Das Projekt Ko-op Dienstplan wird durch das BMBF vom 01. September 2024 bis 31. Dezember 2025 gefördert.

Im Projekt wird aufbauend auf einem innovativen mathematischen Modell in enger Zusammenarbeit mit einer Partnerklinik (Klinikum St. Elisabeth Straubing) ein Prototyp einer flexibel anpassbaren Software für die automatisierte Dienstplanung für Ärzt:innen in Krankenhäusern entwickelt. Durch das neue Format der Ko-Kreation der Software mit einer Klinik werden erstmals die unterschiedlichen Anforderungen verschiedener Fachabteilungen abgebildet, welche bisher die Entwicklung praxistauglicher, breit einsetzbarer Planungssoftware verhindert haben. Zusätzlich werden die Wünsche der Ärzt:innen für die Dienstplanung systematisch erfasst und bei der Planerstellung berücksichtigt. Am Projektende abgeschlossene Schritte für einen Transfererfolg umfassen (1) die detailliert Identifizierung der Anforderungen verschiedener Fachabteilungen von Krankenhäusern sowie der Wünsche der Ärzt:innen an gute Dienstpläne und deren Abbildung im mathematischen Modell, (2) Entwicklung eines Prototyps einer Benutzeroberfläche zur komfortablen Anpassung des mathematischen Modells für die Nutzung in unterschiedlichen Fachabteilungen, und (3) Praxistests des resultierenden Software-Prototyps in ausgewählten Fachabteilungen der Partnerklinik und Evaluation mittels Umfragen. Durch die Anpassbarkeit an die Anforderungen unterschiedlicher Abteilungen kann die entwickelte Software perspektivisch die weitgehend manuelle Dienstplanung deutscher Kliniken durch ein flexibles, digitales System ersetzen. Damit leistet das Vorhaben einen wichtigen Beitrag zur Verbesserung der Personalzufriedenheit und somit langfristig auch zur Behebung des eklatanten Ärzt:innenmangels in deutschen Krankenhäusern.

Partner

Förderung

Das Projekt AMPaPro wird durch die Deutsche Forschungsgemeinschaft (DFG) vom 01. März 2024 bis zum 28. Februar 2027 gefördert. 

In Problemen der parametrischen Programmierung – welche in diesem Projekt die Klassen der parametrischen linearen und (gemischt-) ganzzahligen Programme sowie der parametrischen kombinatorischen Optimierungsprobleme umfasst – hängen die Zielfunktion und/oder die zulässige Menge von einem oder mehreren unbekannten Parametern ab. Die Aufgabe besteht dann im Lösen des Optimierungsproblems für jede mögliche Kombination von Parameterwerten. Für die meisten parametrischen Probleme erfordert die Spezifikation einer optimalen Lösung für jede Kombination von Parameterwerten jedoch eine enorm große Anzahl an Lösungen. Daher ist das exakte Lösen solcher Probleme häufig sehr schwierig und exakte Lösungsalgorithmen sind meist nur sehr eingeschränkt anwendbar. Dies gilt speziell für multiparametrische Probleme, bei denen mehrere Parameter involviert sind.

In diesem Projekt sollen daher effiziente Approximationsverfahren für ein- und multiparametrische Optimierungsprobleme entwickelt werden, die unter schwachen Voraussetzungen anwendbar sind und Approximationen mit beweisbarer Güte und kleiner Kardinalität liefern. Zusätzlich wird das Gebiet der parametrischen Programmierung durch die ersten systematischen Untersuchungen von Problemen mit nichtlinearen Parameterabhängigkeiten und/oder mehreren Zielfunktionen erweitert. Aufbauend auf Vorarbeiten (z. B. im Projekt MultiApprox) werden allgemeine Approximationsverfahren für Probleme der parametrischen Programmierung entworfen und eine umfassende, strukturelle Theorie von Approximationen (multi-) parametrischer Probleme entwickelt. Aufgrund der zahlreichen Verbindungen zwischen der parametrischen Programmierung und anderen Gebieten wie beispielsweise der nicht-parametrischen (diskreten) Optimierung, der multikriteriellen Optimierung und der Sensitivitätsanalyse wird damit nicht nur ein wichtiger Fortschritt auf dem Gebiet der parametrischen Programmierung erzielt, sondern darüber hinaus der grundlegende Wissensstand in der mathematischen Optimierung signifikant erweitert.

Partner

  • Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau – Arbeitsgruppe Optimierung – Prof. Dr. Stefan Ruzika
  • Technische Universität München – Professur Optimization and Sustainable Decision Making – Prof. Dr. Clemens Thielen

Förderung

Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 508981269

 

Das Projekt MOSinLine wird durch das BMBF vom 15. März 2023 bis 31. März 2026 gefördert.

Um volle Regale bei niedrigen Logistikkosten und positiver Ökobilanz im Lebensmitteleinzelhandel zu erreichen, müssen Unsicherheiten der täglichen Nachfrage und zukünftige Absatzverschiebungen (z.B. wachsender Online-Handel) bestmöglich in eine vorausschauende Planung von Liefernetzwerken integriert werden. Die Netzwerkplanung steht hier vor einem Dilemma. Hohe Warenverfügbarkeit steigert die Umsätze. Dies führt aber zwangsläufig zu vermehrten Warentransporten sowie Überbeständen, was wiederum erhebliche Umweltbelastungen darstellt, denn rund ein Drittel der weltweit produzierten Lebensmittel werden nicht konsumiert. Die Vermeidung dieser Lebensmittelabfälle würde die globalen Treibhausgasemissionen um 6 Prozent reduzieren.

Optimierte Liefernetzwerke im Lebensmitteleinzelhandel spielen somit eine zentrale Rolle zur Erreichung von Klimazielen, benötigen jedoch eine durchgängige Optimierung über zeitliche Planungsebenen (strategisch, taktisch, operativ) hinweg unter expliziter Berücksichtigung von Unsicherheit. Im Projekt MOSinLine werden effiziente Algorithmen für Modellierung, Simulation und Optimierung entwickelt, um nachhaltige Liefernetzwerke mit bedarfsgerechter Belieferungsplanung zu ermöglichen. Auswirkungen auf Umwelt und Klima werden durch die Minimierung von Treibhausgasemissionen und Lebensmittelabfällen explizit adressiert. Nachfrageunsicherheit sowie Interaktionen zwischen den Planungsebenen werden mittels innovativer Modelle und Algorithmen der robusten Optimierung abgebildet und neue Modelle und Heuristiken für die Planung von Lieferfrequenzen werden entwickelt. Das sich ergebende Liefernetzwerk wird mittels einer Simulation evaluiert und basierend auf den Simulationsergebnissen iterativ reoptimiert. Somit werden neuartige, praktisch einsetzbare mathematische Modelle entwickelt, zu einem innovativen simulationsgestützten Optimierungsverfahren verknüpft, anhand realer Daten in der Praxis evaluiert und für die industrielle Anwendung nutzbar gemacht.

Partner

Förderung

Das wissenschaftliche Netzwerk InPlan-CARE wird durch die Deutsche Forschungsgemeinschaft (DFG) vom 01. März 2021 bis 28. Februar 2025 gefördert.

Ein gut funktionierendes Gesundheitssystem ist einer der wesentlichen Faktoren für Wohlstand und Wohlergehen einer Gesellschaft. In diesem Zusammenhang sind Krankenhäuser als ein wesentlicher Erbringer von Gesundheitsdienstleistungen zu sehen. Die effiziente Bereitstellung solcher Dienstleistungen und eine damit einhergehende hohe Versorgungsqualität erfordern es, dass notwendige Ressourcen wie etwa Betten und Personal in angemessener Quantität am richtigen Ort und zur richtigen Zeit verfügbar sind. Typischerweise werden Ressourcen bezogene Planungsprobleme für jede Ressource individuell gelöst ohne explizite Verknüpfungen zu betrachten. Dies führt übergeordnet zu suboptimalen Entscheidungen und ungenutztem Potenzial für hohe Qualität der Versorgung. Zudem werden derartige Probleme häufig durch medizinisches Fachpersonal bearbeitet, die für diese Art von komplexen Entscheidungen nicht ausgebildet wurden. Dies wiederum reduziert die Verfügbarkeit des Personals für Patientenkontakt in Form von Behandlung und Pflege.

Ziel des durch die DFG geförderten wissenschaftlichen Netzwerks InPlan-CARE ist es, einen ganzheitlichen Blick auf integrierte Planung im Gesundheitswesen zu entwickeln, indem konkret die aktuelle Forschung in diesem Gebiet aufbereitet und mit einer Komplexitätsanalyse der tatsächlich existierenden Planungsproblem in Krankenhäusern verknüpft wird. Zusätzlich werden neuartige quantitative Methoden zur Entscheidungsunterstützung von integrierten Planungsproblem in Krankenhäusern entwickelt. In Kooperation mit Krankenhäusern werden diese Modelle sorgfältig evaluiert, um ihre Eignung für eine reale Anwendung zu prüfen. Schließlich ist es das Ziel dieses Netzwerkes, ein Bewusstsein für die Notwendigkeit integrierter Planung bei Entscheidern im Gesundheitswesen aber auch in der Forschung – konkret durch interdisziplinäre Projekte – zu fördern. Das Netzwerk verbindet Nachwuchswissenschaftler aus Deutschland, Osterreich, Belgien, den Niederlanden, Norwegen und aus dem Vereinigten Königreich. Alle Mitglieder haben bereits Erfahrung in den Bereichen Management im Gesundheitswesen bzw. quantitative Planung. Konkrete Forschungsfragestellungen, welche die genannten Ziele adressieren werden in Workshops und Themen-spezifischen Arbeitsgruppen bearbeitet. Die Dissemination der erzielten Ergebnisse wird durch Vorträge auf nationalen und internationalen Konferenzen sowie Publikationen in Fachzeitschriften mit Peer-Review-Verfahren in adäquater Form sichergestellt.

Netzwerk-Koordinatoren

Weitere Netzwerkmitglieder

Assoziierte Mitglieder

  • Thomas Adams (University of Auckland)
  • Prof. Dr. Christina Bartenschlager (TH Nürnberg)

Förderung

Das Projekt MultiApprox wird durch die Deutsche Forschungsgemeinschaft (DFG) vom 01. Juni 2018 bis 31. August 2021 gefördert.

Bei vielen Optimierungsproblemen sollen mehrere, sich widersprechende Zielfunktionen gleichzeitig optimiert werden. Solchen multikriteriellen Optimierungsproblemen liegen Optimalitätskonzepte zugrunde, die auf Ordnungsrelationen basieren. Das verbreitetste Konzept ist die Pareto-Optimalität, die Optimallösungen als Minima (bzw. Maxima) bzgl. der komponentenweisen Ordnung in reellen Räumen charakterisiert. Für viele Optimierungsprobleme sind jedoch die Menge der Pareto-Lösungen und die zugehörige Bildmenge sehr groß und sehr schwer exakt zu berechnen. In diesem Projekt sollen daher Approximationsverfahren für multikriterielle Optimierungsprobleme entwickelt werden, die

  1. unter schwachen Voraussetzungen anwendbar sind,
  2. eine beweisbar gute Approximation liefern und
  3. eine beweisbare Worst-Case-Laufzeit haben.

Es ist bekannt, dass etliche der verwendeten Methoden für die Approximation multikriterieller Minimierungsprobleme sich nicht auf die Approximation von Maximierungsproblemen übertragen lassen; Minimierungs- und Maximierungsprobleme brauchen mitunter prinzipiell andere Techniken. Zusätzlich impliziert das Konzept der Pareto-Optimalität einen weiteren wesentlichen Unterschied bezüglich der Schwierigkeit zwischen bikriteriellen und allgemeinen multikriteriellen Problemen. Die Struktur des Projekts trägt diesen beiden Erkenntnissen Rechnung und unterscheidet zwischen Minimierungs- und Maximierungsproblemen mit zwei bzw. mehr als zwei Zielfunktionen.

Nach Abschluss des Projekts werden neben allgemeinen Approximationsverfahren für diese Optimierungsprobleme auch Zusammenhänge zwischen einkriteriellen Optimierungsproblemen (z. B. aus der robusten, der parametrischen oder etwa der Budget-restringierten Optimierung) und daraus abgeleiteten multikriteriellen Optimierungsproblemen erforscht sein. Somit versprechen wir uns, einerseits eine „beweisbar gute“ Alternative zu den gängigen exakten oder heuristischen Verfahren für multikriterielle Optimierungsprobleme zu erarbeiten und andererseits zum grundlegenden Wissensstand in der Theorie der mathematischen Optimierung signifikant beizutragen.

Partner

  • Technische Universität München – Professur Optimization and Sustainable Decision Making – Prof. Dr. Clemens Thielen
  • Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau – Arbeitsgruppe Optimierung – Prof. Dr. Stefan Ruzika

Förderung

Das Projekt AKUT wurde durch das BMU vom 01. Januar 2019 bis 28. Februar 2021 gefördert.

Motivation

Infolge des Klimawandels nehmen Starkregen in Häufigkeit und Intensität zu. Regional begrenzte außergewöhnliche Starkregenereignisse, wie sie in den letzten Jahren gehäuft beobachtet wurden, können alle Regionen in Deutschland treffen. Kommunale Entwässerungssysteme können aus technischen und wirtschaftlichen Gründen nicht auf die Ableitung solcher außergewöhnlicher Regenereignisse ausgelegt werden.

Die Überflutungssicherheit kommunaler Entwässerungssysteme bei Starkregen ist, angesichts des hohen Schadensaufkommens, eine der zentralen Herausforderungen, denen sich die Siedlungsentwässerung stellen muss. Um vor starkregenbedingten Überflutungen zu schützen, ist daher weder die Einführung von Bemessungszuschlägen noch die Vergrößerung vorhandener Kanalnennweiten sinnvoll. Stattdessen bedarf es einer an die ortsspezifischen Anforderungen angepassten Überflutungsvorsorge im Rahmen eines kommunalen Starkregenrisikomanagements.

Durch die Komplexität der Aufgabe bedarf es eines interdisziplinären Zusammenwirkens verschiedenster kommunaler Akteure auf unterschiedlichen Ebenen (politisch-administrative Ebene, kommunale Planungsebene, objektbezogene Ebene). Wesentliche Voraussetzung hierfür ist die Entwicklung eines ressort- und akteursübergreifenden Problemverständnisses für die „kommunale Gemeinschaftsaufgabe Überflutungsvorsorge“. Bei den einzelnen Akteuren fehlt bislang noch die grundsätzliche Bereitschaft, die jeweiligen konkurrierenden Aktions- ziele aufeinander abzustimmen, Zielkonflikte zu überwinden und sich einem optimierten Gesamtlösungsprozess unterzuordnen. Insbesondere fehlen akteursbezogene Motivationen und entsprechende Anreize zur Sicherstellung der Maßnahmeneffizienz.

Ziele

Ziel des Projektes AKUT ist es, eine umfangreiche Akteursanalyse zur Problemstellung der „kommunalen Gemeinschaftsaufgabe Überflutungsschutz“ durchzuführen, um eine bessere Kenntnis der Interessen, Rollen und Einflussbereiche der einzelnen Akteure zu gewinnen und deren wechselseitige Beeinflussungen und Abhängigkeiten zu beschreiben. Darauf aufbauend soll ein flexibles, situationsabhängiges Optimierungs- und Anreizsystem zur Berechnung und Umsetzung optimierter Gesamtlösungen für die kommunale Überflutungsvorsorge entwickelt werden. Die zu entwickelnde Methodik wird anschließend in Form eines Beratungstools implementiert und an bestehende Softwarelösungen angebunden. Das resultierende Beratungstool wird somit für unterschiedliche Kommunen bzw. Gefährdungslagen anwendbar sein und Unterstützung sowohl bei der Identifikation geeigneter Vorsorgemaßnahmen als auch bei der Auswahl geeigneter Anreize zur Sicherstellung der Umsetzung durch die verschiedenen Akteure liefern.

Weitere Informationen

Weitere Informationen zum Projekt sind auf der zentralen Projekthomepage an der Hochschule Mainz einsehbar.

Partner

 

Förderung