zur Hauptnavigation springenzum Inhaltsbereich springen

BayWISS-Kolleg Health www.baywiss.de

Projekte im Verbundkolleg Gesundheit

© eliola, Pixabay

Personalbedarfsplanung mit Maschinellem Lernen

In Deutschland herrscht ein Mangel an qualifiziertem Arzt- und Pflegepersonal und bereits Anfang 2018 waren 40.000 Pflegestellen unbesetzt. Verschärft hat sich diese Situation durch die Pflegepersonaluntergrenzen-Verordnung (PpUGV). Bisher geht man in der Gestaltung der Dienstpläne von einer konstanten Anzahl von Patienten und somit benötigtem Arzt- und Pflegepersonal aus. Schwankungen über den Tag (z.B. Notaufnahme) und das Jahr (z.B. Geburten, Grippewellen) werden kaum berücksichtigt.
Die Entwicklung des Patientenaufkommens in der Notaufnahme (und nachgelagerten Stationen) bestimmten Mustern, die vom Wochentag, der Tageszeit oder auch der Jahreszeit abhängen. Diese Schwankungen führen zu einem stark schwankenden Personalbedarf, v.a. auch in der Pflege. Die Folge ist eine „Überbesetzung“ auf der einen Seite und massive Überstundenaufbau der Pflegekräfte auf der anderen Seite.

Vor dem Hintergrund des Pflegenotstands und des Fachkräftemangels ist es von großer Relevanz das Pflegepersonal optimal einzusetzen, d.h. die Pflegepersonalressourcen zugeschnitten auf den tatsächlichen Bedarf einzusetzen. Derzeit müssen viele Krankenhäuser Betten sperren und Operationen verschieben, weil sie nicht genügend Pflegepersonal finden.
In diversen Studien wurde bereits gezeigt, dass viel Potential zur Verbesserung in der Pflegepersonalbedarfsplanung existiert und sich dies auch in der Pflegequalität widerspiegelt. Ich beschäftige mich mit meinem Promotionsthema damit, die Ansätze zur Realisierung dieses Potentials weiter voranzutreiben. Dies geschieht mit Hilfe von innovativen Methoden des maschinellen Lernens, um die Planungssicherheit generell zu verbessern und individuelle Fragen wie z.B. „Ändert sich mein Pflegepersonalbedarf während der Schulferien?“ oder „Welche Staffelung des Arbeitszeitbeginns ist in Hinblick auf Patientenversorgung/ Personaleinsatz optimal?“ datenbasiert und damit belegbar beantworten zu können.

MEMBER IN THE JOINT ACADEMIC PARTNERSHIP

since

Supervisor Ostbayerische Technische Hochschule Amberg-Weiden:

Prof. Dr.-Ing. Eva Rothgang

Forschungsschwerpunkte:

  • Automatisierung im Gesundheitswesen
  • Visualisierung von medizinischen Daten
  • Medizinische Bildverarbeitung

Projects:

Supervisor Friedrich-Alexander-Universität Erlangen-Nürnberg:

Prof. Dr. Björn Eskofier

Bjoern M. Eskofier is German Research Foundation (DFG) funded Heisenberg-Professor for "Digital Support Systems in Sports and Medical Engineering" and endowed professor of the Adidas AG.
Currently, his lab has 30 co-workers, who research in the fields of machine learning and signal analysis for wearable computing systems in sports and health care. The motivation of the lab’s researchers is to increase human wellbeing.
Bjoern Eskofier has defined his research and entrepreneurial agenda to revolve around contributions to a “Digital Health Ecosystem”, where patients are connected to other stakeholders within the Healthcare system using digital support tools. His digital health research philosophy is that only multidisciplinary teams of engineers, medical experts, industry
representatives and entrepreneurs will have the tools to actually implement changes in Healthcare.

Project:
Personalbedarfsplanung mit Maschinellem Lernen

Stefan Förstel

Stefan Förstel

Ostbayerische Technische Hochschule Amberg-Weiden

Coordinator

Get in contact with us. We look forward to receiving your questions and suggestions on the Joint Academic Partnership Health.

Dr. Sabine Fütterer-Akili

Dr. Sabine Fütterer-Akili

Koordinatorin BayWISS-Verbundkolleg Gesundheit und BayWISS-Verbundkolleg Ökonomie

Universität Regensburg
Zentrum zur Förderung des wissenschaftlichen Nachwuchses
Universitätsstraße 31
93053 Regensburg

Telephone: +49 941 9435548
gesundheit.vk@baywiss.de