Forschung

Digital Health and Medical Decision Making

An der Professur Digital Health & Medical Decision Making beschäftigen wir uns mit dem Einsatz von Mathematischer Optimierung, Künstlicher Intelligenz, und Verhaltenswissenschaftlichen

Ansätzen im Gesundheitswesen. Dabei arbeiten wir eng mit Praxispartnern wie z.B. dem Universitätsklinikum Augsburg zusammen.

Forschungsbereiche

Operations Research im Gesundheitswesen

Mathematischen Optimierung ist ein vielversprechender Ansatz um Planungsprobleme in Krankenhäusern, wie z.B. die Personaleinsatzplanung oder die Logistik in Krankenhäusern zu verbessern. In diesem Kontext befassen wir uns mit diversen Lösungsmethoden wie Branch-and-Bound, Column Genereation, als auch Heuristiken, um die betrachteten Planungsprobleme zu lösen.

Behavioural Research im Gesundheitswesen

Verhaltenswissenschaftliche Ansätze spielen eine zentrale Rolle, um die komplexen Entscheidungsprozesse im Gesundheitswesen besser zu verstehen und zu optimieren. Im Rahmen unserer Forschung führen wir Verhaltensexperimente durch, um herauszufinden, wie Menschen Entscheidungen im medizinischen Umfeld treffen und welche Faktoren ihr Verhalten beeinflussen. Ein besonderer Schwerpunkt liegt dabei auf der Untersuchung der Zusammenarbeit von Mensch und KI im Gesundheitswesen (Mensch-KI-Interaktion).

Einsatz von Künstlicher Intelligenz (KI) im Gesundheitswesen

Die zunehmende Datenverfügbarkeit erlaubt KI Ansätze im Krankenhausmanagement einzusetzen. Wir befassen uns unter anderem mit der Prognose von Pflegebedarfen und Kapazitäten mittels Machine Learning Modellen als Entscheidungsunterstützung für die Schichtplanung von Pflegekräften. Die Prognosen werden unter anderem mit Methoden wie Random Forests oder Neuronalen Netzen

Drittmittelprojekte

DFG-Projekt: Behavior-Aware Scheduling of Healthcare Workers (2025 - 2028): Ziel dieses Projektes ist die Entwicklung neuartiger Optimierungsmodelle für die Dienstplanung im Gesundheitswesen, die neben der effizienten Ressourcennutzung auch das Verhalten und Wohlbefinden von Beschäftigten berücksichtigen. Im Mittelpunkt stehen die beiden Dimensionen Planbarkeit (wie früh Dienstpläne feststehen) und Konsistenz (wie stark sich Schichten zeitlich verändern), da beide nachweislich Zufriedenheit, Ermüdung und Arbeitsleistung beeinflussen. Das Projekt kombiniert qualitative Befragungen von Pflegekräften und Ärztinnen bzw. Ärzten, mathematische Optimierungsmodelle sowie Discrete-Choice-Experimente, um den Zusammenhang zwischen Dienstplänen, Arbeitsbedingungen und Leistungsfähigkeit systematisch zu untersuchen. Ziel ist es, Dienstpläne zu entwickeln, die sowohl die Arbeitsbedingungen verbessern als auch die Versorgungsqualität und Effizienz von Krankenhäusern erhöhen. Langfristig sollen die entwickelten Methoden Krankenhäuser dabei unterstützen, dem Fachkräftemangel durch attraktivere und zugleich wirtschaftliche Dienstplanung entgegenzuwirken.
Projekt: KISPP - intelligente KI-Steuerung zur bedarfsgerechten Pflegepersonalplanung und -meldung (2023 - 2026): Kann KI die Qualität der Pflege und die Attraktivität des Pflegeberufs steigern? Gefördert durch das Bayerische Staatsministerium für Wirtschaft, Landesentwicklung und Energie ist es das Ziel von KISPP, genau diese Frage zu beantworten. In Folge hoher Arbeitsbelastung, einer enormen Personal-Fluktuation und geringer Bezahlung, haben Pflegeberufe heutzutage eine niedrige Attraktivität für potenzielle Arbeitnehmer. Ein daraus resultierender Fachkräftemangel auf der einen Seite und der generelle demografische Wandel auf der anderen Seite führen dazu, dass dringliche Maßnahmen erforderlich sind, um diesen Missstand zu beheben und das Versorgungssystem zu verbessern bzw. aufrechtzuerhalten. Die Planung der Schichten von Pflegekräften auf den Stationen ist ein wichtiger Aspekt, wenn es um die Attraktivität des Pflegeberufs in Krankenhäusern geht. Die Idee eines gemeinsamen Forschungsvorhabens der UNI A, des UKA und der Software Firma Xitaso, besteht darin durch den Einsatz einer intelligenten, KI basierten, Planung das Personal bedarfsgerecht einzuteilen. Dadurch soll eine höhere Mitarbeiterzufriedenheit und Pflegequalität erreicht werden.