KI: Personalplanung im Gesundheitswesen automatisieren

Mit der Knappheit des Personals im Gesundheitswesen besteht eine gesellschaftliche Herausforderung, der man sich in geeigneter Art und Weise widmen muss. Im Rahmen des Forschungsprojekts "KI-unterstützte Personaleinsatzplanung und -steuerung im Gesundheitswesen (KI-PEPS)" hat sich die Pradtke GmbH zusammen mit dem Bochumer Institut für Technologie gGmbH und der contec GmbH dieser Aufgabe gestellt.

Im Interview mit MEDICA.de berichtet André Pradtke, was der Grundgedanke hinter dem Forschungsprojekt war, welche Ziele sich die Beteiligten gesetzt hatten und zu welchen Ergebnissen sie schließlich gekommen sind.

Herr Pradtke, was steckt hinter der Idee des Forschungsprojekts KI-PEPS?

André Pradtke: Wir haben uns die Frage gestellt, wie wir mit der Knappheit des Personals umgehen und gleichzeitig die Dienstplanerinnen und -planer entlasten können. Das heißt wie wir dafür sorgen können, dass das vorhandene Personal gerne in den Einrichtungen bleibt und wie wir in Anbetracht des dramatischen Personalmangels Bedarfe möglichst gut decken. Und das, ohne die ohnehin schon knappen Kompetenzen der Dienstplanenden in den Einrichtungen zu lange mit Aufgaben wie der Personalplanung gebunden sind. Wir möchten erreichen, dass diese Leute mit ihren sehr ausgeprägten Kompetenzprofilen andere Dinge machen können, in denen sie ganz wesentlich benötigt werden.

Schon heute bieten wir mit unseren Software Tools entsprechende Unterstützung an. Allerdings glauben wir, dass Künstliche Intelligenz (KI) nochmals einen ganz anderen Beitrag leisten kann, sodass der Prozess zunehmend autonom abläuft.

Wie kann KI bei der Personalplanung im Gesundheitswesen konkret helfen?

Pradtke: Zurzeit können wir mit dem KI-Verfahren keine besseren Ergebnisse erzielen als mit rein regelbasierten Verfahren, die wir bislang eingesetzt haben. Potenziell kann es aber wirklich immens helfen. Davon bin ich entlang der Ergebnisse, die wir erzielt haben, nach wie vor überzeugt.

Ich glaube, dass die regelbasierten Verfahren bei ihrem maximalen Nutzen angekommen sind. Im KI-Bereich stehen wir jetzt erst am Anfang. Wir werden relativ schnell erleben, dass wir damit ähnlich gute Ergebnisse erzielen, wie mit dem Verfahren der linearen Optimierung. Das mag vielleicht noch ein paar Monate dauern, aber das Potenzial, das in der Technologie liegt, ist viel größer.

Die Förderphase ist jetzt vorbei. Was waren die Ziele und zu welchen Projektergebnissen sind sie gekommen?

Pradtke: Das Ziel war ein Pilotbetrieb mit Prototyp in den Einrichtungen zu realisieren, um zu messen, welches Güteniveau wir mit dem neuen Mechanismus erreichen, und dieses weiter zu optimieren. Wir haben tatsächlich einen Prototyp erstellt, in den Einrichtungen eingesetzt und erste Feedbacks eingesammelt.

Insofern sind wir schon an dem Punkt angelangt, den wir erreichen wollten. Allerdings möchte ich auch transparent machen, dass wir uns algorithmisch erhofft haben, ein Stück weiter zu sein, als wir jetzt konkret sind. Wir hatten auf der einen Seite die Coronaphase 2020, in der die Kliniken ungefähr drei Monate vor allen Dingen Prophylaxe betrieben haben. Dieser Zeitraum ist uns tatsächlich verloren gegangen und fehlte uns am Ende.

Auf der anderen Seite haben wir gemerkt, dass wir unglaublich viele Voraussetzungen schaffen müssen, damit wir überhaupt einen Machine-Learning-Prozess darstellen können. Das sind sehr spannende, aber eben auch intensive Erkenntnisprozesse, die man durchlaufen muss, bis man nach und nach begreift, wie KI realisierbar ist. Somit produziert der Weg schon Erfolge, weil man Dinge erkennt, die man ohne ihn nicht hätte verstehen können. Wir sind sehr froh, dass wir schließlich so weit gekommen sind.

Und wir sind entschlossen das Projekt jetzt im Nachgang entsprechend weiter zu betreiben, bestenfalls im Rahmen einer vollen Finanzierung, weil wir glauben, sehr gute Anlagen erzeugt zu haben.

Wie sind die Rückmeldungen von den Pilotkunden ausgefallen?

Pradtke: Die Kunden sind alle sehr interessiert an dieser Lösung und ich glaube, für sie ist es ebenfalls wichtig zu erfahren, dass dieses Verfahren Ergebnisse produziert. Allerdings haben wir auch sehr klar die Rückmeldung bekommen, dass die Personalpläne, so wie sie derzeit entstehen, noch nicht uneingeschränkt praxisfähig sind. Da ist im Verhältnis zu anderen algorithmischen Verfahren, die wir aktuell einsetzen, noch zu viel Nacharbeit erforderlich.

Dabei verstehen alle Kunden, dass es sich um ein Forschungsprojekt handelt und um kein Entwicklungsprojekt im klassischen Sinne. Das schätzen sie und machen gerne mit. Denn nur über das Experimentieren konnten wir schlussendlich feststellen: Das war wirklich ein dickes Brett, das wir gebohrt haben. Insofern sind wir mit dem Zwischenergebnis tatsächlich sehr glücklich, insbesondere weil wir darüber ins relevante Experimentieren und der Lösung ein ganzes Stück näher gekommen sind.