Maschinelles Lernen für Personaleinsatzplanung im Krankenhaus

Wir bei XITASO forschen daran, wie wir Decision Support Systems (DSS) im Krankenhaus mit Hilfe von Künstlicher Intelligenz verbessern können. Insbesondere möchten wir hierbei die Planung des Pflegepersonals und der Kapazitäten von Ressourcen auf Intensivstationen optimieren. Wie in allen Systemen, die Künstliche Intelligenz und insbesondere maschinelles Lernen einsetzen, spielen hierbei die Eingabedaten eine wesentliche Rolle: Um gute Vorhersagequalität zu gewährleisten, muss das System auf Basis der richtigen Daten und auf Basis von Daten mit ausreichender Qualität lernen.

Das Ziel dieser Abschlussarbeit ist es zu untersuchen, welche Eingabedaten für die präzise Vorhersage von Patientennachfrage und Personaleinsatzbedarf im Krankenhaus am relevantesten sind. Dazu wird zunächst eine Literaturrecherche durchgeführt, um die verschiedenen Arten von Daten zu identifizieren, die in ähnlichen Systemen verwendet wurden, sowie die Vorteile und Beschränkungen jeder Art von Daten. Anschließend werden in einem Datensatz aus einem Krankenhaus mithilfe von verschiedenen Auswahlverfahren für Merkmale wie Korrelationsanalyse und Mutual Information (MI) die wichtigsten Eingabedaten identifiziert. Die Arbeit untersucht auch den Einfluss der Eingabedaten auf die Leistung des Modells und gibt Empfehlungen für die Art der zukünftig zu sammelnden Daten zur Verbesserung von Entscheidungen beim Personaleinsatz.

Deine Arbeitsweise kannst Du bei uns individuell gestalten. Wir sind hinsichtlich Tätigkeitsort (Büro oder hybrid) und Arbeitszeitmodellen sehr flexibel. So wie es zu Dir und Deiner Work-Life-Integration am besten passt.

Schau auch gerne noch hier vorbei

Informiere Dich mehr über uns und Deine Bewerbung.