In dieser Dissertation werden Modelle und Techniken zur Prozessplanung und Ablaufsteuerung unter Unsicherheit behandelt. Forschungs- und Entwicklungsprojekte sind kompliziert zu überwachen und zu steuern, weil die Bearbeitungszeiten von Aufgaben variieren können und das genaue Prozessmodell am Anfang nicht vollständig bekannt ist. Die Nutzung verschiedener Ressourcen, einschließlich Personal und Ausrüstung (Computer, Geräte usw.), beeinflusst auch den Zeitplan und die Kosten der Projekte. Bayes'sche Netze werden verwendet, um den Einfluss von Unsicherheiten darzustellen und zu messen. Dadurch ist es möglich, Informationen über die Projektstruktur in den Entscheidungsprozess einzubeziehen. Das Modell baut auf einem Prozessmodell eines Projekts auf. Schätzungen der Aufgabendauer werden als Zufallsvariablen für die Inferenz verwendet. Fuzzy-Logik, eine häufige Methode zur linguistischen Beschreibung der Abhängigkeiten zwischen verschiedenen Parametern, wird für die Modellierung des Einflusses von Ressourcennutzung verwendet und kann unter einigen Annahmen auch in solche Modelle integriert werden. Es werden Regeln für die Übertragung von häufig anzutreffenden Workflow-Mustern, wie Sequenz, paralleler Bearbeitung (AND-Join), Alternativen (XOR- und OR-Join), auf Bayes'sche Netze erarbeitet. Aufgabendauer wird basierend auf einer speziellen Art der Beta-Verteilung, der PERT-Verteilung, modelliert. Es werden Techniken der Diskretisierung dieser Verteilung für die zukünftige Verarbeitung in Bayes'schen Netzen entwickelt und untersucht. Das entworfene Modell wird ergänzt, um zusätzliche Informationen über Ressourcennutzung in Form von Fuzzy-Variablen aufnehmen zu können. Es werden Algorithmen für die Berechnung des Wahrscheinlichkeitsmaßes dieser Variablen ohne und mit A-priori-Informationen über deren Verteilung entwickelt; damit können sie unter Verwendung von virtuellen Evidenzen in Bayes'schen Netzen modelliert werden. Mit diesem Modell ist es möglich, den Einfluss von unsicheren Faktoren auf die Laufzeit von Forschungs- und Entwicklungsprojekten zu messen, Was-wäre-wenn-Szenarien zu erstellen und die Auswirkungen von Änderungen im Projektplan auf dessen Gesamtdauer abzuschätzen.
This dissertation deals with models and techniques for process planning and execution control under uncertainty. Research and development projects are complicated to monitor and manage, because the execution time of tasks may vary, and the exact process model is not fully known at the beginning of the project. The use of various resources, including personnel and equipment (computers, equipment, etc.), also influences the schedule and cost. Bayesian networks are used to represent and measure the influence of uncertainties. It allows to include information about the project structure in the decision-making process. The model is based on a process model of the project. Estimates of task duration are used as random variables for the inference. Fuzzy logic, a common method for the linguistic description of the dependencies between different parameters, is used to model the influence of resource utilization and, under some assumptions, can be integrated into such models. Rules for transferring frequently used workflow patterns such as sequence, parallel processing (AND-Join), and alternatives (XOR- and OR-Joins) to Bayesian networks are developed. Task duration is modelled based on a special type of Beta distribution, the PERT distribution. Techniques to discretize this distribution for future processing in Bayesian networks are developed and investigated. The designed model is extended to include additional information on resource utilization by using fuzzy variables. Algorithms for calculating their probability measure without and with a priori information about their distribution are developed, so that they can be modeled using virtual evidence in Bayesian networks. With this model, the influence of uncertainty factors on the schedule of research and development projects can be measured, what-if analysis can be performed,