Agentenbasierte Simulation zur terminlichen Planung verstreuter, atypischer Wiederholungsprojekte mit mehreren Ressourcenbeschränkungen

Warum die Planung verstreuter Projekte so schwierig ist

Wenn ein Telefonanbieter landesweit Dutzende neuer Mobilfunkmasten aufstellt oder ein Versorger verstreute Umspannwerke modernisiert, wirkt die Arbeit auf dem Papier einfach: ähnliche Aufgaben an vielen Standorten wiederholen. In der Praxis müssen Planer jedoch Mannschaften koordinieren, die lange Strecken fahren, mit unvorhersehbaren Verzögerungen und engen Fristen zurechtkommen. Traditionelle Werkzeuge wie Tabellenkalkulationen und Gantt-Diagramme erfassen dieses sich bewegende Puzzle nur schlecht, was oft zu verschwendeten Fahrten, untätigen Teams und deutlich längeren Projektdauern führt. Dieser Beitrag stellt einen neuen rechnergestützten Planungsansatz vor, der Teams und Standorte als digitale „Agenten“ auf einer Karte behandelt und zeigt, wie intelligenteres Routing und Terminplanung solche komplexen Programme drastisch verkürzen kann.

Viele kleine Aufträge, große logistische Kopfschmerzen

Die Studie konzentriert sich auf das, was die Autoren verstreute atypische Wiederholungsprojekte nennen: denken Sie an über 100 Telekommasten, verteilt über Städte, Wüsten und Dörfer, jeweils mit leicht unterschiedlichen Ausführungen und Bauzeiten. Die Herausforderung besteht nicht nur darin zu entscheiden, wann an einem Standort begonnen wird, sondern welcher Auftragnehmer welchen Standort in welcher Reihenfolge übernimmt und wie die Teams kontinuierlich beschäftigt bleiben, statt im Fahrzeug zu sitzen oder auf Genehmigungen zu warten. Klassische Planungsmethoden wie der Critical-Path-Method (CPM) oder Line of Balance funktionieren gut bei geradlinigen Straßenprojekten oder identischen Apartmentetagen, versagen aber, wenn Standorte weit auseinander liegen, Bedingungen variieren und unerwartete Störungen – etwa Genehmigungsverzögerungen oder Zugangsprobleme – häufig sind.

Teams und Standorte als digitale Akteure

Um dies anzugehen, bauen die Autoren ein agentenbasiertes Simulationsmodell auf, das mit realen geografischen Daten verknüpft ist. Jeder Baustandort ist ein Software-Agent mit eigener Position, Typ (zum Beispiel ein neuer Mast auf freiem Feld gegenüber Nachrüstungen an einer bestehenden Struktur) und erwarteter Dauer. Jeder Auftragnehmer ist ein weiterer Agent, definiert durch den Ausgangsort seiner Teams, welche Standorte sie fachlich bedienen können und wie viele gleichzeitige Einsätze sie bewältigen können. Diese Agenten „leben“ in einer kartenbasierten Umgebung und folgen einfachen Regeln: Wenn ein Team einen Standort fertigstellt, sucht es das nächstgelegene noch unfertige, an dem es arbeiten darf, und fährt dorthin. Das Modell fügt außerdem zufällige Verzögerungen ein, um Wetter, Genehmigungen oder Lieferprobleme zu reflektieren, sodass jede Simulationsausführung eine leicht unterschiedliche, aber realistische Projektgeschichte erzeugt.

Intelligente Suche als Aufsatz zur Simulation

Da es viele Möglichkeiten gibt, dutzende Standorte auf mehrere Auftragnehmer zu verteilen, ergänzen die Forschenden das Modell um eine Optimierungsschicht, die von biologischer Evolution inspiriert ist. Der Rechner erzeugt viele alternative Zuordnungsmuster – unterschiedliche Aufteilungen des Standortpools auf Auftragnehmer – und führt für jedes die Simulation mehrfach durch, um zu sehen, wie lange das Gesamtprogramm dauert. Über viele Zyklen behält er die besser performenden Muster und kombiniert sie, um neue zu erzeugen, und nähert sich so schrittweise Kombinationen aus Teams und Standorten sowie Routings an, die früher fertig werden. Dabei protokolliert das Modell automatisch Leistungskennzahlen wie Fahrzeiten der Teams, Häufigkeit von Leerlauf und Auslastungsgrade.

Rollout eines realen Telekomnetzes als Testumgebung

Der Rahmen wird an einem großen Telekom-Rollout in Ägypten getestet, der 138 Maststandorte in drei Haupttypen umfasst: komplett neue Greenfield-Masten, Dachstandorte und schnelle „Sharing“-Aufrüstungen an bestehenden Strukturen. Die Autoren nutzen reale Koordinaten der Standorte, Depotstandorte der Auftragnehmer, realistische Kalender und Verzögerungsstatistiken aus Projektprotokollen. Anschließend vergleichen sie ihre simulierten Zeitpläne mit dem ursprünglichen Excel-Plan des Unternehmens, der etwa 100 Tage für das Programm annahm. Mit denselben Auftragnehmern und Feldbedingungen schließt der agentenbasierte Ansatz das Programm in rund 49–56 Tagen über zwanzig unabhängige Simulationsläufe ab und reduziert die durchschnittliche Dauer auf etwa 54 Tage – eine Verkürzung um 46 Prozent. Das Modell zeigt außerdem, welche Auftragnehmer die meisten Fahrten haben, wo weiterhin Langstrecken-Einsätze anfallen und wie gut die Teams unter verschiedenen Kapazitäts- und Spezialisierungsszenarien beschäftigt werden.

Was das für zukünftige Projekte bedeutet

Kurz gesagt zeigt die Studie, dass die Behandlung von Teams und Standorten als miteinander interagierende Akteure auf einer Karte – kombiniert mit einem Rechner, der viele Routing- und Zuordnungsoptionen unter Unsicherheit durchsucht – ein weitläufiges, verstreutes Programm deutlich effizienter machen kann. Statt handgefertigter Tabellenkalkulationen, die Geografie und Zufälligkeit ignorieren, können Planer mit diesem Rahmen „Was-wäre-wenn“-Szenarien testen, sehen, wie Fahrten und Verzögerungen sich durch den Zeitplan auswirken, und Mannschaftszuweisungen wählen, die verlässlich schneller fertig werden. Während das aktuelle Modell den Fokus auf Zeit legt und noch nicht Kosten oder Kraftstoffverbrauch optimiert, deutet sein Erfolg bei einem realen Telekom-Rollout darauf hin, dass agentenbasierte, kartenbewusste Simulation gekoppelt mit Optimierung zu einem praktischen Entscheidungswerkzeug für viele Arten geografisch verteilter Bau- und Infrastrukturprogramme werden kann.

Zitation: Sultan, R.A., Hamdy, K. & Essawy, Y.A.S. Agent-based simulation for multi-resource-constrained scheduling of scattered atypical repetitive projects. Sci Rep 16, 11759 (2026). https://doi.org/10.1038/s41598-026-42832-1

Schlüsselwörter: agentenbasierte Simulation, Bauzeitenplanung, geografisch verteilte Projekte, Personal- und Mannschaftszuteilung, Telekommunikationsinfrastruktur