Skip to main content Skip to main navigation

Projekt

KI-Para-Mi

KI-getriebener Paradigmenwechsel durch Mitarbeiter-zentrische Schicht- und Dienstplanung zur Verringerung des Pflegenotstands

KI-getriebener Paradigmenwechsel durch Mitarbeiter-zentrische Schicht- und Dienstplanung zur Verringerung des Pflegenotstands

  • Laufzeit:

Der Pflegenotstand ist eine unserer zentralen gesellschaftspolitischen Herausforderungen. Mit unserem in diesem Vorhaben zu erforschenden "KI-Para-Mi"-Konzept wollen wir die Art und Weise, wie Schicht- und Dienstplanung in der Pflege durchgeführt wird, revolutionieren. Aktuell sind die Schichten – meist 3 x 8 Stunden oder 2 x 12 Stunden – starr festgelegt und die Pflegekräfte werden im Sinne eines "Friss-oder-Stirb" darauf verteilt. Weg vom Paradigma von starren Schichten, soll die KIPara-Mi-Software ausgehend von den Verfügbarkeiten und Wünschen der Pflegekräfte mit Hilfe von Künstlicher Intelligenz und maschinellem Lernen das optimale flexible, variable Schichtensystem errechnen. So sollen Arbeit und Leben/Familie besser vereinbar, die Attraktivität des Berufes erhöht und die Verweildauer im Job – z.B. durch Halten oder bessere (Wieder-)Eingliederung von Teilzeitkräften – wesentlich verlängert und dadurch der Pflegenotstand abgeschwächt werden.

Die Projektpartner Planerio GmbH (Softwareentwicklung) und das DFKI wollen, zusammen mit 2 Intensivpflegeunternehmen als assoziierte Partner, über einen Zeitraum von 26 Monaten KI-Para-Mi bis zur Erstellung und dem ersten Live-Test eines prototypischen Demonstrators realisieren.

Partner

Planerio GmbH

Fördergeber

BMBF - Bundesministerium für Bildung und Forschung

01IS19038B

BMBF - Bundesministerium für Bildung und Forschung

Publikationen zum Projekt

Ellák Somfai; Benjámin Baffy; Kristian Fenech; Changlu Guo; Rita Hosszú; Dorina Korózs; Fabrizio Nunnari; Marcell Pólik; Daniel Sonntag; Attila Ulbert; András Lorincz

In: Computing Research Repository eprint Journal (CoRR), Vol. abs/2102.09199, Pages 1-14, arXiv, 2021.

Zur Publikation

Fabrizio Nunnari; Md Abdul Kadir; Daniel Sonntag

In: Andreas Holzinger; Peter Kieseberg; A. Min Tjoa; Edgar Weippl (Hrsg.). Machine Learning and Knowledge Extraction. International IFIP Cross Domain (CD) Conference for Machine Learning & Knowledge Extraction (MAKE) (CD-MAKE-2021), August 17-20, Virtual, Pages 241-253, LNCS, Vol. 12844, ISBN 978-3-030-84060-0, Springer International Publishing, 2021.

Zur Publikation

Fabrizio Nunnari; Abraham Ezema; Daniel Sonntag

In: Stefan Edelkamp; Ralf Möller; Elmar Rueckert (Hrsg.). KI 2021: Advances in Artificial Intelligence. German Conference on Artificial Intelligence (KI-2021), September 27 - October 1, Germany, Pages 179-193, ISBN 978-3-030-87626-5, Springer International Publishing, 2021.

Zur Publikation