KI in der Schichtplanung: Was leistet sie für Unternehmen wirklich?

KI erstellt Schichtvorschläge, die Personalbedarf, Qualifikationen und Rechtsregeln automatisch abgleichen. Reinforcement-Learning-Ansätze aus Fraunhofer-Projekten zeigen, wie skalierbar solche Systeme bei komplexen Einsatzlagen reagieren. Der EU AI Act stuft Personaleinsatzplanung dabei als Hochrisiko-Anwendung ein, was Compliance und Mitbestimmung zu festen Bestandteilen jeder Einführung macht.

Kurz gesagt:

• Praxisangaben der Universität Würzburg zufolge sinkt der wöchentliche Planungsaufwand von 6 bis 15 Stunden auf 1 bis 2 Stunden, sofern die Stammdaten stimmen.
• Der EU AI Act stuft die Personaleinsatzplanung als Hochrisikoanwendung ein und verlangt Risikobewertungen, Transparenz sowie Dokumentation; der Betriebsrat muss früh eingebunden werden.
• Veraltete Qualifikationsmatrizen, Arbeitszeitregeln oder Urlaubskonten können fehlerhafte Vorschläge erzeugen; Planer müssen Konflikte weiterhin prüfen und Entscheidungen bei Grenzfällen selbst treffen.
• Ein Pilot in einer überschaubaren Abteilung prüft Planvorschläge unter realen Bedingungen; Unternehmen sollten Planungszeit, Reaktionszeit bei Ausfällen, dokumentierte Regelverstöße und Mitarbeiterzufriedenheit regelmäßig messen.

Inhaltsverzeichnis

• Wie funktioniert KI in der Schichtplanung technisch?
• Konkrete Vorteile für Unternehmen und Personalverantwortliche
• Rechtlicher und betrieblicher Rahmen für den Einsatz von KI
• Datenqualität und Stammdaten: Die Grundlage vor dem Start
• Praxis: Einführungsschritte, Pilot und Kennzahlen für den Erfolg
• Forschungs- und Beleglage zu KI in der Schichtplanung
• Wie Planer KI im Alltag sinnvoll einsetzen sollten
• Balerion als Praxisoption für die Einsatzplanung in Sicherheitsdiensten
• FAQ
• Quellen

Wie funktioniert KI in der Schichtplanung technisch?

Verschiedene Ansätze kommen bei der KI-gestützten Schichtplanung zum Einsatz. Constraint-Optimierung löst Schichtpläne als mathematisches Problem: Sie definieren Regeln wie Mindestbesetzung, Ruhezeiten oder Qualifikationsanforderungen, und der Algorithmus sucht die beste zulässige Lösung. Machine Learning kommt bei der Bedarfsprognose zum Einsatz, etwa um aus historischen Mustern vorherzusagen, wie viel Personal an einem Freitagabend nötig ist. Reinforcement Learning geht einen Schritt weiter: Agenten lernen durch wiederholtes Simulieren, welche Planungsentscheidung langfristig die besten Ergebnisse bringt, und passen sich dynamisch an neue Situationen an.

Damit das funktioniert, braucht jedes System verlässliche Eingangsdaten:

• Historische Bedarfsdaten aus vergangenen Dienstplänen und Einsatzprotokollen
• Externe Faktoren wie Veranstaltungen, Wetterlagen oder saisonale Schwankungen
• Qualifikationen und Zertifikate der Mitarbeiter, etwa nach einschlägigen Vorschriften
• Tarifliche und gesetzliche Arbeitszeitregeln als feste Randbedingungen

Der Output ist meist ein konkreter Planvorschlag mit markierten Konflikten, oft ergänzt um Was-wäre-wenn-Szenarien, mit denen Sie etwa den Ausfall einer Schicht gegen alternative Besetzungen durchspielen können.

Konkrete Vorteile für Unternehmen und Personalverantwortliche

Der größte Effekt zeigt sich beim Zeitaufwand. Praxisangaben der Universität Würzburg zeigen, dass KI die wöchentliche Planungszeit von 6 bis 15 Stunden auf 1 bis 2 Stunden senken kann. Das ist kein Detail, sondern verschiebt die Rolle von Planern spürbar: weg vom manuellen Zusammenstellen, hin zur Prüfung von Vorschlägen.

Weitere Effekte sind ebenso relevant:

• Dokumentierbare Einhaltung von Ruhezeiten und Höchstarbeitszeiten statt nachträglicher Korrekturen
• Fairere Verteilung von Wunschdiensten, da Algorithmen Präferenzen systematisch statt zufällig berücksichtigen
• Deutlich schnellere Reaktion auf Krankmeldungen, weil Ersatzvorschläge sofort generiert werden
• Weniger Leerlauf und Überbesetzung durch bedarfsgerechte statt pauschale Personaleinsatzplanung

Gerade bei kurzfristigen Ausfällen zahlt sich das aus: Wo früher Telefonate und Excel-Tabellen nötig waren, kann das System schnell eine zulässige Alternative vorschlagen.

Rechtlicher und betrieblicher Rahmen für den Einsatz von KI

Wer KI zur Schichtplanung einführt, bewegt sich nicht im rechtsfreien Raum. Der EU AI Act stuft KI-Systeme für die Personaleinsatzplanung als Hochrisiko-KI ein. Damit sind strenge Compliance-Maßnahmen, Risikoassessments und Transparenzpflichten verbunden.

Parallel dazu bleibt das Arbeitszeitgesetz die technische Grundlage jeder Planung: Ruhezeiten, Höchstarbeitszeiten und Nachtschichtregeln sind keine Empfehlungen, sondern harte Constraints, die ein System zwingend abbilden muss.

Und dann ist da noch die Mitbestimmung. Systeme, die Arbeitszeit gestalten oder Leistung überwachen, fallen unter §87 Abs. 1 BetrVG, wie KI-Syndikat für die Praxis beschreibt. Der Betriebsrat ist also kein optionaler Baustein, sondern Teil des Projekts von Anfang an.

Profi-Tipp: Klären Sie die Mitbestimmung frühzeitig, idealerweise vor der Softwareauswahl.

Datenqualität und Stammdaten: Die Grundlage vor dem Start

Kein Algorithmus ist besser als die Daten, mit denen er arbeitet. Bevor ein System sinnvolle Pläne liefert, brauchen Sie eine saubere Datenbasis.

1. Eine vollständige Qualifikationsmatrix, die Zertifikate, Sachkunde und Einsatzberechtigungen je Mitarbeiter abbildet
2. Hinterlegte Tarifverträge und betriebliche Vereinbarungen als maschinenlesbare Regeln
3. Aktuelle Urlaubs- und Arbeitszeitkonten, damit Resturlaub und Überstunden korrekt einfließen
4. Dokumentierte Eskalationswege für den Fall, dass kein zulässiger Plan gefunden wird

KI-Syndikat weist darauf hin, dass viele Unternehmen den Aufwand der Erstdatenerfassung unterschätzen. Dieser Mehraufwand zahlt sich aber aus, sobald die Constraints einmal sauber hinterlegt sind: Spätere Anpassungen, etwa bei einer neuen Urlaubsplanung im Schichtbetrieb, sind dann reine Konfigurationsarbeit statt Neuaufbau. Monitoring und Dokumentation automatisierter Entscheidungen können dabei helfen, Fehlentscheidungen früh zu erkennen. Welche Pflichten konkret gelten, sollte anhand der maßgeblichen Rechtsquellen geprüft werden.

Praxis: Einführungsschritte, Pilot und Kennzahlen für den Erfolg

Eine Einführung kann schrittweise erfolgen:

• Projektdefinition mit klarem Zielbild und Zeitplan
• Frühzeitiger Mitbestimmungsprozess mit dem Betriebsrat
• Pilotphase in einer überschaubaren Abteilung oder an einem Standort
• Validierung der Planvorschläge anhand realer Anforderungen und Rückmeldungen
• Stufenweiser Rollout mit begleitendem Monitoring

Für die Erfolgsmessung eignen sich wenige, aber aussagekräftige Kennzahlen: Planungsaufwand pro Woche, Reaktionszeit bei Ausfällen, Anzahl dokumentierter Compliance-Verstöße und Mitarbeiterzufriedenheit mit der Schichtverteilung.

Praxisangaben zeigen, dass sich die wöchentliche Planungszeit durch KI-gestützte Systeme von 6 bis 15 Stunden auf 1 bis 2 Stunden reduzieren lässt, was sich direkt in Personalkosten für die Planung niederschlägt. Ein Pilot kann helfen, die Planvorschläge unter realen Bedingungen zu prüfen, bevor ein Rollout auf weitere Standorte erfolgt.

Forschungs- und Beleglage zu KI in der Schichtplanung

Die Praxisempfehlungen in diesem Artikel stützen sich auf die hier verlinkten Projektinformationen und politischen Leitlinien.

• Das Fraunhofer-Institut für Kognitive Systeme IKS zeigt in einem Projekt zur Krankenhausplanung, dass Reinforcement-Learning-Agenten mit Graph Neural Networks skalierbare, anpassungsfähige Lösungen für komplexe Personaleinsatzprobleme liefern.
• Gegenüber klassischen Optimierern bieten solche Agenten laut dem Projekt Vorteile bei dynamischen, sich häufig ändernden Anforderungen.
• Das Europäische Parlament empfiehlt in seiner Entschließung zu algorithmischem Management am Arbeitsplatz Transparenz, menschliche Überprüfung und die Einbindung von Arbeitnehmervertretungen, um Diskriminierung und unzulässige Überwachung zu verhindern.

Die verlinkten Projektinformationen und politischen Leitlinien unterstreichen, dass der verantwortungsvolle Einsatz menschliche Kontrolle und organisatorische Einbettung erfordert.

Wie Planer KI im Alltag sinnvoll einsetzen sollten

KI liefert Vorschläge, keine Urteile. In Grenzfällen, etwa bei Konflikten zwischen Mitarbeiterwunsch und Bedarfsspitze, bleibt die Entscheidung bei Ihnen als Planer. Wer Vorschläge blind übernimmt, riskiert, die notwendige menschliche Kontrolle aus dem Planungsprozess zu verdrängen.

Wichtiger als die Wahl des Algorithmus ist darum die Datenpflege: veraltete Qualifikationsmatrizen oder falsch hinterlegte Tarifregeln produzieren fehlerhafte Pläne, egal wie gut das Modell ist. Und Transparenz gegenüber der Belegschaft gehört von Anfang an dazu, nicht erst nach der ersten Beschwerde.

Sebastian

Balerion als Praxisoption für die Einsatzplanung in Sicherheitsdiensten

Für Sicherheitsdienste bringt die beschriebene Technik besondere Anforderungen mit: kurzfristige Objektwechsel, Sachkundenachweise nach §34a und häufige Ausfälle im Schichtbetrieb. Balerion bietet ein Drag-and-Drop-Cockpit, das automatisch Konflikte erkennt.

Die Mitarbeiter-App bietet einen GPS-gestützten Check-in. Informationen zu Datenschutz und Datenverarbeitung finden Sie auf der Lösungsseite für Sicherheitsunternehmen. Mehr zu den branchenspezifischen Funktionen für Sicherheitsunternehmen finden Sie auf unserer Lösungsseite.

Wer die Dispositionssoftware für Sicherheitsdienste testen möchte, findet aktuelle Preise auf unserer Website und kann direkt eine Demo anfragen, um sich selbst ein Bild von der Planungsgeschwindigkeit zu machen.

FAQ

Was leistet KI in der Schichtplanung konkret?

KI gleicht Personalbedarf, Qualifikationen und Arbeitszeitregeln automatisch ab und erstellt daraus zulässige Planvorschläge. Bei Ausfällen liefert sie in Sekunden alternative Besetzungsvorschläge, statt dass Planer manuell suchen müssen.

Ist KI-gestützte Schichtplanung laut EU AI Act genehmigungspflichtig?

Der EU AI Act stuft Systeme zur Personaleinsatzplanung als Hochrisiko-KI ein. Das verlangt Risikoassessments, Transparenzpflichten und Dokumentation, jedoch kein gesondertes Genehmigungsverfahren vor dem Einsatz.

Muss der Betriebsrat bei der Einführung beteiligt werden?

Ja, Systeme zur Arbeitszeitgestaltung fallen unter die Mitbestimmungsrechte nach §87 BetrVG, wie KI-Syndikat beschreibt. Eine frühzeitige Einbindung und eine Betriebsvereinbarung verhindern spätere Verzögerungen im Projekt.

Wie viel Zeit spart KI bei der Dienstplanung tatsächlich?

Praxisangaben der Universität Würzburg zeigen eine Reduktion der wöchentlichen Planungszeit von 6 bis 15 Stunden auf 1 bis 2 Stunden. Der Effekt hängt stark von der Qualität der hinterlegten Stammdaten ab.

Was kostet eine Dispositionssoftware wie Balerion?

Unsere Dispositionssoftware für Sicherheitsdienste beginnt bei 24.999 € pro Monat. Informationen zum genauen Umfang erhalten Sie auf der Produktseite.

Quellen

• Regulation (EU) 2024/1689 of the European Parliament and of …
• KI in der Personalplanung – Schichtplanungsagent mit Reinforcement Learning soll Personaleinsatz in Krankenhäusern verbessern – Magazin des Fraunhofer-Instituts für Kognitive Systeme IKS
• KI-optimierte Schichtplanung | Produktion & Industrie | KI-Syndikat
• Dienstplanung - Chair of Computer Science VI - Artificial Intelligence and Applied Computer Science

Empfehlungen

• Urlaubsplanung im Schichtbetrieb
• Schichtplan
• KI-Telefonassistent für die Dienstplanung