InnOPlan: Innovative, datengetriebene Effizienz OP-übergreifender Prozesslandschaften

Beschreibung:

Operationssäle (OPs) sind als fokale Organisationseinheiten Inseln im Gesamtsystem Krankenhaus, die eine starke Ausrichtung der gesamten Prozesslandschaft auf diese OPs einfordern. Dies führt zu erheblichen Qualitäts-, Effizienz- und Effektivitätsnachteilen für alle vor- und nachgelagerten Prozesse. Die Effizienz logistischer Prozesse im Krankenhaus wurde dabei meist nur lokal und bezogen auf die Akteure und Ressourcen innerhalb einer Abteilung betrachtet.

Die zentrale Aufgabe im Teilvorhaben war die rigorose Gestaltung und Evaluierung von datenbasierten Modellen, Methoden und simulationsbasierten Verfahren für die intelligente und datengetriebene Vernetzung von Logistikprozessen im Krankenhaus rund um den OP.

Die wissenschaftlichen Ziele waren (1) die Analyse bestehender Prozessmodellierungssprachen, (2) die Erhebung und Bereitstellung von Prozessmodellen in einem Prozessrepository, (3) die Entwicklung von Methoden für die Intelligente Datenanalytik, (4) Evaluation der intelligenten datengetriebenen Prozessvernetzung und (5) die Integration der Modelle und Methoden in die Smart Data-Plattform des Gesamtvorhabens.

Als Ergebnisse liegen unter anderem vor: Metamodell zur Modellierung abteilungsübergreifender Krankenhausprozesse; Prozessrepository mit Prozessmodellen des perioperativen Prozesses von Station bis Aufwachraum und Sprechstunde; aus vor der OP vorliegenden Daten erstellte Prognosemodelle für die Zeitdauer einzelner Prozessschritte im OP; Evaluation der Modelle und Methoden durch Simulationsstudien und eine Nutzerumfrage.

Beteiligte Einrichtungen

• Universität Hohenheim, Lehrstuhl Wirtschaftsinformatik 2
• KARL STORZ GmbH & Co. KG (Tuttlingen, Koordination)
• SMARTIT(R) GbR (Herrenberg)
• HB Technologies AG (Tübingen)
• Universität Leipzig, Professur Informationsmanagement
• Universitätsklinikum Heidelberg

Förderer

• Bundesministerium für Wirtschaft und Energie
  Gefördert im Technologieprogramm „Smart Data - Innovationen aus Daten"

Publikationen im Rahmen des Projekts

• Riekert, M., Premm, M., Klein, A., Kirilov, L., Kenngott, H., Apitz, M., Wagner, M., & Ternes, L. (2017). Predicting the duration of surgeries to improve process efficiency in hospitals. In Proceedings of the 25th European Conference on Information Systems (ECIS 2017).
• Premm, M., & Kirn, S. (2017). Autonomous agents in multiagent organizations. In Proceedings of the 9th International Conference on Agents and Artificial Intelligence (ICAART 2017) (pp. 121-128). https://doi.org/10.5220/0006094901210128
• Widmer, T., Premm, M., & Kirn, S. (2016). A formalization of multiagent organizations in business information systems. In Proceedings of the 19th International Conference on Business Information Systems (BIS 2016) (pp. 265-276). LNBIP 255. Springer. https://doi.org/10.1007/978-3-319-39426-8_21
• Premm, M., & Kirn, S. (2015). A multiagent systems perspective on Industry 4.0 supply networks. In Proceedings of the 13th German Conference on Multiagent System Technologies (MATES 2015) (pp. 101-118). LNCS 9433. Springer. https://doi.org/10.1007/978-3-319-27343-3_6
• Premm, M., Riekert, M., Klein, A., & Kirn, S. (2015). Modelling processes in fractalized hospitals with multiagent systems and data analytics. In Proceedings of the 9th International Symposium on eHealth Services and Technology (EHST 2015).
• Wagner, M., Ternes, L. M., Apitz, M., Rempel, R., Schneider, G., Riekert, M., Klein, A., Bergh, B., Müller-Stich, B. P., & Kenngott, H. G. (2015). Towards data-driven analysis of perioperative surgical treatment processes. In Proceedings der 14. Jahrestagung der Deutschen Gesellschaft für Computer- und Roboterassistierte Chirurgie (CURAC 2015) (pp. 235-236).