25.000 fehlende Fahrer – und die Lücke wächst
Der öffentliche Personennahverkehr steht vor einer beispiellosen Personalknappheit. Mehr als ein Drittel der aktiven Fahrer geht in den kommenden zehn Jahren in den Ruhestand. Die Wiener Linien müssen bis 2031 rund 7.000 neue Mitarbeiter einstellen. Die Hamburger Hochbahn kämpft mit einem Rekorddefizit durch die Klimawende.
Für Verkehrsunternehmen bedeutet das: Jede verfügbare Arbeitsstunde muss optimal genutzt werden. Manuelle Dienstplanung verschenkt 10–15% Potenzial durch suboptimale Schichtzuweisungen, unnötige Leerzeiten und nicht ausgeschöpfte Kombinationsmöglichkeiten.
25.000
Fehlende Busfahrer in DACH
33%
Pensionierungen bis 2035
NP-schwer
Kombinatorische Komplexität
15%
Einsparpotenzial
Constraint-Programming-basierte Dienstplanoptimierung
Wir modellieren Ihr Dienstplanungsproblem als mathematisches Optimierungsmodell. Sämtliche Nebenbedingungen – ArbZG, Tarifverträge, Qualifikationen, Fahrzeugtypkompatibilitäten und Mitarbeiterwünsche – werden als formale Constraints abgebildet.
Constraint Programming
Deklarative Modellierung komplexer Regelwerke. Tarifvertragsänderung? Ein Constraint anpassen, nicht den Algorithmus umschreiben.
MILP-Optimierung
Gemischt-ganzzahlige lineare Programmierung minimiert Gesamtpersonalkosten unter Berücksichtigung aller Nebenbedingungen.
Optimalitätsgarantie
Branch-and-Bound und Column Generation liefern beweisbar optimale Ergebnisse – max. 0,05% vom theoretischen Optimum.
minimize: Σ (personal_cost[i] + overtime[i])
subject to:
∀ fahrt: Σ dienst[i] ≥ 1 // Abdeckung
∀ fahrer: ruhezeit ≥ 11h // ArbZG §5
∀ fahrer: wochenarbeitszeit ≤ 48h // ArbZG §3
∀ dienst: qualifikation ∈ Q[i] // Kompetenz
∀ fahrzeug: typ_kompatibel(f,d) // Fahrzeugtyp
fairness: max(dienste) - min(dienste) ≤ δDienst- und Umlaufplanung simultan optimieren
Traditionell werden Fahrzeugumlauf und Dienstplan sequenziell erstellt. Unser integriertes Modell optimiert beide Dimensionen simultan und berücksichtigt Wechselwirkungen zwischen Fahrzeug- und Personaleinsatz.
Das Ergebnis: Weniger Fahrzeuge, weniger Fahrer, weniger Leerkilometer – und trotzdem volle Fahrplanabdeckung mit fairerer Schichtverteilung.
Störungsmanagement in Sekunden statt Minuten
Krankmeldungen, Fahrzeugausfälle und Verspätungen erfordern schnelle Anpassungen. Unser Reinforcement-Learning-Agent berechnet in Sekundenbruchteilen die optimale Umverteilung – unter Einhaltung aller Constraints.
Der Leitstellenmitarbeiter erhält eine Handlungsempfehlung, die er mit einem Klick bestätigen oder manuell anpassen kann. Diese Mensch-Maschine-Kollaboration reduziert die Reaktionszeit drastisch.
Störung erkannt
Krankmeldung, Fahrzeugausfall oder Verspätung wird erfasst
RL-Agent berechnet
Optimale Umverteilung unter allen Constraints in Sekundenbruchteilen
Disponent bestätigt
Handlungsempfehlung per Klick bestätigen oder manuell anpassen
Nachweisbare Verbesserungen für Ihren Betrieb
–15%
Personalkosten durch effizientere Schichtkombinationen
100%
ArbZG- und Tarifkonformität ohne manuelle Nacharbeit
Stunden
statt Wochen Planungszeit bei Fahrplanwechseln
0,05%
Maximale Abweichung vom theoretischen Optimum
Potenzialanalyse für Ihre Dienstplanung
Auf Basis Ihrer anonymisierten Betriebsdaten erstellen wir eine erste Potenzialabschätzung – unverbindlich und kostenlos.
Kostenloses Erstgespräch vereinbarenHäufig gestellte Fragen
Fahrermangel-Projekt besprechen
Lassen Sie uns gemeinsam analysieren, wie mathematische Dienstplanoptimierung Ihren Personalmangel kompensiert – mit weniger Fahrern den gleichen Fahrplan bedienen.
- Kostenlose Erstanalyse Ihres Dienstplan-Optimierungspotenzials
- Beratung durch OR-Experten mit Erfahrung bei Hochbahn, Postbus & Co.
- Individuelles Konzept zur Personalkosten-Reduktion in 5 Werktagen
- ISO 27001 & TISAX zertifizierte Prozesse – Datenschutz garantiert