IDEAS home Printed from https://ideas.repec.org/p/ifw/iwidps/iwidps22.html
   My bibliography  Save this paper

Personaleinsatzplanung im Echtzeitbetrieb in Call Centern mit Künstlichen Neuronalen Netzen

Author

Abstract

Die sich ständig verändernden Märkte und Marktgegebenheiten, Innovationen im Bereich der Informations- und Kommunikationstechnologie sowie die Erneuerung des allgemeinen Wertesystems in Verbindung mit einem weiter steigenden Wettbewerbsdruck auf die Unternehmen führen unmittelbar dazu, dass die letzteren kontinuierlich nach Lösungen suchen, um einzigartige und konkurrenzfähige Produkte zu gestalten und sie zu vermarkten. Hierbei haben die meisten Unternehmen erkannt, dass eine gute Produktdifferenzierung nur dann erreicht werden kann, wenn dem Kunden neben dem eigentlichen Produkt eine gesteigerte Servicequalität geboten wird, weshalb die Unternehmen dazu übergehen, Produkte und Dienstleistungen kombiniert anzubieten. Zufriedene Kunden werden daher zunehmend zu einem Qualitätsmerkmal von Unternehmen.1 Eine Verbindung zwischen Unternehmen und Kunden gestaltet sich für immer mehr Kunden mittels eines Kommunikationsmediums und nicht mehr im direkten Kontakt. Trotz der Vielfalt von Kommunikationsmöglichkeiten gehört das Telefon nach wie vor zu den begehrtesten Medien.2 Das ist auch der Grund warum „immer mehr Firmen und Institutionen …Call Center nicht mehr als Insellösung [sehen], sondern als integralen Bestandteil der gesamten Unternehmensorganisation für den Geschäftserfolg, für die Kundengewinnung, Kundenbindung und für die Verbesserung der Kundenloyalität“.3 Dass Call Center von immer mehr Unternehmen eingesetzt werden, zeigt die wachsende Anzahl dieser Organisationseinheiten oder eigenständigen Unternehmen in Deutschland. Einhergehend hat sich damit auch die Zahl der Arbeitsplätze stark positiv entwickelt. 4 An dieser Stelle ist vor dem Hintergrund der Wettbewerbsfähigkeit von Unternehmen, die sich solcher Call Center bedienen, interessant, inwieweit ihre Arbeit effizient und effektiv geplant werden kann. Ein wichtiger Faktor für ihre Wirtschaftlichkeit ist daher eine optimierte Personaleinsatzplanung. In der Literatur wird das Call Center Management im Hinblick auf die Personaleinsatzplanung häufig mit den analytischen Modellen der Warteschlangentheorie gelöst. Es soll festgestellt werden, inwieweit eine Personaleinsatzplanung mit Hilfe Künstlicher neuronaler Netze des dreilagigen Perzeptrons unter Einsatz des FAUN6- Neurosimulators erfolgen kann. Grundlage bilden dabei Daten des Call Centers BHW Direktservice GmbH. Diese sollen vor dem Training entsprechend analysiert und aufbereitet werden sowie eine ausführliche und begründete Analyse der Ergebnisse7 unter Einbeziehung des Soll-Ist Vergleichs nach dem Training zu erfolgen hat.

Suggested Citation

  • Halyna Zakhariya & Dr. Frank Köller & Prof. Dr. Michael H. Breitner, 2008. "Personaleinsatzplanung im Echtzeitbetrieb in Call Centern mit Künstlichen Neuronalen Netzen," IWI Discussion Paper Series 22, Institut für Wirtschaftsinformatik, Universität Hannover.
  • Handle: RePEc:ifw:iwidps:iwidps22
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a search for a similarly titled item that would be available.

    More about this item

    Keywords

    Call Center; Neuronale Netze; FAUN; Fast Approximation with Universal Neural networks; Agenten; Personaleinsatzplanung;

    JEL classification:

    • C61 - Mathematical and Quantitative Methods - - Mathematical Methods; Programming Models; Mathematical and Simulation Modeling - - - Optimization Techniques; Programming Models; Dynamic Analysis
    • C63 - Mathematical and Quantitative Methods - - Mathematical Methods; Programming Models; Mathematical and Simulation Modeling - - - Computational Techniques

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:ifw:iwidps:iwidps22. See general information about how to correct material in RePEc.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: (RePEc-Administrator). General contact details of provider: http://edirc.repec.org/data/iwhande.html .

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service hosted by the Research Division of the Federal Reserve Bank of St. Louis . RePEc uses bibliographic data supplied by the respective publishers.