KI-gestützte Einsatzplanung und Disposition

Das echte Ausmaß des Problems

Einsatzplanung in der Zeitarbeit ist eine der operativ aufwendigsten Tätigkeiten, die es gibt. Sie verbindet Planungskomplexität (viele Variablen gleichzeitig), Zeitdruck (Schichten starten um 06:00 Uhr) und rechtliche Rahmenbedingungen (Arbeitszeitgesetz, AÜG, Branchentarifverträge), die permanent berücksichtigt werden müssen.

Die Kernprobleme:

Reaktive statt proaktive Planung: Der Disponent reagiert auf Ausfälle, statt vorausschauend zu planen. Je mehr Einsätze, desto mehr Überraschungen — und desto mehr Telefonketten in der Frühstunde.

Leerzeiten als versteckter Kostenfaktor: Zeitarbeitnehmer, die in der Warteschleife sind — verfügbar, aber nicht eingesetzt — verursachen Kosten. Schlechte Dispositionsplanung bedeutet, dass gleichzeitig Kapazitäten ungenutzt bleiben und Aufträge unbesetzt sind, weil niemand die Übersicht hat.

Arbeitszeitkomplexität: Tägliche und wöchentliche Höchstarbeitszeitgrenzen nach ArbZG, Ruhezeiten von 11 Stunden zwischen Schichten, Ausschluss von bestimmten Kandidaten nach AÜG-Fristen — all das muss bei jeder Planungsänderung berücksichtigt werden. Ein Verstoß ist nicht nur teuer, er gefährdet die AÜG-Lizenz.

Informationssilos: Verfügbarkeit, Qualifikation, Einsatzhistorie und Präferenzen verteilen sich auf mehrere Systeme oder — schlimmer — auf das Gedächtnis einzelner Disponenten. Wechselt jemand aus dem Team, geht dieses implizite Wissen weg.

Laut Branchenberichten kann ein effizienter Disponent mit manuellen Methoden maximal 50–80 aktive Einsätze parallel betreuen. Mit KI-Unterstützung sind Werte von 150–200 Einsätzen realistisch — der Unterschied liegt nicht in der Anzahl der Planungsschritte, sondern darin, wer sie ausführt.

Mit vs. ohne KI — ein ehrlicher Vergleich

Auslastungswerte und Einsatzkapazitäten basieren auf Angaben von Zeitarbeits-Softwareanbietern und Branchenberichten — keine unabhängige Studie.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Planungsaufwand wird deutlich reduziert — nicht ganz auf 5/5, weil Disponenten weiterhin die Systemempfehlungen prüfen, Kandidaten kontaktieren und Ausnahmen manuell handhaben müssen. Das System beschleunigt, ersetzt aber nicht den Disponenten. Der Zeitgewinn ist trotzdem einer der größten in dieser Kategorie.

Kosteneinsparung — sehr hoch (5/5) Leerzeiten kosten Geld — Zeitarbeitnehmer, die verfügbar aber nicht eingesetzt sind, erzeugen Standby-Aufwand ohne Ertrag. Jede Prozentpunkt Auslastungsverbesserung ist direkt in der Marge spürbar. Hinzu kommt: Schnellere Besetzung von Ausfällen bedeutet weniger Vertragsrisiken beim Kunden und weniger Stornierungen. Der stärkste wirtschaftliche Hebel dieser drei Anwendungsfälle.

Schnelle Umsetzung — mittel (3/5) Die Einführung erfordert mehr als Kandidaten-Matching, weil die Einsatzplanung tiefer in operative Prozesse eingreift: Schnittstellen zu Zeiterfassungssystemen, Lohnabrechnung und Kundensystemen müssen funktionieren. 4–10 Wochen sind realistisch, stark abhängig von der Systemlandschaft.

ROI-Sicherheit — mittel (3/5) Auslastungsgrad und Reaktionszeit sind messbar. Aber: Welcher Anteil der Verbesserung kommt vom KI-System, welcher kommt davon, dass das Team beim Rollout ohnehin besser auf Prozesse geschaut hat? Der kausale Nachweis ist schwieriger als bei der Dokumentenautomatisierung. Mittelfeldposition.

Skalierbarkeit — sehr hoch (5/5) Das ist der deutlichste Stärkepunkt. Ein Dispositionssystem, das heute 50 Einsätze koordiniert, kann mit demselben Aufwand 500 koordinieren. Wachstum wird nicht durch Kapazitäten im Dispositionsteam begrenzt, sondern durch Kandidaten- und Auftragsvolumen. Das ist der fundamentale Vorteil von KI-gestützter Einsatzplanung.

Richtwerte — stark abhängig von Auftragsvolumen, Kandidatenpool-Qualität und Systemintegrationstiefe.

Was die KI-Einsatzplanung konkret macht

Das System kennt zu jedem Zeitpunkt drei Datendimensionen:

Angebot: Wer ist verfügbar? Mit welchen Qualifikationen? Mit welchen Arbeitszeitkonto-Restriktionen? Mit welchen Präferenzen (Schichtart, Einsatzgebiet, bevorzugte Kunden)?

Nachfrage: Welche Schichten müssen besetzt werden? Wann, wo, mit welchem Qualifikationsprofil?

Constraints: Arbeitszeitgesetz, AÜG-Fristen, Tarifvertrag, individuelle Beschäftigungsobergrenzen, Ruhezeiten.

Der Planungsalgorithmus bringt diese drei Dimensionen in Einklang. Das Ergebnis ist ein Schichtplan, der:

• Alle Anforderungen erfüllt
• Keine ArbZG-Verstöße enthält
• Die AÜG-Fristen (18-Monats-Grenze, Equal Pay) berücksichtigt
• Fahrwege minimiert (Einsätze nah am Wohnort des Kandidaten priorisiert)
• Kandidatenpräferenzen soweit möglich berücksichtigt

Wenn ein Ausfall gemeldet wird, berechnet das System in Sekunden die verfügbaren Alternativen und schlägt zwei bis drei Optionen vor — gereiht nach Eignung, Verfügbarkeit und Reaktionswahrscheinlichkeit. Der Disponent wählt und bestätigt, das System benachrichtigt den Kandidaten automatisch.

Was die KI nicht kann

Sie kann nicht einschätzen, ob ein Kandidat, der formal verfügbar ist, tatsächlich motiviert ist, kurzfristig einzuspringen. Sie kennt nicht die informellen Signale, die ein erfahrener Disponent nach einem Telefonat einordnen kann. Und sie kann keine neuen Kandidaten akquirieren, wenn der Pool erschöpft ist. Die KI optimiert innerhalb der vorhandenen Möglichkeiten — die Qualität des Kandidatenpools ist ihre Obergrenze.

Automatisierung der Kandidatenkommunikation

Modere Dispositionssysteme ermöglichen automatisierte Kandidatenkommunikation: Wenn das System eine Schicht für Kandidat A identifiziert, wird dieser per SMS oder WhatsApp kontaktiert — mit Schichtdetails, Einsatzbetrieb und einem Zwei-Klick-Response (Ja/Nein). Kommt nach 15 Minuten keine Antwort, geht die Anfrage automatisch an Kandidat B. Der Disponent sieht den Status in Echtzeit.

Das verkürzt die Reaktionszeit bei Ausfällen von Stunden auf unter 30 Minuten — ohne einen einzigen Anruf.

Konkrete Werkzeuge — was wann passt

zvoove Dispo — Das spezialisierte Dispositionsmodul von zvoove ist für den deutschen Zeitarbeitsmarkt gebaut und integriert AÜG-Compliance, Equal Pay und Branchenzuschläge direkt in die Planungslogik. Der KI-Assistent Zain liefert Planungsvorschläge auf Basis des aktuellen Kandidatenpools. Für Zeitarbeitsfirmen, die zvoove als Kernsystem haben, ist das der natürliche nächste Schritt.

Bullhorn mit VMS-Integration — Für internationale Personaldienstleister oder Firmen mit Vendor-Management-System-Anforderungen (VMS) bei Großkunden. Bullhorns Back-Office-Modul verbindet Disposition, Zeiterfassung und Abrechnung. Einschränkung: US-Datenhosting, weniger AÜG-nativ als zvoove.

Personio — Keine direkte Einsatzplanungsfunktionalität, aber als Grundlage für Stammdaten sinnvoll. Wer kein spezialisiertes Zeitarbeitssystem hat und Einsatzplanung zunächst pragmatisch angehen will, kann Personios HR-Basis mit einem dedizierten Schichtplanungstool kombinieren.

Make.com mit WhatsApp-Integration — Für kleinere Betriebe: Eine Automatisierungsplattform kann den Ausfall-Kommunikationsprozess erheblich beschleunigen. Ausfall eingetragen → automatische WhatsApp-Nachrichten an Top-5-Kandidaten → Erste Zusage triggert Bestätigung und Kalendereinladung. Kein vollständiges Planungssystem, aber eine pragmatische Lösung für das häufigste Alltagsproblem.

Wann welcher Ansatz:

• Bestehende zvoove-Nutzer → zvoove Dispo mit KI
• Internationale Großkunden, VMS-Anforderungen → Bullhorn
• Wachsende Firma, noch kein Spezialsystem → Personio Basis + Make.com für Kommunikation
• Kleiner Betrieb, Schwerpunkt Ausfallmanagement → Make.com WhatsApp-Automatisierung als erster Schritt

Datenschutz und Datenhaltung

Die Einsatzplanung verarbeitet eine besonders dichte Kombination personenbezogener Daten: Wohnort (für Erreichbarkeit), Arbeitszeitkonto (Stundenzahl), Gesundheitszustand (implizit durch Ausfallmeldungen), bevorzugte Arbeitsorte und -zeiten.

DSGVO und Kandidaten-Profiling: Wenn ein KI-System automatisch Kandidaten für Schichten priorisiert, kann das als automatisierte Entscheidung nach Art. 22 DSGVO eingestuft werden — mit Auskunftsrecht des Kandidaten über die Logik der Priorisierung. Zeitarbeitsfirmen sollten in den Nutzungsbedingungen und der Datenschutzerklärung klar kommunizieren, dass und wie KI-Systeme bei der Einsatzplanung eingesetzt werden.

Arbeitnehmervertretung: Wenn ein Betriebsrat vorhanden ist, hat dieser bei der Einführung von technischen Systemen zur Leistungs- oder Verhaltensüberwachung Mitbestimmungsrechte nach § 87 Abs. 1 Nr. 6 BetrVG. Ein Dispositionssystem, das Verfügbarkeit und Reaktionszeiten von Kandidaten trackt, kann unter diese Kategorie fallen. Frühzeitige Einbindung des Betriebsrats verhindert spätere Blockaden.

Datenhosting: zvoove (Deutschland) ist für den deutschen Markt die rechtssicherste Wahl. Bullhorn (US-Hosting) erfordert aktives DPA-Management und SCCs.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Systemintegration (Anbindung Zeiterfassung, Lohnabrechnung, Kundensysteme): 3.000–10.000 Euro je nach Komplexität
• Datenmigration und Kalibrierung der Planungsparameter: 2–4 Wochen interner Aufwand
• Schulung Dispositionsteam: 2–3 Tage

Laufende Kosten

• zvoove Dispo-Modul: Aufpreis auf Basispaket, auf Anfrage
• Make.com: ab 9 Euro/Monat für einfache Workflows
• Bullhorn Back-Office: ab ca. 99 USD/User/Monat (US-Richtwert)

Was du dagegenrechnen kannst Auslastungsverbesserung von angenommenen 65 auf 80 Prozent bei 100 Zeitarbeitnehmern mit durchschnittlichem Stundenlohn von 15 Euro und Vollzeit-Einsatz: Das sind 15 zusätzliche Vollzeitäquivalent-Stunden pro Tag, 300 Stunden pro Woche, Mehreinnahmen von ca. 4.500 Euro wöchentlich — nur durch bessere Auslastung.

Konservativ gerechnet mit 40 Prozent des theoretischen Effekts: 1.800 Euro/Woche, rund 7.200 Euro/Monat. Das amortisiert Einrichtungskosten von 10.000 Euro in unter zwei Monaten.

Diese Rechnung setzt voraus, dass die Nachfrage für die zusätzliche Kapazität vorhanden ist. Das Planungssystem kann nur einsetzen, was an Aufträgen vorhanden ist — es generiert keine neuen Kundennachfragen.

Drei typische Einstiegsfehler

1. Das System plant, aber niemand hat die Verfügbarkeiten aktuell eingetragen. Einsatzplanung per KI funktioniert nur, wenn das System den Echtzeit-Status kennt: Wer ist krank? Wer hat seinen Urlaub gerade geändert? Wer hat gestern Nacht 8 Stunden Einsatz gehabt und kann heute keine Frühschicht machen? Wenn Disponenten Änderungen “später” nachtragen, arbeitet das System mit veralteten Daten — und schlägt ungeeignete Kandidaten vor. Die Systemdisziplin muss höher sein als bei manueller Planung, nicht niedriger.

2. Der erste Planungsfehler des Systems führt zum sofortigen Rückfall in manuelle Methoden. Das System wird in den ersten Wochen Fehler machen — Kandidaten vorschlagen, die dann doch nicht verfügbar sind, oder eine ArbZG-Grenze übersehen, die sich aus einem komplexen Mehrkunden-Einsatz ergibt. Dieser Moment ist entscheidend: Wird er als “das System taugt nichts” interpretiert, ist die Einführung gescheitert. Wird er als Kalibrierungssignal behandelt — was stimmt im Datensatz nicht, was muss im System nachjustiert werden? — lernt das System dazu. Führungsebene und Team müssen diesen Unterschied vorab besprechen.

3. Die Automatisierung der Kandidatenkommunikation startet ohne vorherige Absprache mit den Kandidaten. Wer das erste Mal um 5:45 Uhr eine automatisierte WhatsApp-Nachricht einer Firma erhält, ist irritiert — auch wenn die Nachricht nützlich ist. Kurze Ankündigung vorab: “Ab nächster Woche bekommst du Anfragen für kurzfristige Einsätze per WhatsApp von unserem System. Antwort Ja/Nein reicht.” Das kostet zwei Minuten und verhindert Vertrauensverlust, der sich in niedrigen Antwortquoten niederschlägt.

Was mit der Einführung wirklich passiert — und was nicht

Einsatzplanung mit KI ist die Veränderung, die Disponenten am ambivalentesten begegnen. Das Matching sparte Suchzeit — das war spürbar positiv. Die Dokumentenautomatisierung hat repetitive Arbeit eliminiert — das war unumstritten erleichternd. Aber die Disposition ist die Tätigkeit, mit der erfahrene Disponenten sich identifizieren. Den Schichtplan zu füllen, die richtigen Leute zu kennen, kurzfristig zu reagieren — das ist die Kernkompetenz.

Ein KI-System, das das teilweise übernimmt, löst manchmal das Gefühl aus: Werde ich hier gerade ersetzt? Das Gespräch muss offen geführt werden, und die Antwort muss ehrlich sein: Disponenten mit guter Systemkenntnis und KI-Unterstützung können das Zweifache an Einsätzen betreuen. Das bedeutet Wachstum — mehr Umsatz mit demselben Team — nicht zwingend Stellenabbau. Aber wenn das unklar bleibt, ist Widerstand vorprogrammiert.

Was konkret hilft:

• Disponenten in die Systemkonfiguration einbinden: Welche Prioritätsregeln soll das System verwenden? Ihre Praxis-Expertise ist der Algorithmus-Input
• Klare Ansage: Das System schlägt vor, die Person entscheidet und bestätigt — immer
• Kennzahlen gemeinsam festlegen: Was wollen wir nach drei Monaten besser können?
• Erfolge feiern: Wenn das System zum ersten Mal einen Ausfall in unter 20 Minuten ersetzt hat, kommunizieren — konkret, mit Zeitvergleich

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

“Unsere Einsätze sind zu individuell für ein automatisches System.” Das höre ich regelmäßig — und meistens stimmt es für 20 Prozent der Einsätze. Die anderen 80 Prozent sind Routine: Lagerpersonal, Produktionshilfe, Logistik, Büroarbeit mit klar definierten Anforderungen. Genau für diese 80 Prozent spart die Automatisierung Zeit. Die komplexen 20 Prozent bleiben manuell — das System entlastet dich vom Rest.

“Was ist, wenn das System einen Verstoß gegen das ArbZG auslöst?” Ein gut konfiguriertes System verhindert ArbZG-Verstöße aktiv — es kennt das Arbeitszeitkonto jedes Kandidaten und weist Schichten ab, die eine gesetzliche Grenze überschreiten. Das ist ein Vorteil gegenüber manueller Planung, bei der diese Prüfung vom Disponenten abhängt und entsprechend fehleranfällig ist. Voraussetzung: Das Arbeitszeitgesetz muss korrekt im System hinterlegt sein — inklusive Ausnahmen für bestimmte Branchen.

“Was kostet uns das, wenn das System einen Tag ausfällt?” Diese Frage ist richtig und wichtig. Ein produktives Dispositionssystem ist kritische Infrastruktur — ein Ausfall um 06:00 Uhr ist keine Komfortfrage. Daher: Fallback-Prozess definieren, bevor das System live geht. Welche manuellen Notfallprozeduren greifen? Wer hat Zugriff auf die Rohdaten? Wie lange kann das Team manuell operieren? Die Antworten müssen vor dem ersten Echtbetrieb feststehen.

Woran du merkst, dass das zu dir passt

• Ausfälle werden täglich reaktiv gemanagt und das kostet Disponenten-Nerven und Kundenvertrauen
• Dein Team betreut mehr als 100 aktive Zeitarbeitnehmer — darunter ist manuelles Planen handhabbar
• Ihr habt messbare Leerzeiten im Kandidatenpool: Zeitarbeitnehmer sind verfügbar, aber häufig nicht im Einsatz, weil die Zuordnung nicht optimal läuft
• Wachstum scheitert am Disponenten-Engpass: Mehr Aufträge bedeutet mehr Überstunden für das Dispositionsteam, nicht mehr Umsatz

Wann es sich (noch) nicht lohnt — drei Ausschlusskriterien:

1. Unter 80 aktive Zeitarbeitnehmer parallel. Bei kleineren Pools ist der manuelle Überblick machbar. Der Investitionsaufwand für ein vollständiges Dispositionssystem ist erst ab dieser Schwelle sinnvoll amortisierbar.

2. Stammdaten und Verfügbarkeiten werden nicht systematisch gepflegt. Ein Planungssystem, das nicht weiß, wer wirklich verfügbar ist, plant falsch — mit hohem Vertrauensverlust im Team. Bevor ein System eingeführt wird, muss die Datenbasis stimmen.

3. Das Dispositionsteam hat keine Kapazität für den Rollout. Die Einführung erfordert parallelen Betrieb, Feedback-Runden und Systemkalibrierung. Wer das Projekt neben dem Vollbetrieb einführt, ohne jemanden dafür freizustellen, scheitert nicht am Tool — sondern an Ressourcenmangel.

Das kannst du heute noch tun

Mach eine ehrliche Auswertung der letzten vier Wochen: Wie viele Ausfälle mussten in weniger als 2 Stunden ersetzt werden? Wie lange hat der Ersatz jeweils gedauert? Wie hoch war die Auslastung des Pools — wie viele Zeitarbeitnehmer waren verfügbar, aber nicht eingesetzt?

Das sind die drei Kennzahlen, die den Business Case für KI-Disposition ausmachen. Wenn du sie nicht hast: Das ist bereits ein Problem — und der erste Schritt ist, sie zu erheben.

Quellen & Methodik

• ArbZG — Ruhezeiten und Arbeitszeitgrenzen: § 3 ArbZG (täglich max. 8h, bis 10h mit Ausgleich), § 5 ArbZG (11h Mindestruhezeit zwischen Schichten), § 16 ArbZG (Bußgelder).
• AÜG — Überlassungshöchstdauer und Equal Pay: § 1 Abs. 1b AÜG (18 Monate), § 8 AÜG (Equal Pay nach 9 Monaten).
• Disponenten-Kapazität mit KI: Branchenberichte von zvoove, Bullhorn und zeitarbeit-ai.de (Stand April 2026); keine unabhängige Vergleichsstudie.
• Auslastungsverbesserungen: Erfahrungswerte aus Implementierungsberichten von Zeitarbeits-Softwareanbietern; nicht repräsentativ.
• § 87 Abs. 1 Nr. 6 BetrVG: Mitbestimmungsrecht des Betriebsrats bei technischen Überwachungseinrichtungen.
• DSGVO Art. 22: Automatisierte Einzelentscheidungen — Informationspflicht bei KI-basierter Priorisierung von Arbeitnehmernehmern.