KI-gestützte Personaleinsatzplanung in der Instandhaltung |
Nutzerzentrierte Entwicklung und Einführung in einem Pilotprojekt
| Zeitschrift | Industry 4.0 Science |
| Ausgabe | 41. Jahrgang, 2025, Ausgabe 5, Seite 14-20 |
| Open Access | https://doi.org/10.30844/I4SD.25.5.14 |
| Literatur | Teilen | Zitieren | Download |
Abstract
Keywords
Artikel
Personaleinsatzplanung in der Instandhaltungsbranche
Die Instandhaltung spielt eine entscheidende Rolle für die Gewährleistung der Verfügbarkeit, Zuverlässigkeit und Wirtschaftlichkeit technischer Systeme und Anlagen in nahezu allen Industriezweigen. Die Komplexität moderner Produktionsanlagen hat direkte Folgen für deren Instandhaltung und erhöht somit die Anforderungen an das Personal [1]. Instandhaltungsaufgaben werden oft von spezialisierten Dienstleistern erbracht, die unter dem Begriff „Industrieservices“ auch angrenzende Leistungen wie die Installation von Maschinen und Anlagen, Inbetriebnahmen oder Maschinenverlagerung anbieten. Diese Leistungen verschmelzen teilweise mit der Instandhaltung oder werden mit dem gleichen Personal erbracht.
Die Auswahl des bestmöglichen Personals im Rahmen der Personaleinsatzplanung ist daher essenzieller Bestandteil der Leistungserbringung dieser Dienstleistungsunternehmen. Die fallspezifische Einsatzplanung und die flexible, kompetenzbasierte Zuordnung der oft hoch spezialisierten Mitarbeiter auf die teils wechselnden, teils wiederkehrenden Instandhaltungsaufträge unterschiedlicher Kundenunternehmen werden von Disponenten ausgeführt. Der Planungsprozess erfordert ein hohes Level an Erfahrung im Hinblick auf die Kundenaufträge und die eigene Belegschaft, und verlangt eine hohe kognitive Leistung, um die vielfältigen Abhängigkeiten und Restriktionen zu berücksichtigen.
Aufgrund der Dynamik der Einsatzplanung mit vielen Freiheitsgraden und der zeitlichen Kritikalität der Prozesse entsteht eine hohe mentale Beanspruchung bei den Disponenten. Deshalb ist deren Unterstützung durch digitale Tools erfolgversprechend, insbesondere für kleine und mittlere Unternehmen (KMU) mit begrenzten personellen Ressourcen. Assistenzsysteme auf Basis Künstlicher Intelligenz (KI) können durch die Verarbeitung von Auftragsdaten und die Verknüpfung mit Mitarbeiterdaten optimierte Vorschläge für die Personaleinsatzplanung liefern und somit die Disponenten entlasten [2].
Dabei ist eine nutzerzentrierte Einführung von KI-Systemen von zentraler Bedeutung [3]. Die komplexe Planung erfordert neben der Berücksichtigung harter Fakten auch Erfahrungswissen und Sensibilität, etwa bei der Einschätzung von Kunden-Mitarbeiter-Beziehungen oder unvorhergesehenen Ereignissen. Daher muss die KI als intelligentes Werkzeug konzipiert sein, welches das implizite Wissen der Disponenten berücksichtigt und somit die menschlichen Fähigkeiten erweitert. Neben den Disponenten sind auch die Mitarbeiter der Unternehmen als Stakeholder von Beginn der Planung eines solchen Tools an zu berücksichtigen, denn ihre Daten dienen der KI als Grundlage für ihre Vorhersagen.
Im Rahmen des Projektes „Künstlich und menschlich intelligent – Kompetenzzentrum für transformierte Arbeit in Westsachsen“ (KMI) wird ein solcher KI-Assistent zur Personaleinsatzplanung prototypisch bei der WIN Wartung und Instandhaltung GmbH Zwickau entwickelt und implementiert. Dieser Beitrag zeigt, wie nutzerzentrierte Prinzipien bei der Entwicklung und Einführung im Rahmen des Pilotprojekts umgesetzt werden.
KI-unterstützte Personaleinsatzplanung basierend auf Mitarbeiterkompetenzen
Die WIN GmbH ist ein Dienstleister im Bereich der Wartung, Instandhaltung sowie Installation von Maschinen und Anlagen und unterhält eine Vielzahl an Außenstellen und Präsenzen. Mit über 140 Mitarbeitern sowie Partnern aus den Bereichen Projektierung, Konstruktion, Werkzeugbau, Schaltschrankbau und Steuerungen werden komplexe Aufgaben im Bereich Maschinen- und Metallbau sowie Elektrotechnik geplant und realisiert. Dementsprechend stehen auch bei der WIN GmbH die Personal-Disponenten vor der komplexen Aufgabe, hoch spezialisiertes Personal flexibel und kompetenzorientiert auf wechselnde und wiederkehrende Kundenaufträge zu verteilen.
Dabei sind zahlreiche Aspekte zu berücksichtigen: Berufsgruppen, Zusatzqualifikationen, spezifische Branchenerfahrungen, sowie soziale und persönliche Kompetenzen der Mitarbeiter. Diese Zuordnung erfolgt – obwohl im Unternehmen ERP– und andere IT-Systeme verfügbar sind – bislang weitgehend ohne spezifische technische Unterstützung aufgrund des impliziten Wissens erfahrener Disponenten.
Im Ist-Prozess der Personaleinsatzplanung (Bild 1) werden besonders an zwei Stellen die Erfahrungen und das implizite Wissen der Disponenten benötigt. Zunächst beim Ableiten der Kompetenzen aus den Kundenaufträgen: Kundenaufträge sind oft unvollständig, unspezifisch oder unpräzise formuliert. Daher sind die notwendigen Kompetenzen und Qualifikationen oft nicht exakt zu identifizieren und müssen aus dem Kontext und bisherigen Erfahrungen mit den Kunden hergeleitet werden. Dabei auftretende Fehler führen gelegentlich dazu, dass bei der laufenden Auftragsbearbeitung noch nachträglich Spezialisten hinzugezogen werden müssen.
Die Folgen sind erhöhte Kosten, sinkende Kundenzufriedenheit und Frustration der Mitarbeiter, die durch verspätete Unterstützung oder unpassende Zuweisungen entstehen. Der zweite erfahrungsbasierte Arbeitsschritt ist die Identifikation von Mitarbeitern mit passendem Kompetenzprofil. Hierbei müssen die Disponenten sowohl die tatsächlichen Kompetenzen der Mitarbeiter als auch zusätzliche Faktoren wie bspw. die Aktualität von Zusatzqualifikationen oder Soft Skills einbeziehen.
Vor diesem Hintergrund entstand die Zielstellung, ein KI-basiertes Assistenzsystem zu entwickeln, das die Auftragsbeschreibung analysiert und Vorschläge für die optimale Personalauswahl liefert. Ein solches System könnte die genannten Aspekte automatisch erfassen und verarbeiten. Damit würden die Disponenten entlastet und könnten sich stärker auf die menschlichen Feinabstimmungen in der Personaleinsatzplanung (bspw. kundenseitig favorisierte Mitarbeiteroder Teamfähigkeit) konzentrieren. Konkret soll das Assistenzsystem auf Basis strukturiert erfasster Auftragsbeschreibungen, historischer Daten und Kompetenzprofilen die voraussichtlich benötigten Mitarbeiter vorhersagen.
Diese KI-Vorhersagen dienen den Projektleitern und Personalplanern als fundierte Entscheidungsgrundlage, um den „richtigen Mitarbeiter zur richtigen Zeit am richtigen Ort“ einsetzen zu können.
In Bild 1 ist der bisherige Ist-Prozess, sowie der anvisierte Soll-Prozess für die Personaleinsatzplanung dargestellt. Obwohl die WIN GmbH bereits umfassend Daten zu vergangenen Aufträgen, Einsatzzeiten und Materialeinsatz aufgezeichnet hat, waren diese Daten nicht geeignet, um direkt eine KI-basierte Lösung zu trainieren. Ein wesentliches Problem war die inkonsistente und unvollständige Erfassung von relevanten Auftrags- und Kompetenzdaten, da diese ursprünglich nicht mit dem Ziel einer KI-Nutzung erhoben wurden. Unterschiedliche Schreibweisen, Abkürzungen und fehlende Detailtiefe in der Auftragserfassung erschweren zudem eine automatisierte Auswertung.
Nutzerzentrierte Einführung und Entwicklung eines KI-Assistenten im Pilotprojekt
Der Entwicklungsprozess wurde, wie in allen Piloten des Projekts KMI, aus arbeitswissenschaftlich-menschzentrierter Perspektive begleitet. Als Framework für die KI-Einführung im Pilotprojekt dient der nutzerzentrierte Entwicklungsprozess (vgl. Bild 2) unter Einbeziehung menschzentrierter Kernziele [4, 5, 6]. Hierzu ist im ersten Schritt des nutzerzentrierten Entwicklungsprozesses eine Analyse des Nutzungskontexts durchzuführen. Im Rahmen der Entwicklung von KI-Systemen ist es dabei erforderlich, den Begriff der Nutzer auszuweiten [7].
Neben den direkt mit dem KI-Assistenten interagierenden Disponenten sind die Mitarbeiter, deren Daten vom KI-System verarbeitet werden und die von den Entscheidungsvorschlägen des Systems betroffen sind, ebenfalls wichtige Stakeholder im Entwicklungsprozess. Weitere Stakeholder sind die im Unternehmen verantwortlichen Entscheider und Prozessmoderatoren, die die KI-Einführung im Unternehmen operativ vorantreiben. Sie sind wichtige Schlüsselstellen für die Einbeziehung menschzentrierter Prinzipien in den KI-Entwicklungsprozess, da sie Entscheidungen für den gesamten Prozess treffen.
Um die KI-Interakteure und KI-Betroffenen im Pilotunternehmen zu identifizieren und den Nutzungskontext zu analysieren, wurden mit dem Geschäftsführer, dem Projektverantwortlichen, sowie Disponenten und operativen Mitarbeitern semi-strukturierte Interviews geführt. Als indirekt Betroffene wurden zudem die Kunden betrachtet, für die man positive Effekte wie schnellere und hochwertigere Auftragsabwicklung erzielen kann.
![Bild 2: Nutzerzentrierter Entwicklungsprozess (Darstellung nach [4]).](https://industry-science.com/wp-content/uploads/2025/09/Hein_I4S-25-5_Bild-2.jpeg)
Die semistrukturierten Interviews wurden in Abhängigkeit von zeitlicher Verfügbarkeit vor-Ort oder online durchgeführt. Zu Beginn der Interviews wurde die Zielstellung des Projekts sowie die konkrete Umsetzung bei der WIN GmbH vorgestellt, sofern die Mitarbeiter bisher nicht informiert waren. Die Inhalte der Interviews wurden anschließend in Anlehnung an [8] anhand der besprochenen Themengebiete strukturiert bzw. kategorisiert. Folgende Themengebiete bzw. Kategorien wurden erschlossen: Aufgaben der Disponenten, Arbeitsorganisation/Tools/Software, Kooperation/Teamarbeit, Lösungsstrategien, Prozessbeschreibung.
Die Disponenten wurden als direkte Interakteure zusätzlich zu ihren Erwartungen und Anforderungen an die Arbeit mit dem KI-Assistenzsystem befragt und die Antworten entsprechend kategorisiert. Sie äußerten dabei positive Erwartungen, wie z. B. Entlastung bei Routineaufgaben und mehr Fokus auf zwischenmenschliche Faktoren bei der Personalentscheidung, aber zugleich auch Befürchtungen, insbesondere ein mögliches „Gefühl der Bevormundung durch die KI“. Die Disponenten erwarteten also einerseits Unterstützung, wollten aber andererseits sicherstellen, dass ihre Handlungsautonomie erhalten bleibt.
Die Mitarbeiter im operativen Einsatz, die künftig durch das KI-gestützte System neuen Aufträgen zugeordnet würden (Betroffene), erwarteten eine gerechtere Auslastung und passgenauere Zuteilung gemäß den individuellen Kompetenzprofilen. Dies könne Über- oder Unterforderung reduzieren; Wartezeiten, die bei falschen Zuordnungen durch das nachträgliche Hinzuziehen von spezialisierten Kolleginnen und Kollegen entstehen, könnten verringert werden. Gleichzeitig bestanden Bedenken, von einer „Maschine“ statt von einem Menschen disponiert zu werden, und es herrschte Unklarheit darüber, wie dies ihre Arbeitsrealität beeinflusste.
Aus den Interviews mit den Mitarbeitern und Disponenten lassen sich im zweiten Schritt des nutzerzentrierten Entwicklungsprozesses Anforderungen an das KI-System ableiten, die eng mit der Datenbasis im Pilotprojekt zusammenhängen. Zur Schaffung einer strukturierten Datenbasis wurde die Auftragserfassung, die bisher über eine Kombination aus Telefonaten und E-Mails erfolgte, um eine standardisierte Eingabemaske erweitert. Diese wird bei Auftragseingang von Mitarbeitern ausgefüllt.
Auf eine Auslagerung der strukturierten Auftragserfassung auf die Kundenseite hat man aufgrund des Unternehmensprofils als Dienstleister bewusst verzichtet. Die zweite Säule der Datenbasis, die Kompetenzen der Mitarbeiter, wurde mithilfe von Profilen der IHK-Ausbildungsberufe sowie manueller Ergänzungen durch die Disponenten und Projektleiter der WIN GmbH geschaffen. Die alleinige Verwendung von Berufsprofilen führte zu Dopplungen in den Kompetenzen und einer nicht ausreichenden Trennschärfe.
Durch die Verwendung von sozialen Daten der Mitarbeiter in Form ihrer Kompetenzen und Qualifikationen müssen die Einflüsse von möglichen Datenbiases im KI-System betrachtet werden. Datenbiases sind systematische Verzerrungen oder Ungleichgewichte in den Trainingsdaten. Diese Verzerrungen können dazu führen, dass die KI fehlerhafte, unfaire oder diskriminierende Ergebnisse produziert [9].
Im Pilotprojekt könnten diese Verzerrungen durch die Verwendung historischer Daten sowie die Zuschreibung der Kompetenzen auftreten. Wenn einzelne Mitarbeiter in der Vergangenheit aufgrund subjektiver Einschätzung von den Disponenten besonders häufig oder selten für bestimmte Aufträge eingesetzt wurden, oder die Kompetenzen für das automatische Matching nicht genau zutreffend sind, könnten bestimmte Mitarbeiter besonders häufig oder besonders selten vom KI-System vorgeschlagen werden.
Dies wäre eine negative Auswirkung, die in Bezug zu den geäußerten Bedenken hinsichtlich der teilautomatisierten Disposition steht. Daraus lässt sich die Anforderung ableiten, die Datengrundlage der vergangenen Zuordnungen und die Zuschreibung der Kompetenzen sowie die Gewichtung dieser durch den Algorithmus im weiteren Projektverlauf auf Verzerrungen zu überprüfen.
Auf Seiten der direkt interagierenden Nutzer, den Disponenten, ist der Erhalt der Handlungsautonomie eine wichtige Anforderung an das KI-System. Das System soll Vorschläge für die Personaleinsatzplanung liefern, die finale Entscheidung aber den Disponenten überlassen – auch weil sich deren Erfahrungswissen nicht vollständig explizieren lässt und seltene Einsatzfälle vorkommen, für die der KI keine Trainingsdaten zur Verfügung gestellt werden können. Das KI-System muss demnach, als Werkzeug konzipiert werden und nicht als selbständig handelnder Agent [10]. Weitere Anforderungen an das KI-System sind die Schnittstellen zu bestehenden Systemen der WIN GmbH (bspw. ERP-System) sowie die Lauffähigkeit auf eigener Hardware.
Im weiteren Verlauf des Pilotvorhabens wird das System von den technischen Umsetzungspartnern anhand der funktionalen Randbedingungen sowie der Nutzeranforderungen in erste lauffähige Prototypen umgesetzt. Dabei werden Ein- und Ausgabe des KI-Systems direkt in das bestehende Planungstool der WIN GmbH integriert. Die Disponenten können die Vorschläge des KI-Agenten entweder direkt übernehmen, oder jederzeit auf Basis ihrer Erfahrung und ihres Prozesswissens überstimmen und abändern. Die Prototypen werden iterativ getestet, um die anforderungsgerechte Umsetzung zu evaluieren. Dazu werden Nutzertests konzipiert, bei denen die Disponenten reale Arbeitsaufgaben mithilfe der KI-Prototypen ausführen.
Da es sich um eine kleine Gruppe direkt interagierender Nutzer handelt, werden die Evaluationen auch im weiteren Verlauf mithilfe qualitativer Methoden wie semistrukturierter Interviews erfolgen. Ein wichtiger Fokuspunkt der iterativen Testung ist es, den Aushandlungsprozess über den Grad der Handlungsautonomie abzubilden. Es ist erforderlich, gemeinsam mit den Disponenten eine Balance zwischen algorithmischer Unterstützung zur Prozessverbesserung und dem Erhalt der selbst zu definierenden Autonomie zu finden.
Nutzerzentrierte Gestaltung in Zusammenarbeit mit KMU und KI-Experten
Im Rahmen einer KI-Einführung – und wenn personenbezogene Daten verarbeitet werden – ist die Einbeziehung der Mitarbeitern wichtig, um Hemmnissen im Change-Prozess zu begegnen [11]. Allerdings ist die Umsetzung eines nutzerzentrierten Ansatzes für KMU oft schwierig, da hierfür spezifische Ressourcen, qualifiziertes Personal und ausreichendes Bewusstsein notwendig sind, die in kleinen und mittleren Unternehmen nicht immer umfassend vorhanden sind. Häufig werden KI-Projekte zudem von KI-Entwicklern begleitet, deren Fokus auf der technischen Umsetzung und nicht auf der Einbindung von Mitarbeitern liegt. Hier ist also das Potenzial einer kooperativen Begleitung der KI-Einführung durch Entwickler und Arbeitswissenschaftler besonders hoch.
Dabei ist die Zusammenarbeit im Pilotprojekt nicht auf die reine Umsetzung des KI-Systems beschränkt, sondern begann schon in vorgelagerten Phasen. Zu Beginn des Projekts zeigte sich, dass bei KMU die Digitalisierung häufig noch nicht ausreichend fortgeschritten ist, um vorhandene Daten unmittelbar für KI-Anwendungen nutzen zu können. Daten wurden in vielen Fällen ursprünglich nicht mit dem Gedanken an eine KI-Verwendung erfasst, sodass diese oft unvollständig oder nicht optimal strukturiert vorliegen.
Auch bei der WIN GmbH musste zunächst eine geeignete Datenbasis geschaffen werden. Hier wurde basierend auf den Anforderungen an die Datenstruktur seitens der Entwickler in Zusammenarbeit mit den Mitarbeitern eine Datenbank für die Kompetenzen erstellt. Die frühe Einbeziehung der Mitarbeiter in die Entwicklung trägt wesentlich dazu bei, dass sie ein vertieftes Verständnis das KI-System und dessen Datengrundlage entwickeln und gleichzeitig die daraus resultierenden Vorteile für ihre eigene Arbeit erkennen – ein Prozess, der maßgeblich zur Akzeptanzbildung beiträgt.
Das Forschungs- und Entwicklungsprojekt KMI wird im Rahmen der Fördermaßnahme „Zukunft der Arbeit: Regionale Kompetenzzentren der Arbeitsforschung – Künstliche Intelligenz” im Programm „Innovationen für die Produktion, Dienstleistung und Arbeit von morgen“ des Bundesministeriums für Forschung, Technologie und Raumfahrt (BMFTR) gefördert und vom Projektträger Karlsruhe (PTKA) betreut.
Dies ist ein Originalbeitrag. Die englische Übersetzung finden Sie unter der DOI: 10.30844/I4SE.25.5.14
Literatur
[1] Obermaier, R.: Handbuch Industrie 4.0 und Digitale Transformation. Betriebswirtschaftliche, technische und rechtliche Herausforderungen. Wiesbaden 2019.[2] Ansari, F.; Kohl, L.; Sihn, W.: A competence-based planning methodology for optimizing human resource allocation in industrial maintenance. In: CIRP Annals 72 (2023) 1, S. 389–392.
[3] Huchler, N.; Adolph, L.; André, E.; Bauer, W.; Bender, N.; Müller, N.; Suchy, O.: Kriterien für die Mensch-Maschine-Interaktion bei KI. Ansätze für die menschengerechte Gestaltung in der Arbeitswelt. Plattform Lernende Systeme (2020). München.
[4] DIN – Deutsches Institut für Normung e. V.: DIN EN ISO 9241-210: 2011-01: Ergonomie der Mensch-System-Interaktion-Teil 210: Prozess zur Gestaltung gebrauchstauglicher interaktiver Systeme (ISO 9241-210:2010). Deutsche Fassung EN ISO, 9241-210. Beuth Verlag, Berlin 2010
[5] Ozmen Garibay, O.; Winslow, B.; Andolina, S.; Antona, M.; Bodenschatz, A.; Coursaris, C.; Xu, W.: Six Human-Centered Artificial Intelligence Grand Challenges. In: International Journal of Human–Computer Interaction 39 (2023) 3, S. 391–437.
[6] Hein, P.; Simon, K.; Kögel, A.; Löffler, T.; Bullinger-Hoffmann, A. C.: Menschzentrierte Einführung von Künstlicher Intelligenz in Produktion und Engineering: Erfahrungen aus Pilotprojekten in KMU. In: Zeitschrift für wirtschaftlichen Fabrikbetrieb 120 (2025) s1, S. 12-16.
[7] Simon, K.; Hein, P.; Kögel, A.; Löffler, T.; Bullinger-Hoffmann, A. C.: Framework zur Untersuchung von Auswirkungen der KI-Einführung in kleinen und mittleren Unternehmen. In: Arbeitswissenschaft in-the-loop : Mensch-Technologie-Integration und ihre Auswirkung auf Mensch, Arbeit und Arbeitsgestaltung; 70. Kongress der Gesellschaft für Arbeitswissenschaft e.V.; Artikel-Nr.: H.3.4. Stuttgart 2024.
[8] Kuckartz, U.: Qualitative Inhaltsanalyse. Methoden, Praxis, Computerunterstützung; Weinheim 2018.
[9] Kellogg, K. C.; Valentine, M.; Christin, A.: Algorithms at Work: The New Contested Terrain of Control. In: Academy of Management Annals 14 (2020) 1, S. 366–410.
[10] Shneiderman, B.: Human-Centered Artificial Intelligence: Three Fresh Ideas. In: AIS Transactions on Human-Computer Interaction 12 (2020) 3, S.: 109–124.
[11] Langholf, V.; Wilkens, U.; Lupp, D.; Obermann, N.: Wege zum verantwortungsvollen Einsatz von KI am Arbeitsplatz. In: Industry 4.0 Science 40 (2024) 5, S. 58–66.
Ihre Downloads
Potenziale: Qualifizierung
Lösungen: Instandhaltung
Das könnte Sie auch interessieren
