Der Gesundheitssektor und insbesondere das Krankenhauswesen stellen einen sehr großen Teil aller Staatsausgaben dar. Aus diesem Grund ist die Forschung für effizientere klinische Behandlungswege zu einem zentralen Thema geworden, damit die Behandlungsqualität weiterhin gewährleistet werden kann. Es wurde in den letzten 10 Jahren ein erster Schritt in diese Richtung gemacht, als mehrere Krankenhäuser anfingen, physiologische und Prozess-bezogene Daten der verschiedenen Heilungsebenen der Patienten zu erheben. Noch gibt es aber wenige Algorithmen, die diese Daten verwerten, um klinischen Ressourcen effizienter zu verwenden und Prozessvariabilität zu senken, bzw. um lange Wartezeiten der Patienten von Annahme bis zur Behandlung zu verhindern.

In der Gruppe "Mathematics of Healthcare" entwickeln wir innovative Algorithmen für die Logistik in Krankenhäuser, die die speziellen Anforderungen des Gesundheitssektors (im Vergleich zu anderen Lieferkettenprobleme in der Industrie) berücksichtigen. Insbesondere sollen Planungsstrategien berechnet werden, die mehrere Faktoren optimieren, z.B. Wartezeiten und Krankenhauserlös, und gleichzeitig die Stabilität des Betriebs im Fall von unerwarteten Ereignissen sichern. Eine andere Herausforderung ist es, die Akzeptanz unserer Ansätze von Akteuren der Gesundheitssektor zu fördern. Hierfür ist eine enge Kooperation mit ÄrztInnen und Krankenhausleitungen erforderlich, wie z.B. unsere Partnerschaft mit der Charité Universitätsklinikum und dem Verband für OP Management (VOPM) im Rahmen des Projekts IBOSS.

Aus mathematischer Sicht interessieren wir uns für die Problematik bei der Planung von Abläufen unter Berücksichtigung von Unsicherheiten, wie z.B. Notfälle, Dauer bei OPs etc.). Ein unorganisierter Ablauf kann einen sehr negativen Einfluss auf die Behandlungsqualität haben. Folglich spielen stabile Optimierungsansätze hier eine wichtige Rolle, da Stabilität in der Planung die Hektik im Krankenhausbetrieb vermindert. Unser Ziel ist es, das Verständnis von Planungsstrategien unter Unsicherheit zu fördern, effiziente und praxistaugliche Algorithmen zu entwickeln, und letztendlich zu der Datenrevolution im Gesundheitswesen beizutragen.