Ihr möchtet mit eurem Team teilnehmen? Ab drei Personen profitiert ihr von unseren Gruppenrabatten! Direkt im Shop buchen!

Prozess-Transparenz durch Data Mining: Eine Fallstudie aus dem Krankenhaus

Jeder medizinische Eingriff im Krankenhaus erfordert eine komplexe Logistik mit Dutzenden Beteiligten über verschiedene IT-Systeme hinweg. Trotz detaillierter Planung und aufwendiger Koordination durch erfahrene Experten kommt es immer wieder zu Planabweichungen, im schlimmsten Fall müssen Operationen verschoben werden. Darunter leiden Patienten und das medizinische Personal, und für die Klinik entstehen hohe Kosten.

Wir zeigen anhand einer Fallstudie aus der Uni-Klinik München, wie sich solche komplexen Prozesse durch einen geschickten Mix aus quantitativen und qualitativen Methoden analysiere lassen. Insbesondere nutzen wir Process Mining, Datenanalysen und interaktive Visualisierungen, um nachhaltige Prozessverbesserungen zu erreichen.

Vorkenntnisse

  • Grundkenntnisse in Process Mining oder Data Science sind von Vorteil, aber nicht zwingend erforderlich.
  • Der Vortrag ist auch für fachliche Rollen geeignet, die sich für datenbasierte Entscheidungsunterstützung interessieren.

Lernziele

Teilnehmende lernen

  • die Rolle von Process Mining bei der Analyse und Optimierung realer Abläufe zu verstehen.
  • Einflussfaktoren in Prozessen systematisch zu identifizieren und zu bewerten.
  • Ergebnisse datengetriebener Analysen in bestehende Planungs- und Entscheidungsprozesse zu integrieren.

Speaker

 

Harald Störrle
Harald Störrle ist seit 2000 im Bereich Anforderungen, Prozesse und Modellierung tätig. Er arbeitet mit Stakeholdern und Fachabteilungen und bringt ihre Wünsche und Ziele in eine Form, dass Entwickler und Architekten daraus gute Software bauen können. Seit ein paar Jahren nennt man das auch "Product Owner". In einem Paralleluniversum ist er Wissenschaftler mit Schwerpunkt empirische Methoden.

Anastasia Hort
Anastasia Hort hat an der Technischen Hochschule Rosenheim ihren Master in Software & Systems-Engineering erworben. Sie arbeitet seit 2024 bei QAware als Software Engineer und Data Scientist, mit dem Spezialgebiet Machine Learning. Besonders fasziniert sie, wie Modellierung und Algorithmen helfen können, Ordnung in komplexe, unsichere Systeme zu bringen.