In einem 7-Tage-24-Stunden-Servicebetrieb ist die Entscheidung pro Mitarbeiter keine einzelne Schicht, sondern ein wöchentliches (oder n-wöchiges) Tour-Muster — Schichtfolge plus Ruhetage plus aufeinanderfolgende Tagesgrenze plus Fairness, alles gleichzeitig. Akademischer Name: Workforce Tour Scheduling; Dantzig (1954) Set-Covering, Bechtold-Brusco (1991) kompakte Formulierung, Ernst et al. (2004) kanonische Übersicht.
Kurz gesagt
Kommt Ihnen das bekannt vor?
- Ein Betrieb mit 100-500 Mitarbeitern — zentrale Schichtplanung einer Einzelhandelskette, großes Einzelhandels-Callcenter, 7-Tage-24-Stunden-Rezeption einer Hotelkette, Sicherheitsdienst — und die wöchentliche Tour-Planung läuft per Spreadsheet und Bauchgefühl.
- Mitarbeiter beschweren sich regelmäßig 'ich hatte drei Wochenenden hintereinander Dienst' — die Fairness-Metrik ist nirgendwo schriftlich.
- Die Nachfragekurve unterscheidet sich stark Wochentag vs Wochenende (Freitagabend, Samstagmittag); der Plan lässt Spitzenstunden unterbesetzt und Leerstunden überbesetzt.
- Die 45-Stunden-Wochenobergrenze wird gelegentlich unbemerkt überschritten — sie taucht erst in der Monatsendabrechnung auf.
- Mitarbeiter mit 6-7 aufeinanderfolgenden Arbeitstagen zeigen Erschöpfung und mehr Fehler — insbesondere aufeinanderfolgende Nächte im Sicherheits- und Krankenhausreinigungsdienst.
- Mitarbeiterpräferenzen ('Mittwoch Schule', 'Sonntag Familie') werden mündlich übermittelt; der Disponent vergisst sie; Präferenzdrift treibt die jährliche Fluktuation auf 20-30%.
- Ein interner Vertrag behandelt ein Schichtmuster als kanonisch (z. B. '5 Frühschichten plus 2 frei'); der Betrieb hat keine Erfahrung mit anderen Mustern (z. B. 4x10), sodass eine Kapazitätsanalyse nicht möglich ist.
Warum es wichtig ist
Wie wird es gelöst?
Technische Tiefe
Wie wird es gelöst?
Technische TiefeIn einem Satz: Zeichne die wöchentliche Nachfragekurve (benötigte aktive Mitarbeiterzahl pro Stunde pro Tag), liste die zulässigen wöchentlichen Arbeitsmuster (5x8 Früh, 4x10 Spät, Nacht usw.) auf und entscheide per Mathematik-Solver, wie viele Mitarbeiter je Muster zu verteilen sind — Nachfrage erfüllt, Vertragsregeln nicht verletzt, Gesamtkosten minimal.
Dieses Problem erscheint in der Operations-Research-Literatur (Disziplin, die Mathematik und Computer für Geschäftsentscheidungen einsetzt) unter dem Namen Workforce Tour Scheduling. Zwei akademische Hauptformulierungen existieren:
- Set-Covering (Muster-Abdeckung — eine Entscheidungsvariable pro Muster): Zuerst werden alle zulässigen wöchentlichen Tour-Muster aufgelistet (5x8 Früh, 4x10 Spät, 7-Tage mit 3 Nächten, wochenend-frei CSWD usw.); jedem Muster wird eine Entscheidungsvariable zugewiesen (wie viele Mitarbeiter folgen diesem Muster); Nebenbedingung: jede Stunde der Nachfrage muss abgedeckt werden; Ziel: Mindestmitarbeiterzahl / -kosten. Klassischer Vorteil: konzeptionell sauber, die LP-Relaxation ist scharf. Klassischer Nachteil: die Anzahl zulässiger Muster explodiert kombinatorisch.
- Implizite / kompakte Formulierung: Die Entscheidungsvariable verschiebt sich von ‘wie viele Mitarbeiter pro Muster’ zur Achse ‘Mitarbeiter-Tag-Schicht’; Musterregeln (Ruhe, aufeinanderfolgende Tage, Nachtgrenze) werden direkt als Nebenbedingungen geschrieben. Vorteil: polynomiale Modellgröße; moderne MIP-Solver (Mixed-Integer Linear Programming — Optimierung mit teils 0/1-, teils stetigen Variablen) bewältigen 100-500 Mitarbeiter über 7-14 Tage in praktischer Zeit. Nachteil: die Formulierung ist komplexer und schwerer zu validieren.
Lösung in drei Phasen:
1. Modellierung. Eingangsdaten: Nachfragekurve (erforderliche aktive Mitarbeiterzahl pro Stunde pro Tag, Wochentag vs Wochenende, monatliche Spitzen), Mitarbeiterinventar (Qualifikation, Vertragstyp — Vollzeit/Teilzeit, Präferenzen und Einschränkungen), Schichttypen (Früh 06:00-14:00, Spät 14:00-22:00, Nacht 22:00-06:00; Alternativen 4x10, 3x12), Tour-Musterbibliothek (kanonisch 5 Arbeit + 2 frei; CSWD; n-wöchig zyklisch), Vertrags- und Arbeitsrechtsnebenbedingungen (45-Stunden-Wochenobergrenze, 11-Stunden-Zwischenschichtruhe, ≤ 6 aufeinanderfolgende Arbeitstage, ≤ 7-10 monatliche Nächte, faire Wochenendrotation). Ziel: minimale Mitarbeiterzahl, minimale Gesamtlohnkosten, maximaler Präferenzscore oder gewichtetes Mehrziel.
2. Solver-gestützte Entscheidung. Vier Hauptansätze:
- Set-Covering MIP: Wenn die Anzahl zulässiger Muster moderat (Hunderte) ist, funktioniert ein direkter MIP-Solve. Mustererzeugung als Vorverarbeitungsschritt.
- Implizites MIP: Polynomiales Modell über einem sehr großen Musterraum. Mitarbeiter-Tag-Schicht-Variablen; Musterregeln als Nebenbedingungen.
- Spaltengenerierung (mit kleinem Anfangspool starten und nützliche Muster schrittweise hinzufügen): sehr großer Musterraum; Master-LP-Relaxation, Subproblem erzeugt das attraktivste neue Muster (kürzester Weg). Branch-and-price für die Ganzzahllösung.
- Metaheuristiken (intelligente Suchverfahren — liefern nahezu optimale Lösungen): genetischer Algorithmus, Tabu-Suche, Simulated Annealing — für sehr große Instanzen (>500 Mitarbeiter, Multi-Skill, n-wöchige Zyklen).
Praktische Wahl: 100-300 Mitarbeiter, 7-Tage-Zyklus, Einzelqualifikation — Set-Covering MIP reicht. 300-1000 Mitarbeiter, Multi-Skill, n-wöchiger Zyklus — implizites MIP oder Spaltengenerierung. >1000 Mitarbeiter, Multi-Site, dynamische Nachfrage — Metaheuristiken plus Rolling-Horizon.
3. Feldintegration. Ausgabe in zwei Schichten: (a) Tour-Zuteilungstabelle — wöchentliches Muster jedes Mitarbeiters (welcher Tag, welche Schicht, welche Ruhetage), n Wochen im Voraus veröffentlicht; (b) Abdeckungsbericht — geplante Mitarbeiterzahl vs Nachfrage pro Stunde pro Tag, mit Lücken und Überschüssen. Das WFM-Tool (Workforce Management) speist das Tour-Scheduling-Modul: HR (Vertrag, Präferenz, Urlaub), Zeiterfassung (tatsächliche Stunden, Fehlzeiten), Lohnabrechnungsintegration. Monatlicher Personalausschuss: Ist vs Plan Abdeckung, Fairness-Metrik (Gini-Koeffizient der Wochenend-/Nachtverteilung), Präferenzerfüllungsrate, Vertragsverstoßanzahl, Fluktuationsindikatoren.
Alternativen
Manuell plus Spreadsheet plus Disponentenintuition
KostenlosNull Lizenz; Disponentenzeitkosten 8-15 Stunden/Woche
Für wen geeignet: 30-80 Mitarbeiter, stabile Nachfragekurve, Einzelstandort
- + Null Softwarekosten
- + Disponentenflexibilität — einfache Last-Minute-Änderung
- + Lokale Regulierungskenntnis beim Disponenten
- + Persönlicher Präferenzkanal
- − Ab 80 Mitarbeitern wird der Disponent gesättigt — Vertragsobergrenzenverstöße schlüpfen durch
- − Tour-Musterraum explodiert kombinatorisch — keine Optimalitätsgarantie manuell
- − Fairness-Metrik nicht numerisch — Beschwerdekanal bleibt offen
- − Investitionsentscheidung (wie viele Mitarbeiter) intuitiv — große Drift
- − Kapazitätsanalyse (neue Servicelinie, neuer Standort) nicht möglich
Lokale WFM-Software (Workforce Management)
Enterprise150K-600K TRY Einrichtung + 30K-100K TRY/Jahr Wartung (TR-Marktbeobachtung)
Für wen geeignet: 80-300 Mitarbeiter, mittel-komplexe Nachfrage, ein oder wenige Standorte
- + Lokale Arbeitsrechtsregeln eingebaut (Wochenobergrenze, aufeinanderfolgende Tage, Nachtgrenze, Abfindung)
- + Lokale Sprache, lokaler Support
- + HR plus Lohnabrechnungsintegration bereit
- + Nachfrageprognosemodul (meist einfach) enthalten
- − Tour-Scheduling-Engine meist regelbasiert heuristisch — echtes MIP oder Spaltengenerierung selten
- − Multi-Skill-Multi-Site-Optimierung schwach
- − Fairness-Metrik in Berichten, nicht im Optimierungsziel
- − Akademische Formulierungen (Bechtold-Brusco implizit, Spaltengenerierung) nicht integriert
Internationale WFM-Plattform
Enterprise500K-3M TRY Jahresabo oder 2-8M TRY Lizenz (TR-Marktbeobachtung)
Für wen geeignet: 300+ Mitarbeiter, Multi-Site, Multi-Skill, komplexe Nachfrage
- + Ausgereifte Tour-Scheduling-Engine — MIP, Spaltengenerierung oder Metaheuristik
- + Multi-Skill-Matrix-Unterstützung
- + Multi-Site zentralisierte Planung plus lokale Flexibilität
- + Mobile App, Swap-Modul, Nachfrageprognose integriert
- + Fairness-Metrik Teil des Optimierungsziels
- − Hohe Lizenz plus 6-12 Monate Implementierung
- − TR-Arbeitsrechts-Anpassung erhöht Projektzeit
- − Breites Schulungsprogramm für Operations-Team
- − Single-Supplier-Lock-In-Risiko
Open-Source-Solver plus internes OR-Team
Open SourceLizenz kostenlos; interne Entwicklung 16-32 Wochen oder 600K-2M TRY Beratung
Für wen geeignet: Betriebe mit Tech-Team, Integration mit bestehender HR / Zeiterfassung gewünscht
- + Keine Lizenzgebühr
- + Bechtold-Brusco implizit und Spaltengenerierung haben Open-Source-Referenzimplementierungen
- + Volle Kontrolle über Fairness-Metrik
- + Flexibles Mehrzieldesign (Kosten + Fairness + Präferenz)
- − Interner OR-Experte erforderlich (Set-Covering + Spaltengenerierung)
- − Übergang zum Feldsystem 9-15 Monate
- − Wartungsverantwortung beim Betreiber
- − Manuelle HR / Zeiterfassungs-Integration
Empfehlung
Im Gespräch fragen
- Was treibt die Tour-Scheduling-Engine — Set-Covering MIP, Bechtold-Brusco implizit, Spaltengenerierung, Metaheuristik oder regelbasierte Heuristik? In einer 200-Mitarbeiter-7-Tage-24-Stunden-Demo, welche Methode läuft und wie lange ist die Lösungszeit?
- Wie wird die Tour-Musterbibliothek verwaltet — sind kanonische Muster (5x8, 4x10, CSWD) vordefiniert, kann der Nutzer eigene Muster hinzufügen, kann die Engine neue Muster entdecken?
- Ist die Fairness-Metrik (Wochenendrotation, Nachtverteilung, Präferenzerfüllung) Teil des Optimierungsziels oder nur des Berichts? Sind die Mehrziel-Gewichte (Kosten + Fairness) durch den Nutzer einstellbar?
- Wie werden TR-Arbeitsrechtsregeln (45-Stunden-Wochenobergrenze, 11-Stunden-Zwischenschichtruhe, max. 6 aufeinanderfolgende Tage, monatliche 270-Stunden-Obergrenze, 7,5-Stunden-Nachtlimit) kodiert — Nutzerparameter, eingebaute Bibliothek oder Anpassungsprojekt?
- Werden Multi-Skill (z. B. Kassierer + Verkaufsfläche + Sicherheit) und Multi-Site (z. B. 50 Filialen teilen einen Mitarbeiterpool) in einer Engine geplant oder sequenziell?
- Ist Nachfrageprognose enthalten (stündliche Nachfragekurve, Wochenend-/Monatsspitzen), oder extern eingespeist? Wie wirkt sich Prognosedrift auf die Lösung aus (deterministische vs stochastische Tour-Planung)?
- Welcher Lohnkostenersparnis-, Fairness-Verbesserungs- und Fluktuationsreduktionsbericht kann in einem 8-12-Wochen-Pilotbetrieb mit echten Betriebsdaten gegenüber dem aktuellen manuellen Plan erstellt werden?
- Wenn der Vertrag endet, in welchem offenen Format (CSV, JSON oder Parquet) können Tour-Zuteilungshistorie, Mitarbeiterpräferenzkalibrierung, Nachfrageprognosedaten und Planarchiv exportiert werden? Wie viele Jahre Mitarbeiter-Stunden-Historie werden für die Lohnabrechnungsprüfung aufbewahrt?
Technische Details
Editorische Notiz
Im Alltagsgebrauch heißt dieses Problem “wöchentliches Schichtmuster”, “5+2-Ruheplan” oder “Mitarbeiterzyklus”. In der akademischen Literatur lautet sein Name Workforce Tour Scheduling — Dantzig (1954) führte die klassische Set-Covering-Formulierung im Kontext der Mautstation ein; Bechtold und Brusco (1991) veröffentlichten die moderne kompakte (implizite) Formulierung; Ernst, Jiang, Krishnamoorthy und Sier (2004) schrieben die kanonische Übersicht.
Diese Seite darf nicht mit #003 (Einzelschicht-Zuteilung / Personnel Rostering) oder #023 (Callcenter-Staffing — Erlang-C) verwechselt werden. Die drei liegen auf unterschiedlichen Planungsschichten:
- #079 Tour-Planung (diese Seite) — Wochenmuster-Skala: 5-7 Tage Arbeit + Ruhe + Schichtmuster. Entscheidung: “welcher Mitarbeiter auf welcher Wochentour”. Horizont: Wochen-Monate.
- #003 Shift Scheduling / Personnel Rostering — Einzelschicht-Skala: Sobald Touren festgelegt sind, weise jede Tagesschicht zu. Entscheidung: “wer arbeitet die Montagfrühschicht”. Horizont: Tage-Wochen.
- #023 Callcenter-Staffing (Erlang-C) — Stündliche Nachfrageskala: Stündliche Nachfrageprognose plus Servicelevel-Ziel. Entscheidung: “wie viele Agenten für 10:00-11:00”. Horizont: Stunden-15 Minuten.
Die drei zusammen bilden eine hierarchische Planungsarchitektur.
Am häufigsten übersehener Punkt: Set-Covering vs implizite Formulierung. Praktiker probieren die klassische Dantzig-Set-Covering-Formulierung aus, die Anzahl zulässiger Muster explodiert kombinatorisch (5.000-50.000 Muster), und sie erklären das Modell für “unlösbar” — sie kehren dann zu regelbasierten Heuristiken zurück. Aber Bechtold-Brusco (1991) schreiben eine implizite Formulierung mit polynomialer Größe; moderne MIP-Solver bewältigen das gleiche Problem in Minuten. Bei sehr großen Instanzen erzeugt Spaltengenerierung (Branch-and-Price) zulässige Muster dynamisch.
Zweiter übersehener Punkt: Fairness muss in der Zielfunktion sein, nicht nur im Bericht. Eine Fairness-Metrik (Gini-Koeffizient oder Entropie der Wochenend-/Nachtverteilung) muss eine gewichtete Komponente des Ziels sein — Ernst et al. (2004) behandeln die Mehrziel-Tour-Scheduling-Literatur.
Schritt-für-Schritt-Weg — für KMU
Phase 1 — Zuerst Nachfrage und Muster messen. Mindestens 12 Wochen Daten: stündliche realisierte Nachfrage, tatsächliche Mitarbeiterstunden (Plan vs Ist), stündliche Fehlzeitenrate, Mitarbeiterpräferenz- und Urlaubshistorie.
Phase 2 — Tour-Musterbibliothek extrahieren. Welche Wochenmuster passen zu Vertrag + Arbeitsrecht + Betrieb. Für jedes Muster die stündliche Abdeckungsmatrix erstellen. Bibliothekgröße 30-200 Muster, 500+ für Multi-Skill-Multi-Site.
Phase 3 — Pilot. 8-12 Wochen. Für eine Teilmenge (50-150 Mitarbeiter) Tour-Scheduling-MIP oder implizit-Solver parallel zum aktuellen manuellen Plan laufen lassen. Erfolgskriterium im Voraus festgelegt: Lohnkosten -8% minimum, Fairness-Gini +15% Verbesserung, Disponentenzeit -50%, Vertragsverstöße = 0.
Phase 4 — Rollout. 9-15 Monate für vollständige Mitarbeiter- + Multi-Site- + Multi-Skill-Integration.
Risiken — was schief gehen kann
- Nachfrageprognose-Drift. Tour-Pläne werden Wochen im Voraus gemacht; die Drift der Nachfragekurve öffnet eine Lücke von 20-40% zwischen Plan und Realität. Lösung: Rolling-Horizon, stochastische Tour-Planung, On-Call-Arbeitspool / Teilzeitpuffer.
- Vertrags-/interne Fairness-Resistenz. Neue durch die Tour-Scheduling-Engine eingeführte Muster sind möglicherweise nicht im bestehenden Vertrag — Mitarbeiter- oder Gewerkschaftswiderstand folgt.
- Aufeinanderfolgende Nachtschicht-Ermüdung — im Gesundheits- und Sicherheitsdienst. Eine Grenze aufeinanderfolgender Nächte (z. B. ≤ 2-3 aufeinanderfolgende Nächte, gefolgt von ≥ 2 Ruhetagen) muss eine harte Nebenbedingung sein.
- Single-Supplier-WFM-Lock-In. Ohne jährliche Exportklausel im offenen Format gehen Jahre der Fairness-Kalibrierung verloren.
Lösungsmethode — technische Sicht
| Ansatz | Typische Größe | Lösungszeit | Garantiertes Optimum? |
|---|---|---|---|
| Regelbasierte Heuristik | 30-80 Mitarbeiter | sofort | Nein, 50-70% Optimum |
| Set-Covering MIP (Dantzig 1954) | 80-300 Mitarbeiter, 500-3.000 Muster | Minuten-Stunden | Ja (innerhalb Bound) |
| Implizites MIP (Bechtold-Brusco 1991) | 100-500 Mitarbeiter, n-wöchiger Zyklus | Minuten-Stunden | Ja (innerhalb Bound) |
| Spaltengenerierung (Branch-and-Price) | 300-1000 Mitarbeiter, Multi-Skill | Stunden | Ja (innerhalb Bound) |
| Metaheuristik — GA (Aickelin-Dowsland 2004), Tabu | 500+ Mitarbeiter, Multi-Site | Stunden | Nein, gute praktische Qualität |
| Stochastische / robuste Tour-Planung | 100-300 Mitarbeiter, unsichere Nachfrage | Stunden | Ja (Erwartungswert oder Worst-Case) |
Zielfunktion Auswahl:
- Ziel 1 — Minimale Gesamtmitarbeiterzahl: Investitionsentscheidung-Fokus.
- Ziel 2 — Minimale Gesamtlohnkosten: Operationeller Effizienzfokus.
- Ziel 3 — Maximaler Präferenzscore: Mitarbeiterzufriedenheits-/Fluktuationsreduktionsfokus.
- Ziel 4 — Maximale Fairness-Metrik: Gini-Koeffizient oder Entropie der Wochenend-/Nachtverteilung.
Mehrzielig: gewichtete Summe, Pareto-Front-Exploration oder hierarchisch.
Akademische Quellen
Im Frontmatter der Seite unter sources aufgelistet.
Quellen
- Dantzig, G. B. (1954). A comment on Edie’s ‘Traffic delays at toll booths’. Operations Research, 2(3), 339-341. Erste Anwendung der klassischen Set-Covering-Formulierung im zeitabhängigen Staffing-Kontext.
- Bechtold, S. E. und Brusco, M. J. (1991). The labor tour scheduling problem. Naval Research Logistics, 38(5), 681-695. Moderne kompakte (implizite) Formulierung.
- Ernst, A. T., Jiang, H., Krishnamoorthy, M. und Sier, D. (2004). Staff scheduling and rostering: A review of applications, methods and models. European Journal of Operational Research, 153(1), 3-27. Kanonische Übersicht des Felds.
- Aickelin, U. und Dowsland, K. A. (2004). An indirect genetic algorithm for a nurse-scheduling problem. Computers & Operations Research, 31(5), 761-778. Metaheuristischer (indirekter GA) Ansatz.
- Tien, J. M. und Kamiyama, A. (1982). On manpower scheduling algorithms. SIAM Review, 24(3), 275-287. Frühe systematische Übersicht der Personalplanungsalgorithmen.
- YÖK Thesis Center — Stichwörter: ‘haftalık vardiya’, ‘çalışan örüntüsü’ oder ’tour scheduling’ — 15+ Dissertationen aus der türkischen Wissenschaft. tez.yok.gov.tr
Glossar
- Tour Scheduling
- OR-Problem der Personaleinsatzplanung: Mitarbeitern wöchentliche Tour-Muster (Schichtfolgen plus Ruhetage) zuweisen, sodass die stündliche Nachfrage gedeckt ist und Ruhe-, Stunden- und Fairnessregeln eingehalten werden.
- Days-Off Pattern
- Spezifikation, an welchen Tagen in einem wöchentlichen oder n-wöchigen Zyklus ein Mitarbeiter arbeitet versus ruht — unter aufeinanderfolgenden Ruhetagen, Wochenend-Fairness und ergonomischen Grenzen.
- MIP
- Optimierungsmodell, bei dem ein Teil der Entscheidungsvariablen ganzzahlig sein muss (z. B. Anzahl LKW, Anzahl Schichten).
- Schichtplanung
- Die wöchentliche oder monatliche Entscheidung, welcher Beschäftigte an welchem Tag, in welcher Schicht, in welcher Rolle arbeitet.
Ähnliche Probleme
n Aufgaben + n Personen / Maschinen — Wen Ordne Ich Worauf Zu, Damit Die Gesamtkosten Oder Zeit Minimal Sind?
Für Dienstleistungs-KMU, die jede Woche mit der Frage 'wer macht was' starten: Ingenieurbüros mit 5-30 Ingenieuren, Kanzleien mit 20-80 Akten pro Woche, Facility-Management-Firmen mit 10-50 Außendiensttechnikern oder Kliniken, die Chirurgen Fällen zuordnen. Jedes Person-Aufgabe-Paar hat reale, unterschiedliche Kosten, weil Kompetenz, Zeit, Anfahrt und persönliche Präferenz zusammenspielen; die Faustregel 'beste Person auf die härteste Aufgabe' sieht diese Unterschiede nicht. Schlechte Paarungen schlagen bis Freitag als Überstunden, verspätete Lieferungen und Kundenreklamationen durch. Eine systematische Zuordnung desselben Teams senkt Gesamtkosten oder -zeit typischerweise um 15-30%.
Welcher Techniker zu welchem Kunden, um wie viel Uhr?
Ein Klimaservice, ein Aufzugswartungsunternehmen, ein Hausgeräteservice, ein ISP-Technikeranbieter oder ein Landtechnikservice mit 5–50 Außendienstmitarbeitern bekommt jeden Morgen eine Tagesliste: 30–150 Kunden mit geplanter Wartung, Reparatur oder Installation. Die Entscheidung: welcher Techniker, welcher Kunde, in welcher Reihenfolge, zu welcher Uhrzeit. Gleichzeitig zu berücksichtigende Bedingungen: Kundenzeitfenster (vormittags / nachmittags / festes Zeitfenster), Techniker-Skill (Klima Marke A vs B, Aufzugstyp, Internet-Infrastruktur), Fahrzeit (innerstädtisch 20–90 Min.), Ersatzteile im Fahrzeug, Eilauftrag-Priorität. Manuelle Zuteilung trägt bis 10–15 Techniker; darüber sitzt der Dispo 2–4 Stunden täglich am Telefon — verschobene Termine, unzufriedene Kunden und stille Techniker werden Routine.