Entwicklung einer datenbankgestützten Lösung zur Terminplanerstellung

Bauprojekte sind oftmals durch eine hohe Komplexität mit Termin‐ und Kostenüberschreitungen gekennzeichnet. Daraus resultieren Konflikte zwischen den Projektbeteiligten. Die Bauablauf‐ und Terminplanung stellt daher ein zentrales Element für eine erfolgreiche Projektabwicklung und zur Vermeidung dieser Konflikte dar. In der Praxis basiert die Terminplanerstellung jedoch vielfach auf subjektiven Einschätzungen und isolierten Erfahrungswerten, da belastbare und strukturierte Daten zu realen Baustellenabläufen oftmals fehlen. Dies führt zu Planungsunsicherheiten und ineffizienten Prozessen mit entsprechenden Terminfolgen. Datenbankgestützte Lösungen bieten das Potenzial, diese Defizite zu reduzieren. Durch die zentrale Erfassung, systematische Analyse und Verknüpfung projektrelevanter Daten können Terminrisiken frühzeitig identifiziert und die Prognosegüte der Terminplanung verbessert werden. Insbesondere die Auswertung von Daten aus abgeschlossenen Projekten ermöglicht eine realitätsnähere und fundiertere Planung. KI‐gestützte Methoden erhöhen zudem die Nutzbarkeit der Daten, indem sie eine effiziente Auswertung großer Datenmengen sowie intuitive, auch sprachbasierte Abfragen ermöglichen. Relevante Informationen können schneller identifiziert und für die Terminplanung zielgerichtet aufbereitet werden. Vor diesem Hintergrund wird nachfolgend ein Datenbanksystem vorgestellt, das zur Objektivierung und Effizienzsteigerung der Terminplanung beiträgt und das systematische Erheben von Daten fördert.

Construction projects are often characterized by a high degree of complexity, with deadlines and costs being exceeded. This results in conflicts between those involved in the project. Construction scheduling and deadline planning are therefore key elements in successful project management and in avoiding these conflicts. In practice, however, scheduling is often based on subjective assessments and isolated experience, as reliable and structured data on actual construction site processes is often lacking. This leads to planning uncertainties and inefficient processes with corresponding deadline consequences. Database‐supported solutions offer the potential to reduce these deficits. Through the central collection, systematic analysis and linking of project‐relevant data, scheduling risks can be identified at an early stage and the accuracy of schedule planning can be improved. In particular, the use of data from completed projects enables more realistic and well‐founded planning. AI‐supported methods also increase the usability of the data by enabling the efficient analysis of large data sets as well as intuitive, including voice‐based, queries. Relevant information can thus be identified more quickly and prepared in a targeted manner for scheduling. Against this backdrop, a database system is presented below that contributes to the objectification and increased efficiency of scheduling and promotes the systematic collection of data.