Tobias Kropp

Process Mining ist eine junge, analytische Disziplin zum Erkennen, Überwachen und Verbessern realer Geschäftsprozesse (d. h. nicht angenommener Prozesse). Dabei wird Wissen aus Ereignisprotokollen extrahiert, die in heutigen Informationssystemen (zur Unterstützung eingesetzte Software) verfügbar sind. Im Allgemeinen kann man Process Mining als Brücke zwischen Daten- und Prozesswissenschaften verstehen (vgl. van der Aalst, W.: Process Mining: Data Science in Action, 2016, S. 16). Im Gesungheitswesen werden komplexe und individuelle Aufgaben ausgeführt. Zugehörige Prozesse stellen die Anwendbarkeit von Process Mining-Methoden vor große Herausforderungen.

Überall dort, wo prozessbezogene Daten anfallen, bieten sich Process Mining Analysen an. Vor allem im Krankenhausbetrieb gibt es definierte Abläufe, die mit Hilfe von Prozessdaten validiert und optimiert werden können. Da jedoch die Anwendung von Process Mining in diesem Bereich noch wenig erprobt ist, gilt es pilotmäßige Use-Cases anhand ausgewählter FM-Prozesse im Krankenhaus schaffen.

- Literaturrecherche: Welche Prozesse gibt es im Facility Management im Krankenhaus? Klassifizierung dieser Prozesse nach Grad der Strukturierung. Identifikation geeigneter Prozesse für Process Mining Analysen. Zusätzlicher Fokus auf Patientenlogistik.

- Befragung/Interview: Welche Prozesse sind vermeintlich klar strukturiert bzw. bereits „hochoptimisiert“? Welche Prozesse sind problembehaftet/fehleranfällig? Was sind die Kosten und was sind die Ressourcentreiber.

- Analyse der am Markt vorhandenen Software-Systeme hinsichtlich der „Logging-Funktionalität“: Wie werden Prozessdaten in diesen Systemen aufgezeichnet und sind sie für Process MiningAnalysen geeignet?

- Ggfs. Analyse von bereitgestellten Realdatensätze im Bereich Krankenhausinformationssysteme, Logistiksysteme (Datenaufbereitung mittels Python/R/andere Programmiersprache sind ggfs. erforderlich)