Fraunhofer-Gesellschaft | KI-Fortschrittszentrum »Lernende Systeme und Kognitive Robotik«
Fraunhofer-Gesellschaft | KI-Fortschrittszentrum »Lernende Systeme und Kognitive Robotik«

KI-gestützte Kapazitätsauslastungsvorhersage

Quick Check

Ausgangssituation

ZTK ist ein Zahnarztpraxenverbund mit drei Standorten in Baden-Württemberg. Das Behandlungsspektrum umfasst Behandlungsarten mit variablen Deckungsbeiträgen, die unterschiedlich frequentiert sind und unterschiedlichen Personaleinsatz erfordern. Eine effiziente Planung sollte diese Unterschiede berücksichtigen und den Deckungsbeitrag über alle Behandlungen hinweg maximieren und gleichzeitig die Wartezeiten für Patientinnen und Patienten sowie Leerlaufzeiten für das Personal minimieren. Bisher kann die zukünftige Kapazitätsauslastung für die nächsten drei bis sechs Wochen nur basierend auf Erfahrungswerten eingeschätzt werden. Eine genaue Vorhersage, für welche Tage Termine ggf. auch kurzfristig angefragt werden, kann nicht getroffen werden.

 

Lösungsidee

Ziel des Quick Checks war es, festzustellen, mit welcher Genauigkeit die zukünftige Auslastung von Kapazitäten vorhergesagt werden kann und wie sich die Genauigkeit für verschiedene Prognosezeiträume unterscheidet. Hierfür stellte ZTK einen Datensatz mit historischen Termindaten und Informationen zu Terminarten, behandelnden Ärztinnen und Ärzten, Behandlungszeiten, deren Umsatz sowie Einstelldaten zur Verfügung. Dieser wurde am Fraunhofer IPA aufbereitet und analysiert. Ein Teil der Daten wurde anschließend als Trainingsdaten, ein anderer Teil als Testdaten für die KI-Modellierung genutzt.

© Fraunhofer IPA
Prognose für 30 Tage im Voraus.

Nutzen

Die Vorhersage der zukünftigen Kapazitätsauslastung bietet Zahnarztpraxen und ihrem Personal Vorteile wie eine gleichmäßigere Auslastung und in Folge eine verbesserte Planbarkeit des Arbeitsalltags sowie eine bessere Vereinbarkeit von Beruf und Familie. Behandelnde Ärztinnen und Ärzte erhalten zudem Unterstützung, um ihre finanziellen Ziele (Umsatzbeteiligung) effektiver zu erreichen. Das Praxismanagement wird bei der Terminvergabe unterstützt, beispielsweise durch Hinweise auf Tage mit geringer prognostizierter Kapazitätsauslastung, sodass Termine von neu anfragenden Patientinnen und Patienten gezielt auf diese Tage gelegt werden können. Mit dem Prognosemodell kann ZTK die Auslastung optimieren und die wirtschaftliche Standortperformance nachhaltig verbessern.

 

Umsetzung der KI-Applikation

Nach Vorverarbeitung und Aufbereitung des Datensatzes wurde ein Prognosemodell der zukünftigen Kapazitätsauslastung erstellt. Hierzu wurden verschiedene Machine-Learning- Modelle wie »fully connected«, »recurrent« oder »time conovolutional« neuronale Netze mit unterschiedlichen Hyperparametern mit einem Teil des Datensatzes trainiert und mit Daten getestet, die dem Modell noch unbekannt waren. So konnten die unterschiedlichen Modelle und ihre Genauigkeit untereinander verglichen werden. Dabei war eine sinnvolle Auslastungsprognose für 30 Tage im Voraus möglich. Bei geringeren Zeiträumen konnten bereits verplante Kapazitäten hinzugenommen und so tagesgenauere Prognosen erstellt werden.

Partnerunternehmen

»Durch die wissenschaftlichen und fachlichen Kompetenzen wurden hohe Potenziale einer KI-optimierten Terminplanung erfasst. In Zukunft könnte eine Fortführung des KI-Projekts zur Terminplanung zu weniger Ausfallzeiten, einer verbesserten Auslastung und einer höheren Wirtschaftlichkeit führen, was zu einer effizienteren und zufriedenstellenderen Arbeitsumgebung sowie geringeren Wartezeiten für Patienten in den ZTK Zahnarztpraxen führen wird.«

- Niels Niemann, ZTK Zahngesundheit