Software adiuta.Plan
Pflege besser planen mit Machine Learning
Ein reibungsloser Pflegebetrieb erfordert einen hohen planerischen Aufwand. Mit der Software adiuta.Plan liefert adiutaByte ein Verfahren, das Pläne automatisiert erstellt und dabei in Echtzeit Verkehrs- und Wetterdaten berücksichtigt. Auch Faktoren wie Personalausfälle werden mit einbezogen.
Täglich werden in vielen Unternehmen manuell Pläne angefertigt und über den Tag hinweg mit großem Aufwand angepasst. Dies gilt für den Dienstplan im Krankenhaus, für die Flottenplanung bei einem Paketdienstleister, für die Regalbelegungsplanung in einem Warenhaus oder für den Dienstplan in der ambulanten Pflege. Beispielsweise muss der Pflegedienstleiter die anstehenden Aufgaben bestmöglich auf seine Mitarbeiter verteilen.
Zwar gibt es bereits Tools am Markt, die ihn bei dieser zeitraubenden Tätigkeit unterstützen. Diese prüfen jedoch lediglich im Nachhinein, ob der Dienstplan umsetzbar ist. Eine Funktion, die den Plan automatisiert erstellt und optimiert, bieten sie nicht. Diese Lücke füllt adiutaByte, ein Spin-Off-Projekt des Fraunhofer SCAI, mit der Software adiuta.Plan, die komplexe Optimierungsprobleme mit neuen algorithmischen Verfahren löst und den Pflegedienstleiter in der täglichen Planung von Pflegerouten und der Zuweisung von Pflegern zu Patienten unterstützt.
Verschiedene algorithmische Ansätze kombinieren
Hinter adiutaByte verbirgt sich ein vierköpfiges Team. Die Fraunhofer-Gesellschaft fördert die Ausgründung, die für das erste Halbjahr 2019 geplant ist, im Rahmen des Fraunhofer Innovator-Programms und durch Fraunhofer Venture. »Wir kombinieren verschiedene algorithmische Ansätze und beziehen zudem Clusteringverfahren und Methoden der Künstlichen Intelligenz ein«, erklärt Teamleiter Dr. Dustin Feld. Einzelne klassische Algorithmen oder geschlossene mathematische Modellierung würden nicht funktionieren, wenn es darum geht, dynamisch auf unvorhersehbare Vorkommnisse wie Staus, Straßensperren oder Personalausfälle zu reagieren.
Verschiedene Anwendungsfälle erfordern individuelle Lösungen. Beispielsweise kann ein stressfreier Tagesablauf der Pfleger gefragt sein oder aber ein straff organisierter Plan. Bezogen auf Wegstrecken kann zwischen der schnellsten, der kürzesten und der kostengünstigsten unterschieden werden. Abhängig von den Optimierungspotenzialen zeigt das Programm mögliche Handlungsalternativen und -vorschläge auf. Eine Straßen- oder Brückensperrung kann beispielsweise dazu führen, dass sich der komplette Dienstplan nicht mehr einhalten lässt. Dann gilt es, ihn schnell und fortlaufend automatisch anzupassen und einen Soll-Ist-Abgleich durchzuführen. Aber auch Faktoren wie die Ausbildung der Mitarbeiter, Kundenpräferenzen, Personalausfälle oder Fahrzeugeigenschaften spielen eine entscheidende Rolle bei der Optimierung. »Hat ein Patient spezielle Vorlieben, von welchem Pfleger er gerne betreut werden möchte, beziehen unsere Algorithmen dies automatisch mit ein«, sagt Feld.
 |
| In der adiuta.Plan Optimierung werden verschiedenste Einflüsse aus unterschiedlichen Quellen berücksichtigt. (© Fraunhofer SCAI) |
Machine Learning für realitätsnahe Planung
Durch Machine Learning lässt sich das Optimierungspotenzial zusätzlich steigern: »Nehmen wir die Aufgabe Blutabnehmen. Möglicherweise variiert die benötigte Zeit für diese Aufgabe abhängig von Pfleger und Patient. Über einen gewissen Zeitraum hinweg können die Algorithmen dies lernen, wodurch sich zukünftige Dienstpläne genauer an die Realität anpassen lassen«, erklärt Feld.
Die Software integriert sich in bereits vorhandene Softwarelösungen und liefert primär den Algorithmenkern, sodass Anwender mit ihrer gewohnten Umgebung weiterarbeiten können. Das Optimierungsziel und die Priorisierung verschiedener Einflussfaktoren kann der Pflegedienstleiter über Regler und Buttons steuern. Auf Kundenwunsch liefern die Unternehmensgründer jedoch auch maßgeschneiderte Bedienoberflächen. Mobile Apps können dem Pflegepersonal zudem den direkten Zugriff von unterwegs ermöglichen. (me)
Lesen Sie mehr zum Thema
