Maschinelle Lernmodelle in der Terminplanung von Bauprojekten

In diesem Beitrag wird die Anwendung maschineller Lernmodelle in der Terminplanung von Bauprojekten innerhalb von zwei Szenarien untersucht. In Szenario eins sind die Dauern einzelner Projektphasen unbekannt und zu bestimmen. Im zweiten Szenario liegen Erfahrungswerte bzw. bekannte Dauern einzelner Prozesse in einer Stammdatenbank vor, diese müssen jedoch Prozessbeschreibungen eines neuen Projektes zugeordnet werden. Es stellt sich die Frage, wie gut die Vorhersage maschineller Lernmodelle in beiden Szenarien ist und welche Modelle sich hierfür eignen. Für das erste Szenario der unbekannten Dauern wird die Prognosegenauigkeit linearer Regressionsmodelle, Künstlicher Neuronaler Netze und der von Entscheidungsbäumen miteinander verglichen. Für das zweite Szenario wird ein Modell der natürlichen Sprachverarbeitung (NLP) gewählt. Beide Fälle zeigen anhand von Leistungsindikatoren der Prognosegenauigkeit die Möglichkeiten in der Anwendung maschinellen Lernmodelle zur Terminplanung auf. Mit diesen Modellen können Planer in Unternehmen zukünftig in der Praxis unterstützt werden.