Ein Hotel in Singapur kaufte keine Bereitschaftslimousinen mehr, indem es jede Stunde optimierte

Ein großes Luxushotel in Singapur betrieb seinen Limousinenservice rund um die Uhr und verzeichnete durchschnittlich etwa 9.000 Fahrten pro Monat. Um den Gästeservice bei Veranstaltungen und Feiertagen abzusichern, hielten die Planer externe Fahrzeuge in Bereitschaft – eine Gewohnheit, die jährlich mehrere Millionen Dollar an zusätzlichen Kosten verursachte.

Die kluge Antwort war keine große Transportplattform. Das Projekt kombinierte prädiktive Analytik, Tabellenkalkulationsoptimierung und robotergestützte Prozessautomatisierung, sodass die Planer entscheiden konnten, wie viele eigene und externe Limousinen für jede Stunde des Tages benötigt wurden.

Diese Betrachtungsweise verschob die Managementfrage von „Wie viel Reservekapazität fühlt sich sicher an?“ zu „Welche Stunden benötigen tatsächlich Bereitschaftsfahrzeuge?“ Das System wahrte die Servicequalität und schnitt zugleich den teuren Puffer zurück, der zu breit gestreut gewesen war.

Der Fall ist eine nützliche Erinnerung daran, dass Operations Research oft gewinnt, indem das Werkzeug an den Betreiber angepasst wird. Die Lösung verwendete weithin verfügbare Werkzeuge, was es den Planern und Controllern erleichterte, sie auch nach dem Forschungsprojekt weiter zu nutzen.

Bereitschaftskapazität nach Stunden planen, nicht nach Angst

Die stündliche Kapazitätsplanung entsprach der tatsächlichen Form der Nachfrage besser als Tagesdurchschnitte.

Die Tabellenkalkulationsoptimierung hielt das Modell nahe am bestehenden Arbeitsablauf der Planer.

RPA verringerte die Schreibarbeit, die sonst verhindert, dass kleine Optimierungswerkzeuge zur Routine werden.

Wenn Nachfragespitzen beängstigend sind, sollte man die Spitze Stunde für Stunde quantifizieren; ein bescheidener Optimierer kann pauschale Reservekapazität ersetzen, ohne den Service zu senken.

Der veröffentlichte Fall berichtet von Einsparungen von bis zu 3,2 Mio. S$ pro Jahr bei gleichzeitiger Verbesserung des Servicelevels. Der Ansatz wurde im INFORMS Journal on Applied Analytics als praktischer Fall der Kapazitätsplanung im Gastgewerbe vorgestellt.