Was ist ein Staffing Forecast?
Der Staffing Forecast ist die Vorhersage des Personalbedarfs im Contact Center. Er beantwortet die zentrale Frage des Workforce Managements: Wie viele Agenten werden zu welchem Zeitpunkt benötigt, um das erwartete Kontaktvolumen bei definiertem Service Level zu bewältigen?
Ein guter Staffing Forecast verknüpft drei Prognosen: das erwartete Forecast Volume (wie viele Kontakte kommen), die prognostizierte Average Handle Time (Forecast AHT) und den daraus mit Erlang C berechneten Personalbedarf. Fehler in einer dieser Komponenten pflanzen sich durch die gesamte Planungskette fort. Deshalb ist die Forecast Accuracy die wichtigste Kennzahl im Workforce Management.
Arten des Staffing Forecast
Langfristiger Forecast (3–12 Monate). Dient der strategischen Personalplanung: Headcount-Budgetierung, Recruiting-Planung und Kapazitätsaufbau. Basiert auf Jahres- und Saisontrends.
Mittelfristiger Forecast (4–12 Wochen). Grundlage für die Schichtplanung und Dienstplangestaltung. Berücksichtigt Kampagnen, Feiertage und bekannte Sondereffekte.
Kurzfristiger Forecast (1–7 Tage). Ermöglicht taktische Anpassungen wie Überstundenplanung, Pausenverschiebung oder Skill-Overflow. Wird täglich oder in Echtzeit aktualisiert.
Intraday Forecast. Echtzeit-Aktualisierung im laufenden Tag auf Basis der bisher eingetroffenen Kontakte. Erkennt Abweichungen vom Plan und ermöglicht sofortige Reaktion.
Wie erstellt man einen Staffing Forecast?
Der Staffing Forecast folgt einer vierstufigen Kette:
Rechenbeispiel
Ein Contact Center plant für einen Montag mit folgenden Annahmen:
- Forecast Volume: 800 Anrufe (8 Stunden = 100 Anrufe/Std.)
- Forecast AHT: 240 Sekunden
- Service Level Ziel: 80 % in 20 Sekunden
- Shrinkage: 30 %
Der Staffing Forecast ergibt 15 Agenten für den gesamten Tag. In der Praxis wird diese Berechnung für jedes 30-Minuten-Intervall durchgeführt, da das Volumen über den Tag schwankt.
Was ist ein guter Staffing Forecast?
| Metrik | Sehr gut | Akzeptabel | Kritisch |
|---|---|---|---|
| Forecast Accuracy (Tag) | über 95 % | 90–95 % | unter 90 % |
| Forecast Accuracy (Intervall) | über 90 % | 85–90 % | unter 85 % |
| MAPE (Tag) | unter 5 % | 5–8 % | über 8 % |
| MAPE (Intervall, 30 Min.) | unter 10 % | 10–15 % | über 15 % |
Für stabile Sprachkanäle empfehlen Branchenexperten einen MAPE von 5–8 % auf Tagesebene. Digitale Kanäle (Chat, E-Mail) haben naturgemäß höhere Schwankungen mit einem typischen MAPE von 10–12 %.
Staffing Forecast verbessern
Historische Daten bereinigen. Ausreißer (Systemausfälle, einmalige Kampagnen) verzerren den Forecast. Bereinigung dieser Datenpunkte verbessert die Prognosegenauigkeit sofort.
Sondereffekte einplanen. Feiertage, Produktlaunches, Marketing-Kampagnen und saisonale Trends sollten als separate Faktoren im Forecast-Modell hinterlegt sein, nicht als Durchschnitt.
Intervallgenauigkeit priorisieren. Ein tagesgenaues Forecast reicht für die Schichtplanung nicht aus. 30-Minuten-Intervalle decken Peaks und Nebenstunden auf und ermöglichen präzisere Besetzung.
Forecast und Actuals regelmäßig vergleichen. Wöchentliche Forecast-Reviews identifizieren systematische Fehler (z. B. konstante Unterschätzung am Montagmorgen) und ermöglichen gezielte Korrekturen.
Mehrere Forecast-Methoden kombinieren. Ensemble-Ansätze (z. B. gewichteter Durchschnitt aus Zeitreihenanalyse und Machine Learning) liefern stabilere Ergebnisse als einzelne Modelle.
Staffing Forecast vs. Forecast Volume vs. Forecast Accuracy
| Metrik | Was sie misst | Output | Typischer Benchmark |
|---|---|---|---|
| Staffing Forecast | Benötigte Agentenzahl pro Intervall | Headcount | Service Level erreicht |
| Forecast Volume | Erwartete Kontaktanzahl pro Intervall | Kontaktzahl | MAPE unter 5 % |
| Forecast Accuracy | Abweichung zwischen Prognose und Realität | Prozent | über 95 % |
Der Staffing Forecast ist das Endprodukt der Planungskette. Er baut auf dem Forecast Volume und der prognostizierten AHT auf. Die Forecast Accuracy bewertet rückwirkend, wie gut der gesamte Prozess funktioniert hat.
Pro und Kontra
Pro
- +Zentrale Planungsgrundlage für Schichtplanung, Recruiting und Budgetierung
- +Verbessert Service Level und senkt gleichzeitig Personalkosten bei guter Genauigkeit
- +Ermöglicht proaktive statt reaktive Personalsteuerung
- +Skaliert durch Automatisierung auf beliebig viele Standorte und Kanäle
Kontra
- –Qualität hängt vollständig von der Eingabedatenqualität ab (Garbage in, Garbage out)
- –Neue Produkte, Kanäle oder Marktveränderungen sind mit historischen Daten nicht vorhersagbar
- –Komplexität steigt mit Multichannel, Multi-Skill und Multi-Site erheblich
- –Überoptimierung kann zu fragilen Plänen führen, die bei geringsten Abweichungen brechen
Einfluss von KI auf den Staffing Forecast
KI transformiert den Staffing Forecast von der manuellen Zeitreihenanalyse zur automatisierten, selbstlernenden Prognose.
Machine-Learning-Modelle erkennen komplexe Muster in historischen Daten (z. B. Wechselwirkungen zwischen Wetter, Kampagnen und Anrufvolumen), die traditionelle Methoden nicht erfassen. Unternehmen berichten von einer 15–30 % höheren Forecast-Genauigkeit im Vergleich zu klassischen Zeitreihenansätzen (ContactPoint360).
Intraday-KI aktualisiert den Staffing Forecast in Echtzeit auf Basis der tatsächlich eintreffenden Kontakte. Statt auf starre 30-Minuten-Intervalle zu warten, reagiert das System sofort auf Abweichungen und schlägt Maßnahmen vor (Überstunden, Pausenverschiebung, Skill-Overflow).
Automatisierte Anomalie-Erkennung identifiziert ungewöhnliche Volumenspitzen frühzeitig und verhindert, dass ein einziger ungewöhnlicher Tag die Langfristprognose verfälscht.