Forschung
Datengetriebene Entscheidungsunterstützung in Logistik und im Gesundheitswesen
Im folgenden sind kurz die Hauptforschungsbereiche des Lehrstuhls beschrieben. In allen Bereichen kommen Methoden des Operations Research und Data Analytics einzeln oder in Kombination zum Einsatz. Bei der Hauszustellung, um die Effizienz und den Service bei der Zustellung auf der letzten Meile zu verbessern, und im Gesundheitswesen, um die Behandlungskosten zu senken und die Gesundheit der Patienten zu verbessern. Bitte beachten Sie, dass diese Seite nur einen Überblick über bestehende und damit erweiterbare Forschungsfragen für die Zukunft darstellt.
Für viele online bestellte Waren ist es erforderlich, dass der Kunde bei der Zustellung persönlich anwesend ist. Insbesondere bei Online-Supermärkten und frischen Lebensmitteln ist dies der Fall. Zum Beispiel sollte die bestellte Milch schnell in den Kühlschrank gestellt werden und darf nicht beim Nachbarn oder an einem anderen Ort abgegeben werden.
Um dies zu ermöglichen, bieten Online-Supermärkte ihren Kunden eine Auswahl an Lieferzeitfenstern an. Doch für die Händler ist es eine Herausforderung, diese Zeitfenster so zu gestalten, dass sie sowohl für die Kunden attraktiv als auch kosteneffizient sind. Kunden bevorzugen in der Regel kurze Lieferzeitfenster, oft weniger als eine Stunde. Allerdings führen kurze Zeitfenster zu komplexeren Routenplanungen, was die Lieferkosten erhöht. Zudem weiß der Händler nicht, wann Kunden beliefert werden möchten. Bestellt ein Kunde und der Händler gibt ein Lieferversprechen für ein Zeitfenster, kann dieses schon kurze Zeit später keine gute Entscheidung mehr sein, wenn ein weiterer Kunde seine Bestellung aufgibt und sich so die Lieferroute ändert.
Das Ziel des Einzelhändlers ist es, möglichst viele Kunden zu bedienen, um wirtschaftlich zu arbeiten. Jedoch gibt es eine begrenzte Kapazität an Kunden, die angenommen werden können, beispielsweise aufgrund der verfügbaren Anzahl an Fahrern und Lieferfahrzeugen.
In unserer Forschung untersuchen wir, wie Einzelhändler bei der Entscheidung über Annahme und Zeitfensterangebote unterstützt werden können. Hierbei versuchen wir, die erwarteten Lieferkosten genauer abzuschätzen oder historische Daten zu verwenden, um die zu erwartende Auftragsmenge vorherzusagen. Dies soll dazu beitragen, dass die Lieferungen effizienter und kundenfreundlicher werden.
Im Bereich der mentalen Gesundheit versprechen viele innovative Technologien eine Verbesserung der Versorgung, darunter Apps zur Unterstützung von Patienten. Obwohl sie eine potenzielle Steigerung der Versorgungsqualität bieten, stehen sie oft in der Kritik, da ihr Nutzen als zu gering und ihre Kosten als zu hoch betrachtet werden. Eine ökonomische Bewertung solcher innovativen Technologien - basierend auf Gesundheitsergebnissen und Kosten - kann jedoch den tatsächlichen Nutzen klarer aufzeigen und so ihre schnellere Akzeptanz fördern.
Unsere Untersuchung konzentriert sich darauf, Gesundheits- und Kostenaspekte von herkömmlichen Behandlungsmethoden im Vergleich zu IT-basierten Ansätzen für Patienten mit mentalen Erkrankungen zu analysieren, beispielsweise mittels Simulation. Auf diese Weise erforschen wir potenzielle finanzielle Entlastungen oder Vorteile für Krankenhäuser und Anbieter psychosozialer Dienste, sowie die Verbesserung der psychosozialen Versorgung der Patienten.
Smartwatches haben sich mittlerweile zu leistungsstarken Trackern entwickelt, die eine Fülle von Gesundheitsdaten erfassen können, darunter Herzfrequenz, Schlafqualität und Sauerstoffsättigung. Einige bieten sogar die Möglichkeit, direkt am Handgelenk ein EKG aufzuzeichnen. Diese Funktionen eröffnen die Möglichkeit, die Patientenversorgung durch die Integration von Smartwatch-Daten zu erweitern, was zu einem detaillierteren Verständnis des Gesundheitszustands führen kann.
Von Patienten, die ihre eigenen Vitalparameter ausgedruckt zum Arztbesuch mitbringen (eine Funktion, die viele Smartwatches bereits unterstützen), bis hin zur Integration dieser Daten in medizinische Systeme (beispielsweise in die Patientenakte), gibt es zahlreiche Anwendungsmöglichkeiten. Diese neue Verfügbarkeit der Daten bietet das Potenzial zur Verbesserung der Gesundheitsversorgung, beispielsweise durch den Einsatz von künstlicher Intelligenz zur Vorhersage zukünftiger Krankheiten.
Unsere Forschung konzentriert sich darauf, wie diese Datenintegration den Behandlungsprozess verbessern kann und wie sie zur Vorhersage und Prävention von Krankheiten eingesetzt werden kann. Unser Hauptziel ist es, das Potenzial von Wearables optimal zu nutzen, um die Gesundheitsversorgung zu verbessern.
