Dienstplanung automatisieren: Warum ein Constraint-Solver Excel schlägt

Jede Woche dasselbe Ritual: Eine Person setzt sich mit Excel hin und schiebt Namen in Zellen, bis der Dienstplan irgendwie aufgeht. Mehrere Filialen, unterschiedliche Pensen, Sprachanforderungen, Ferien, Wunschtage, Arbeitsrecht – und am Ende sind trotzdem zwei Tage weg und niemand ist sicher, ob der Plan wirklich regelkonform und fair ist. Es geht auch anders: mit Mathematik statt Puzzeln.

Was ist automatisierte Dienstplanung?

Automatisierte Dienstplanung – auch Personaleinsatzplanung oder Schichtplanung genannt – bedeutet, dass eine Software den Einsatzplan aus allen Regeln und Verfügbarkeiten berechnet, statt dass er von Hand zusammengestellt wird. Das Herzstück ist ein sogenannter Constraint-Solver: ein mathematisches Optimierungsverfahren, das sämtliche Bedingungen gleichzeitig betrachtet und aus tausenden möglichen Kombinationen die nachweislich beste auswählt.

Wichtig dabei: Ein Constraint-Solver ist keine KI, die plausibel klingende Vorschläge macht. Er arbeitet 100 % deterministisch – dieselben Eingaben ergeben immer denselben Plan, und das Ergebnis ist mathematisch beweisbar optimal. Es gibt keinen besseren Plan, der alle Regeln erfüllt.

Wo Excel an seine Grenzen stösst

Excel ist ein hervorragendes Werkzeug – aber es rechnet den Plan nicht für einen aus. Wer von Hand plant, kennt die typischen Probleme:

• Regelverstösse rutschen durch – der sechste Arbeitstag in Folge, überschrittene Wochenend-Limiten oder eine Filiale ohne erfahrene Person am Samstagnachmittag fallen erst auf, wenn es zu spät ist.
• Fairness ist kaum überprüfbar – wer bekommt die unbeliebten Schichten? Bei manueller Planung entscheidet oft der Zufall oder die Reihenfolge, in der geplant wurde.
• Jede Änderung kostet Stunden – ein Krankheitsfall am Montag, und das ganze Gefüge gerät ins Wanken. Die Vertretungssuche beginnt von vorn.
• Das Wissen steckt in einem Kopf – fällt die planende Person aus, steht der Betrieb ohne Plan da.

Das Grundproblem: Ein Mensch kann drei, vier Regeln gleichzeitig im Blick behalten. Ein realer Dienstplan hat aber schnell tausende Bedingungen, die sich gegenseitig beeinflussen.

Wie ein Constraint-Solver den Plan berechnet

Der Solver bekommt zwei Arten von Vorgaben. Harte Regeln, die nie verletzt werden dürfen: Mindestbesetzung pro Filiale und Halbtag, arbeitsrechtliche Grenzen, Abwesenheiten, Sprach- und Erfahrungspflicht pro Standort. Und weiche Ziele, die möglichst gut erfüllt werden sollen: faire Verteilung von Wochenenden, Wunschtage, gleichmässige Auslastung nach Pensum.

Daraus baut die Software ein mathematisches Modell und durchsucht den gesamten Lösungsraum systematisch. In unserem Ressourcenplanungstool für einen Schweizer Detailhandelsbetrieb sind das konkret 1'828 Entscheidungsvariablen und 3'776 Bedingungen – für 27 Mitarbeitende an 6 Standorten über zwei Wochen. Der Solver (Google OR-Tools, CP-SAT) liefert den fertigen Plan in unter 30 Sekunden. Vorher waren es rund zwei Tage Handarbeit pro Durchgang.

Sekunden statt Tage – was das im Alltag bedeutet

Der Geschwindigkeitsgewinn ist mehr als Komfort. Wenn ein neuer Plan 30 Sekunden statt zwei Tage kostet, ändert sich der Umgang mit Planung grundlegend:

• Ausfälle sind kein Notfall mehr – der Solver plant die Vertretung automatisch ein, etwa vom Lager in die Filiale, und berechnet den Rest des Plans neu.
• Szenarien werden durchspielbar – was passiert, wenn eine Filiale samstags länger öffnet? Einfach die Regel ändern und neu rechnen.
• Engpässe werden sichtbar statt übersehen – wenn eine Vorgabe nicht erfüllbar ist, weist die Software die Unterdeckung transparent aus, statt sie im Plan zu verstecken.
• Der Plan bleibt anpassbar – das Ergebnis ist ein Vorschlag in Excel und druckfertigem PDF, den die Planungsverantwortlichen bei Bedarf manuell übersteuern können.

Für welche Betriebe lohnt sich das?

Automatisierte Dienstplanung lohnt sich überall dort, wo heute mit viel Aufwand in Excel geplant wird und viele Regeln gleichzeitig gelten: im Detailhandel mit mehreren Filialen und Sprach- oder Erfahrungsvorgaben, in Gastronomie und Hotellerie mit Schichten und Stosszeiten, in Apotheken und Drogerien mit Präsenzpflicht qualifizierten Personals – oder bei Sicherheits- und Reinigungsdiensten mit Mehrobjekt-Einsätzen.

Eine Faustregel: Wenn die Planung pro Durchgang mehr als einen halben Tag kostet oder regelmässig Regelverstösse und Fairness-Diskussionen auftreten, ist das Optimierungspotenzial gross.

Und der Datenschutz?

Personaldaten sind sensibel. Unsere Lösung läuft deshalb wahlweise vollständig lokal beim Betrieb oder auf Schweizer Servern – die Daten bleiben unter Kontrolle des Unternehmens. Zur Laufzeit kommt keine KI und kein externer Cloud-Dienst zum Einsatz.

Die Software wurde übrigens mit KI-Unterstützung entwickelt – ein gutes Beispiel dafür, wie KI-Integration die Entwicklung beschleunigt, ohne dass das fertige Produkt davon abhängig ist: Der laufende Betrieb ist zu 100 % deterministisch und nachvollziehbar.

Fazit

Dienstplanung ist ein mathematisches Problem – und sollte auch mathematisch gelöst werden. Ein Constraint-Solver liefert in Sekunden, was von Hand Tage dauert: einen beweisbar optimalen, fairen und regelkonformen Plan. Wie das konkret aussieht, zeigt unser Projekt Ressourcenplanungstool mit Screenshots, Zahlen und Ablauf.