Datengesteuerte Projektplanung: Ein integrierter Ansatz aus Netzwerklernen, Prozessanalyse und Einschränkungslockerung für die Planung wiederkehrender Projekte

Core Concepts

Der Kern dieser Arbeit ist ein datengesteuerter Ansatz zur Projektplanung, der historische Aufzeichnungen ähnlicher Projekte nutzt, um ein flexibles Projektmodell zu erstellen, das Planern bei der Auswahl und Anpassung eines geeigneten Projektplans für neue Projekte hilft.

Abstract

Die Studie präsentiert einen datengesteuerten Ansatz zur Projektplanung, der historische Aufzeichnungen ähnlicher Projekte nutzt, um ein flexibles Projektmodell zu erstellen. Der Ansatz umfasst folgende Schritte: Lernen eines Projektaktivitätsnetzwerks aus historischen Aufzeichnungen ähnlicher Projekte. Dieses Netzwerk lockert zeitliche Einschränkungen, die in individuellen Projekten eingebettet sind, um Spielraum für die Planung und Terminierung zu schaffen. Anreicherung des Netzwerks durch Identifizierung von Entscheidungsregeln und häufigen Pfaden, um eine spezifische Projektplanvariante als gewählten Plan auszuwählen. Der Planer kann sich auf den vorgeschlagenen Ansatz verlassen, um: a) eine Projektvariation zu decodieren, die einen neuen Projektplan bildet, und b) Verfahren zur ressourcenbeschränkten Projektplanung anzuwenden, um den Projektablauf und die Ressourcenzuweisung zu bestimmen. Die Studie zeigt anhand von zwei realen Projektdatensätzen, dass der vorgeschlagene Ansatz dem Planer erhebliche Flexibilität (bis zu 26% Reduzierung des kritischen Pfads eines realen Projekts) bieten kann, um den Projektplan und -ablauf anzupassen.

Stats

Die Projekte machten 41% des BIP in Deutschland im Jahr 2019 aus. Es wird geschätzt, dass die globale projektbezogene Wirtschaftsaktivität im Jahr 2027 20 Billionen US-Dollar erreichen und 88 Millionen Menschen in projektmanagementorientierten Rollen arbeiten werden.

Quotes

"Während Projekte oft als einzigartige Konfigurationen von Aufgaben verwaltet werden, weisen in Wirklichkeit verschiedene Projekte innerhalb einer bestimmten Organisation oft erhebliche Ähnlichkeiten im Ablauf ihrer Bestandsaktivitäten auf."

Key Insights Distilled From

Data-driven project planning

by Izack Cohen at arxiv.org 04-09-2024

https://arxiv.org/pdf/2311.11542.pdf

Deeper Inquiries

Wie könnte der vorgeschlagene Ansatz für die Planung von Projekten mit hoher Komplexität und Unsicherheit angepasst werden

Um den vorgeschlagenen Ansatz für die Planung von Projekten mit hoher Komplexität und Unsicherheit anzupassen, könnten zusätzliche Schritte zur Berücksichtigung dieser spezifischen Herausforderungen eingeführt werden. Zum Beispiel könnte eine detailliertere Analyse der historischen Daten durchgeführt werden, um Muster in komplexen Projektabläufen zu identifizieren und diese in die Modellierung einzubeziehen. Darüber hinaus könnten probabilistische Ansätze verwendet werden, um Unsicherheiten in den Aktivitätsdauern und Ressourcenallokationen zu berücksichtigen. Die Integration von Risikomanagementtechniken in den Planungsprozess könnte ebenfalls dazu beitragen, die Auswirkungen von Unsicherheiten auf die Projektplanung zu minimieren.

Welche Herausforderungen könnten sich ergeben, wenn der Ansatz auf Projekte mit stark variierenden Aktivitätssequenzen angewendet wird

Bei der Anwendung des Ansatzes auf Projekte mit stark variierenden Aktivitätssequenzen könnten einige Herausforderungen auftreten. Eine solche Vielfalt in den Aktivitätssequenzen könnte zu einer erhöhten Komplexität bei der Modellierung führen, da die Anzahl der möglichen Projektvariationen zunehmen würde. Dies könnte die Identifizierung von Entscheidungsregeln und die Auswahl des optimalen Projektverlaufs erschweren. Darüber hinaus könnten die Ressourcenallokation und Zeitplanung komplizierter werden, da die Flexibilität des Ansatzes möglicherweise eingeschränkt ist, um die Vielfalt der Aktivitätssequenzen angemessen zu berücksichtigen.

Inwiefern könnte der Ansatz zur Verbesserung der Zusammenarbeit zwischen Projektmanagern und Datenanalysten beitragen

Der vorgeschlagene Ansatz könnte zur Verbesserung der Zusammenarbeit zwischen Projektmanagern und Datenanalysten beitragen, indem er eine gemeinsame Grundlage für die Entscheidungsfindung schafft. Durch die Nutzung von Daten und Prozesswissenschaft können Projektmanager und Datenanalysten zusammenarbeiten, um fundierte Entscheidungen zu treffen und die Projektplanung zu optimieren. Die Datenanalysten können die historischen Projektdaten analysieren und Muster identifizieren, während die Projektmanager ihr Fachwissen über die spezifischen Anforderungen und Ziele der Projekte einbringen. Diese Zusammenarbeit kann zu effizienteren Planungsprozessen, besser informierten Entscheidungen und letztendlich zu erfolgreichen Projektumsetzungen führen.