Upload
api-19871552
View
259
Download
1
Embed Size (px)
Citation preview
Grundlagen und Probleme der Personalbedarfsermittlung inInbound-Call Centern
von
Stefan Helber und Raik Stolletz∗
Überblick
• Call Center sind Dienstleistungsbetriebe, deren Anzahl und Beschäftigten-zahl auf bereits hohem Niveau schnell weiter wächst. Der größte Kostenblockbeim Betrieb von Call Centern sind die Personalkosten, so daß einem effizi-enten Personaleinsatz entscheidende Bedeutung zukommt.
• Die Leistungsprozesse in Call Centern sind durch massiveEconomies of Sca-le gekennzeichnet, die in der operativen Personalbedarfsrechnung berück-sichtigt werden müssen. Darüber hinaus schwankt das Anrufaufkommen inCall Centern im Tagesablauf oft ganz erheblich, so daß präzise Prognosen füreinen effizienten Personaleinsatz erforderlich sind. Anhand von Praxisdatenwird gezeigt, wie solche Prognosen vorgenommen werden können.
• Die Analyse von Simulationsergebnissen ergibt, daß die in der Praxis einge-setzten Methoden der Personalbedarfsermittlung zum einen zahlreiche fun-damentale Merkmale der Leistungserstellung in realen Call Centern vernach-lässigen. Zum anderen wird deutlich gemacht, daß die Personalbedarfsermitt-lung oft an einer ungeeigneten Zielgröße orientiert ist, die einerseits wenigaussagekräftig und andererseits nur schwer zu bestimmen ist.
Stand: 5. Oktober 2001
∗Prof. Dr.Stefan Helber, Dipl.-Math.oec.Raik Stolletz, Technische Universität Claus-thal, Institut für Wirtschaftswissenschaft, Abteilung für Betriebswirtschaftslehreund Produktionswirtschaft, Julius-Albert-Str. 2, 38678 Clausthal-Zellerfeld, E-Mail:[email protected]
c©Stefan Helber und Raik Stolletz
1 Bedeutung und Kostenstruktur von Call Centern
Als Call Centerbezeichnet man Organisationseinheiten, in denen mehrere Mit-
arbeiter zur systematischen Durchführung einer größeren Zahl von Telefongesprä-
chen zusammengezogen werden. Dies geschieht vielfach durch eine räumliche Zu-
sammenfassung in (Großraum-) Büros. Es ist jedoch auch möglich, an verschiede-
nen Orten eingesetzte Mitarbeiter durch Einsatz entsprechender Telekommunika-
tions-Anlagen so zu verbinden, daß sie sowohl aus der Sicht der externen Ge-
sprächspartner als auch aus Sicht des Call Center-Managements als eine Einheit
zu betrachten sind.
Call Center werden im privaten Sektor vielfach im Handel (Telemarketing),
Bankwesen (Direktbanken), Versicherungswesen, der Telekommunikation oder bei
Transportunternehmen (Eisenbahn- und Fluggesellschaften) eingesetzt. Hier wer-
den häufig Aufgaben des Vertriebs und der Kundenbetreuung wahrgenommen. Im
öffentlichen Bereich finden sich Call Center z.B. bei Strom-, Gas- und Wasserver-
sorgern oder großstädtischen Notrufzentralen. Speziell im privaten Sektor stellt das
Call Center zunehmend einen wichtigen Kommunikationskanal zwischen Kunden
und Unternehmen dar und prägt dessen Wahrnehmung des Unternehmens in erheb-
lichem Maße.
Die Anzahl der Call Center steigt in den entwickelten Volkswirtschaften auf
einem bereits hohen Niveau rasch weiter an. Stark unsicherheitsbehaftete Schät-
zungen gehen von ca. 1,5 Millionen Beschäftigten in Call Centern in den U.S.A. im
Jahr 1998 aus, ca. 3% der dortigen Erwerbsbevölkerung (CC (2000)). Für das Jahr
2001 liegt die geschätzte Beschäftigtenzahl (o.V. (2001)) in den ca. 2.900 deutschen
Call Centern bei 265.000 mit einer geschätzten jährlichen Wachstumsrate von 20%
(o.V. (2000b)).
Call Center sind Dienstleistungsbetriebe mit einer hohen Personalintensität. Mit
ihnen kann die Produktion der Dienstleistung räumlich von ihrem Konsum getrennt
werden, sofern die jeweiligen Orte durch hinreichend leistungsfähige Telefonein-
richtungen verknüpft sind. Daher gilt die Ansiedlung von Call Centern speziell in
strukturschwachen Regionen mit einem nur gering ausgeprägten industriellen Kapi-
talstock als attraktive Möglichkeit zur Schaffung von Arbeitsplätzen. Der damalige
niedersächsische Wirtschaftsminister Peter Fischer bezeichnete Call Center im Jahr
1999 als den „ ... Wachstumsmotor Nr. 1 bei den Arbeitsplätzen“ (Strawe (1999))
und wies darauf hin, daß in Niedersachsen bereits mehr Arbeitskräfte in Call Cen-
tern beschäftigt sind als im traditionellen Schiffsbau.
Aufgrund der hohen Personalintensität hängt der wirtschaftliche Erfolg eines
Call Centers zentral von einem effizienten Personaleinsatz ab. Dies wird durch den
1
Tabelle 1: Kostenstruktur in Call Centern, Quelle: Henn et al. (1998, S.99)
Personalkosten 61%Ausbildungskosten 4%Raumkosten 6%Telefonkosten 9%I+K-Einrichtung 19%Sonstige 1%
hohen Anteil der Personalkosten von 60% bis 70% (Henn et al. (1998, S.119)) an
den Gesamtkosten eines Call Centers verdeutlicht (siehe Tabelle 1). Werden in ei-
nem Call Center vor allem von außen eingehende Anrufe bearbeitet, so ist der Perso-
naleinsatz durch einen Zielkonflikt zwischen den Personalkosten auf der einen und
den Wartezeiten der Anrufer auf der anderen Seite geprägt. Über diesen Personal-
einsatz muß zeitlich vor der eigentlichen Leistungserstellung entschieden werden,
so daß den Problemen derAnrufprognoseund derWartezeitabschätzungzentrale
Bedeutung zukommt.
Die vorhandeneLiteratur zu Call Centern ist vielfach stark praxisorientiert
(Anton et al. (1999), Hachenberger (1999), Henn et al. (1998), Menzler-Trott (1999),
Thieme und Steffen (1999), Wiencke und Koke (1999)) und stellt für das Call
Center-Management die mit der Einrichtung und dem Betrieb eines Call Centers
verbundenen Probleme und Lösungsmöglichkeiten qualitativ und im Überblick dar.
Hinsichtlich der Leistungsanalyse erfolgt allenfalls der Hinweis, daß dies eine nicht
näher erläuterte “Erlang-C-Formel” in der sog. “Workforce-Management-Software”
erledige. Einen allgemeinen Überblick über die gegenwärtig inDeutschlandbetrie-
benen Call Center gibt die Call Center Benchmark-Studie Deutschland 2000 (o.V.
(2000a)). In der wissenschaftlichen Literatur geben aus produktionswirtschaftlicher
Sicht Grossman et al. (1999) sowie Pinedo et al. (2000) einen Überblick über Tech-
nologien und Planungsansätze für Call Center. Aus Sicht der Organisation und des
Marketing werden Call Center u.a. behandelt von Denger und Wirtz (1999), Hoff-
jan (2000), Link (2000), Meier (1997), Nippa und Hachenberger (1999) sowie in-
nerhalb der Wirtschaftsinformatik von Hampe und Schönert (1997a,b).
Ziel dieses Aufsatzes ist es, die Grundlagen der Ermittlung des Personalbedarfs
für derartige Call Center zu kennzeichnen und aus der Analyse der gegenwärtig
verfügbaren Methoden Ansatzpunkte für praxisgerechtere Verfahren aufzuzeigen.
Dazu werden im zweiten Abschnitt zunächst die wesentlichen Komponenten, Be-
triebsweisen und Prozesse von Call Centern analysiert. Dabei stehen die typischen
Economies of Scalederartiger Dienstleistungssysteme im Vordergrund. Im dritten
Abschnitt werden verschiedene Methoden der Prognose des Anrufaufkommens un-
2
tersucht. Der vierte Abschnitt ist vor allem den offenen Problemen der Leistungs-
analyse gewidmet und konzentriert sich auf Systeme mit beschränkter Leitungszahl
und ungeduldigen Anrufern.
2 Struktur, Leistungsgrößen und Planungsprobleme von Call Centern
2.1 Aufgaben, Betriebsweisen und Formen
Call Centerwerden eingerichtet, um über einen längeren Zeitraum systematisch
eine größere Anzahl ähnlicher Telefongespräche abwickeln zu können. Durch spe-
zialisierte Mitarbeiter (die sogenannten Agenten) und Telekommunikations (TK)
-Anlagen sollen dabeiEconomies of Scalegenutzt werden können. Wenn die Te-
lefongespräche, wie z.B. bei telefonischen Umfragen, vom Call Center ausgehen,
spricht man vom „Outbound“-Betrieb. Hier stellen die Art, Anzahl und zeitliche
Verteilung der Gespräche Entscheidungsvariablen dar, die vom Management des
Call Centers bestimmt werden können. Im Inbound-Call Center gehen die Anrufe
dagegen von außen ein. In der Praxis finden sich vielfach Mischtypen, bei denen
Agenten je nach Systemlast im In- oder Outbound-Betrieb tätig sind. Dann kön-
nen z.B. Anrufer im Inbound-Betrieb Nachrichten hinterlassen, wenn für sie kein
Agent verfügbar ist. In Phasen eines schwächeren Anrufaufkommens werden diese
zurückgerufen.
Wenn zusätzlich zu den telefonischen Anrufen durch die Agenten auch Brie-
fe, Faxe, E-Mails und andere Internet-basierte Kundenanfragen bearbeitet werden,
spricht man auch von einenCustomer Service Center. Diese Medien erlauben im
Gegensatz zum Telefon eineasynchroneKommunikation. Hier treten noch anspruchs-
vollere Probleme der Personalbedarfsermittlung auf als in “reinen” Inbound-Call
Centern, weil zu der Arbeitslast durch Anrufe nun auch noch die durch “begrenzt
lagerfähige” E-Mails etc. hinzukommt, und weil eine schlechte Erreichbarkeit via
Telefon zu einem erhöhten Aufkommen an E-Mails und Faxen führen kann.
2.2 Komponenten von Call Centern
Neben den Agenten, welche die Telefongespräche führen, stellen Telefonanla-
gen und (zunehmend mit ihnen verknüpfte) Computer sowie die Telefonleitungen
die zentralen Komponenten eines Call Centers dar.
Wesentliche Merkmale derAgenten sind ihre Qualifikation für die verschie-
denen Arten von Anrufen (z.B. Vertrieb, technische Unterstützung etc.) und ihre
zeitlich beschränkte Verfügbarkeit. Hinsichtlich der Qualifikation kann zum einen
berücksichtigt werden, ob ein Agent prinzipiell für eine Tätigkeit qualifiziert ist und
3
mit welcher Geschwindigkeit er arbeitet.
Die Telefonleitungenkönnen dabei verschiedenen Telefonnummern zugeord-
net sein, wenn etwa ein Call Center im Bereich des Handels für verschiedene Unter-
nehmen eventuell verschiedener Branchen Dienstleistungen der Kundenbetreuung
übernimmt. So kann bereits über die vom Anrufer gewählte Telefonnummer auf die
benötigte Qualifikation des Agenten geschlossen werden. Sind alle Telefonleitun-
gen belegt, so hört ein Anrufer nur das Besetzt-Zeichen und ein Kontakt kommt
(vorerst) nicht zustande.
Bei sich häufig wiederholenden Anliegen der Anrufer (z.B. Abfrage eines Kon-
tostandes) ist es vielfach möglich, den Anrufer (zunächst) lediglich mit einem Com-
puter kommunizieren zu lassen, indem man ihn durch ein Menü von Angeboten
führt („Wenn Sie eine Bestellung aufgeben wollen, dann drücken Sie bitte die Eins.“).
Auch auf diese Weise läßt sich vorab ermitteln, welche Qualifikation (des Agenten)
für die Bearbeitung des Anrufs erforderlich ist. Durch diese alsInteractive Voice
Response(IVR) bezeichnete Technologie können die vergleichsweise teuren Agen-
ten von einfachen Routinetätigkeiten entlastet werden. Hier stellt sich das Problem,
das Menü, dem der Anrufer ausgesetzt wird, so zu strukturieren, daß jeder Anrufer
schnell sein Anliegen durch Spracheingabe oder über die Telefontastatur bekannt-
geben kann, da er sich sonst entscheidet, sofort einen der Agenten zu verlangen und
deren angestrebte Entlastung gerade nicht erreicht wird.
Eine weitere zentrale Komponente eines Call Centers ist dieautomatische An-
rufverteilung (Automatic Call Distribution, ACD). Durch die ACD-Anlage werden
die eingehenden Anrufe ggf. in eine Warteschlange eingestellt und nach festzule-
genden Regeln frei werdenden Agenten zugewiesen. Neben der Verwaltung und
Weiterleitung der wartenden Anrufe wird durch die ACD-Anlage ständig auch eine
Vielzahl von Daten über das Anrufvolumen, Wartezeiten, Bearbeitungszeiten und
Abbruchraten erfaßt, die dem Call Center-Management jederzeit einen Überblick
über den aktuellen Systemzustand geben. Dieser Systemzustand kann sich durch
das zufällige und dynamische Anrufaufkommen und die Schwankungen der Mitar-
beiterverfügbarkeit, etwa durch Pausen oder Besprechungen, schnell ändern. Durch
die Anrufweiterleitung können auch Überlaufregelungen zwischen physisch ge-
trennten Call Centern realisiert werden, so daß diese dem Anrufer wie eine zusam-
mengehörige Einheit erscheinen. Eine weitere wichtige Funktion der ACD-Anlage
ist die Sammlung der Daten für die Prognose der künftigen Anrufströme.
4
2.3 Wartezeit der Anrufer als Service-Ziel im Inbound Center
Eine wichtige Dimension der Service-Qualität eines Inbound-Call Centers ist
die Wartezeit der Anrufer. Da sowohl die Zeitpunkte der Anrufe als auch die jewei-
lige Gesprächsdauer vorab nicht bekannt sind, lassen sich Wartezeiten der Anrufer
auf freiwerdende Agenten bzw. Leerzeiten der Agenten (d.h. Wartezeiten der Agen-
ten auf Anrufer) grundsätzlich nicht vermeiden. Der Zusammenhang zwischen den
Wartezeiten der Anrufer auf Agenten und der Auslastung der Agenten ist durch
Economies of Scalegeprägt, welche durch ein grundlegendes Modell der Warte-
schlangentheorie verdeutlicht werden können. Dazu bildet man ein Call Center ge-
mäß Abbildung 1 durch einM/M/C-Bediensystem ab. Es wird vielfach auch als
“Erlang-C”-Modell bezeichnet.
Abbildung 1: Modellierung eines Call Centers alsM/M/C-Bediensystem
...
1
2
c
µ
µ
µ
λ Warteraum
...
Agenten
In diesem “Erlang-C”-Modell unterstellt man, daß allec Agenten und ebenso
alle Anrufer jeweilshomogensind. Der “Vorrat” an Anrufern, die Größe des Warte-
raums und die Geduld eines jeden Anrufers wird als unendlich groß angenommen -
wartende Anrufer legen also niemals auf. Die Zwischenankunftszeiten aufeinander-
folgender Anrufe seien exponentialverteilt mit der Rateλ. Die Bearbeitungszeiten
der Agenten seien ebenfalls exponentialverteilt mit der Rateµ. Ein derartiges Sys-
tem ist nur dannstabil, wenn die Ankunftsrate der Anrufeλ strikt kleiner ist als die
kollektive Bearbeitungsrate aller Agenten zusammen, wenn also
λ < cµ (1)
gilt. Definiert man das Arbeitsvolumena = λµ, so ist in einem stabilen System
entsprechend das Arbeitsvolumen kleiner als die Anzahl der Agenten, es gilt also
a < c.
Die Anzahl der Anrufer im System (wartend oder in Bedienung) läßt sich durch
einen sog. Geburts- und Sterbeprozeß gemäß Abbildung 2 modellieren, in dem die
5
Abbildung 2: Geburts- und Sterbeprozeß
1 2 3 c-1 c c+1 c+2
λ λ λ λ λ λ λ λ
0
λ
µ 2 µ 3 µ ( c -1) µ c µ c µ c µ c µ
...
jeweiligen Raten der Übergänge in benachbarte Zustände an den Pfeilen angegeben
sind. Aus diesem Modell läßt sich ableiten (s. Gross und Harris (1998, S. 69ff.)),
daß die WahrscheinlichkeitP (W ≤ t), daß die WartezeitW nicht größer ist als ein
vorgegebener Wertt, folgendermaßen berechnet werden kann:
P(W ≤ t) = 1− ac
c!
c
c− a
( c−1∑n=0
an
n!+
ac
c!
c
c− a
)−1
e−µ(c−a)t (2)
Diese Gleichung zeigt bereits unmittelbar, daß die Wahrscheinlichkeit geringer
Wartezeiten hoch ist, wenn die Bearbeitungsdauer eines Gespräches niedrig und
entsprechend die Bearbeitungsrateµ hoch ist. Läßt man in einer Grenzbetrachtung
bei gegebener Auslastung eines stabilen Call Centers die mittlere Gesprächsdau-
er gegen Null und damit die Bearbeitungsrate gegen Unendlich gehen, so geht
die Wahrscheinlichkeit gegen Eins, innerhalb einerbeliebigenWartezeitschranke
t einen Agenten zu erreichen:
limµ→∞
= P(W ≤ t) = 1 (3)
Umgekehrt steigen bei gleichem Arbeitsvolumen (und damit gleicher Auslas-
tung eines jeden Agenten) die Wartezeiten der Anrufer bereits dadurch an, daß die
mittlere Gesprächsdauer trotz einer entsprechend geringeren Anzahl an Gesprächen
ansteigt.
Die Gleichung (2) wird in der gegenwärtig in Inbound-Call Centern verwende-
ten Software zur Personalbedarfsermittlung und -einsatzplanung eingesetzt. In der
Praxis gibt man also ein sogenanntes “X/t”-Serviceziel derart vor, daßX Prozent
der Anrufer nicht länger alst Sekunden warten sollen, mithin die entsprechende
WartewahrscheinlichkeitX = P (W ≤ t) betragen soll.
Ein weiteres Wartezeit-bezogenes Servicemaß ist diemittlere Wartezeitder be-
dienten Anrufer. Darüber hinaus sind auch der Anteil der über das Besetzt-Zeichen
blockierten Anrufer, der Anteil der Aufleger und die Auslastung der Agenten wich-
tige Kenngrößen, die zu Zielen der Personaleinsatzplanung erhoben werden können.
6
2.4 Economies of Scale im Inbound-Call Center
Der Trade-Off zwischen Wartewahrscheinlichkeit und Auslastung der Agenten
läßt sich an den folgenden Beispielen vonM/M/C-Modellen verdeutlichen, in de-
nen immer angenommen sei, daß die durchschnittliche GesprächsdauerTb = 1µ
=
59 Sek betrage und als Serviceziel gefordert sei, daß ein zufällig gewählter Anru-
fer mit einer Wahrscheinlichkeit von 99% nicht länger als fünf Sekunden warten
soll, bis er einen Agenten erreicht. Für eine gegebene Anzahl an Agenten kann über
Gleichung (2) die Wahrscheinlichkeit eines einzelnen (zufällig gewählten) Anrufers
errechnet werden, nicht länger als fünf Sekunden zu warten. Diese Wahrscheinlich-
keit entspricht auch demAnteil der Anrufer, die nicht länger als fünf Sekunden
warten müssen. Im ersten Beispiel wird in Abbildung 3 ein sehr kleines Call Center
mit nur 30 Anrufen in 30 Minuten untersucht, in dem also die mittlere Zwischenan-
kunftszeit von Anrufen bei 60 Sekunden liegt.
Abbildung 3: Service vs. Agentenzahl im kleinen Call Center
Ein kleines Call Center: 30 Anrufe in 30 Minuten
Anzahl Agenten
0 1 2 3 4 5
Anr
ufer
inne
rhal
b de
s W
arte
zeitl
imits
[%]
0
20
40
60
80
100
In diesem Fall reicht bereits ein Agent aus, um ein stabiles System zu betrei-
ben, die Wartezeiten fast aller Anrufer sind jedoch höher als die angestrebten fünf
Sekunden. Erst wenn manfünf Agenten in dem Call Center einsetzt (ein Zuwachs
um 400%), erreicht man das angestrebte Service-Maß. Dann ist jeder Agent aber
nur zu knapp 20% ausgelastet. Aus ökonomischer Sicht hat man in diesem kleinen
Call Center also die “Wahl” zwischen langen Wartezeiten der Anrufer oder einer
niedrigen Auslastung der Agenten (und damit hohen Personalkosten).
Den anderen Extremfall stellt ein sehr großes Call Center mit 30.000 Anrufen in
30 Minuten dar, wie sie z.B. bei Telefon-Auskunft-Diensten auftreten können. Hier
7
sind minimal 984 Agenten erforderlich, um gemäß Ungleichung (1) überhaupt das
Arbeitsvolumen bewältigen zu können.
Abbildung 4: Service vs. Agentenzahl im großen Call Center
Ein großes Call Center: 30.000 Anrufe in 30 Minuten
Anzahl Agenten
980 990 1000 1010 1020
Anr
ufer
inne
rhal
b de
s W
arte
zeitl
imits
0
20
40
60
80
100
Die Abbildung 4 verdeutlicht, daß nun gemäß Gleichung (2) bereits 35 zusätzli-
che Agenten (ein Anstieg um 3,6%) ausreichen, um den gewünschten Service hin-
sichtlich der Wartezeiten bieten zu können. Damit sind die Agenten rechnerisch zu
mehr als 95% ausgelastet. In der Realität ist eine derart hohe Auslastung auf Dau-
er nicht praktikabel, weil die Tätigkeit des Telefonieren zu anstrengend ist. Daher
wird man u.U. zusätzliche Agenten einsetzen müssen. Senkt man auf diesem Weg
die Auslastung der Agenten auf ein Niveau, welches diese über mehrere Stunden
durchhalten, so sinken die Wartezeiten gemäß Gleichung (2) noch unter den vorge-
gebenen Grenzwert. Dieses Beispiel zeigt also, daß in einem großen Call Center mit
homogenen Anrufern und Agenten gleichzeitig eine hohe Auslastung und geringe
Wartezeiten erreichbar sind, während dies für kleine Call Center nicht gilt.
Damit gibt es technologisch begründeteEconomies of Scalein Inbound Call
Centern, die den Betreibern großer Call Center Wettbewerbsvorteile verschaffen:
Wenn ein Call Center eine bestimmte Größe erreicht, so läßt es sich gleichzeitig mit
einer hohen Auslastung der Agenten (und entsprechend niedrigen Personalkosten
je Anruf) und mit geringen Wartezeiten der Anrufer betreiben. Welche Größe (oder
welches Arbeitsvolumena) jedoch dazu erforderlich ist, hängt gemäß den Glei-
chungen (2) und (3) auch von der mittleren GesprächsdauerTb = 1µ
ab: Je länger
die mittlere Gesprächsdauer ist, desto größer sind bei gleichem Arbeitsvolumen die
Wartezeiten der Anrufer.
8
2.5 Operative Personalplanung im Inbound-Call Center im Überblick.
Die operative Personalbedarfsermittlung und -einsatzplanung erfolgt in der Re-
gel in den folgenden drei Schritten:
1. Prognose des Anrufaufkommens je Zeitabschnitt (Woche, Tag, Halb- oder
Viertelstundenintervall)
2. Ermittlung der erforderlichen Zahl von Agenten je Zeitintervall (Leistungs-
analyse) für einen vorgegebenen Servicegrad hinsichtlich der Wartezeit
3. Zeitliche Einplanung der Mitarbeiter (oder zeitliche Einplanung “anonymer”
Schichten mit anschließender Zuordnung der Mitarbeiter zu den Schichten)
An die Personaleinsatzplanung im Schritt 3 schließt sich noch eine Echt-Zeit-
Steuerung an, in der in Abhängigkeit des aktuellen Systemzustandes z.B. die Toi-
lettenpausen der Agenten, Besprechungen oder Trainingsmaßnahmen zeitlich fest-
gelegt werden.
Innerhalb der operativen Personalbedarfsermittlung und -einsatzplanung wird
auf unterschiedlichen Aggregationsgraden mit unterschiedlichen Planungshorizon-
ten gearbeitet. Auf der detailliertesten Planungsebene wird für die einzelnen Halb-
oder Viertelstundenintervalle der kommenden Wochen die Anzahl der benötigten
Agenten ermittelt und eingeplant. Dabei ist ein erhebliches Datenvolumen zu ver-
arbeiten, so daß die Planung nur rechnergestützt durchgeführt werden kann. Die
hier betrachtete Personalbedarfsermittlung betrifft die ersten beiden Schritte, die im
folgenden näher untersucht werden.
3 Prognose des Anrufaufkommens je Zeitabschnitt
Das Anrufaufkommen in Inbound-Call Centern schwankt zeitlich vielfach sehr
stark, so daß das Beispiel des Auskunftsdienstes der Telegate AG, München, für die
Woche vom 2.-8.11.1998 in Abbildung 5 als typisch gelten kann.
Während der fünf Wochentage von Montag bis Freitag ist das Anrufaufkommen
deutlich höher als am Wochenende. Innerhalb eines jeden Wochentages ist die Mit-
tagspause deutlich als temporärer Rückgang des Anrufaufkommens zu identifizie-
ren, dem nachmittags ein weiterer Anstieg folgt. Bemerkenswert ist vor allem der
starke Anstieg der Anruferzahlen am Vormittag, durch den die mittlere Anrufrate
aufeinanderfolgender Halbstundenintervalle durchaus um mehrere hundert Prozent
zunehmen kann. Aufgrund dieser starken Dynamik muß auch die Prognose des An-
rufaufkommens auf Basis kleiner Zeitabschnitte von 15 oder 30 Minuten erfolgen,
9
Abbildung 5: Anrufaufkommen und Prognose in Halbstundenintervallen
0
2000
4000
6000
8000
10000
12000
14000
16000
18000
20000
0:00 12:00 0:00 12:00 0:00 12:00 0:00 12:00 0:00 12:00 0:00 12:00 0:00 12:00
Zeit
be
ob
ac
hte
teu
nd
pro
gn
os
tizie
rte
An
rufe
beobachtete Anrufe ARIMA(0,0,1)(0,1,1)^336 Mittelwerte Exponentielle Glättung 1. Ordnung
Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag
und zwar über einen Zeitraum von ggf. mehreren Wochen. Dies macht deutlich, daß
der Prognoseaufwand erheblich ist.
Eine einfache und technisch problemlose Möglichkeit der Prognose besteht dar-
in, über Mittelwerte oder Verfahren der exponentiellen Glättung jeweils die korre-
spondierenden Halbstunden-Intervalle der vergangenen Wochen heranzuziehen, al-
so die Prognose für den Zeitraum von 10:00 Uhr bis 10:30 des kommenden Montags
auf Basis der entsprechenden Zeiträume der vergangenen Wochen durchzuführen.
Ausgefeiltere Prognoseverfahren auf Grundlage von ARIMA-Modellen (vgl. Box
et al. (1994)) führen zu deutlich besseren Ergebnissen.
Einen ersten Eindruck von der erreichbaren Prognosegenauigkeit vermittelt Ab-
bildung 5. Die Abbildung zeigt, daß ein Verfahren der exponentiellen Glättung und
auch das ARIMA-Modell zu einer besseren Prognose führen als die Verwendung
von Mittelwerten. Das ist darauf zurückzuführen, daß in der Zeitreihe ein leicht an-
steigender Trend enthalten ist, was vor allem bei der Prognose auf Basis von Mittel-
werten über ein ganzes Jahr zu einer starken Unterschätzung des Anrufaufkommens
führt.
Die Verwendung von ARIMA-Modellen zur Prognose des Anrufvolumens ist
auch insofern attraktiv, als diese Modelle in einer systematischen Weise um die
Berücksichtigung von Ausreißern in den Daten oder um exogene Einflüsse wie z.B.
Feiertage, Werbekampagnen o.ä. erweitert werden können.
In einer umfassenden experimentellen Untersuchung (Hauenschild (2000)) wur-
10
den verschiedene Prognoseverfahren anhand realer Daten aus den Call Centern der
Telegate AG aus den Jahren 1998 und 1999 getestet. Dazu wurden die Prognose-
modelle zunächst mit den Beobachtungswerten vom 1.10.1998 bis zum 31.9.1999
“gefüttert”. Dies waren365 · 48 = 17520 Beobachtungswerte, weil die Call Center
durchgehend betrieben wurden und die Daten auf 30-Minuten-Basis erfaßt wur-
den. Anschließend wurde für einen Zeitraum von fünf Wochen eine Prognose auf
Halbstunden-Basis erstellt, also über5 · 7 · 48 = 1680 zukünftige Halbstunden-
Intervalle. Die Prognosen für die erste Woche wurden als Planungsvorlauf ignoriert,
während für die Ergebnisse der verbleibenden 1344 Halbstunden-Intervalle durch
den Vergleich von prognostizierten und tatsächlich realisierten Daten die Ex-Post-
Prognosefehleret ermittelt wurden. Als aggregiertes Fehlermaß wurde dann der
root mean square error (RMSE)gemäß
RMSE =
√√√√ 1
1344
1344∑t=1
e2t (4)
für die verschiedenen Prognoseverfahren berechnet. Die untersuchten Prognosever-
fahren gliedern sich in zwei Gruppen. In der ersten Gruppe wurde explizit berück-
sichtigt, ob ein bestimmter Tag ein Feiertag war oder nicht. Dies gilt für die Progno-
se durch Mittelwerte, Exponentielle Glättungen erster und zweiter Ordnung und ein
Modell der Struktur ARIMA(0, 0, 0)(0, 1, 2)336, in welchem über Interventionen-
Variablen die Feiertage abgebildet werden konnten. In der zweiten Gruppe von Ver-
fahren wurden Feiertagenicht berücksichtigt. Hier wurde zur Prognose zum einen
ein in Glaser (1999) entwickeltes Neuronales Netz und zum anderen das Modell
ARIMA (0, 0, 0)(0, 1, 2)336 ohne Interventionen-Variablen eingesetzt.
Die Abbildung 6 (Hauenschild (2000, S. 117)) stellt die Ergebnisse für die ver-
schiedenen Verfahren gegenüber. Die Prognose auf Basis von Mittelwerten führt zu
den größten Prognosefehlern. Nur unwesentlich aufwendiger ist die Prognose auf
Basis einer exponentiellen Glättung erster Ordnung (hier mit einem Glättungsfaktor
von 0,3), die jedoch einen wesentlich geringeren Prognosefehler ergibt. Die Zeitrei-
he enthält zwar insgesamt einen leicht ansteigenden Trend, aber dennoch konn-
te die exponentielle Glättung zweiter Ordnung keine besseren Ergebnisse liefern
als die erster Ordnung. Die deutlich höchste Prognosegüte erreicht man mit einem
ARIMA-Modell, in welchem die Feiertage über Interventionen-Variablen berück-
sichtigt werden. Verzichtet man auf die Berücksichtigung der Feiertage, so liefern
sowohl das Neuronale Netz als auch das ARIMA-Modell immer noch bessere Er-
gebnisse als die Prognose auf Basis von Mittelwerten unter Berücksichtigung der
Feiertage. Diese Verfahren erfordern jedoch einen erheblich größeren Aufwand als
11
Abbildung 6: Prognosefehler verschiedener Prognoseverfahren
Prognosefehler RMSE0 200 400 600 800 1000 1200 1400 1600 1800
ARIMA
Neuron. Netz
ARIMA/Feier
ExpGl. 2. Ord.
ExpGl. 1. Ord.
Mittelwert
Feiertage berücksichtigt
Feiertage nicht berücksichtigt
die hier vergleichsweise leistungsfähige Exponentielle Glättung erster Ordnung.
4 Leistungsanalyse für realitätsnahe Call Center-Konfigurationen
4.1 Probleme der Verwendung des “Erlang-C”-Modells
Die Anzahl der benötigten Agenten je Zeitabschnitt hängt ab von dem prognos-
tizierten Anrufaufkommen, der Gesprächsdauer und dem angestrebten Serviceziel.
In der Praxis ermittelt man diese vielfach durch das in Abschnitt 2.3 vorgestell-
te M/M/C- (oder Erlang-C-) Modell über Gleichung (2). Die Annahmen dieses
Modells sind jedoch in der Realität vielfach nicht erfüllt, so daß sich im Ergebnis
andere als die geplanten Systemzustände ergeben. Kritisch sind insbesondere die
folgenden Punkte:
1. Dynamische Ankunftsraten: In der Planung wird die prognostizierte Zahl
von Anrufen je 30-Minuten-Intervall als Rate der Ankünfte im jeweiligen
Zeitabschnitt verwendet. In demM/M/C-Modell geht man dabei davon aus,
daß zwar die Zwischenankunftszeiten exponentialverteilt sind, daß sich aber
i) die (mittlere) Rate der Ankünfte innerhalb des 30-Minuten-Intervalls nicht
ändert und daß ii) das Bediensystem einen eingeschwungenen Zustand er-
reicht hat, in welchem sich die Wahrscheinlichkeiten der verschiedenen Sys-
temzustände nicht ändern. In einem realen Call Center ist jedoch die An-
kunftsrate auch innerhalb eines Halb-Stundenintervalls zeitvariant, so daß das
System den unterstellten eingeschwungenen Zustandnicht erreicht. Damit
12
hängt die Wahrscheinlichkeitsverteilung der Wartezeit von der (Uhr-)Zeit ab,
und man kann allenfalls anstreben, über dieM/M/C-Formel Schranken die-
ser zeitvarianten Wartezeit einzuhalten (Green und Kolesar (1991, 1997)).
2. Endliche Geduld der Anrufer: Das M/M/C-Modell beruht auf der An-
nahme, daß jeder Anrufer so lange wartet, bis er von einem Agenten bedient
wird. In einem realen Call Center dagegen legt ein Teil der Anrufer bereits
dann auf, wenn er nicht sofort bedient wird, und ein anderer Teil, nachdem er
eine gewisse Zeit gewartet hat ohne bedient zu werden. Dieses Problem tritt
insbesondere bei kleinen und mittleren Call Centern oder solchen mit lan-
gen Gesprächsdauern auf und führt zu einer erheblichen Überschätzung der
Wartezeiten jener Anrufer, welche tatsächlich bedient werden. Mit derartigen
Problemen beschäftigen sich Boxma und Waal (1994), Garnett et al. (1999)
sowie Whitt (1999a,b).
3. Endlicher Warteraum: In realen Call Centern ist die Anzahl der Telefon-
leitungen begrenzt und damit auch die Anzahl an Anrufern, die gleichzeitig
im System sein können (wartend oder in Bearbeitung). DasM/M/C-Modell
geht dagegen von einem unendlichen Warteraum aus und führt insbesondere
bei kleinen Call Centern zu einer gravierenden Fehleinschätzung der Leis-
tungsgrößen.
4. Heterogene Anrufer- und Agentengruppen:In realen Call Centern können
die Anrufer im Gegensatz zu den Annahmen desM/M/C-Modells hetero-
gen sein. Zwar fragen sie im einfachsten Fall bei den Agenten die gleichen
Leistungen nach, unterscheiden sich aber durch unterschiedliche Prioritäten,
die ihnen zugewiesen werden. In einem derartigen Fall wird man bestrebt
sein, jeder Prioritätsgruppe einen vorgegebenen Service zu bieten, ohne daß
dies durch das Erlang-C-Modell oder die in der Praxis eingesetzte Softwa-
re zur Personalbedarfsrechnung unterstützt wird. (Zur simulativen Analyse
eines derartigen Falls vgl. Saltzman und Mehrotra (2000)). Vielfach sind je-
doch die Anliegen der Anrufer so unterschiedlich, daß nur bestimmte Agen-
ten(gruppen) die Qualifikation zur Bearbeitung der Anrufe haben. In diesem
Fall hängt der Vektor der Servicemaße für die verschiedenen Anrufergruppen
ab vom Vektor der Anzahl eingesetzter Agenten über die durch die Qualifika-
tion definierten Agentengruppen. Erste Modelle werden in Shumsky (1999)
sowie Pinker und Shumsky (1999) beschrieben.
Die genannten Problemaspekte realer Inbound-Call Center können z.T. auch in
Kombination auftreten und eröffnen damit ein an Problemen reiches Forschungs-
13
feld von hoher praktischer Relevanz. Im folgenden wird anhand von Simulationser-
gebnissen hypothetischer Call Center gezeigt, welche Fehleinschätzungen aus der
Verwendung des in der Praxis vielfach eingesetzten Verfahrens resultieren können.
Die Simulationen wurden mit Call$im/Arena durchgeführt, die Simulationsergeb-
nisse stellen jeweils die Mittelwerte der betrachteten Größen sowie deren 95%-
Konfidenzintervalle dar.
4.2 Endliche Geduld der Anrufer und endliche Leitungskapazität
Zunächst wird ein Call Center untersucht, in welchem im Mittel 10 Anrufe
pro Minute eingehen und die mittlere Anrufdauer 59 Sekunden beträgt. Die Zwi-
schenankunftszeiten und die Bearbeitungszeiten sind exponentialverteilt und von-
einander unabhängig. Insgesamt verfügt das Call Center über 30 Telefonleitungen.
Der virtuelle Warteraum ist damit im Gegensatz zu den Annahmen des Erlang-C-
Modells begrenzt. Die Anrufer wie auch die Agenten sind hinsichtlich ihrer Anlie-
gen bzw. Fähigkeiten homogen. Der wartezeitbezogene Service wird wieder über
den Anteil der Anrufer ausgedrückt, die nicht länger als fünf Sekunden auf einen
Agenten warten müssen. Die entspricht der Wahrscheinlichkeit eines zufällig ge-
wählten Anrufers, innerhalb von fünf Sekunden einen Agenten zu erreichen.
Abbildung 7: Servicelevel in Abhängigkeit der Agentenzahl
0
20
40
60
80
100
0 5 10 15 20
Ant
eil i
m S
ervi
cezi
el [%
]
Agenten [Anzahl]
Bed. Anrufe (U)Alle Anrufe (U)
Bed. Anrufe (G)Alle Anrufe (G)
Erlang-C
In Abbildung 7 werden Simulationsergebnisse für den Fall ungeduldiger (U)
und den Fall geduldiger (G) Kunden verglichen mit den Ergebnissen des Erlang-C-
Modells über Gleichung (2). Aus Sicht desM/M/C- bzw. Erlang-C-Modells sind
mindestens 10 Agenten erforderlich, damit das System gemäß Gleichung (1) stabil
ist. Bei nur 10 Agenten würden aber nach diesem Modell nur gut sieben Prozent der
14
Anrufer innerhalb von fünf Sekunden bedient.
Im Fall der ungeduldigen Anrufer wird im Gegensatz zu den Annahmen des
Erlang-C-Modells unterstellt, daß die Anrufer durch eine exponentialverteilte War-
tezeittoleranz gekennzeichnet sind. Wenn die tatsächliche Wartezeit die Wartezeit-
toleranz von im Mittel 10 Sekunden erreicht hat, dann legt der Anrufer auf und ver-
schwindet aus dem System. Jeder wartende Anrufer, der vor dem Erreichen eines
Agenten auflegt, verkürzt die Wartezeiten der anderen Anrufer, die hinter ihm in der
Warteschlange stehen undnichtauflegen. Allerdings blockiert er in der Zeit bis zum
Erreichen seiner individuellen Wartezeittoleranz eine Telefonleitung, so daß andere
Anrufer (mit u.U. größerer Geduld) möglicherweise das Besetzt-Zeichen hören und
nicht in das System hineinkommen.
Aufgrund der endlichen Leitungskapazität kann die Anruferzahl in einem rea-
len Call auch dann nicht überlaufen, wenn die Anzahlc der eingesetzten Agenten
kleiner ist als das in “Erlangs” angegebene Arbeitsvolumena. Aus diesem Grund
ist in Abbildung 7 auch der simulierte Service für weniger als 10 Agenten angege-
ben. Entscheidend ist hier, ob man die Anzahl der rechtzeitig bedienten Anrufer auf
die Anzahl der bedienten Anrufer oder die Gesamtzahl aller Anrufer bezieht. Die
Abbildung 7 zeigt, daß im Fall (U) der ungeduldigen Anrufer der Service der tat-
sächlichbedientenKunden sehr viel besser ist als dies durch dasM/M/C-Modell
prognostiziert wird. Beim Einsatz von 10 Agenten müssen ca. 75% der Anrufer we-
niger als fünf Sekunden warten, während das Erlang-C-Modell dies nur für 7% der
Anrufer prognostiziert. Dieses extreme Beispiel zeigt, daß man grundsätzlich die
Ungeduld der Anrufer berücksichtigen muß und daß die Planung auf der Grundlage
des Erlang-C-Modells einen effizienten Personaleinsatz verhindern kann.
Abbildung 8: Mittlere Wartezeit in Abhängigkeit der Agentenzahl
0
0.2
0.4
0.6
0.8
1
0 5 10 15 20
Mitt
lere
War
teze
it [M
inut
en]
Agenten [Anzahl]
Erlang-CBed. Anrufe (G)Bed. Anrufe (U)
15
Abbildung 9: Blockieren und Auflegen in Abhängigkeit der Agentenzahl
0
20
40
60
80
100
0 5 10 15 20
[%]
Agenten [Anzahl]
Blockiert (G)Blockiert (U)
Aufgelegt (U)
Abbildung 10: Auslastung in Abhängigkeit der Agentenzahl
50
60
70
80
90
100
0 5 10 15 20
Aus
last
ung
der A
gent
en [%
]
Agenten [Anzahl]
Erlang-CGeduldige Anrufer
Ungeduldige Anrufer
In Abbildung 8 wird die mittlere Wartezeit derjenigen Anrufer dargestellt, die
tatsächlich bedient werden. Auch dieses Servicemaß wird insbesondere bei kleiner
Agentenzahl über das Erlang-C-Modell vollkommen falsch eingeschätzt.
Aus der Abbildung 9 erkennt man, daß im Fall (G) der geduldigen Anrufer bei
geringer Agentenzahl ein erheblicher Teil der Anrufer abgewiesen wird. Diejenigen
Anrufer, die in das System hineingelassen werden, erfahren erhebliche Wartezeiten.
Sind dagegen die Anrufer ungeduldig, so werden praktisch alle zunächst in das
System eingelassen, ein großer Teil legt jedoch bei geringer Agentenzahl wieder
auf. Setzt man z.B. nur vier Agenten ein, so werden gemäß Abbildung 7 knapp
30% aller ungeduldigen Anrufer innerhalb von fünf Sekunden von einem Agenten
16
bedient, 60% der Anrufer legen jedoch gemäß Abbildung 9 auf, bevor sie einen
Agenten erreichen.
In Abbildung 10 wird die Auslastung der Agenten angegeben. Man erkennt, daß
die Auslastung insbesondere dann durch das Erlang-C-Modell überschätzt wird,
wenn die Anrufer ungeduldig sind. Dies gilt lediglich dann nicht, wenn so viele
Agenten eingesetzt werden, daß es kaum noch zu Wartezeiten kommt. Dies kann
aufgrund der in Abschnitt 2.4 beschriebenen Größendegressionseffekte insbeson-
dere bei großen Call Centern der Fall sein.
4.3 Premium- vs. Standard-Kunden
Es kann der Fall auftreten, daß zwar die Agenten homogen sind, sich aber die
Anrufer in zwei (oder mehr) Gruppen aufteilen lassen und einer der beiden Anru-
fergruppen Priorität gegenüber der anderen Gruppe eingeräumt wird. Dies können
z.B. Premium-Kunden seien, die einen Aufpreis für besonders schnelle Bedienung
zahlen oder dgl. mehr.
Abbildung 11: Struktur eines Call Centers mit Premium-Service
c
λ A
λ Β
µ
In Abbildung 11 ist die Struktur eines solchen Call Centers angedeutet. Es sei
wieder angenommen, daß 10 Anrufe pro Minute eingehen und jeder im Mittel1µ
=
59 Sekunden dauert. Alle Anrufer seien unendlich geduldig. Im Call Center arbeiten
11 Agenten, so daß das Call Center auf lange Sicht nicht überlaufen kann. Zunächst
wird unterstellt, daß es 1000 Leitungen für Premium- und weitere 1000 Leitungen
für Standard-Anrufer gibt. In der Simulation trat für diese Konfiguration kein Blo-
ckieren mehr auf und alle Anrufer wurden letztlich bedient. Nun wird zunächst in
Abbildung 12 untersucht, welchen Einfluß der Anteil der Premium-Kunden an der
Gesamtzahl von Anrufern auf den Anteil der innerhalb von fünf Sekunden bedien-
ten Kunden hat.
17
Abbildung 12: Anteil der rechtzeitig bedienten Kunden (1000 Leitungen je Gruppe)
0
20
40
60
80
100
0 20 40 60 80 100
Ant
eil i
m S
ervi
cezi
el [%
]
Anteil Premium-Kunden [%]
StandardPremium
Erwartungsgemäß ist der Service der Premium-Kunden besser als jener der
Standard-Kunden. Der Vorteil wird jedoch um so geringer, je größer der Anteil
der Premium-Kunden an der Gesamtzahl an Anrufern ist. Darüber hinaus zeigt
sich jedoch ein möglicherweise kontraintuitives Ergebnis: Der Anteil der Standard-
Kunden, die innerhalb von fünf Sekunden bedient werden, geht mit steigendem
Anteil an Premium-Kunden kaum zurück. Dies könnte zu der Einschätzung führen,
daß die Wartezeit der Standard-Kunden nur unwesentlich vom Anteil der Premium-
Kunden abhängt. Tatsächlich hängt diemittlereWartezeit der Standard-Kunden sehr
wohl vom Anteil der Premium-Kunden ab.
Betrachtet man in Abbildung 13 statt desAnteils der rechtzeitig bedienten An-
rufer die Wartezeit aller bedienten Anrufer, so zeigt sich daher ein ganz anderes
Bild: Mit steigendem Anteil an Premium-Kunden steigt die mittlere Wartezeit der
Standard-Kunden deutlich an. Zusammen mit dem - dennoch korrekten - Ergebnis
in Abbildung 12 bedeutet dies, daß sich bei größer werdendem Anteil von Premium-
Kunden im System ein etwa konstanter Anteil von Standard-Kunden auf immer
längere Wartezeiten einstellen muß. Es ändert sich also die Form der Wahrschein-
lichkeitsverteilung der Wartezeiten der Standard-Kunden.
Dieses Ergebnis ist unmittelbar managementrelevant, denn es zeigt, daß die in
der Praxis vorgenommene Personalbedarfsermittlung auf Basis der Wahrscheinlich-
keit, nicht länger alst Sekunden zu warten, eine zumindest problematische Zielset-
zung ist: Die Wartezeit derjenigen Anrufer, dielänger als die vorgegebene Zeit-
spanne warten, wird bei diesem Service-Maßnicht berücksichtigt. Mit diesem Maß
wird lediglich eineinziger Punktder Verteilung der Wartezeiten zur Leistungsana-
18
Abbildung 13: Mittlere Wartezeiten (1000 Leitungen je Gruppe)
0
0.5
1
1.5
2
2.5
3
3.5
4
0 20 40 60 80 100
Mitt
lere
War
teze
it [M
inut
en]
Anteil Premium-Kunden [%]
StandardPremium
lyse herangezogen. Betrachtet man dagegen diemittlere Wartezeit, so fließt in die-
ses aggregierte Maß dasgesamte Wissenüber die Verteilung der Wartezeiten ein.
Dieser Befund erstaunt umso mehr, als sich die mittlere Wartezeit über das Gesetz
von Little unmittelbar aus dem i.d.R. vergleichsweise leicht zu ermittelndem mitt-
leren Bestand errechnen läßt, während die Verteilung der Wartezeit i.d.R. ungleich
aufwendiger zu ermitteln ist. Es erscheint also zweckmäßiger, die Personalbedarfs-
ermittlung auf der Basismittlerer Wartezeiten vorzunehmen.
Auch im Fall von Systemen mit Premium- vs. Standard-Anrufern ist es instruk-
tiv, den Einfluß einer endlichen Anzahl von Telefonleitungen zu studieren. Im Ge-
gensatz zu den bisherigen Annahmen in diesem Abschnitt sei unterstellt, daß nun
für Premium- wie für Standard-Kunden statt 1000 Leitungen nur 15 zur Verfügung
stehen.
In Abbildung 14 wird für beide Gruppen der Anteil der rechtzeitig bedienten
Kunden angegeben und in Abbildung 15 jeweils die mittlere Wartezeit. Hier zeigt
sich zum einen der bereits aus Abschnitt 4.2 bekannte Effekt der geringen Anzahl
an Telefonleitungen: Bei nur 15 Leitungen je Anrufergruppe wird ein Teil der An-
rufer abgewiesen. Dies reduziert die Last im System und verbessert den Service der
anderen, die in das System eingelassen wurden.
In diesem Beispiel tritt jedoch noch ein anderer interessanter Effekt auf: Ab
einem Anteil von ca. 70% an Premium-Anrufernsteigtder Service derbedienten
Anrufer wieder! Dies ist darauf zurückzuführen, daß aufgrund der festen Anzahl
von 15 Leitungen und der ebenfalls festen Gesamtzahl an Anrufern für jede Gruppe
mit zunehmender Zahl an Premium-Kunden immer mehr Premium-Kunden blo-
ckiert werden, während dies für die Standard-Kunden in immer geringerem Maße
19
Abbildung 14: Anteil der rechtzeitig bedienten Kunden (15 Leitungen je Gruppe)
0
20
40
60
80
100
0 20 40 60 80 100
Ant
eil i
m S
ervi
cezi
el [%
]
Anteil Premium-Kunden [%]
StandardPremium
Abbildung 15: Mittlere Wartezeiten (15 Leitungen je Gruppe)
0
0.2
0.4
0.6
0.8
1
0 20 40 60 80 100
Mitt
lere
War
teze
it [M
inut
en]
Anteil Premium-Kunden [%]
StandardPremium
der Fall ist. In der Folge reduziert sich die Last im System und die Wartezeiten
sinken für diejenigen Kunden, die überhaupt in das System Einlaß finden. Diese
“Verbesserung” bezieht sich also nur auf diejenigen Anrufer, die überhaupt bear-
beitet werden, und sie spiegelt nicht den Service-Eindruck derjenigen wieder, die
sofort vom System abgewiesen werden.
5 Fazit
Die Dienstleistungsproduktion in Inbound-Call Centern ist durch dynamische
und stochastische Anrufeingänge und stochastische Bearbeitungsprozesse gekenn-
20
zeichnet. Für die operative Personalbedarfsrechnung sind zum einen leistungsfä-
hige Prognoseverfahren erforderlich und zum anderen flexible Verfahren zur Be-
rechnung der Wartezeit in Abhängigkeit der Anzahl eingesetzter Agenten. Einfache
warteschlangentheoretische Ergebnisse des “Erlang-C”-Modells geben zwar einen
ersten Einblick in die erheblichenEconomies of Scaledieser Dienstleistungspro-
duktion, können aber zur Quantifizierung der Wartezeiten bei vielen praktisch re-
levanten Call Center-Konfigurationen nicht eingesetzt werden. In realen Inbound-
Call Centern ist die Anzahl der Telefonleitungen ebenso begrenzt wie die Geduld
der Anrufer. Darüber hinaus können sowohl die Anrufer als auch die Agenten hete-
rogen sein in bezug auf ihre Anforderungen bzw. Qualifikationen. All dies wird in
der derzeit gängigen Software zur Personalbedarfsermittlung und -einsatzplanung
nicht berücksichtigt und kann dazu führen, daß man sowohl zuviel als auch zu-
wenig Personal einsetzt. Insbesondere die in der Praxis vorzufindende Zielsetzung,
einen bestimmte Anteil der Anrufer innerhalb eine bestimmten Wartezeitschranke
anzunehmen, erscheint wenig zweckmäßig. Einerseits muß man für eine derart ori-
entierte Personalbedarfsermittlung die gesamte Wahrscheinlichkeitsverteilung der
Wartezeiten ermitteln, und dies kann für reale Call Center methodisch außerordent-
lich anspruchsvoll sein. Andererseits bleibt bei diesem Serviceziel unklar, wie lange
diejenigen Anrufer gewartet haben, dieirgendwanninnerhalb der Wartezeitschran-
ke bedient wurden. Dies gilt analog auch für die Anrufer, die länger als die vorgege-
bene Wartezeit warten mußten. Orientiert man dagegen den Personalbedarf an der
mittleren Wartezeitaller Anrufer, so bekommt man zum einen einen besseren Ein-
druck vominsgesamtgebotenen Wartezeit-bezogenen Service. Dieses Servicemaß
ist dazu auch noch leichter zu berechnen. Aus diesen Gründen benötigt man einen
Satz an Modellen der Leistungsanalyse, in denen die genannten Problemaspekte
aufgegriffen werden.
Literatur
Anton, J., V. Bapat und B. Hall (1999).Call Center Performance Enhancement -
Using Simulation and Modeling. West Lafayette, Indiana: Ichor Business Books,
Purdue University Press.
Box, G. E. P., G. M. Jenkins und G. C. Reinsel (1994).Time Series Analysis:
Forecasting and Control(3. Aufl.). New Jersey: Prentice Hall.
Boxma, O. J. und P. R. d. Waal (1994). Multiserver queues with impatient custo-
mers. In:The Fundamental Role of Teletraffic in the Evolution of Telecommuni-
21
cations Networks : Proceedings of the 14th International Teletraffic Congress -
ITC 14, Band 14. S. 743 – 756.
CC (2000). North american call center summit (NACCS), call center statistics.
Technical report, http://www.callcenternews.com/resources/statistics.shtml.
De Lurgio, S. A. (1998).Forecasting Principles and Applications. Irwin McGraw-
Hill, Boston.
Denger, K. S. und B. W. Wirtz (1999). Customer Call Center - eine empirische
Analyse zur Gründung, Organisationsstruktur und Ausgestaltung in der Versi-
cherungswirtschaft.Die Unternehmung 53(2), 89–103.
Garnett, O., A. Mandelbaum und M. Reiman (1999). Designing a call center with
impatient customers. Technical report, Faculty of Industrial Engineering and
Management, Technicon, Haifa 32000, Israel.
Glaser, G. (1999). Zeitreihenvorhersage mit künstlichen neuronalen Netzen am Bei-
spiel der Personalbedarfsprognose eines Call Centers. Master’s thesis, Friedrich-
Alexander-Universität Erlangen-Nürnberg.
Green, L. und P. Kolesar (1991). The pointwise stationary approximation for queues
with nonstationary arrivals.Management Science 37(1), 84–97.
Green, L. V. und P. J. Kolesar (1997). The lagged PSA for estimating peak conge-
stion in multiserver markovian queues with periodic arrival rates.Management
Science 43(1), 80–87.
Gross, D. und C. M. Harris (1998).Fundamentals of Queueing Theory(3. Aufl.).
New York et al.: John Wiley & Sons.
Grossman, T. A., D. A. Samuelson, S. L. Oh und T. R. Rohleder (1999).Call
Centers. Faculty of Management, University of Calgary, Calgara, Alberta T2N
1X1, Canada.
Hachenberger, J. (1999).Problemfelder im Inbound Call Center erkennen und be-
seitigen. Langenburg: CCP-Verlag.
Hampe, J. F. und S. Schönert (1997a). Call Center.Wirtschaftsinformatik 39(2),
173–176.
Hampe, J. F. und S. Schönert (1997b). Computer-Telephonie-Integration.Wirt-
schaftsinformatik 39 (3), 269–278.
22
Hauenschild, J. (2000).Prognose des Anrufaufkommens in Call Centern. Diplomar-
beit am Institut für Wirtschaftswissenschaft der Technischen Universtität Claus-
thal, Julius-Albert-Str. 2, D-38678 Clausthal-Zellerfeld.
Henn, H., J. P. Kruse und O. V. Strawe (1998).Handbuch Call Center Management
(2. Aufl.). Hannover: telepublic - Verlag.
Hoffjan, A. (2000). Call-Center eines Zeitungsvertriebs.Wirtschaftswissenschaftli-
ches Studium 29(7), 417–420.
Link, J. (2000). Call Center.Wirtschaftswissenschaftliches Studium 29(2), 110–
112.
Meier, R. (1997).Kapazitätsmanagement von Dienstleistungsanbietern. Arbeits-
papier Zur Schriftenreihe Schwerpunkt Marketing; Bd. 81. Ludwig-Maximilian-
Universität München: FGM - Verlag.
Menzler-Trott, E. (1999).Call Center-Management - Ein Leitfaden für Unterneh-
men zum effizienten Kundendialog. München: C. H. Beck´sche Verlagsbuchhand-
lung.
Nippa, M. und J. Hachenberger (1999). Richtig geplant - Effiziente Lösungen für
das Planungsproblem von Inbound-Call Centern.TeleTalk 9, 69–73.
o.V. (07.02.2000b). Moderne Technik und vernachlässigte Mitarbeiter in Call-
Centern.Frankfurter Allgemeine Zeitung, 30.
o.V. (2000a).Call Center Benchmark-Studie Deutschland 2000. profiTel Consul-
ting GmbH &Co KG, Luruper Chaussee 125, 22761 Hamburg.
o.V. (30.07.2001). Mit Warteschleifen schafft man keine Kundenbindung.Frank-
furter Allgemeine Zeitung, S. 24.
Pinedo, M., S. Seshadri und J. G. Shanthikumar (2000). Call centers in financial
services: Strategies, technologies, and operations. In: E. L. Melnick, R. Nayyar,
Praveen, M. L. Pinedo und S. Seshadri (Hrsg.),Creating Value in Fincancial
Services. Boston et al.: Kluwer Academic Publishers. S. 357 – 388.
Pinker, E. J. und R. A. Shumsky (1999).The Efficiency-Quality Tradeoff of Cross-
trained Workers. William E. Simon Graduate School of Business Administration,
University of Rochester, Rochester, NY 14627, USA.
23
Saltzman, R. M. und V. Mehrotra (2000).Decision Support for a Strategic Call
Centre Business Planning Problem Using Simulation. Business Analysis & Com-
puting Systems Department, San Francisco State University, 1600 Holloway Ave-
nue, San Francisco, CA 94132.
Shumsky, R. A. (1999).Approximation and Analysis of a Queueing System with
Flexible and Specialized Servers. William E. Simon Graduate School of Business
Administration, University of Rochester, Rochester, NY 14627, USA.
Strawe, O. V. (1999). Ein Jahr Call Center Netzwerk Niedersachsen.TeleTalk 7, 51
– 53.
Thieme, K. H. und W. Steffen (1999).Call Center - Der professionelle Dialog mit
dem Kunden. Landsberg/Lech: Moderne Industrie.
Whitt, W. (1999a). Improving service by informing customers about anticipated
delays.Management Science 45(2), 192–207.
Whitt, W. (1999b). Predicting queueing delays.Management Science 45(6), 870–
888.
Wiencke, W. und D. Koke (1999).Call Center Praxis(2. Aufl.). Stuttgart: Schäffer-
Poeschel.
24
Zusammenfassung
Call Center sind volkswirtschaftlich wichtige Dienstleistungsbetriebe, bei de-
ren Betrieb einem effizienten Personaleinsatz entscheidende Bedeutung zukommt.
Die Wartezeiten der Anrufer in Inbound-Call Centern hängen in nicht-linearer Wei-
se von der Anzahl eingesetzter Agenten ab. Deren Anzahl muß dem im Tagesab-
lauf dynamisch schwankenden Anrufaufkommen folgen. Simulationsuntersuchun-
gen zeigen, daß bei der Ermittlung des Personalbedarfs Aspekte wie die der be-
grenzten Geduld der Anrufer oder der beschränkten Leitungskapazität berücksich-
tigt werden müssen, wenn ein effizienter Personaleinsatz erreicht werden soll.
Summary
Call Centers are an economically important type of service operation. Efficient
workforce scheduling is crucial to offer limited waiting times to customers at mode-
rate labor costs. The number of incoming calls per time unit is extremely dynamic
and the relationship between the number of agents and the customer’s waiting ti-
mes is non-linear. Simulation studies show how the impatience of customers and
the limited number of phone lines affect the performance of a call center. These
phenomena need to be considered in the operation of call centers.
25