Ermittlung des Effizienzpotentials durch Optimierung der Disposition von Baugeräten

Abstract

Diese Diplomarbeit untersucht die Optimierung der Disposition von Baugeräten, um die Effizienz in Bauunternehmen nachhaltig zu steigern. Aktuell erfolgt die Verwaltung von Baugeräten und Maschinen in vielen Unternehmen zwar digital, allerdings häufig noch in unterschiedlichen, teils inkompatiblen Systemen oder sogar teilweise noch papierbasiert. Diese uneinheitliche Datenhaltung führt zu Informationsverlusten, Planungsfehlern und einer ineffizienten Auslastung der Geräte- und Maschinenbestände. Insbesondere durch die fortschreitende Digitalisierung wird eine effiziente Disposition zunehmend wichtiger, um langfristig wettbewerbsfähig zu bleiben. Ange-sichts der zunehmenden Digitalisierung ist zu analysieren, welche Strategien zu einer höheren Effizienz in der Baugeräte-Disposition beitragen können und wie stark sich dieser Effekt durch digitale Lösungen und Automatisierung verstärken lässt.Um diese Fragestellungen zu beantworten, stellt die Arbeit zunächst die bestehenden Dispositionsprozesse eines österreichischen Bauunternehmens mithilfe von BPMN-Modellen dar. Im nächsten Schritt folgt eine umfassende Analyse verschiedener Datenquellen (ERP-System, Telematikdaten, Tabellenkalkulationssoftware), um Schwachstellen und Potentiale zur Prozessverbesserung zu identifizieren. Aus diesen Erkenntnissen entsteht abschließend ein IDEAL-Prozessmodell, das die Integration digitaler Tools vorsieht und die daraus resultierenden optimierten Abläufe beschreibt.Auf Basis dieser Erkenntnisse entwickelt die Arbeit einen Algorithmus, der historische Dispositionsdaten der Gerätegruppe „Vibrationswalzen, Walzenzüge und Kombiwalzen“ nutzt und mithilfe definierter Parameter ein optimiertes Szenario simuliert. Dabei zeigt sich, dass die Auslas-tung der Baugeräte durch den gezielten Einsatz digitaler Tools und die Optimierung der Abläufe um bis zu 12 % gesteigert werden kann. In bestimmten Gerätekategorien lassen sich darüber hinaus sogar Geräte einsparen. Die Ergebnisse verdeutlichen die Notwendigkeit einer systematischen Prozessoptimierung sowie einer fundierten Datenanalyse und liefern konkrete Handlungsempfehlungen für eine effiziente Gerätedisposition.

This thesis examines the optimization of equipment allocation in order to sustainably increase efficiency in construction companies. Although construction machinery and equipment is currently managed digitally in many companies, this is often still done in different, sometimes incompatible systems, or even partly on a paperbased basis. This inconsistent data management leads to information loss, planning errors, and inadequate utilization of machinery and equipment stocks. Considering the ongoing digitalization, efficient allocation is becoming increasingly important to remain competitive in the long term. In light of increasing digitalization, it is necessary to analyze which strategies can contribute to greater efficiency in equipment allocation and to what extent this effect can be enhanced through digital solutions and automation.To answer these research questions, the thesis first presents the existing allocation processes of an Austrian construction company using BPMN models. The next step involves a comprehen-sive analysis of various data sources (ERP system, telematics data, spreadsheet software) to identify weaknesses and potential for process improvement. Based on these findings, an IDEAL process model is developed, which incorporates the integration of digital tools and describes the resulting optimized workflows.Based on these findings, the thesis develops an algorithm that uses historical allocation data of the equipment group “vibrating rollers, compactors and combination rollers” and simulates an optimized scenario using defined parameters. It becomes apparent that the utilization of construction equipment can be increased by up to 12% through the targeted use of digital tools and the optimization of workflows. In certain equipment categories, the number of machines can even be reduced. The results highlight the necessity of systematic process optimization and data analysis and provide recommendations for efficient equipment allocation.