Wie Künstliche Intelligenz die Ressourcenplanung verbessern kann

Dienstpläne erstellen, Arbeitsabläufe planen und Mitarbeiter*innen verwalten: Damit das Personal und andere Ressourcen effizient eingesetzt werden können, braucht es eine umfassende Ressourcenplanung. Die Umsetzung geht allerdings oft mit großen Herausforderungen einher. Nicht nur muss der Ressourceneinsatz immer wieder manuell aktualisiert werden, häufig gibt es auch nicht genügend qualifiziertes Personal, welches alle Projekte in einem Unternehmen überwachen kann.

Künstliche Intelligenz (KI) kann dabei helfen, die Planung strategisch und operativ zu unterstützen und den Betrieb zu optimieren. Mit ihren Möglichkeiten beschäftigt sich Nysret Musliu, Leiter des CD-Labors für Künstliche Intelligenz und Optimierung in Planung und Scheduling und Forscher an der TU Wien.

Schneller zur besseren Lösung

Die primäre Herausforderung sei ihm zufolge, dass die Ressourcenplanung mit vielen Bedingungen - sogenannten „Constraints“ - einhergeht, die man erfüllen muss. „Firmen versuchen so wenig Ressourcen wie möglich zu verwenden, um etwas fertigzustellen oder bestimmte Aufgaben zu erledigen. Andererseits wollen sie Fairness schaffen“, sagt der Forscher gegenüber der futurezone. Es sei schwierig, eine Lösung zu erreichen, die viele dieser Bedingungen erfüllt.

„Meistens gibt es daher zu viele mögliche Lösungen - in der Optimierung werden diese als Lösungskandidaten bezeichnet. Nicht alle möglichen Lösungen können gut sein und da es zu viele gibt, kann man auch nicht alle ausprobieren“, sagt er. Im CD-Labor versuche man daher über KI- und Optimierungsmethoden einen schnelleren Weg zu finden, um zu einer besseren Lösung zu kommen.

Eine große Herausforderung dabei ist es, komplexe praktische Probleme mathematisch zu definieren. Denn dafür müssen verschiedene Faktoren berücksichtigt werden. „Meist braucht es jemanden, der viel Erfahrung bei der Planung hat. Auch die Präferenzen von Menschen sind nicht einfach herauszufinden. Man muss sich mit der Problemdefinition daher länger spielen und herausfinden, welches Gewicht bestimmte Präferenzen haben“, so Musliu. Manchmal gebe es auch gar keine Lösung, sodass man genau erklären muss, warum dem so ist. „Auch das versuchen wir zu erarbeiten“, sagt der Forscher.

➤ Mehr lesen: Wie Künstliche Intelligenz in 10 Jahren aussehen wird

Wie beim Sudoku-Lösen

Die Methoden, die zum Einsatz kommen, sind unterschiedlich. „Wenn ich als Mensch beispielsweise in einem großen Suchraum einen kürzeren Weg finden will, habe ich eine Intuition, welche Richtung ich nehmen könnte. Es geht um die Frage, wie ich es schaffe, in einem großen Suchraum bestimmte Teile zu ‚prunen’, also abzuschneiden, um eine gute Lösung zu haben“, sagt der Fachmann.

Eine Strategie, die in der KI verwendet wird, ist etwa die sogenannte Constraint Propagation. „Wenn ich etwa ein Sudoku lösen will, versuche ich alle falschen Zahlen zu eliminieren, die nicht Teil der Lösung sein können. In der KI werden unterschiedliche Suchmethoden wie etwa exakte Methoden oder heuristische Techniken angewendet. Mithilfe von exakten Methoden garantieren wir, die beste Lösung zu finden“.

Wie beim Sudoku startet man mit einem Feld, erweitert seine Suche auf mehrere Felder und versucht, nach bestimmten Regeln den besten Weg zur Lösung zu finden. „Manchmal kann man aber auch heuristisch entscheiden, den Weg zu nehmen, der am vielversprechendsten ausschaut. Bei einer schlechten Lösung gibt es die Möglichkeit, sie mit kleinen Änderungen zu verbessern. Das nennen wir Iterative Verbesserungsmethoden“, so Musliu.

Überwachtes und verstärkendes Lernen

Im CD-Labor arbeitet das Team auch daran, Machine Learning (ML) in die Problemlösung zu integrieren. Die ML-Techniken werden konkret zur automatisierten Auswahl von Algorithmen und zum Algorithmendesign eingesetzt. „Wenn wir ein neues Problem haben, versuchen solche Techniken das Problem erst mit verschiedenen Lösungsbausteinen zu lösen. Währenddessen lernen sie, welche Operatoren (Bausteine) besser sind. Anhand der Informationen wird gelernt, welche Strategie wann und in welchen Situationen angewendet werden soll“, so der Wissenschaftler.

Verwendet würden verschiedene ML-Methoden, wie überwachtes und verstärkendes Lernen (Reinforcement Learning).

Der große Vorteil eines KI-Systems in der Ressourcenplanung ist, dass sich mit guten Lösungen bestimmte Aufgaben effizienter erledigen lassen. „Besonders wenn die Ressourcen Menschen sind, ist es aber auch wichtig, für ihr Wohlbefinden zu sorgen. Wenn ich im Krankenhaus eine gute Planung habe und alle Krankenpfleger*innen zufrieden sind, ist das auch für den ganzen Betrieb gut“, so Musliu. In bestimmten Bereichen musste man früher zudem Menschen für die Planung einsetzen. „Unsere Methoden könnten das jetzt automatisieren oder den Menschen helfen, bessere Lösungen zu finden“.

Anwendung in den meisten Branchen

Die KI-Techniken könnten in zahlreichen Bereichen Anwendung finden. Denn: „Personalplanung hat man in den meisten Branchen. Manchmal ist diese Art von Planung aber nicht so kritisch, etwa wenn es nur eine Schicht gibt. In Krankenhäusern, Fabriken und anderen Bereichen, in denen in Schichtarbeit gearbeitet wird, wird es komplexer“, so Musliu. Auch für den Transport oder die Luftraumüberwachung ist der Einsatz interessant, wenn es etwa um die Planung von Pausen geht, damit Busfahrer*innen oder Fluglots*innen nicht die Konzentration verlieren und wenn sehr komplexe tarifvertragliche Regelungen eingehalten werden müssen.

„Dann gibt es noch die Produktionsplanung und Scheduling, wo es um die Ressourcenzuteilung für verschiedene Maschinen geht“. Zudem könnten solche Techniken in Bildungseinrichtungen eingesetzt werden.

➤ Mehr lesen: Wie künstliche Intelligenz Fluglotsen unterstützen kann

Im CD-Labor wurden bereits mehrere neue Lösungsmethoden entwickelt, die KI, Optimierung und ML-Methoden kombinieren. Sie konnten für verschiedene Anwendungen bereits erfolgreich eingesetzt werden. „Es kommen aber immer wieder neue Anwendungen dazu, wo generelle Methoden nicht so einfach zu verwenden sind. Wir müssen also immer wieder neue Ideen einbringen“, so der Forscher.

Die Techniken, die ML zur automatisierten Auswahl von Algorithmen und zum Algorithmendesign einsetzen, sollen ebenfalls weiterentwickelt werden. Musliu zufolge werde es noch einige Zeit dauern, bis solche vollständig automatisierten Methoden für die Ressourcenplanung überall zum Einsatz kommen.

Dieser Artikel entstand im Rahmen einer Kooperation mit der Christian Doppler Forschungsgesellschaft (CDG).