Terminplanoptimierung und Verzugsrisikoprognose für Bau- und Investitionsprojekte

Große Bau- und Infrastrukturprojekte werden einmal über Jahre geplant, mit Tausenden logisch verknüpfter Vorgänge, gemeinsam genutzten Kolonnen und Geräten und vertraglichen Meilensteinen. Planer erstellen meist von Hand einen Basisterminplan und bemerken Verzug spät. Zwei KI-Ansätze setzen hier an: generative Terminplanung (ein Solver untersucht aus dem Modell und den Randbedingungen alternative Abfolgen sowie Kolonnen- und Geräteeinsätze) und ML-Verzugsrisikoprognose (Modelle, die auf früheren Programmen trainiert sind, sagen voraus, welche Vorgänge sich verschieben und um wie viel). Zusammen unterstützen sie Angebote, Wiederherstellungsplanung und Portfoliorisiko.

Problem & Nutzen

• Heute: Terminpläne werden manuell in Primavera P6, Microsoft Project oder Asta Powerproject erstellt; Alternativen werden nach Erfahrung untersucht, Risiko wird über wenige workshopbasierte Schätzungen oder Monte-Carlo-Simulation auf von Experten festgelegten Dauern behandelt. Die Wiederherstellung nach einem Verzug ist überwiegend manuelle Neuplanung.
• KI-Nutzen: (1) viel mehr Szenarien zu Abfolge und Ressourceneinsatz gegen Zeit, Kosten und Ressourcenglättung untersuchen; (2) subjektive Dauerunsicherheit durch datengetriebene Verteilungen aus vergleichbaren historischen Programmen ersetzen; (3) nach Änderungen schnell neu planen; (4) Bauherren eine unabhängige Sicht auf die Qualität des Programms des Auftragnehmers geben.
• Belege: Anbieter veröffentlichen Einsätze statt geprüfter Benchmarks. ALICE Technologies nennt Auftragnehmer wie NGE und Zachry; nPlan nennt Programme wie HS2 und Network Rail [1][2]. Betrachten Sie von Anbietern gemeldete Zeit- und Kosteneinsparungen als Behauptungen, die Sie in einem Pilot auf Ihren eigenen Projekten prüfen.

Varianten

• Generative Terminplanung (Auftragnehmer): Optimierung von Bauablauf sowie Kolonnen und Geräten aus BIM und P6.
• Verzugsrisikoprognose (Bauherr, Kreditgeber, PMO): P50-/P80-Fertigstellungstermine und Treiber über ein Programm oder Portfolio.
• Risiko in der Angebotsphase: risikoangepasstes Angebotsprogramm und Dimensionierung der Reserve.
• Bahn-/Straßen-/Versorgungsprogramme: Linienprojekte mit Sperrpausen und Einschränkungen beim Gleiszugang.
• Wohnungsbau/repetitives Bauen: Taktplanung und Fließlinienplanung.
• Wiederherstellungsplanung: Neusequenzierung und Beschleunigungsoptionen nach Verzugsereignissen.
• Unterstützung bei Behinderungsanzeigen und Nachträgen: forensische Analyse der Auswirkung auf das Programm (die Freigabe erteilt ein menschlicher Experte).

So funktioniert es

1. P6 / MS-Project-Export + BIM (IFC) + Ressourcen- und Kalenderdaten
2. Datenbereinigung (Logikprüfungen, offene Enden, Randbedingungen, doppelte/zusammengeführte Vorgänge)
3. Zuordnung Vorgang zu Bauteil (BIM-Mengen
4. Dauern über Produktivitätsraten)
5. (a) Optimierung: CP-SAT / MILP / Metaheuristik über RCPSP mit Kolonnen, Geräten, Zonen
6. (b) Risikomodell: ML auf historischen Programmen
7. Dauer-/Verzugsverteilungen je Vorgang
8. Monte-Carlo-Terminsimulation (Netzplanlogik + gelernte Unsicherheit)
9. P50/P80, Kritikalität
10. Szenariovergleich und Empfehlungen (Planer prüft, passt Randbedingungen an)
11. freigegebener Terminplan wird nach P6 / MS Project zurückgeschrieben; mit wöchentlichem Fortschritt aktualisiert

• Optimierungskern: ein ressourcenbeschränktes Projektplanungsproblem (RCPSP) mit mehreren Ausführungsmodi (Kolonnengrößen, Verfahren), Vorrangbeziehungen, Zonen und Kalendern. Exakte und Constraint-Programming- Solver bewältigen mittelgroße Netzpläne; große Netzpläne erfordern Zerlegung oder Heuristiken. ML liefert Produktivitäts- und Dauerschätzungen; der Solver liefert die Garantien.
• Verzugsrisikomodell: Gradient Boosting oder neuronale Modelle auf Vorgangsmerkmalen (Art, Gewerk, Jahreszeit, Vorgängerstruktur, geplante Dauer, Projektkontext), trainiert auf historischen Basisplänen gegenüber Ist-Terminen. Das Ergebnis ist eine Verteilung, kein Einzelwert, und speist die Monte-Carlo-Simulation.
• LLM-Schicht: Was-wäre-wenn-Fragen in natürlicher Sprache, Prüfung der Terminplanqualität, Übersetzung von Vertragsklauseln in Randbedingungen (siehe OPT-018). Das LLM ändert die Logik nie ohne Freigabe durch die Planerin bzw. den Planer.
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Planerin bzw. der Planer verantwortet den Terminplan; KI-Vorschläge sind Optionen. Vertragsrelevante Basispläne und Behinderungsanzeigen benötigen die Freigabe einer qualifizierten Terminplanerin bzw. eines qualifizierten Terminplaners.

Datenaufbereitung

Benötigte Daten: Basis- und fortgeschriebene Terminpläne (Primavera P6 XER, MS Project, Excel), Leistungsverzeichnisse, Ressourcen- und Kostendaten, Bautagesberichte, Baufortschrittsfotos, Wetteraufzeichnungen und Erkenntnisse aus früheren Projekten. In einem mittelständischen Bauunternehmen oder bei einem öffentlichen Bauherrn liegen diese in Terminplanungswerkzeugen, dem ERP oder der Bausoftware, auf Dateiablagen, in E-Mail-Anhängen und in Bautagebüchern auf Papier.

Typische Lücken: Terminpläne ohne logische Verknüpfungen oder einheitliche Vorgangscodes, Fortschritt als Freitext gemeldet, gescannte Bautagebücher, doppelte Projektversionen, keine strukturierte Historie der Verzüge und ihrer Ursachen sowie eingeschränkter Zugriff auf Daten von Nachunternehmern.

Aufbereitungsschritte: Terminpläne in ein strukturiertes Format exportieren und die Logikqualität prüfen (offene Enden, Zwangsbedingungen, negative Pufferzeit); Vorgangscodes und einen Standard für den Projektstrukturplan vereinheitlichen; Bautagebücher mit OCR digitalisieren und Verzugsursachen extrahieren; eine Referenztabelle abgeschlossener Projekte mit geplanten gegenüber tatsächlichen Dauern aufbauen; Zugriffsrechte mit Nachunternehmern vereinbaren. Die Referenzhistorie ist das wertvollste und zugleich das aufwendigste Gut.

Rechnen Sie mit einem hohen Anteil am Aufwand, etwa 40-50 Prozent. Hilfreich: PREP-006 für gescannte Tagebücher, PREP-011 für die Bereinigung von Tabellen, PREP-019 für Kategorien von Verzugsursachen und DOC-018 für die Dokumentenextraktion. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• enterprise (A): Auftragnehmer und Bauherren nutzen bereits Primavera, MS Project oder Asta; etablierte Zusatzprodukte und Risikoanalyseprodukte integrieren sich in diese Werkzeuge und sind der schnellste Weg.
• developer (B): Teams, die eigene Terminplanungsintelligenz bauen, kombinieren Constraint-Solver wie OR-Tools mit Cloud-LLM- oder ML-APIs für Dauerprognosen und das Einlesen von Terminplänen.
• public (B): Öffentliche Bauherren benötigen nachvollziehbare, reproduzierbare Ergebnisse und vergaberechtskonformes Hosting; ein Aufbau in einer EU-Cloud mit offenen Solvern vermeidet die Bindung an einen einzelnen Terminplanungsanbieter.

Weg A — Kaufen (Standardsoftware) (empfohlen für die meisten Auftragnehmer/Bauherren)

• Generative Terminplanung: ALICE Technologies (USA; P6-/MS-Project-Import, Szenario-„Was-wäre-wenn“-Engine).
• Verzugsrisiko / Terminplananalytik: nPlan (UK; ML-Prognosen aus einer großen Bibliothek historischer Programme, P6-Integration). Weitere Werkzeuge zur Terminplananalytik: Oracle Primavera Cloud mit Risikoanalyse, Bentley Synchro 4D, Autodesk Construction Cloud, Hexagon/Trimble-Connect-Integrationen, Safran Risk, Deltek Acumen (Terminplanqualität und Risiko), Oracle Primavera P6 Risk Analysis.
• EU-/UK-Optionen: nPlan (UK), Powerproject (Elecosoft, Konzern mit Sitz in Schweden), 4D-/BIM-Werkzeuge von Nemetschek (Deutschland), Dalux und Planradar (EU-Werkzeuge für den Baufortschritt, die Ist-Daten liefern).
• Wählen Sie A, wenn: Sie innerhalb von Wochen eine erprobte Integration mit P6/BIM brauchen, Ihnen ML-/OR-Personal fehlt und die Datennutzungsbedingungen des Anbieters (z. B. Nutzung Ihrer Programme zum Training gemeinsamer Modelle) für Sie akzeptabel sind.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Solver: Google OR-Tools CP-SAT (Open Source, läuft überall) oder kommerziell Gurobi / FICO Xpress / Hexaly (Frankreich) / CPLEX für große RCPSP-Modelle [3].
• ML: verwaltete AutoML-/ML-Plattformen in EU-Regionen (Azure ML, Vertex AI, SageMaker Frankfurt).
• LLM-Copilot: Spitzenmodelle (Claude, GPT, Gemini, Mistral) mit Werkzeugaufrufen in den Solver und die Terminplandatenbank; XER-Parsing mit offenen Bibliotheken (z. B. PyP6Xer) oder P6 Web Services/REST-API.
• Wählen Sie B, wenn: Sie eigene Randbedingungen (Zonen, Takt, Sperrpausen) bei mäßigem Data-Science-Aufwand wünschen.

Weg C — Selbst betreiben (Open Source)

• Stack: OR-Tools CP-SAT, scikit-learn/LightGBM/XGBoost, eine Monte-Carlo-Engine (NumPy), IfcOpenShell für IFC-Mengen, PyP6Xer für XER, PostgreSQL; optional ein LLM mit offenen Gewichten (Qwen, Mistral, Llama) für den Copilot.
• Hardware: HW1 (CPU-Server) genügt für Solver und tabellarisches ML; HW2 nur, wenn der LLM-Copilot lokal läuft.
• Betriebsaufwand: mäßig; Hauptkosten sind Dateningenieurwesen und Fachmodellierung, nicht Rechenleistung.

Weg D — Eigenes Training

Lohnt sich für Bauherren oder große Auftragnehmer mit Programmen aus vielen Jahren (Hunderte Projekte mit Basisplänen und Ist-Terminen). Erfordert vereinheitlichte Vorgangstaxonomien, Ist-Aufzeichnungen und Metadaten zu Projektart, Standort und Vertragsform. Ohne diese Historie nutzen Sie Anbietermodelle oder Vorannahmen plus eigene Kalibrierung.

Stand der Technik (2026)

• Verzugsrisikoprognosen aus Bibliotheken historischer Programme sind produktreif und werden bei großen öffentlichen Infrastrukturprogrammen eingesetzt [2]. Die Genauigkeit hängt davon ab, wie ähnlich Ihre Projekte den Trainingsdaten sind.
• Generative/automatisierte Terminplanung ist bei frühen Anwendern produktionsreif, doch die Verbreitung wird begrenzt durch die BIM-Qualität, fehlende Verknüpfungen von Vorgängen zu Bauteilen und das Vertrauen der Planer; die meisten Terminpläne werden weiterhin von Hand erstellt [1].
• Hybride aus Solver + gelernten Dauern und LLM-Copilots für Was-wäre-wenn-Analysen und Terminplanprüfung sind der aktuelle Trend.
• Grenzen und Fehlerbilder: Terminpläne mit schlechter Qualität (offene Enden, missbräuchliche Zwangsbedingungen, falsch genutzte Zeitabstände) erzeugen überzeugend wirkende, aber falsche Ergebnisse; historische Daten können frühere Verzerrungen enthalten (aufgepolsterte oder optimistische Basispläne); die Optimierung ignoriert nicht modellierte Baustellenrealitäten (Zugang, Genehmigungen, Lieferverzug, Personalverfügbarkeit); ML kann Leistungsänderungen oder vertragliche/politische Ereignisse nicht vorhersehen; Anbieter gemeinsamer Modelle können intransparent sein.

Gemeinsame Bausteine & Kombinationen

• Gleiche Technik (Optimierungs-Solver + tabellarisches ML): OPT-002 Produktionsplanung, OPT-019 Außendienst-Disposition, OPT-003 Personaleinsatzplanung, OPT-008 Lieferkettenplanung teilen Solver-Know-how und Infrastruktur.
• PRED-023 (Prognose von Terminplan- und Kostenüberschreitungsrisiko) ist das engste Geschwister; Kostenprognosen und dieses Verzugsrisikomodul sollten Daten teilen.
• Eingaben aus: DOC-030 (Mengenermittlung aus Plänen), VIS-040 (Scan-to-BIM), ROBO-009 (automatisierte Fortschrittsüberwachung, die Ist-Daten für die Neuplanung liefert).
• OPT-018 (Optimierungsmodellierung in natürlicher Sprache) liefert das Copilot-Muster von LLM zu Solver.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen bis wenige Monate für einen Pilot auf 1–3 Projekten; Lizenzen je Projekt oder unternehmensweit.
• Weg B/C: 4–9 Monate für eine produktionsreife Pipeline inkl. Datenbereinigung und P6-Integration; Team aus Terminplaner, OR-/Data-Scientist und Ingenieur.
• Kostentreiber: Datenqualität der Terminpläne, Verknüpfung von BIM und Vorgängen, Lizenzen, Veränderungsmanagement mit den Planern.
• Kennzahlen: Terminplangenauigkeit (Prognose gegenüber tatsächlicher Fertigstellung, Kalibrierung von P50/P80), Planerstunden je Neuplanung, Anzahl bewerteter Szenarien, vermiedene oder aufgeholte Verzugstage, freigegebene/verbrauchte Reserve, Terminplanqualitätswert (offene Enden, harte Zwangsbedingungen), Zuschlagsquote bei risikoangepassten Programmen.

Menschen & Veränderung

Die Leitung sowie die Projekt- oder Bauleitung verantworten die Entscheidung und den Terminplan-Basisplan. Planer und Bauleiter sind die Anwender und tragen das implizite Wissen; beziehen Sie sie ab dem ersten Workshop ein und lassen Sie sie die Qualität der Vorschläge beurteilen. Die IT verantwortet die Integration mit Terminplanungs- und Bausoftware; Nachunternehmer und Lieferanten müssen der Datenweitergabe zustimmen. Recht und Compliance prüfen vertragliche Folgen, zum Beispiel Behinderungsanzeigen oder Meilensteinpflichten, und die Dateneigner der Terminplanarchive müssen die Historie freigeben.

Betriebsrat: kommt darauf an. Ein reiner Planungsoptimierer überwacht keine Beschäftigten; wird der Baufortschritt aber je Kolonne oder per Kamera und Wearables erfasst, greift die Mitbestimmung nach §87 Abs. 1 Nr. 6 BetrVG; der Betriebsrat sollte in jedem Fall rechtzeitig über KI in Arbeitsabläufen informiert werden (§90 BetrVG). Öffentliche Auftraggeber beziehen den Personalrat ein.

Datenschutz: Beziehen Sie die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten ein, wenn Baustellenfotos, Zutrittsdaten oder Arbeitsleistung von Beschäftigten genutzt werden; bei personenbezogener Überwachung ist eine DSFA wahrscheinlich. Pilotieren Sie auf einem laufenden oder kürzlich abgeschlossenen Projekt, vergleichen Sie KI-Prognosen mit den Ist-Werten und begegnen Sie dem häufigen Bedenken, das Werkzeug ersetze die Planer, indem Sie es als Was-wäre-wenn-Hilfe darstellen, bei der die Planerin bzw. der Planer entscheidet. Bieten Sie den Planern Sitzungen zur KI-Kompetenz an. Siehe GUIDE-009, GUIDE-008 und GUIDE-004.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Minimalrisiko bei typischer Nutzung (Planungswerkzeug, keine Kategorie nach Anhang III). Vorbehalte: Der Einsatz derselben Werkzeuge, um Aufgaben zuzuweisen oder einzelne Beschäftigte anhand von Verhalten oder persönlichen Merkmalen zu überwachen oder zu bewerten, ist eine Beschäftigungsnutzung nach Anhang III und kann Hochrisiko sein; halten Sie die Ressourcenoptimierung auf Kolonnen-/Gewerkeebene. Die Pflicht zur KI-Kompetenz (Art. 4) gilt [4].
• DSGVO: Terminpläne sind weitgehend nicht personenbezogen. Personenbezogene Daten entstehen bei namentlich genannten Beschäftigten, Einzelpersonen bei Nachunternehmern, GPS-/Zutrittsprotokollen der Baustelle oder Fortschrittsfotos; minimieren, pseudonymisieren und Betriebsräte einbeziehen, wo Daten auf Einzelebene genutzt werden (Deutschland: BetrVG §87).
• Vertrag und Haftung: KI-Terminpläne sind erst nach Annahme vertraglich verbindlich; Behinderungsanzeigen (FIDIC, VOB/B, NEC) stützen sich auf anerkannte Methoden (z. B. SCL Protocol, AACE-Leitlinien) und Expertenurteil, nicht auf Black-Box-Ergebnisse.
• Geschäftliche Vertraulichkeit: Programmdaten sind sensibel; prüfen Sie die Anbieterbedingungen zu Datenwiederverwendung und Modelltraining, Hosting-Region und Ausstieg.
• Gegenmaßnahmen: Terminplanqualitätsprüfungen vor der Nutzung, Kalibrierungstests an früheren Projekten, versionierte Szenarien, Änderungsprotokoll, Freigabe durch die Planerin bzw. den Planer.

Erste Schritte

1. 5–10 abgeschlossene Projekte (Basisplan + Fortschreibungen + Ist-Werte) aus P6 exportieren und die Datenqualität bewerten.
2. Ein Verzugsrisikomodell oder Anbieterwerkzeug rückwirkend testen: Deckt der P80-Termin die tatsächlichen Fertigstellungstermine ab?
3. Die Szenarioerzeugung in einer anstehenden Projektphase mit einer Planerin bzw. einem Planer pilotieren; mit dem manuellen Plan vergleichen.
4. Governance festlegen: Wer gibt KI-Terminpläne frei, Datennutzungsbedingungen, vertraglicher Status.
5. Ist-Fortschritt anbinden (ROBO-009, Baustellen-Apps) für wöchentliche Neuprognosen.

Quellen

1. ALICE Technologies — generative construction scheduling — https://www.alicetechnologies.com/
2. nPlan — schedule delay risk forecasting — https://www.nplan.io/
3. Google OR-Tools — CP-SAT scheduling guide — https://developers.google.com/optimization/scheduling
4. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
5. Regulation (EU) 2016/679 (GDPR) — https://eur-lex.europa.eu/eli/reg/2016/679/oj
6. Oracle Primavera P6 — https://www.oracle.com/construction-engineering/primavera-p6/
7. IfcOpenShell — https://ifcopenshell.org/
8. Society of Construction Law — Delay and Disruption Protocol — https://www.scl.org.uk/resources/delay-disruption-protocol
9. ALICE Technologies — NGE expands use of ALICE Core (Jan 2025) — https://blog.alicetechnologies.com/news/nge-expands-ai-driven-success-in-construction-planning-and-scheduling-with-alice
10. Construction Dive — Zachry Construction implements ALICE (press release, 21 Jan 2025) — https://www.constructiondive.com/press-release/20250121-zachry-construction-corporation-implements-alice-to-drive-innovation-in-hea/