KI-gestützte Mitarbeitereinsatzplanung im Handel

Das echte Ausmaß des Problems

Schichtplanung im Einzelhandel ist komplexer, als sie aussieht. Eine Marktleiterin mit 18 Teilzeitkräften jongliert wöchentlich Urlaubswünsche, Verfügbarkeitsfenster, Mutterschutz, Azubi-Berufsschultage, gesetzliche Ruhezeiten, Betriebsvereinbarungen und die Erwartung, dass samstags zwischen 10 und 14 Uhr niemand fehlt. Die meisten machen das in Excel oder mit Papier — und verbrauchen dafür 5 bis 10 Stunden pro Woche.

Das Bundesarbeitsministerium schätzt, dass im deutschen Einzelhandel ca. 30 % der bezahlten Arbeitsstunden in Zeiten fallen, in denen weniger Personal gebraucht würde als eingesetzt ist — während gleichzeitig Stoßzeiten unterbesetzt sind. Das ist kein Fehler der Mitarbeiterinnen, sondern ein Planungsproblem.

Mit Mindestlohn bei 12,82 € (Stand 2025) und Tariflöhnen im Lebensmitteleinzelhandel zwischen 13 und 17 €/Stunde sind falsch eingesetzte Stunden teuer. Zehn Stunden pro Woche, die systematisch in falsche Zeiten fallen, kosten über das Jahr gerechnet 7.000 bis 9.000 € pro Vollzeit-Äquivalent.

Dazu kommt der Qualitätsverlust: Wenn Samstagnachmittag drei Kassiererinnen an den Kassen warten und zwei Beratungskräfte fehlen, verlieren Kunden Vertrauen — und kommen seltener wieder.

Mit vs. ohne KI — ein ehrlicher Vergleich

Einschätzung auf einen Blick

Zeitersparnis — sehr hoch (5/5) Das ist der stärkste Zeithebel in der gesamten Handel-Branche: 8 Stunden Schichtplanung werden zu 45 Minuten Freigabe. Das ist kein Versprechen — das ist die konsistente Erfahrung aus Workforce-Management-Implementierungen. Diese Entlastung ist täglich spürbar, jede Woche, für die Marktleiterin.

Kosteneinsparung — niedrig (2/5) Schichtplanung-KI spart Planungszeit — aber ob sie tatsächlich Personalkosten senkt, hängt davon ab, ob du die freigewordenen Kapazitäten anders einsetzt. Der theoretische Personalkostenhebel durch bessere Stunden-Allokation ist vorhanden (8–15 %, Schätzwert aus Praxisberichten), aber im Alltag schwer isolierbar und oft nicht realisiert. Es gibt keine Entlassungen durch KI-Schichtplanung — eher weniger Überstunden.

Schnelle Umsetzung — niedrig (2/5) Die Integration mit deinem Kassensystem (für Frequenzdaten), die Einpflege aller Mitarbeiterdaten und Verfügbarkeiten, die Schulung der Führungskraft — das dauert typischerweise 3 bis 6 Wochen bis zum ersten verlässlichen Produktivbetrieb. Kein Tage-Projekt.

ROI-Sicherheit — mittel (3/5) Die Zeitersparnis für die Marktleiterin ist direkt messbar und sofort spürbar. Der Personalkosten-ROI durch bessere Allokation ist real, aber schwer belastbar zu dokumentieren — zu viele Variablen beeinflussen ihn. Damit ist das Gesamtbild: Sicher für Zeitersparnis, weniger sicher für Kosten-ROI.

Skalierbarkeit — niedrig (2/5) Das ist das einzige Instrument in dieser Branche, das mit wachsender Mitarbeiterzahl proportional teurer wird — Workforce-Management-Tools werden per Mitarbeiterkopf abgerechnet. Für ein wachsendes Filialnetz mit mehr Personal steigen die Lizenzkosten linear. Kein Skalierungsvorteil wie bei Software-Automatisierungen.

Richtwerte — stark abhängig von Mitarbeiterzahl, Komplexität der Schichtstruktur und Integrationsmöglichkeiten mit dem Kassensystem.

Was KI-Schichtplanung konkret macht

Das Verfahren kombiniert Demand-Forecasting (Vorhersage des Personalbedarfs) mit Constraint-Optimierung (Schichtplan unter Berücksichtigung aller Regeln).

Das System verbindet sich mit dem Kassensystem und liest historische Transaktionsdaten: Wann sind wie viele Kunden da? Wie lang dauert eine Transaktion im Schnitt? Das ergibt ein Frequenzprofil der Filiale für jede Stunde, jeden Wochentag, jeden Saisonabschnitt.

Externe Signale ergänzen das Bild: Feiertage und Ferienkalender, lokale Events, Wetterdaten für wetterbeeinflusste Filialen. Das Modell lernt: „An Regentagen kommen 15 % mehr Kunden als an normalen Dienstagen.” (Schätzwert aus Praxisberichten)

Mit dieser Prognose erstellt das System einen Schichtvorschlag unter Berücksichtigung aller Constraints: Vertragszeiten, Urlaube, Qualifikationsanforderungen (Kassenberechtigung, Schlüsselgewalt), gesetzliche Ruhezeiten, Betriebsvereinbarungen. Der Plan kommt als Vorschlag — die Marktleiterin prüft und gibt frei.

Konkrete Werkzeuge — was wann passt

Quinyx — Schwedischer Anbieter, in Deutschland weit verbreitet im LEH. Vollständige Workforce-Management-Plattform mit KI-Prognosen und Schichtoptimierung. Ab ca. 3 €/Mitarbeiter/Monat. Gute Integration in DATEV und Sage.

Planday — Dänischer Anbieter, stark im deutschen Einzelhandel. Etwas einfacher als Quinyx, günstigerer Einstieg. Ab ca. 2 €/Mitarbeiter/Monat. Schnittstellen zu DATEV vorhanden.

Atoss Software — Münchner Unternehmen, spezialisiert auf Workforce Management im deutschen Markt. Stärker bei größeren Filialsystemen und Unternehmen mit Betriebsrat und Tarifvertrag. Typisch ab 10.000 €/Jahr Lizenz.

Microsoft 365 Copilot — Für Betriebe, die Excel nutzen: Copilot kann Schichtpläne auf Basis von Vorgaben vorschlagen. Kein vollständiges Workforce-Tool, aber ein sinnvoller Einstieg ohne Systemwechsel.

ChatGPT — Für Betriebe mit weniger als 8 Mitarbeitern: Historische Kassendaten als CSV hochladen, Forecast und Schichtvorschläge per Prompt generieren. Kein integriertes System, aber praktische Schnelllösung ohne Budget.

Datenschutz und Datenhaltung

Schichtplanung verarbeitet Mitarbeiterdaten — das sind personenbezogene Daten im Sinne der DSGVO. Einige konkrete Pflichten:

Betriebsrat-Einbindung (BetrVG § 87 Abs. 1 Nr. 2 und Nr. 6): Änderungen der Arbeitszeit und der Einsatz technischer Einrichtungen zur Personalplanung sind mitbestimmungspflichtig. Workforce-Management-Systeme fallen in beide Kategorien. Einführung ohne Betriebsratsbeteiligung ist rechtswidrig.

DSGVO Art. 6: Mitarbeiterdaten für Schichtplanung sind zulässig auf Basis von Art. 6 Abs. 1 lit. b (Erfüllung des Arbeitsvertrags) — keine separate Einwilligung nötig. Aber: Das System darf nur die Daten erheben, die für die Schichtplanung erforderlich sind.

Auftragsverarbeitungsvertrag: Mit Quinyx, Planday und Atoss ist ein AVV abzuschließen. Alle drei stellen standardisierte AVV-Vorlagen bereit.

Datenspeicherort: Quinyx und Planday haben EU-Serverstandorte — DSGVO-konform. Atoss ist als deutsches Unternehmen besonders unkompliziert. Prüfe bei jedem Anbieter explizit, wo die Mitarbeiterdaten gespeichert werden.

Was es kostet — realistisch gerechnet

Kleiner Markt (6–10 Mitarbeiter):

• Planday oder ähnlich: ca. 150–200 €/Monat
• Einrichtungsaufwand: 4–8 Stunden
• Kein spezialisiertes Kassensystem nötig — Daten manuell exportierbar

Mittlere Filiale (15–30 Mitarbeiter):

• Quinyx oder Atoss: 400–1.500 €/Monat je nach Funktionsumfang
• Integrationsaufwand ins Kassensystem: 2.000–6.000 € einmalig
• Schulungsaufwand Führungskräfte: 1–2 Tage

ROI-Szenario: Supermarkt mit 20 Mitarbeitern, Schichtplanung bisher 8 Stunden/Woche. Mit KI: 45 Minuten/Woche. Gesparte Zeit: 7,25 Stunden/Woche × 52 = 377 Stunden/Jahr. Bei 25 €/Stunde Führungskraft: 9.425 € Zeitwert zurückgewonnen. Zusätzlich: weniger Überstunden durch bessere Stunden-Allokation (Schätzung: 10 %). Tool-Kosten: 2.400 €/Jahr. Netto: über 7.000 € — zuverlässig, schon im ersten Jahr.

Drei typische Einstiegsfehler

Fehler 1 — Mitarbeiterdaten unvollständig einpflegen Das System kann nur optimieren, was es kennt. Wenn Verfügbarkeiten nicht vollständig eingetragen sind, erstellt es Pläne, die nicht der Realität entsprechen. Bevor das Tool live geht, muss jede Mitarbeiterin ihre Verfügbarkeit korrekt und vollständig hinterlegt haben — mit einem Erinnerungsprozess, der das auch aktuell hält.

Fehler 2 — Führungskraft ändert jeden Vorschlag manuell Wenn die Marktleiterin 80 % der KI-Vorschläge manuell überschreibt, hat sie kein Schichtplanungs-Tool — sie hat ein teures Excel-Ersatz. Wenn viele Überschreibungen nötig sind, liegt das an falsch konfigurierten Parametern, nicht an schlechter KI. Ursachen verstehen, Konfiguration anpassen.

Fehler 3 — System konfigurieren und dann nicht mehr pflegen Mitarbeiterdaten ändern sich ständig: neue Verträge, geänderte Verfügbarkeiten, Azubis mit neuen Berufsschultagen, Mutterschutz. Ein System, das sechs Monate nicht aktuell gehalten wurde, erstellt Pläne, die nicht der Realität entsprechen — und die Marktleiterin überschreibt sie manuell, weil sie dem System nicht mehr traut. Baue von Anfang an einen klaren Prozess ein: Wer hält Verfügbarkeiten aktuell? Wie schnell werden Änderungen eingepflegt? Nur ein gepflegtes System erspart wirklich Arbeit.

Was mit der Einführung wirklich passiert — und was nicht

Die erste Reaktion des Teams ist oft skeptisch: „Ein Computer soll entscheiden, wann ich arbeite?” Dieses Gefühl ist verständlich und muss adressiert werden — nicht mit Überzeugungsreden, sondern durch Transparenz: Das System schlägt vor, die Marktleiterin entscheidet, und Tauschwünsche können direkt in der App eingereicht werden.

Was Teams nach einigen Wochen berichten: Mitarbeiter erleben KI-Planung als fairer, weil das System keine Lieblinge hat. Wer früher das Gefühl hatte, immer die schwierigen Samstagsschichten zu bekommen, merkt, dass die Verteilung datenbasiert und dokumentiert ist.

Was nicht verschwindet: Die schwierigen Fälle — Mitarbeiter mit sehr eingeschränkten Verfügbarkeiten, akute Krankheitswellen, besondere Events. Das System macht Kompromissvorschläge, aber finale Abwägungen bleiben bei der Führungskraft.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Meine Leute wollen nicht, dass ein Computer entscheidet, wann sie arbeiten.” Das System entscheidet nicht — es schlägt vor. Die Marktleiterin gibt frei, Mitarbeiter können Tauschwünsche einreichen. In der Praxis erleben viele Mitarbeiter KI-Planung als fairer, weil das System keine Lieblinge hat.

„Unser Kassensystem gibt keine Stundendaten aus.” Das ist häufiger als man denkt, aber lösbar. Die meisten modernen Kassensysteme haben CSV-Exporte. Alternativ genügen Eingangs-Zählerdaten, die viele Märkte bereits haben. Auch das reicht für eine erste Prognose.

„Wir sind zu klein für solche Systeme.” Mit 6 bis 8 Mitarbeitern lohnt sich Planday oder eine einfache Lösung bereits — der Planungsaufwand von 3 bis 5 Stunden/Woche ist auch bei kleinen Teams erheblich. ChatGPT als kostenlose Lösung für erste Schichtvorschläge ist ohne Systemintegration nutzbar.

Woran du merkst, dass das zu dir passt

Das passt zu dir, wenn:

• Die Schichtplanung nimmt jede Woche mehr als 3 Stunden in Anspruch
• Du mehr als 8 Mitarbeitende mit unterschiedlichen Verfügbarkeiten planst
• Kurzfristige Umplanungen regelmäßig zu Chaos führen

Das passt noch nicht zu dir, wenn:

• Du weniger als 6 Mitarbeitende hast mit stabilen, wenig variablen Schichten — der Aufwand überwiegt die Ersparnis
• Dein Kassensystem keine Exportfunktion hat und keine geplant ist — die Datenbasis fehlt
• Dein Betriebsrat noch nicht eingebunden ist — das ist der notwendige erste Schritt, nicht der letzte

Das kannst du heute noch tun

Exportiere die Kassendaten der letzten 4 Wochen (Transaktionen nach Stunde und Wochentag) und analysiere das Frequenzprofil deiner Filiale.

Quellen & Methodik

• Bundesministerium für Arbeit und Soziales (BMAS, 2023): Auswertungen zu Arbeitszeitmustern im deutschen Einzelhandel; bmas.de
• Quinyx Workforce Management Report (2023): Benchmarks zu Planungszeiten und Besetzungsoptimierung im Lebensmitteleinzelhandel; quinyx.com
• ver.di Bundesverwaltung (2024): Tarifübersicht Einzelhandel — aktuelle Lohnbänder; verdi.de
• Erfahrungswerte: Beobachtungen aus Workforce-Management-Implementierungen in deutschen Einzelhandels-Filialen