Bei jeder Neuaufnahme telefoniert eine Krankenschwester im 5-Minutentakt alle Stationen durch, um ein freies Bett zu finden. Das gehört in vielen deutschen Kliniken zur Arbeitsroutine in der Notaufnahme. Im Klinikum Ernst von Bergmann ist dieser aufwändige Prozess durch ein Kooperationsprojekt mit dem HPI nun nicht mehr nötig.
Dr. Juliane Schmachtenberg leitet das KaKI-Projekt (Krankenhausbetten – Kapazitätsprognose mit künstlicher Intelligenz) am HPI, das mithilfe von KI-Prognosen die Ressourcenplanung effizienter machen soll: “Das KaKI-Projekt hat eine Optimierung der Bettenbelegung zum Ziel, um eine qualitativ hochwertige medizinische Versorgung sicherzustellen – keine Überlastung des medizinischen Personals durch Überbelegung und zeitnahe Behandlung von Patienten - und gleichzeitig wirtschaftlich effizient zu arbeiten”.
Der erste Schritt des Projekts ist bereits umgesetzt: Eine Echtzeiterfassung der aktuellen Bettenverfügbarkeit ist im Klinikum Ernst von Bergmann in Potsdam bereits im Einsatz. In einer Art Schaltzentrale werden hier alle Neuaufnahmen, Entlassungen und zur Verfügung stehenden Betten visualisiert. Sechs Bildschirme hängen an der Wand, darauf jede Menge Diagramme und Graphen in bunten Farben. Die Zuweisung der Patient:innen wird durch das Team des Integralen Kapazitätsmanagements (IKM) unter Leitung von Susanne Jones vom Klinikum gesteuert. Jones berichtet:
Diese Transparenz in Echtzeit führt zu einer ausgeglicheneren Arbeitsverteilung des medizinischen und pflegerischen Personals und zu Reduktionen von Wartezeiten für die Patient:innen.
Unterdessen arbeiten Juliane und ihr Team am HPI an dem zweiten Schritt des Forschungsprojekts. Mithilfe von KI-Algorithmen sollen zuverlässige Prognosen über Bettenbelegung, Notfallaufnahmen und personelle Kapazitäten erstellt werden können, um die Prozessabläufe im Krankenhaus noch reibungsloser und effizienter zu gestalten. Was das konkret bedeutet, erklärt die Forscherin so:
"Mit Hilfe von KI-Modellen sagen wir voraus, wie viele Betten auf den verschiedenen Stationen belegt und wie viele Betten verfügbar sein werden. Die Zahl der belegten Betten ergibt sich aus der vorausgesagten Verweildauer der aktuellen Patienten und den erwarteten Notfallaufnahmen. Außerdem prognostizieren wir den Krankenstand des Personals, um die tatsächlich verfügbaren Kapazitäten besser einschätzen zu können.”
Laut Dr. Juliane Schmachtenberg sind diese Prognosen des Vorhersagemodells aufgrund der Auswertung einer Vielzahl an Daten aus verschiedenen Quellen möglich, “[...] neben den Krankenhaus-Daten zu den Patienten schließt das auch Wetterdaten, Daten aus dem RKI zu respiratorischen Erkrankungen, Daten zu Ferien und Feiertagen sowie Google Trend Daten mit ein.”
In einem dritten Projektabschnitt soll außerdem noch ein Tool entwickelt werden, das aufgrund dieser Prognosen die Planung der Patient:innen optimiert, die nicht mit einem Notfall, sondern einem geplanten Termin ins Krankenhaus kommen. Dadurch kann die Arbeitsbelastung des Personals gleichmäßiger verteilt werden.
Juliane setzt große Hoffnungen in die Zusammenarbeit mit dem Klinikum:
Das Projekt könnte der Anfang einer weitreichenden Transformation des deutschen Kliniksystems sein. Automatisierung und Optimierung von Prozessen sind essenziell, um trotz Fachkräftemangels und einer alternden Gesellschaft die Versorgungsqualität aufrechtzuerhalten.
Dr. Juliane Schmachtenberg ist Postdoktorandin im Lehrstuhl: Data Analytics and Computational Statistics von Prof. Dr. Bernhard Renard.
