Freitagmorgen, sieben offene Wartungstermine, ein Monteur meldet sich krank, ein Kunde ruft mit einem dringenden Ausfall an. Wer im Servicegeschäft die Disposition macht, kennt dieses Puzzle. Auf dem Whiteboard oder in einer Excel-Tabelle lässt es sich noch irgendwie lösen, aber jeder falsch verteilte Auftrag kostet Fahrzeit, Ersatzteile oder einen verärgerten Kunden. Genau hier setzt eine KI-gestützte Serviceeinsatzplanung an.
Was Serviceeinsatzplanung eigentlich meint
Serviceeinsatzplanung, oft auch Techniker-Disposition oder Field Service Management genannt, beantwortet drei Fragen gleichzeitig: Welcher Mitarbeiter fährt zu welchem Auftrag, und wann? Es geht also nicht um den klassischen Dienstplan, der festlegt, wer wann anwesend ist. Der Dienstplan sagt, dass Herr Kaya am Dienstag von 7 bis 16 Uhr arbeitet. Die Einsatzplanung entscheidet, dass Herr Kaya an diesem Dienstag die Heizungswartung in Bochum, den Störfall in Witten und die Inbetriebnahme in Dortmund übernimmt, weil er dafür qualifiziert ist und die Route zusammenpasst.
Betroffen sind alle Betriebe mit Außeneinsätzen: Anlagenbauer und Wartungsfirmen, SHK- und Elektrobetriebe, IT-Dienstleister mit Vor-Ort-Service, Aufzugs- und Kältetechnik, Medizintechnik. Überall dort, wo mehrere Kräfte zu wechselnden Kundenadressen fahren, wird die Planung schnell komplex, sobald mehr als eine Handvoll Aufträge im Spiel sind.
Wo KI in der Disposition konkret hilft
Aufträge zu Technikern zuordnen
Die eigentliche Kernaufgabe. Ein KI-System kann für jeden offenen Auftrag prüfen, welche Kraft die passende Qualifikation und Zertifizierung mitbringt, wer räumlich am nächsten ist, wer noch Kapazität hat und welche Priorität der Auftrag hat. Statt dass die Dispo alle Faktoren im Kopf jongliert, bekommt sie einen begründeten Vorschlag: Auftrag X am besten an Mitarbeiter Y, weil Qualifikation, Nähe und Zeitfenster passen. Die Entscheidung bleibt beim Menschen, aber die Vorarbeit ist erledigt.
Touren realistisch planen
Viele manuelle Pläne rechnen mit Luftlinie und Bauchgefühl. Eine gute Planung berücksichtigt echte Fahrzeiten, Verkehr, Zeitfenster beim Kunden und die Reihenfolge der Stopps. So lassen sich Leerfahrten und unnötige Kilometer reduzieren. Fällt jemand aus oder kommt ein Notfall dazu, kann das System schnell durchrechnen, wie sich die restlichen Termine sinnvoll umverteilen lassen.
Einsätze vorbereiten
Aus der Auftragshistorie und der Anlagendokumentation kann KI vorschlagen, welche Ersatzteile oder Werkzeuge wahrscheinlich gebraucht werden. Wenn der Monteur die richtige Pumpe schon im Fahrzeug hat, muss er nicht ein zweites Mal anfahren. Das zahlt direkt auf die sogenannte First-Time-Fix-Rate ein, also den Anteil der Fälle, die beim ersten Besuch abgeschlossen werden. Eine hohe Quote spart Fahrten und macht Kunden zufriedener.
Mit Kunden proaktiv kommunizieren
Ein häufig unterschätzter Hebel. Automatische Terminbestätigungen, Erinnerungen und eine realistische Ankunftszeit (ETA) per SMS oder E-Mail senken die Zahl der geplatzten Termine, weil niemand zu Hause war. Verschiebt sich ein Einsatz, kann der Kunde rechtzeitig informiert werden, ohne dass jemand im Büro zum Telefon greifen muss.
Nachbereitung entlasten
Nach dem Einsatz kann KI aus den Notizen und Fotos des Technikers einen ersten Berichts- oder Rechnungsentwurf erzeugen. Der Mitarbeiter prüft und ergänzt, statt alles von Hand zu tippen. Damit schließt sich der Kreis vom Auftrag bis zur Abrechnung schneller.
Was Sie dafür brauchen
KI ist kein Selbstläufer, sie braucht saubere Grundlagen. Realistisch nutzbar wird eine automatisierte Einsatzplanung erst mit ein paar Stammdaten in ordentlicher Qualität:
- Aufträge und Prioritäten: Was ist zu tun, wie dringend, welches Zeitfenster hat der Kunde zugesagt?
- Qualifikationsmatrix: Wer darf und kann was, inklusive Zertifikaten und Schulungen?
- Standorte und Fahrzeuge: Startpunkte, Einsatzgebiete, Verfügbarkeit.
- Ersatzteile und Historie: Was wurde an welcher Anlage schon getan, was liegt auf welchem Fahrzeug?
Wer diese Daten heute nur in Köpfen und Zetteln hat, sollte zuerst hier ansetzen. Je vollständiger die Historie, desto bessere Vorschläge sind möglich. Bei ganz neuen Anlagen oder Serviceverträgen fehlt naturgemäß die Datenbasis, dann liefert das System anfangs eher grobe Vorschläge und wird mit der Zeit treffsicherer.
Grenzen und wer entscheidet
Eine KI-Disposition ist eine Assistenz, kein Autopilot. Das echte Servicegeschäft ist voller Ausnahmen: Der Kunde ist doch nicht da, ein Ersatzteil fehlt im Lager, der Kollege steht im Stau, ein Notfall drängelt sich dazwischen. Solche Situationen brauchen eine erfahrene Dispo, die den Vorschlag bestätigt, anpasst oder verwirft. Sinnvoll ist ein Modell nach dem Vier-Augen-Prinzip: Das System plant vor, der Mensch gibt frei.
Vorsicht ist auch bei Versprechen angebracht. Seriös lässt sich nicht pauschal sagen, dass Sie X Prozent Fahrzeit oder Y Prozent mehr erledigte Aufträge erreichen. Solche Werte hängen stark von Ihrer Auftragsstruktur, der Region und der Datenqualität ab. Sinnvoller ist, für Ihren Betrieb zwei oder drei Kennzahlen zu definieren, etwa Fahrzeitanteil, First-Time-Fix-Rate und Termintreue, und diese vor und nach der Einführung ehrlich zu vergleichen.
Realistisch einsteigen
Der pragmatische Weg ist kein Big-Bang über alle Standorte, sondern ein abgegrenzter Pilot. Nehmen Sie eine Region oder eine Serviceart mit überschaubaren, wiederkehrenden Aufträgen, zum Beispiel die planbaren Wartungen statt der chaotischen Notdienste. Dort lässt sich in wenigen Wochen zeigen, ob die Vorschläge in der Praxis taugen und die Dispo entlasten.
Wichtig ist die Anbindung an vorhandene Systeme. Eine Einsatzplanung, die getrennt von Ihrem ERP, Ihrer Auftragsverwaltung oder Ihrer Zeiterfassung läuft, erzeugt Doppelarbeit statt sie abzubauen. Klären Sie deshalb früh, welche Schnittstellen es gibt und wie die Daten hin und zurück fließen.
Sie überlegen, ob sich eine KI-gestützte Serviceeinsatzplanung für Ihren Betrieb rechnet, oder ob eine Standardsoftware genügt? In einem kostenlosen Erstgespräch schauen wir uns Ihre Abläufe an und sagen ehrlich, wo Automatisierung wirklich Zeit spart und wo nicht.
Ebenfalls interessant: Qualitätskontrolle mit KI