelungen eingehalten werden. Alle erfassten Daten fließen direkt in die Planung ein und bieten eine zusätzliche Ebene der Compliance und Effizienz.

• Workforce Planning: Diese Lösung ermöglicht die gezielte Planung und Anpassung von Schichten. Auch Self-Service-Optionen für Mitarbeitende stehen zur Verfügung, sodass sie beispielsweise Schichten tauschen oder ihre Verfügbarkeiten angeben können. Dies macht die Planung flexibler und dynamischer und erlaubt es der KI, individuelle Wünsche zu berücksichtigen und in die optimale Planung einzubeziehen.

• Shopfloor Management: Diese Lösung unterstützt die Planung und Transparenz direkt am Arbeitsplatz durch digitale Boards und Login-Optionen. Mitarbeitende können ihre Aufgaben und Schichten in Echtzeit einsehen und haben jederzeit einen Überblick über die aktuellen Anforderungen vor Ort. Dies ermöglicht der KI, die Schichten dynamisch und auf Basis der Echtzeitinformationen vom Shopfloor anzupassen.

• Connectors: Diese ermöglichen die Anbindung der Plattform an ERP-, MES- und andere Drittsysteme, sodass alle relevanten Informationen integriert und in die Planung einbezogen werden können. Dies sorgt für nahtlose Abläufe und stellt sicher, dass die KI auf vollständige und aktuelle Daten zugreifen kann.

Diese Lösungen liefern die detaillierten und umfassenden Daten, die die KI für eine flexible und dynamische Personaleinsatzplanung benötigt. So erhältst du eine ganzheitliche Lösung, die es der KI ermöglicht, die Planung optimal auf die jeweiligen Anforderungen deines Unternehmens zuzuschneiden.

Funktionsweise der KI in getaiPlan

Die KI in getaiPlan arbeitet in drei Hauptschritten – Kontext, Übersetzung (Translation) und Optimierung – um sicherzustellen, dass alle relevanten Faktoren für die Planung berücksichtigt werden und die bestmögliche Lösung gefunden wird.

1. Kontext

Im ersten Schritt, dem Kontext, nutzt die KI die relevanten Daten, die in der Plattform zur Verfügung stehen, und bereitet sie für die Planung vor. Hierbei wird zwischen Stammdaten und Bewegungsdaten unterschieden:

• Stammdaten: Diese beinhalten grundlegende Informationen wie Personal- und Unternehmensdaten, Schichtsysteme sowie gesetzliche und betriebliche Regelungen. Diese Daten werden durchgängig gepflegt und stellen sicher, dass strukturelle und rechtliche Anforderungen eingehalten werden. In den einzelnen Lösungen von getaiPlan, wie Time Management und Workforce Planning, können diese Stammdaten spezifisch angepasst und genutzt werden, um die Grundlage für die Einhaltung von Arbeitszeitregelungen, Schichtsystemen und betriebsinternen Vorgaben zu schaffen.

• Bewegungsdaten: Bewegungsdaten sind dynamische Daten, die aktuelle Informationen wie Verfügbarkeiten, Schichtpläne und spezifische Bedarfe für bestimmte Schichten oder Aufgaben enthalten. Diese Daten werden kontinuierlich aktualisiert und an die KI übermittelt, sodass die Planung flexibel und in Echtzeit auf veränderte Gegebenheiten reagieren kann. Auch Bewegungsdaten können innerhalb der jeweiligen Lösungen spezifisch bearbeitet und angepasst werden, beispielsweise im Order Management für aktuelle Auftragsprioritäten oder im Workforce Planning zur Echtzeitanpassung von Schichtplänen.

Zusätzlich zu diesen grundlegenden Daten gibt es spezialisierte Lösungen innerhalb der Plattform, die weitergehende, spezifische Informationen bereitstellen und die Planung umfassend unterstützen:

• Qualification Management für die detaillierte Verwaltung von Qualifikationen, Fähigkeiten und Erfahrungen der Mitarbeitenden, einschließlich Schulungen, Unterweisungen und spezifischer Fachkenntnisse.

• Order Management für die Verwaltung und Priorisierung von Aufträgen, um Mitarbeitende gezielt entsprechend den aktuellen Produktionsanforderungen einzusetzen.

• Time Management für präzises Zeit- und Überstundenmanagement, Genehmigungen und Reporting.

• Workforce Planning zur automatisierten Anpassung der Schichtpläne und zur Integration von Self-Service-Optionen für die Mitarbeitenden.

• Shopfloor Management für direkte Transparenz und Unterstützung am Arbeitsplatz durch digitale Boards und Mitarbeitenden-Logins.

• Connectors zur Anbindung der Plattform an Systeme wie ERP, MES oder andere Drittsysteme.

Diese umfassende Sammlung an Daten aus verschiedenen Lösungen bildet die Grundlage für die Personaleinsatzplanung. Die KI nutzt diese Informationen, um den Lösungsraum der möglichen Personaleinsatzvarianten festzulegen. Durch gezielte Einstellungen, Vorlagen (Templates) und Konfigurationsparameter kann der Lösungsraum weiter eingegrenzt werden, um spezifische Unternehmensanforderungen und Prioritäten zu berücksichtigen.

2. Translation

Lösungsraum: Der Lösungsraum bezeichnet alle möglichen Varianten, die die KI für die Personaleinsatzplanung untersuchen kann, um eine optimale Lösung zu finden.

Im zweiten Schritt, der Übersetzung (Translation), analysiert die KI die gesammelten Daten, um den Lösungsraum – also alle möglichen Planungsvarianten – gezielt einzugrenzen. Durch fortschrittliche Analysemethoden kann die KI Muster und wichtige Abhängigkeiten in den Daten erkennen und somit die Anzahl der möglichen Varianten verringern. Diese Eingrenzung des Lösungsraums macht die nachfolgende Optimierung effizienter und schneller.

Ein Beispiel für die Einschränkung des Lösungsraums sind harte Regeln. Harte Regeln sind zwingende Vorgaben, die bei der Planung unbedingt beachtet werden müssen. Ein Beispiel für eine solche harte Regel ist die gesetzlich vorgeschriebene Ruhezeit von 11 Stunden zwischen zwei Arbeitsschichten. Diese Regel bedeutet, dass ein Mitarbeitender erst nach einer Ruhepause von mindestens 11 Stunden wieder eingeplant werden darf. Die KI kann diese Regel nicht umgehen und muss sie bei jeder möglichen Planungslösung einhalten.

Zusätzlich zu den harten Regeln berücksichtigt die KI auch Betriebsvereinbarungen und individuelle Wünsche der Mitarbeitenden. Betriebsvereinbarungen sind Vereinbarungen zwischen dem Unternehmen und den Mitarbeitenden, die spezifische Bedingungen oder Regelungen für die Arbeitsorganisation festlegen. Individuelle Wünsche – wie bevorzugte Schichten oder freie Tage – sind keine harten Regeln, aber die KI versucht, sie so weit wie möglich in die Planung einfließen zu lassen, um die Zufriedenheit der Mitarbeitenden zu fördern.

Durch die Kombination von harten Regeln, betrieblichen Vereinbarungen und individuellen Präferenzen wird der Lösungsraum weiter eingegrenzt, sodass die KI gezielt nach den bestmöglichen Lösungen suchen kann. Das Eingrenzen des Lösungsraums in der Translation-Phase sorgt dafür, dass die KI in der folgenden Optimierungsphase schneller und präziser optimale Personaleinsatzpläne erstellen kann.

3. Optimierung

Im letzten Schritt, der Optimierung, nutzt die KI das Verfahren des Mixed-Integer Programming (MIP), um die optimale Personaleinsatzplanung zu erstellen. Mixed-Integer Programming ist ein mathematisches Optimierungsverfahren, das es ermöglicht, verschiedene Ziele gleichzeitig zu berücksichtigen und die beste Lösung aus einer Vielzahl von Möglichkeiten zu finden. Dabei arbeitet MIP sowohl mit ganzzahligen Werten (z.B. der Anzahl der Mitarbeitenden in einer Schicht) als auch mit kontinuierlichen Werten in Form von Gewichten, die den verschiedenen Planungsfaktoren zugeordnet sind.

Hauptziel der Optimierung

Die Optimierung strebt eine Balance zwischen maximaler Bedarfsdeckung und der Berücksichtigung aller Nebenbedingungen an. Die Minimierung der Gewichte in der Planungsbewertung dient hierbei dazu, Lösungen zu bevorzugen, die möglichst konfliktfrei sind und sowohl die betrieblichen als auch die individuellen Anforderungen bestmöglich in Einklang bringen.

Das übergeordnete Ziel der Optimierung in getaiPlan ist es, einen möglichst hohen Deckungsgrad des Personalbedarfs sicherzustellen. Das bedeutet, dass die KI bestrebt ist, alle betrieblichen Anforderungen und Schichtbedarfe so vollständig wie möglich abzudecken. Gleichzeitig müssen sämtliche Nebenbedingungen eingehalten werden, beginnend mit harten Vorgaben wie gesetzlichen Bestimmungen (z.B. die Mindestpause von 11 Stunden zwischen zwei Arbeitsschichten) bis hin zu weichen Vorgaben wie individuellen Planungsbedingungen und Präferenzen der Mitarbeitenden.

Bei der Optimierung haben gesetzliche und betriebliche Vorschriften höchste Priorität. Die KI stellt sicher, dass harte Regeln wie Arbeitszeitgesetze strikt eingehalten werden und keine Planungen vorgeschlagen werden, die diesen Vorschriften widersprechen. Gleichzeitig wird versucht, die weichen Vorgaben der Mitarbeitenden so weit wie möglich zu berücksichtigen, um deren Zufriedenheit und Motivation zu fördern.

Minimierung der Gewichte

Ein zentrales Ziel in der Optimierungsphase ist die Minimierung der Gewichte in der Planungsbewertung. Hierbei handelt es sich um eine Bewertungsfunktion, die der Solver verwendet, um die Effizienz und Balance der Planung zu maximieren. Jedes Gewicht repräsentiert dabei einen bestimmten Planungsfaktor, der in die Bewertung der Lösung einfließt – dazu gehören Aspekte wie die Anzahl der Überstunden, die Einhaltung von Schichtvorgaben und die Berücksichtigung der Mitarbeitendenpräferenzen.

Die Gewichte können dabei sowohl positiv als auch negativ ausgeprägt sein, je nachdem, ob ein Faktor wünschenswert oder unerwünscht ist. Ziel der Optimierung ist es, eine Lösung zu finden, die „so leicht wie möglich“ ist, indem das Gesamtkonstrukt der Planungsbewertung minimiert wird. Dies bedeutet, dass Lösungen, die weniger Konflikte oder Einschränkungen aufweisen und besser mit den festgelegten Vorgaben übereinstimmen, bevorzugt werden.

Gewichte:

• Planungspräferenzen

• Überstunden

• Unterdeckung des Personals gegenüber Kapazität

• Überdeckung des Personals gegenüber Kapazität

• Gewicht steigt mit Abstand zur letzten Einplanung

• Abweichung von der Regelarbeitszeit (z. B. bei 35-h-Vertrag ±7 h)

• Gleichverteilung zu viel eines Attributs macht (z.B. 14-Tage-Zeitraum in der Vergangenheit)

Beispiel: Falls Mitarbeitende Planungsbedingungen angegeben haben, also Präferenzen für bestimmte Einsatzzeiten oder Zeiten, zu denen sie ungern arbeiten möchten, kann die KI diese Bedingungen ebenfalls durch Gewichtungen steuern. Beispielsweise wird es in Bezug auf das Gewicht „schwerer“, einen Mitarbeitenden für eine Schicht einzuplanen, wenn er dies laut seinen Planungsbedingungen nicht wünscht. Dadurch erhöht sich das Gewicht der Lösung, wenn solche Präferenzen ignoriert werden, was den Solver dazu anregt, bevorzugt jene Planungsvarianten zu wählen, die besser mit den Wünschen der Mitarbeitenden übereinstimmen.

Durch diese gezielte Minimierung der Gewichte gelingt es der KI, eine effiziente, ausgewogene und regelkonforme Personaleinsatzplanung zu erreichen, die den betrieblichen Anforderungen gerecht wird und gleichzeitig die Zufriedenheit der Mitarbeitenden unterstützt.

Logik und Präferenzen

Die Optimierung erfolgt auf Basis der Logik und Präferenzen, die in der KI hinterlegt sind. Die KI stellt sicher, dass alle gesetzlichen Vorschriften und betrieblichen Vorgaben eingehalten werden, indem diese als feste Rahmenbedingungen in die Planung integriert sind. Diese Regeln umfassen gesetzliche Arbeitszeitgrenzen, betriebliche Regelungen und spezifische Betriebsvereinbarungen, die z.B. Schichtrotationen oder Pausenregelungen festlegen.

Parametrierung der Regeln: Viele dieser Regeln, wie z.B. die gesetzlich vorgeschriebene Ruhezeit, können flexibel parametrisiert werden. Das bedeutet, dass der Ruhezeitraum, z.B. die 11 Stunden zwischen zwei Schichten, in der Plattform genau definiert und angepasst werden kann, je nach den spezifischen Anforderungen des Unternehmens und der geltenden Betriebsvereinbarungen.

Die KI versucht außerdem, individuelle Wünsche der Mitarbeitenden, wie bevorzugte Schichten oder bestimmte freie Tage, so weit wie möglich zu berücksichtigen. Dies führt zu einer fairen und zugleich effizienten Planung, die den Bedürfnissen aller Beteiligten gerecht wird.

Mitarbeiter Planungsbedingungen

In getaiPlan kann die KI Planungsbedingungen der Mitarbeitenden berücksichtigen, sofern diese in den KI-Templates als relevant definiert sind. Diese Planungsbedingungen sind als weiche Wünsche zu verstehen, in denen Mitarbeitende kommunizieren, ob sie an bestimmten Tagen oder Zeiten bevorzugt, ungern oder auf keinen Fall eingeplant werden möchten. Um diese Präferenzen optimal in die Planung einfließen zu lassen, kann in den Firmeneinstellungen ein Stufenmodell konfiguriert werden, das Abstufungen wie „Ich möchte auf keinen Fall“, „Ich möchte ungern“, „Neutral“ und „Ich möchte arbeiten“ umfasst. Jede Stufe hat dabei gleiche Gewichtungsabstände zueinander, sodass sie fair und nachvollziehbar berücksichtigt werden. Gleichzeitig sorgt die kumulative Gesamtgewichtung dafür, dass die Stärke des Wunsches mit zunehmender Distanz zur neutralen Einstellung stärker ins Gewicht fällt. Die KI versucht, diesen Präferenzen so weit wie möglich nachzukommen, ohne dabei die betriebliche Kontinuität oder gesetzliche Vorgaben zu gefährden. In Fällen, in denen viele Mitarbeitende denselben Wunsch haben, wie etwa für einen bestimmten freien Tag bei einem großen Event, greift die KI auf eine Daumenregel zurück: Im Schnitt wird etwa einem Drittel der Belegschaft dieser Wunsch erfüllt, um eine angemessene Abdeckung sicherzustellen.

Stundensalden

Ein weiterer wichtiger Aspekt in der Optimierung ist die Beachtung der individuellen Stundensalden der Mitarbeitenden. Stundensalden beziehen sich auf das Verhältnis zwischen der geleisteten Arbeitszeit und der vertraglich vereinbarten Arbeitszeit. Die KI achtet darauf, dass keine unbegründeten Über- oder Unterstunden entstehen, indem sie die Arbeitszeiten der Mitarbeitenden kontinuierlich überprüft und anpasst. Damit bleiben die Stundensalden im Einklang mit den Betriebsvereinbarungen und gesetzlichen Vorgaben.

Arbeitszeit und harte Regeln

Die KI beachtet bei der Optimierung strikt harte Regeln, also gesetzlich oder betrieblich festgelegte Vorgaben, die zwingend eingehalten werden müssen. Ein Beispiel für eine solche harte Regel ist die gesetzlich vorgeschriebene Ruhezeit von 11 Stunden zwischen zwei Arbeitsschichten, die sicherstellt, dass Mitarbeitende ausreichend Erholungspausen haben. Auch die maximale tägliche Arbeitszeit von 10 Stunden zählt zu diesen harten Regeln. Die KI stellt sicher, dass solche Vorgaben in jeder Planungsrunde konsequent eingehalten werden, um sowohl die Sicherheit der Mitarbeitenden als auch die Einhaltung gesetzlicher Anforderungen zu gewährleisten.

Ausgleichsmechanismen (Fairness)

Um eine gerechte Verteilung der Arbeitslast zu gewährleisten, setzt die KI auf Ausgleichsmechanismen. Diese Mechanismen sorgen dafür, dass Mitarbeitende gleichmäßig und fair über Schichten und Arbeitszeiten verteilt werden, sodass keine Überbeanspruchung einzelner Personen entsteht. Allerdings wird bei der Optimierung darauf geachtet, dass die Deckung des aktuellen Bedarfs stets höher priorisiert wird als eine kurzfristige Gleichverteilung der Arbeitslast. Die KI stellt sicher, dass der erforderliche Personalbedarf an erster Stelle steht und dynamisch angepasst wird. Erst wenn die Bedarfsdeckung gesichert ist und die Regeln (z.B. die harten Regeln) eingehalten werden, wird die Verteilung ausgeglichen. Diese Abwägung zwischen Bedarfsdeckung und Gleichverteilung sorgt dafür, dass das Unternehmen die erforderlichen Arbeitskapazitäten optimal einsetzt, ohne die Mitarbeitenden unnötig zu belasten.

Die KI sorgt für eine faire Verteilung:

• Gleichverteilung pro Woche und pro Tag in Relation zu Sollstunden

• Kosten von Gleichverteilung gegenüber Deckungsgrad

• Ausgleich auf Funktionsebene (Verteilung über Prüfer, Monteure, Logistiker)

• Anwesenheitsstunden nach Farbwerten mathematisch gewichtet: Gewicht × Stunden → Erwartungswert 0.

Effiziente Nutzung der Ressourcen

Ein weiteres Ziel der Optimierung ist die effiziente Nutzung der Ressourcen. Die KI stellt sicher, dass alle verfügbaren Arbeitskräfte und deren spezifische Qualifikationen und Erfahrungen optimal eingesetzt werden. Hierfür greift die KI auf die Daten aus der Lösung Qualification Management zu, in der Qualifikationen, Erfahrungen und spezielle Fähigkeiten der Mitarbeitenden erfasst sind. Dies umfasst beispielsweise Schulungen, Zertifikate und Erfahrungen in bestimmten Arbeitsbereichen. Durch den Zugriff auf diese Qualifikations- und Erfahrungsdaten kann die KI sicherstellen, dass die richtigen Mitarbeitenden mit den passenden Qualifikationen optimal eingesetzt werden.

Anpassung an aktuelle Daten und Prognosen

Die Optimierung erfolgt nicht statisch, sondern passt sich kontinuierlich an aktuelle Daten und Prognosen an. Das bedeutet, dass die KI flexibel auf kurzfristige Änderungen, wie unvorhergesehene Abwesenheiten oder plötzliche Bedarfsschwankungen, reagieren und die Planung entsprechend anpassen kann. Diese kontinuierliche Anpassung macht die Planung robust und flexibel, sodass das Unternehmen schnell auf Veränderungen reagieren kann, ohne die Effizienz zu beeinträchtigen.

Grenzen der KI in getaiPlan

Die KI in getaiPlan ist so konzipiert, dass sie stets innerhalb der gesetzlichen, betrieblichen und vertraglichen Vorgaben arbeitet. Sie kann keine Lösungen vorschlagen, die gegen festgelegte Regeln verstoßen. Besonders harte Regeln, wie vorgeschriebene Ruhezeiten oder maximale Arbeitszeiten, werden von der KI strikt eingehalten. Ebenso werden alle betriebsinternen Regelungen und Vereinbarungen berücksichtigt und fest im System verankert. Die KI kann daher nur innerhalb dieses definierten Regelwerks agieren und unterliegt einigen Einschränkungen, die für eine faire, sichere und gesetzeskonforme Planung sorgen.

Beispiele für die Grenzen der KI:

• Deckung des Personalbedarfs bei unzureichendem Personalangebot: Die KI kann den Personalbedarf nicht decken, wenn nicht ausreichend qualifizierte Mitarbeitende zur Verfügung stehen. Wenn etwa mehr Personal für eine Schicht benötigt wird, als verfügbar ist, kann die KI keine zusätzliche Kapazität schaffen.

• Überschreitung gesetzlicher Höchstarbeitszeiten: Die KI darf die maximal zulässigen Arbeitszeiten pro Tag oder pro Woche nicht überschreiten. Wenn alle verfügbaren Mitarbeitenden ihre gesetzlich erlaubten Arbeitsstunden erreicht haben, kann die KI keine weiteren Einsatzmöglichkeiten vorschlagen, selbst wenn ein dringender Bedarf besteht.

• Außerachtlassen harter Regeln: Harte Regeln, wie die gesetzliche Ruhezeit von 11 Stunden zwischen zwei Schichten, werden strikt eingehalten. Die KI kann diese Regeln nicht ignorieren oder aussetzen, selbst bei dringendem Personalbedarf.

• Einhaltung von Betriebsvereinbarungen: Alle Vereinbarungen zwischen dem Unternehmen und dem Betriebsrat, wie z.B. Schichtrotationen oder bevorzugte Schichteinteilungen, müssen eingehalten werden. Die KI kann nicht davon abweichen, auch wenn dies die Planung erschwert.

• Berücksichtigung individueller Wünsche nur im Rahmen der Gesamtplanung: Die KI kann die individuellen Wünsche der Mitarbeitenden berücksichtigen, aber nur, wenn sie im Rahmen der gesamten Planungsanforderungen umsetzbar sind. Wenn es zu Konflikten mit gesetzlichen oder betrieblichen Vorgaben kommt, haben diese Vorrang.

• Keine Flexibilität bei festen Planungsparametern: Bestimmte Parameter, wie Mindestbesetzungen für sicherheitsrelevante Bereiche oder notwendige Qualifikationen, sind festgelegt und können nicht angepasst werden. Wenn das erforderliche Personal für diese Mindestbesetzungen nicht vorhanden ist, kann die KI keine Alternativlösungen anbieten.

• Kein Eingriff in individuelle Arbeitszeitverträge: Die KI kann die vertraglich vereinbarten Arbeitszeiten der Mitarbeitenden nicht ändern. Wenn Mitarbeitende beispielsweise nur in Teilzeit angestellt sind, kann die KI sie nicht für eine höhere Stundenanzahl einplanen.

• Keine kurzfristige Erhöhung des Arbeitsvolumens ohne genehmigte Überstunden: Die KI kann die Anzahl der Überstunden nicht über das gesetzlich und betriebsintern festgelegte Maß hinaus erhöhen, selbst wenn kurzfristig mehr Mitarbeitende benötigt werden.

Diese Grenzen gewährleisten, dass die KI stets im Einklang mit gesetzlichen Vorgaben und betrieblichen Vereinbarungen arbeitet. Dadurch entstehen sichere, faire und rechtlich einwandfreie Planungen, die sowohl die Interessen des Unternehmens als auch die Bedürfnisse der Mitarbeitenden respektieren.

Lernende Prozesse und Anpassungsfähigkeit

Ein besonderer Vorteil der KI in getaiPlan liegt in ihrer Lernfähigkeit und Anpassungsfähigkeit. Die KI nutzt moderne Algorithmen, um sich an historische Daten und sich verändernde Anforderungen anzupassen. Dabei kommen Heuristiken und Algorithmen aus dem Bereich des Machine Learning zum Einsatz, die helfen, Planungen präziser und effizienter zu gestalten.

Nutzung historischer Daten zur Verbesserung der Planung

Durch die Analyse historischer Daten erkennt die KI Muster und Trends, die sie zur Verbesserung zukünftiger Planungen nutzt. Indem die KI vergangene Entscheidungen und deren Auswirkungen analysiert, lernt sie, welche Planungsmuster besonders effektiv sind. Diese Lernprozesse verbessern die Planung langfristig und sorgen dafür, dass die KI flexibel auf sich verändernde Anforderungen reagieren kann.

Heuristiken und Machine Learning zur Lösungsgenerierung und Optimierung

Bei der Erstellung von Einsatzplänen nutzt die KI Heuristiken, um initiale Lösungen zu generieren. Heuristiken sind bewährte Lösungsstrategien, die auf Regeln und Erfahrungswerten basieren und helfen, in komplexen Situationen schnell eine brauchbare Planung zu erzeugen. Diese Lösungsansätze werden anschließend durch Algorithmen aus dem Machine Learning weiter verfeinert. Machine-Learning-Algorithmen analysieren die bisherigen Planungsentscheidungen und deren Auswirkungen, um aus diesen Daten gezielte Ableitungen und Vorhersagen für zukünftige Einsatzpläne zu treffen. So kann die KI etwa vorhersagen, wie sich eine geplante Schichtzusammensetzung auf die Produktivität und Zufriedenheit der Mitarbeitenden auswirken wird.

Multi-Agent-System für intelligente Zusammenarbeit

Die KI in getaiPlan arbeitet wie ein Multi-Agent-System. Das bedeutet, dass verschiedene Algorithmen und Komponenten der KI als eigenständige „Agenten“ agieren, die jeweils spezialisierte Aufgaben übernehmen und gleichzeitig miteinander interagieren, um eine optimale Lösung zu finden. Während eine Komponente beispielsweise dafür zuständig ist, den Personalbedarf auf Grundlage der Auftragslage zu ermitteln, kümmert sich eine andere um die Einhaltung gesetzlicher Vorgaben. Weitere Agenten überwachen die Einhaltung individueller Präferenzen oder sorgen für eine gleichmäßige Verteilung der Arbeitslast. Das Zusammenspiel dieser Agenten ermöglicht eine Planung, die sowohl die Unternehmensziele als auch die Bedürfnisse der Mitarbeitenden umfassend berücksichtigt.

Anpassung an sich ändernde Anforderungen

Da sich die Arbeitswelt dynamisch verändert, passt die KI ihre Planungen kontinuierlich an aktuelle Daten und Prognosen an. So kann sie flexibel auf kurzfristige Änderungen wie Abwesenheiten, Auftragsschwankungen oder neue betriebliche Anforderungen reagieren. Dieses Zusammenspiel aus Heuristiken, Machine Learning und spezialisierten Agenten ermöglicht eine flexible, lernende und zukunftsorientierte Personaleinsatzplanung, die sich stets den aktuellen Gegebenheiten anpasst und dadurch ihre Effizienz und Genauigkeit kontinuierlich verbessert.

Insgesamt sorgt diese Kombination von Lernfähigkeit, adaptiven Algorithmen und einem Multi-Agent-System dafür, dass die KI in getaiPlan auf intelligente Weise komplexe Anforderungen erfüllt und eine stabile, zukunftsfähige Planung gewährleistet.

Mehr Infos:

Workforce KI