Die Einsatzplanung von Technikern hat das Ziel, die bestmöglichen Routen für die Touren der Techniker zu finden. Dabei werden die Touren nach zuvor festgelegten Kriterien optimiert. Diese Arbeit legt das Hauptaugenmerk auf die Maximierung der Kundenzufriedenheit und definiert das Problem auf Grundlage des Team Orienteering Problems. Das vorgestellte Modell zielt darauf ab, die Touren von mehreren homogenen Technikern zu planen, um Kundenaufträge mit unterschiedlichen Servicezeiten und Scores bestmöglich zu erledigen. Im Gegensatz zu einem Großteil der bestehenden Modelle ist es in der Lage, das Problem einschließlich Übernachtungen außerhalb des Hauptdepots zu lösen.

Auf Grundlage dieses Problems wird untersucht, welche Auswirkung die Betrachtung von Übernachtungen auf die Technikereinsatzplanung hat. Ziel dieser Arbeit ist es, die Verbesserungen durch Übernachtungen außerhalb des Hauptdepots zu messen und bewerten. Dafür wird eine Large Neigborhood Search (LNS) zum Lösen des Problems entworfen und implementiert, welche anschließend an geeigneten Testinstanzen aus der Literatur validiert wird. Die zulässige Startlösung für die LNS wird von einer schnellen Konstruktionsheuristik oder einer Warmstartlösung durch eine optimale Lösung des Problems ohne Übernachtungen generiert. Beide Konstruktionsmethoden werden anschließend hinsichtlich Lösungsgüte und Laufzeit ausgewertet und miteinander verglichen.

Die entwickelte LNS wird zuerst anhand des Tsiligirides 2-Datensatzes (Tsiligirides 1984) aus der Literatur mittels computergestützter Experimente getestet und hinsichtlich Lösungsgüte und Laufzeit ausgewertet. Dabei wird zusätzlich die Güte der Lösungen bei unterschiedlich hohen Übernachtungskosten betrachtet. Anschließend wird die entwickelte Heuristik in einem zufällig generiertem Realweltszenario getestet. Dabei werden die gefundenen Lösungen des Problems mit Übernachtungen mit den Lösungen des Problems ohne Übernachtungen außerhalb des Hauptdepots verglichen.

Die Ergebnisse zeigen, dass die Berücksichtigung von Übernachtungen deutliche Verbesserungen der Lösungen bewirken kann. Bei Anwendung auf die Instanzen des Realweltszenario konnten durchschnittliche Verbesserungen von rund 11% und bei einzelnen Instanzen Verbesserungen von bis zu 27% erzielt werden.