Planungssoftware - Intelligente Optimierung für die BBZ-Planung

DAISEC und HWK Potsdam erprobten intelligente Optimierung für die Planung des Berufsbildungszentrums

Wie lassen sich Kurse, Räume, Lehrkräfte und Zeiten so zusammenbringen, dass möglichst alle Anforderungen erfüllt werden? Wie können vorhandene Ressourcen besser genutzt werden? Und wie kann die Planung schnell reagieren, wenn eine Lehrkraft ausfällt oder sich andere Bedingungen kurzfristig verändern? Gemeinsam untersuchten die Handwerkskammer Potsdam und der DAISEC, wie intelligente Optimierungsverfahren bei diesen komplexen Planungsaufgaben unterstützen können.

Vom Erfahrungsaustausch zum konkreten Projekt

Die Zusammenarbeit zwischen der Handwerkskammer Potsdam und dem European Digital Innovation Hub DAISEC nahm beim HPI-Kontaktstudium 2025 in Trier ihren Anfang. In einem zweistündigen Workshop tauschten sich rund 20 Vertreterinnen und Vertreter von Bildungseinrichtungen aus Handwerksorganisationen über ihre Erfahrungen mit der Stunden- und Raumplanung aus.

Dabei zeigte sich ein gemeinsames Problem: Die Planung ist vielerorts noch stark manuell geprägt, aufwendig und vom Erfahrungswissen einzelner Mitarbeitender abhängig. Aus diesem Austausch entstanden erste Ansatzpunkte für eine weitere Zusammenarbeit.

Für die Handwerkskammer Potsdam traf diese Diskussion auf ein konkretes Entwicklungsprojekt: Für ihr Berufsbildungszentrum ließ sie eine eigene Planungssoftware programmieren. Damit bot sich die Gelegenheit, nicht nur bestehende Abläufe zu digitalisieren, sondern zugleich zu prüfen, an welchen Stellen moderne KI- und Optimierungsverfahren einen zusätzlichen Nutzen bringen können.

Viele Anforderungen, ein möglichst guter Plan

Die Aufgabe der neuen Software ist anspruchsvoll, denn bei der Planung müssen zahlreiche Bedingungen gleichzeitig berücksichtigt werden. Räume unterscheiden sich nach Ausstattung und Kapazität, Lehrkräfte nach Verfügbarkeit und Qualifikation. Hinzu kommen Ferien, Prüfungen, Teilnehmerzahlen, bestimmte Reihenfolgen von Unterrichtsinhalten und weitere Ressourcen. Gleichzeitig gilt es, unterschiedliche Prioritäten abzuwägen. Die Software soll die Planungsverantwortlichen dabei unterstützen – nicht ihre Entscheidungen ersetzen.

Genau an dieser Stelle setzte der Wissenstransfer des DAISEC an. Gemeinsam wurde zunächst untersucht, welche technologischen Methoden sich für diese Aufgabe eignen. Die Wahl fiel auf Constraint Optimisation, also die Optimierung unter vorgegebenen Bedingungen.

Das Prinzip lässt sich mit einem großen Puzzle vergleichen: Die Software kennt die einzelnen Teile – Kurse, Räume, Personen und Zeiten – sowie die Regeln, nach denen diese zusammenpassen dürfen. Ein Raum darf beispielsweise nicht doppelt belegt sein, eine Lehrkraft muss verfügbar sein und bestimmte Unterrichtsinhalte müssen in der richtigen Reihenfolge stattfinden. Ein Optimierungsverfahren kann sehr viele mögliche Kombinationen prüfen und daraus einen möglichst guten Planungsvorschlag erstellen.

KI gezielt dort einsetzen, wo sie einen Mehrwert bietet

Eine wichtige Erkenntnis der gemeinsamen Arbeit: Nicht die gesamte Planungssoftware muss zu einer „KI-Anwendung“ werden. Viele Funktionen, etwa das Erfassen von Stammdaten oder die Darstellung fertiger Pläne, lassen sich mit klassischer Software zuverlässig umsetzen. Intelligente Optimierungsverfahren sind insbesondere dort sinnvoll, wo viele Bedingungen und Prioritäten gleichzeitig gegeneinander abgewogen werden müssen.

Der DAISEC brachte hierfür das technologische Know-how ein und untersuchte mit einem Demonstrator die grundsätzliche Machbarkeit. Im Mittelpunkt stand die Frage, ob sich die Regeln und Ressourcen eines Berufsbildungszentrums so abbilden lassen, dass ein Optimierungsverfahren daraus brauchbare Planungsvorschläge erzeugen kann.

Eine besondere Herausforderung lag dabei darin, die zahlreichen Anforderungen aus der Praxis so zu formulieren, dass sie technisch verarbeitet werden können. Welche Bedingungen sind zwingend einzuhalten? Wo bestehen Spielräume? Und welche Kriterien entscheiden darüber, ob ein Plan gegenüber einem anderen zu bevorzugen ist? Damit wurde deutlich, dass für eine sinnvolle Optimierung nicht nur die Technologie entscheidend ist, sondern auch eine präzise Beschreibung der tatsächlichen Planungsprozesse.

Von der Planung zur flexiblen Umplanung

Besonders interessant ist der Ansatz mit Blick auf kurzfristige Änderungen: Was passiert, wenn eine Lehrkraft erkrankt? Welche Kurse können verschoben werden? Welche Räume und Lehrkräfte stehen alternativ zur Verfügung? Eine Optimierungskomponente könnte künftig nicht nur auf entstehende Konflikte hinweisen, sondern direkt mögliche Alternativen für die Umplanung vorschlagen.

Der gemeinsame Ansatz zeigte damit einen praxisnahen Weg zum Einsatz von KI: nicht möglichst viel KI in eine Anwendung einzubauen, sondern sie dort einzusetzen, wo sie eine konkrete komplexe Aufgabe besser lösen und die Planungsverantwortlichen wirkungsvoll unterstützen kann.

Damit bildet die gemeinsame Arbeit eine Grundlage für die weitere Entwicklung der Planungssoftware und zeigt zugleich, wie der Transfer zwischen Praxis und KI-Expertise funktionieren kann.