ChatGPT kann einen Schichtplan-Entwurf als Tabelle ausgeben – aber keine Regelkonformität zusichern. Ein Sprachmodell rechnet die 11-Stunden-Ruhezeit (§ 5 ArbZG), die Höchstarbeitszeit von 8 bzw. 10 Stunden (§ 3), die Pausen von 30 bzw. 45 Minuten (§ 4), die Besetzungsstärke je Rolle und die Rotationsrichtung nicht formal nach, und dasselbe Prompt liefert nicht zuverlässig dasselbe Ergebnis. Brauchbar ist die Ausgabe deshalb als Diskussionsentwurf, der Schritt für Schritt geprüft wird – nicht als veröffentlichungsfähiger Plan. Für Zuarbeit (Rotationsmodell entwerfen, Tauschregeln formulieren, Excel-Formeln) ist dasselbe Werkzeug dagegen brauchbar.
Die Frage kommt inzwischen in jeder zweiten Planungsrunde: Warum nicht einfach den Schichtplan von ChatGPT bauen lassen? Die Antwort hängt davon ab, was man dem Modell gibt und was man mit der Ausgabe macht. Dieser Beitrag zeigt beides an einem konstruierten Beispiel.
Schritt 1: Ein Prompt, der die Randbedingungen vollständig macht
Der häufigste Grund für unbrauchbare Ergebnisse ist ein unterspezifizierter Prompt: „Erstelle einen Schichtplan für 12 Mitarbeiter“ enthält keine einzige der Bedingungen, an denen ein Plan im Betrieb scheitert. Ein Prompt mit Chance macht Besetzungs-Soll, Qualifikationen, Verträge, Wünsche und Regeln explizit – und verlangt eine nachvollziehbare Ausgabe.
Erstelle einen Wochenplan (Mo–So) für einen Dreischichtbetrieb. Schichtzeiten: F 06–14, S 14–22, N 22–06 Uhr. Team: 12 Personen – 4 mit Schichtleitungs-Qualifikation, 6 Fachkräfte, 2 Aushilfen ohne Nachtberechtigung. Verträge: 7 Vollzeit (40 h), 3 Teilzeit (24 h), 2 Aushilfen (max. 43 h/Monat). Besetzungs-Soll je Schicht: Früh 1 Leitung + 2 Fachkräfte, Spät 1 + 2, Nacht 1 + 1. Wunschfrei: Person 3 Sa+So, Person 7 Mi, Person 11 Fr–So. Regeln: mind. 11 h Ruhezeit zwischen zwei Schichten; max. 8 h pro Tag; 30 min Pause ab 6 h; vorwärts rotieren (F → S → N); max. 3 Nächte am Stück; nach dem Nachtblock mindestens ein freier Tag. Ausgabe: Tabelle (Zeilen = Personen, Spalten = Wochentage, Kürzel F/S/N/frei) und danach eine Liste, welche Regel du an welcher Stelle geprüft hast.
Konstruiertes Beispiel – kein durchgeführter Produkttest. Personen sind absichtlich nur nummeriert (siehe Datenschutz-Abschnitt).
Der letzte Satz ist der wichtigste: Die Prüfliste legt die Annahmen des Modells offen. Eine Prüfung ist diese Selbstauskunft aber nicht – sie ist Text über den Plan, kein Nachweis am Plan.
Schritt 2: Was typischerweise herauskommt
Das Ergebnis ist in aller Regel eine formal saubere Tabelle: jede Person hat Schichten, jede Spalte ist gefüllt, die Kürzel stimmen. Genau diese Oberflächenqualität ist das Risiko, denn geprüft ist damit nichts. Ein Sprachmodell erzeugt die wahrscheinliche Fortsetzung eines Textes; es führt keine Constraint-Prüfung durch. In der Planungsforschung gilt Dienstplanung (Nurse Rostering) als NP-schweres Optimierungsproblem, und in Planungs-Benchmarks wird die Gültigkeit erzeugter Pläne extern per Validator festgestellt, nicht vom Modell selbst. PlanBench misst für GPT-4 rund 34,6 Prozent gültige Pläne über 600 Instanzen der stark vereinfachten Blocksworld-Domäne, ein klassischer Planer dort 100 Prozent; Reasoning-Modelle heben diesen Wert deutlich, lösen den Benchmark aber nicht.
Dazu kommt ein Punkt, der im Betrieb schwerer wiegt als jede Fehlerquote: Reproduzierbarkeit. Derselbe Prompt liefert nicht zuverlässig dasselbe Ergebnis – selbst bei Temperatur 0 entstehen durch Batching und Gleitkomma-Reihenfolge auf der GPU Abweichungen. Für einen Plan, der im Streitfall begründet werden muss, heißt das: keine nachvollziehbare Planlogik.
Schritt 3: Die fünf Prüfregeln, an denen der Entwurf scheitert oder besteht
| Regel | Prüfung am Plan | Typische Bruchstelle |
|---|---|---|
| Ruhezeit 11 Stunden (§ 5 ArbZG) | Jeden Übergang einzeln rechnen: Schichtende bis nächster Schichtbeginn | S → F am Folgetag (22 bis 6 Uhr = 8 Stunden); Spätschicht nach der letzten Nacht (6 bis 14 Uhr = 8 Stunden) |
| Höchstarbeitszeit 8/10 Stunden (§ 3 ArbZG) | Tageswerte je Person; bei 10 Stunden den Ausgleich im Bezugszeitraum belegen | Doppelschicht zum Stopfen einer Lücke, ohne eingeplanten Ausgleich |
| Pausen 30/45 Minuten (§ 4 ArbZG) | Ab 6 Stunden 30, ab 9 Stunden 45 Minuten – im Plan hinterlegt | Pausen fehlen im Entwurf, die Schicht wird brutto gerechnet |
| Rotationsrichtung | Kürzelfolge je Person: vorwärts F → S → N mit 24 Stunden Abstand | Rückwärtsfolgen (N → S, S → F) ohne eingeschobenen freien Tag |
| Besetzung und Qualifikation | Rollen zählen, nicht Köpfe: Schichtleitung besetzt, Aushilfen zulässig eingesetzt? | Nachtschicht ohne Leitung; Aushilfe ohne Berechtigung eingeplant |
| Nachtblock und freier Tag (§ 6 ArbZG) | Nach der letzten Nacht (Ende 06:00 Uhr) mindestens ein „frei“ | Der Folgetag wird direkt wieder gefüllt |
Muster, die diese Regeln strukturell einhalten, stehen in den Rotationsmodellen; das Besetzungs-Soll je Rolle erklärt die Besetzungsplanung.
Checkliste: KI-Plan validieren, bevor er veröffentlicht wird
- Ruhezeiten einzeln nachrechnen – jeden Übergang je Person, nicht stichprobenartig. Kritisch sind alle Folgen mit Spät- oder Nachtschicht am Vortag.
- Tages- und Wochensummen bilden – Höchstarbeitszeit je Tag, Vertragsstunden je Woche, Monatsgrenzen für Aushilfen.
- Pausen explizit eintragen – 30 bzw. 45 Minuten je Schicht, bevor Brutto- mit Nettozeiten verwechselt wird.
- Besetzung je Schicht und Rolle zählen – gegen das hinterlegte Soll, inklusive Qualifikationsberechtigungen.
- Abwesenheiten und Wunschfrei gegenprüfen – Urlaube und Krankmeldungen stehen selten vollständig im Prompt und fehlen dann im Plan.
- Fairness-Zähler abgleichen – Nacht-, Wochenend- und Feiertagsdienste je Person, wie im Beitrag Rotation fair bauen beschrieben.
- Mitbestimmung beachten – ein KI-Entwurf ändert nichts daran, dass Lage und Verteilung der Arbeitszeit mitbestimmungspflichtig sind (§ 87 Abs. 1 Nr. 2 BetrVG).
- Freigabe dokumentieren – wer geprüft und freigegeben hat; die Modellausgabe selbst ist kein Nachweis.
Wer die Liste ehrlich abarbeitet, merkt schnell, wo der Zeitgewinn verpufft: Die Prüfung eines fremden Plans für zwölf Personen über sieben Tage dauert länger als das Ausrollen einer geprüften Rotationsvorlage. Der Nutzen liegt woanders.
Wofür ChatGPT im Schichtkontext wirklich taugt
Die produktiven Anwendungen haben eines gemeinsam: Das Ergebnis ist Text, den ein Mensch verantwortet – kein verbindlicher Plan.
- Rotationsmodelle entwerfen und erklären. Ein Modell für vier Teams skizzieren, die Wochenstunden-Rechnung nachvollziehen, Vor- und Rückwärtsrotation gegenüberstellen – als Diskussionsgrundlage, geprüft gegen die Beispielpläne.
- Tausch- und Verfahrensregeln formulieren. Aus Stichpunkten werden lesbare Regeltexte für Aushang oder Betriebsvereinbarungs-Entwurf – abzugleichen mit den Tauschregeln.
- Excel-Formeln und Makros. ZÄHLENWENN-Konstruktionen für Schichtzähler, bedingte Formatierung, Prüfformeln für Spät-auf-Früh-Folgen: Formeln lassen sich sofort testen und sind damit der ideale Fall für Zuarbeit – Grundlage ist der Excel-Schichtplaner.
- Begriffe und Ankündigungen. Erklärtexte zu Ruhezeit, Ausgleichszeitraum oder Zuschlagsarten und die Mitarbeiter-Info zum neuen Modell – mit Prüfpflicht gegen den Gesetzestext.
- Vorhandene Pläne gegenlesen. Als Hinweisgeber auf auffällige Schichtfolgen nützlich, als Prüfinstanz nicht belastbar – die Freigabe bleibt beim Menschen oder beim regelbasierten System.
Echte Mitarbeiterdaten gehören nicht ungeprüft ins Chatfenster
Sobald Namen, Verträge, Wunschfrei oder Krankmeldungen in ein öffentliches KI-Tool eingegeben werden, ist das eine Verarbeitung personenbezogener Daten: Beschäftigtendaten brauchen eine Rechtsgrundlage nach Art. 6 DSGVO bzw. § 26 BDSG, Gesundheitsdaten fallen zusätzlich unter Art. 9 DSGVO, und eine Einwilligung ist im Arbeitsverhältnis wegen der Freiwilligkeitsanforderung heikel. Für den Einsatz eines Anbieters braucht es einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO. OpenAI bietet einen solchen für Business-, Enterprise- und API-Nutzung an, wo Geschäftsdaten standardmäßig nicht zum Training verwendet werden – für private, kostenlose oder Plus-Accounts gilt das nicht. Die Datenschutzkonferenz empfiehlt in ihrer Orientierungshilfe zu KI und Datenschutz interne Nutzungsregeln, ein Verbot privater Accounts für dienstliche Zwecke, die Prüfung einer Datenschutz-Folgenabschätzung und die Beteiligung des Betriebsrats; ob ein konkretes Werkzeug mitbestimmungspflichtig ist, ist eine Einzelfallfrage (§ 87 Abs. 1 Nr. 6 BetrVG). Für Entwürfe genügen Rollen und Nummern statt Klarnamen, wie im Beispiel oben. Dieser Abschnitt ersetzt keine Rechtsberatung.
Warum die Auto-Planung in Schichtplaner-Software etwas anderes ist
Wenn Dienstplan-Software mit „automatischer Planung“ wirbt, steckt dahinter kein Chatbot. Die Fachliteratur zum Nurse Rostering beschreibt durchgängig mathematische Verfahren: Constraint Programming, gemischt-ganzzahlige Optimierung und Metaheuristiken. Der Unterschied ist der entscheidende Punkt: Ein Solver bekommt harte Nebenbedingungen (Ruhezeit, Besetzung, Qualifikation) und weiche Ziele (Wünsche, Fairness) formal übergeben und liefert eine Lösung, die die harten Bedingungen erfüllt – oder meldet, dass keine existiert. Ein Sprachmodell liefert immer eine Antwort, auch wenn es keine gültige Lösung gibt. Welches Verfahren einzelne Anbieter einsetzen, ist öffentlich nicht dokumentiert.
Regelprüfung im Planungswerkzeug statt im Chatfenster
Wer den Prüfaufwand aus der Checkliste nicht manuell tragen will, verlagert ihn ins Planungssystem. Aplano (Testsieger in unserem Vergleich) bietet im Pro-Tarif (4,50 €/MA/Monat) eine automatische Planung, die Qualifikationen und hinterlegte Verfügbarkeiten berücksichtigt, und gibt beim Planen ArbZG-Hinweise zu Pausen- und Ruhezeiten – die Prüfung läuft bei jeder Planänderung mit, statt nachträglich am fertigen Entwurf. Details: aplano.de.
Das Fazit ist unspektakulär: Ein Sprachmodell taugt im Schichtbetrieb für alles, was Text ist – nicht für das, was Nachweis sein muss. Wer die Tabelle veröffentlicht, weil sie ordentlich aussieht, erfährt den Unterschied beim ersten Konflikt.
Häufige Fragen
Kann ChatGPT einen Schichtplan erstellen?
Es kann einen Planentwurf als Tabelle ausgeben – eine dokumentierte Dienstplan- oder Rostering-Funktion hat ChatGPT nicht, eine Zusage zur Regelkonformität ebenso wenig. Ruhezeit (§ 5 ArbZG), Höchstarbeitszeit (§ 3), Pausen (§ 4), Besetzung und Qualifikation prüft das Modell nicht formal nach. Brauchbar ist die Ausgabe als Entwurf, der vollständig gegengerechnet wird.
Wie muss ein Prompt für einen Schichtplan aufgebaut sein?
Er muss alle Randbedingungen explizit machen: Schichtzeiten, Besetzungs-Soll je Schicht und Rolle, Qualifikationen, Vertragsstunden, Wunschfrei und Abwesenheiten sowie die Regeln (11 Stunden Ruhezeit, maximal 8 Stunden pro Tag, Pausen, Rotationsrichtung, maximale Nachtfolge). Die Aufforderung, am Ende die geprüften Regeln aufzulisten, legt die Annahmen offen – eine Prüfung ersetzt sie nicht.
Woran scheitern KI-Schichtpläne typischerweise?
An den Regeln, die man der Tabelle nicht ansieht: 11 Stunden Ruhezeit, 8 bzw. 10 Stunden Höchstarbeitszeit mit Ausgleich, 30 bzw. 45 Minuten Pause, Rotationsrichtung (vorwärts F → S → N), freier Tag nach dem Nachtblock sowie Besetzung und Qualifikation je Schicht. Dazu kommt fehlende Reproduzierbarkeit: derselbe Prompt liefert nicht zuverlässig dasselbe Ergebnis.
Darf ich echte Mitarbeiterdaten in ChatGPT eingeben?
Das ist eine Verarbeitung personenbezogener Daten und braucht eine Rechtsgrundlage (Art. 6 DSGVO, § 26 BDSG); Krankheitsdaten sind Gesundheitsdaten nach Art. 9 DSGVO. Für den Anbieter ist ein Auftragsverarbeitungsvertrag nach Art. 28 DSGVO nötig – OpenAI bietet ihn für Business-, Enterprise- und API-Nutzung an, nicht für private oder kostenlose Accounts.
Ist die automatische Planung in Schichtplaner-Software dasselbe wie ChatGPT?
Nein. Automatische Planung arbeitet nach der Fachliteratur zum Nurse Rostering mit mathematischer Optimierung – Constraint Programming, MILP, Metaheuristiken. Ein Solver erfüllt harte Nebenbedingungen wie Ruhezeit und Besetzung oder meldet, dass keine Lösung existiert; ein Sprachmodell liefert in jedem Fall eine plausibel aussehende Antwort.
Quellen
- Arbeitszeitgesetz: § 3 ArbZG (Höchstarbeitszeit) · § 4 ArbZG (Ruhepausen) · § 5 ArbZG (Ruhezeit) · § 6 ArbZG (Nacht- und Schichtarbeit)
- Funktionsumfang ChatGPT (keine dokumentierte Dienstplan-Funktion): help.openai.com – Capabilities Overview · Tasks in ChatGPT (zeitgesteuerte Erinnerungen für den eigenen Account)
- Planungsfähigkeit von Sprachmodellen: PlanBench (arXiv 2206.10498) · Evaluation von o1 auf PlanBench (arXiv 2409.13373)
- Dienstplanung als NP-schweres Optimierungsproblem: Operations Research Letters · Nurse Scheduling Problem
- Fehlende Reproduzierbarkeit von LLM-Ausgaben (auch bei Temperatur 0): Defeating Nondeterminism in LLM Inference · arXiv 2408.04667
- Solver-Verfahren im Nurse Rostering (Constraint Programming, MILP, Metaheuristiken): arXiv 2311.05438 · Systems (MDPI) · Übersetzung natürlicher Sprache in Solver-Formulierungen: arXiv 2503.18971
- Datenschutz: OpenAI Data Processing Addendum · OpenAI Enterprise Privacy · DSK-Orientierungshilfe „KI und Datenschutz“ · § 87 BetrVG
- Aplano-Tarife und Funktionsumfang (Auto-Planung, Qualifikationen, ArbZG-Hinweise im Pro-Tarif): aplano.de, Stand 1. August 2026.