Krankenhäuser haben zwei gekoppelte Entscheidungen: welcher Patient (Notfall oder elektiv) kommt in welche Station und welches Bett, und wann wird die Entlassung ausgelöst, um morgen Betten frei zu haben. Klassisches Gesundheits-OR: Patient Flow und Bed Allocation.
Kurz gesagt
Kommt Ihnen das bekannt vor?
- Patienten, die in der Notaufnahme auf eine Aufnahme warten (ED boarding), sitzen morgens 4-12 Stunden; die Station sagt 'wir haben morgen früh eine Entlassung, wir machen Platz', tatsächlich erfolgt die Entlassung erst nachmittags.
- Wenn die Station voll ist, wird ein internistischer Patient in ein kardiologisches oder neurologisches Bett gelegt (off-service); weil die Pflegekompetenz nicht passt, wächst die Aufenthaltsdauer um 1-3 Tage.
- Montagsmorgen beginnen die Elektivaufnahmen, aber Wochenend-Notfälle haben keine Betten gelassen; OP-Patienten finden kein Bett, OP-Ausgang blockiert.
- Es gibt kein Stationsbett für einen Intensiv-Step-down-Patienten; ein bis zwei zusätzliche Tage auf der Intensivstation, keine Kapazität für den nächsten kritischen Fall.
- Für einen Isolationspatienten (Infektion, immunsupprimiert, MRE-Zimmerregeln) gibt es kein passendes Bett; entweder wartet er oder die klinische Regel wird gedehnt.
- Um gemischtgeschlechtliche Zimmer zu vermeiden, ordnet der Koordinator das Spreadsheet jeden Morgen neu; 20-50 Minuten pro Tag verloren.
- Für Pandemie- oder Saisonspitzen (Wintergrippe) gibt es keine konkrete Bettenbelegungskurve oder fachabteilungsbezogene Verteilungsdaten; Kapazitätsentscheidungen aus dem Bauch.
Warum es wichtig ist
Wie wird es gelöst?
Technische Tiefe
Wie wird es gelöst?
Technische TiefeIn einem Satz: Koppeln Sie die morgendliche Bettenbelegung an die Entlassung am Nachmittag — Entlassungsanordnung einen Tag früher auslösen, damit das Bett um 11 Uhr frei ist, nicht erst um 16 Uhr. “Morgen früh Entlassung” bedeutet nicht heute ein freies Bett; entscheidend ist, die tatsächliche Entlassungszeit vorzuziehen.
Dieses Problem erscheint in der Operations Research (Disziplin, die mit Mathematik und Computereinsatz Geschäftsentscheidungen löst) als zwei gekoppelte Entscheidungen: Patient Flow (Patientenbewegung — Notaufnahme zur Station, Station zur Intensivstation, Intensivstation zur Station, Station zur Entlassung — als zeitliches Netzwerk analysiert) und Bed Allocation (welcher Patient, welche Station, welches Bett, zu welcher Stunde). Lösung in drei Stufen:
1. Modellierung. Eingangsdaten: Patientennachfrage (Notaufnahme-Ankunftsrate stündlich / täglich, Aufnahmequote, Elektivplan eine Woche im Voraus bekannt, Patientenklassen — kardial, internistisch, chirurgisch, pädiatrisch, isolationsbedürftig), Stationsinventar (pro Station Bettenzahl, Zimmertyp einzeln / doppelt / mehrfach, Isolationszimmer, Pflege-Patienten-Verhältnis), Aufenthaltsdauerverteilung (pro Station / Patiententyp — log-normal verbreitet), klinische Kompatibilitätsmatrix (welcher Patiententyp ist primär, akzeptabel, ungeeignet in welcher Station). Nebenbedingungen: Geschlechtertrennung in Mehrbettzimmern, Isolationsregeln (Infektion, immunsupprimiert), Pflege-Patienten-Verhältnis pro Schicht, Intensiv-Step-down-Kette.
2. Solver-Entscheidung. Zwei klassische Ansätze: Kapazitätsschicht — Markov-Kette / Warteschlangennetz (Mathematik, die Patientenflüsse mit Wahrscheinlichkeiten und Wartezeiten modelliert) für die Bettenpool-Balance auf Jahres- oder Monatshorizont; operative Schicht — tägliches / stündliches Bettenzuweisungs-MIP (Mixed-Integer Linear Programming — Optimierung mit teils 0/1-, teils stetigen Variablen) ordnet ankommende Patientenwellen passenden Stationsbetten zu. Diskrete-Ereignis-Simulation (Computermodell, in dem jeder Patient als virtuelle Einheit durch das System wandert) beantwortet ‘was wenn wir 10 Betten zusätzlich öffnen / am Montag 5 weitere Elektivaufnahmen annehmen’. Rolling-Horizon: morgens speisen Bettenstand, erwartete Elektivankünfte und prognostizierte Notaufnahmen einen stündlichen Plan; abends werden Entlassungsprognosen erneuert.
3. Feldintegration. Ausgabe in zwei Schichten: Bettenmanagement-Dashboard (für ED-Koordinator und Stationsleitung — welches Bett wann frei wird, welcher ankommende Patient welches Bett bekommt) plus wöchentlicher Elektiv-Aufnahmeplan (Bettenreservierungen für geplante Aufnahmen). Das Krankenhausinformationssystem (KIS / HBYS) speist das Patient-Flow-Modul: ED-Triage, Aufnahmeauftrag, Entlassungsauftrag, Pflegedienstplan, Isolationsprotokolle. Vierteljährliches Krankenhauskomitee: Ist vs. Plan ED-Boarding-Zeit, Off-Service-Quote, Aufenthaltsdauerabweichung, Bettenauslastungsbalance."
Alternativen
Manuell plus Whiteboard
KostenlosKeine Lizenz
Für wen geeignet: Kleines Krankenhaus (50-100 Betten), 3-5 Fachabteilungen, 30-60 Notaufnahmen pro Tag
- + Keine Softwarekosten
- + Erfahrung des Bettenkoordinators tragend
- + Schnelle Reaktion auf Veränderungen (Notfälle) per Telefon
- − Über 100 Betten überlastet den Koordinator mental
- − Off-Service-Platzierung gefühlsbasiert — kein Optimum
- − Keine Entlassungsprognose — Betten morgens nicht bereit
- − Kapazitätsanalyse für Investitionsentscheidungen schwach
KIS-Bettenverfolgungsmodul
Enterprise150K-800K TRY Lizenz plus 50K-200K TRY/Jahr Wartung (TR-Marktbeobachtung)
Für wen geeignet: Mittleres Krankenhaus (100-300 Betten), 5-10 Fachabteilungen
- + Nah an TR-Regulierung (SGK, MEDULA)
- + Mit klinischer Dokumentation integriert
- + Türkischsprachige UI, lokaler Support
- − Bettenmodul meist 'Statusansicht' — keine Zuweisungsoptimierung
- − Entlassungsprognosemodell fehlt oder Daumenregel
- − Keine Markov- / MIP-Integration
Internationale klinische Betriebsplattform
Enterprise500K-3M EUR Lizenz plus 100K-500K EUR/Jahr Wartung (große Healthcare-IT)
Für wen geeignet: Großes Krankenhaus / Komplex (300+ Betten), 10+ Fachabteilungen, mehrere Intensivstationen
- + Patient-Flow-Modul ausgereift — Markov + MIP + Simulation
- + ER + Station + Intensiv + Entlassung integriert
- + Reichhaltige Kapazitätsanalyse-Berichte
- − Hohe Lizenz, lange Einführung (12-30 Monate)
- − TR-Regulatorik-Anpassung (SGK, MEDULA, MHRS) verlängert Projekt
- − Großes Schulungsprogramm für klinisches Personal
Open-Source-Solver plus eigenes Patient-Flow-Modul
Open SourceKeine Lizenz; Eigenentwicklung 16-32 Wochen oder 600K-1.8M TRY Beratung
Für wen geeignet: Krankenhaus / Universitätsklinik mit Technologie-Team, KIS-Integration
- + Keine Lizenzgebühr
- + Patient-Flow-Literatur gut definiert für Open-Source-Solver
- + Diskrete-Ereignis-Simulation reif im Open-Source-Ökosystem
- − Interner OR-Experte plus KIS-Integrationsteam erforderlich
- − Zeit von akademischem Prototyp bis klinischer Einsatz
- − Klinische Validierung und Wartung intern
Empfehlung
Im Gespräch fragen
- Welche Methode wird für die Bettenzuweisung verwendet — MIP, Markov-Kette, Daumenregel oder nur Statusanzeige?
- Gibt es ein Entlassungsprognosemodell, woraus speist es sich (Aufnahmetag, Diagnosecode, Laborverlauf) und wie genau 24-48 Stunden im Voraus?
- Sind Online- (stündliche / Tages-) und Offline- (wöchentliche Elektiv-) Entscheidungsschichten im gleichen Modul?
- Wie wird die Off-Service-Strafe in Nebenbedingungen oder Zielfunktion dargestellt — gegen Aufenthaltsverlängerung kalibriert?
- Wie werden klinische Nebenbedingungen (Isolation, Geschlechtertrennung, Pflege-Patienten-Verhältnis) im System definiert?
- Ist der Datenfluss zwischen ED-Triage und Bettenmodul bidirektional und in Echtzeit?
- Gibt es ein Pandemie- oder saisonales Surge-Simulationsmodul? Lassen sich What-if-Sensitivitäten an historischen Daten fahren?
- Wenn der Vertrag endet, in welchem Format können wir Aufnahmehistorie, Entlassungsprognosedaten, Off-Service-Aufzeichnungen und Bettenauslastungskurven exportieren?
Technische Details
Anmerkung der Redaktion
In der Alltagssprache des Krankenhauses heißt dieses Problem “Bettenbelegung”, “Stationsplatzierung” oder “Entlassungsauslösung”. In der akademischen Literatur trägt es zwei gekoppelte Namen: Patient Flow für die Patientenbewegungskette und Bed Allocation für die Zuweisungsentscheidung. Hulshof et al. (2012) trennen offline (wöchentliche / monatliche Kapazitätsplanung) von online (Tagesentscheidung). Werden beide Schichten nicht gemeinsam betrachtet, sieht der Kapazitätsplan auf Papier ausgewogen aus, die tägliche Zuweisung wird jeden Morgen zur Krise.
Dieses Problem unterscheidet sich von der OP-Planung (Problem 8). #008 dreht sich um die OP-Reihenfolge und Saalbelegung. #038 dreht sich um Stations- und Bettzuweisung und Entlassungstrigger. Die Probleme speisen einander: wartet ein OP-Ausgangspatient auf ein Stationsbett, schlägt #008 als OP-Ausgangs-Blockade durch; können Stationen Entlassungen nicht auslösen, schlägt #038 als Kapazitätskrise durch.
Der am häufigsten übersehene Punkt der Branche: Entlassungsprognose. Die meisten Häuser entscheiden die Entlassung in der Morgenvisite, Papierkram zieht sich bis zum Nachmittag. Die Morgenwelle der Notaufnahme erfolgt jedoch zwischen 06:00 und 10:00 — Betten sind in diesem Fenster nicht bereit. Hulshof et al. (2012) trennen online (Tagesentscheidung) und offline (wöchentlich) klar; läuft die Entlassungsprognose 24-48 Stunden im Voraus (Aufenthaltsdauer, Diagnose, Laborverlauf, klinischer Zustand), wird die Bettenbereitschaft am Morgen praktisch machbar. Zweiter übersehener Punkt: die Kosten der Off-Service-Platzierung. Wird ein internistischer Patient in ein kardiologisches Bett gelegt, passt die Pflegekompetenz nicht, die Aufenthaltsdauer wächst um 0,5-2 Tage; diese Kosten müssen als Strafgewicht in der MIP-Zielfunktion abgebildet werden (Bachouch et al. 2012).
Schritt für Schritt — für den Mittelständler
Stufe 1 — Erst messen, dann planen. Mindestens 12 Monate Aufnahmedaten: pro Aufnahme Zeit, Entlassungszeit, Quelle (ER / elektiv / Verlegung), zugewiesene Station, primäre Diagnose, Off-Service-Flag. ED-Triage-Daten: Ankunftszeit, Triage-Stufe, Aufnahmeentscheidungszeit, Stationsübergabezeit (ED boarding). Stationsinventar: Bettenzahl pro Station, Zimmertyp, Isolationskapazität, Pflege-Patienten-Verhältnis. Klinische Kompatibilitätsmatrix.
Stufe 2 — Planungswissen ausgraben. Aufenthaltsdauerverteilung pro Patiententyp / Station. Welche Diagnosen welche Station belegen. Welche Stationen einander beliefern (Intensiv-Step-down). Saisonale und wöchentliche Nachfragemuster.
Stufe 3 — Pilot. 12-16 Wochen. Für einen Teilbereich (z. B. internistischer Block mit 3-5 Stationen) MIP-Empfehlung parallel zur manuellen Platzierung. Entscheidung bleibt beim Bettenkoordinator. Erfolgskriterien vorab: ED-Boarding -10% minimum, Off-Service -15%.
Stufe 4 — Ausrollung. 9-18 Monate: alle Stationen, Intensiv-Step-down, Elektivreservierungen. ED-Triage-getriggerte Echtzeitzuweisung. Vierteljährliches Krankenhauskomitee.
Risiken — was schiefgehen kann
- Entlassungsprognose schlecht kalibriert. Ohne mechanische Prognose vor der Morgenvisite wird Bettenbereitschaft täglich zur Krise. Modell muss 24-48 Stunden im Voraus laufen.
- Kein Pandemie- / Saisonspitzenplan. Wintergrippe oder Pandemie kippt die Bettenpool-Balance; Surge-Bett-Triggerregel und Simulationsplan unverzichtbar.
- Off-Service-Platzierung lädt heimlich Kosten auf. Kurzfristig wird ein Bett frei, mittelfristig wachsen 1-2 Tage. Strafgewicht in Zielfunktion kalibrieren.
- Bindung an einen einzigen Anbieter. Ohne Export-Klausel im Vertrag (Aufnahmehistorie, Entlassungsprognose, Off-Service-Daten in Standardformat) verliert das Krankenhaus seinen operativen Speicher.
Technischer Blick auf die Lösung
| Ansatz | Typische Größe | Lösungszeit | Garantiertes Optimum? |
|---|---|---|---|
| Heuristische Platzierung | Kleines Krankenhaus, <100 Betten | sofort | Nein, 50-70% optimal |
| Markov-Kette (Bettenpool-Balance) | Monats- / Jahreskapazität | Minuten | Stochastisches Gleichgewicht, kein Optimum |
| MIP-Bettenzuweisung (Bachouch 2012) | Mittel, 5-15 Fachabteilungen | Minuten-Stunden | Ja (innerhalb Schranke) |
| Diskrete-Ereignis-Simulation | Mehrere Stationen + Intensiv, What-if | Stunden | Nein, mittlere Performance |
| Warteschlangennetz (Green 2006) | Kapazitätsinvestition | Minuten | Stationäre Analytik |
| Rolling-Horizon MIP + Simulation | Komplex, stochastische Nachfrage | Stunden-kontinuierlich | Nein, gute praktische Qualität |
Zielfunktion-Optionen:
- Ziel 1 — ED-Boarding-Zeit minimal: Verhindert ER-Stau.
- Ziel 2 — Gewichtete Off-Service-Strafe minimal: Wahrt klinische Kompatibilität.
- Ziel 3 — Bettenauslastungsbalance: Gleichmäßige Belegung.
- Ziel 4 — Elektivstornierungen minimal: Schützt Vertrauen geplanter Patienten.
Mehrziel: gewichtete Summe oder hierarchisch (zuerst klinische Kompatibilität, dann ED-Boarding, dann Balance).
Akademische Quellen
Im Frontmatter unter sources aufgeführt.
Quellen
- Hulshof, P. J. H., Kortbeek, N., Boucherie, R. J., Hans, E. W. und Bakker, P. J. M. (2012). Taxonomic classification of planning decisions in health care: a structured review of the state of the art in OR/MS. Health Systems, 1(2), 129-175.
- Cochran, J. K. und Bharti, A. (2006). Stochastic bed balancing of an obstetrics hospital. Health Care Management Science, 9(1), 31-45.
- Bachouch, R. B., Guinet, A. und Hajri-Gabouj, S. (2012). An integer linear model for hospital bed planning. International Journal of Production Economics, 140(2), 833-840.
- Vanberkel, P. T., Boucherie, R. J., Hans, E. W., Hurink, J. L. und Litvak, N. (2010). A survey of health care models that encompass multiple departments. International Journal of Health Management and Information, 1(1), 37-69.
- Green, L. V. (2006). Queueing analysis in healthcare. In Patient Flow: Reducing Delay in Healthcare Delivery, Springer.
- YÖK Tez Merkezi — Schlagwort: ‘hasta akışı’ oder ‘yatak yönetimi’ oder ‘hastane kapasitesi’ — 20+ Hochschulschriften. tez.yok.gov.tr
Glossar
- Patient Flow
- Operations-Research- und Warteschlangenanalyse der Bewegung von Patienten durch Krankenhauseinheiten — Notaufnahme, Station, Intensivstation, Entlassung — und der zeitlichen Entscheidungen, die Durchsatz und Aufenthaltsdauer formen.
- Bed Allocation
- Entscheidung, welcher Patient auf welche Station und welches Bett, zu welcher Uhrzeit aufgenommen wird — unter klinischer Kompatibilität, Isolation, Geschlechtertrennung und Pflege-Patienten-Verhältnis.
- MIP
- Optimierungsmodell, bei dem ein Teil der Entscheidungsvariablen ganzzahlig sein muss (z. B. Anzahl LKW, Anzahl Schichten).
- Warteschlangentheorie
- Mathematische Disziplin zur Analyse von Warteschlangen, wenn Ankünfte und Bedienzeiten zufällig sind.
Ähnliche Probleme
Monatlicher Pflegedienstplan — Erschöpfung, Wünsche und Qualifikation gleichzeitig halten
Diese Seite richtet sich an die Pflegedienstleitung eines privaten Krankenhauses mit 50-300 Pflegekräften auf 24/7-Stationen (Intensiv, Chirurgie, Notaufnahme, Innere, Geburtshilfe), die den monatlichen Dienstplan erstellt. Jede Schicht braucht genügend Pflegekräfte und mindestens eine qualifizierte erfahrene Kraft, aufeinanderfolgende Nachtdienste sind begrenzt, zwischen Schichten müssen mindestens 11 Stunden Ruhe liegen, persönliche Tage und Urlaubswünsche müssen berücksichtigt und Nachtdienste fair verteilt werden — alles gleichzeitig. Manuelle Planung kostet die Pflegedienstleitung ab 50 Pflegekräften 30-60 Stunden pro Monat, und die 'wer hat weniger gearbeitet'-Diskussion bricht trotzdem jeden Monat auf. Pflegekräfte mit unfairem Plan kündigen 2-3 Mal so häufig; Ersatzkosten 50-150K TRY pro Pflegekraft.
Welche OP in welchen Saal, um welche Uhrzeit?
Wöchentliche OP-Fallplanung für ein 20–80-Betten-Privatkrankenhaus, ein ambulantes OP-Zentrum oder eine Klinik mit 3–8 OP-Sälen. Jede Woche müssen 40–200 Operationen geplant werden; jeder Fall hat eine andere geschätzte Dauer (45 Minuten bis 6 Stunden), benötigt Operateur und Pflegeteam, einen Anästhesietyp, spezielle Verbrauchsmaterialien oder Implantate und eine bestimmte Aufnahme- und Aufwachzeit. Die Entscheidung: welcher Fall an welchem Tag, in welchem Saal, in welcher Reihenfolge, mit welchem Team. Die Saalauslastung zu erhöhen und gleichzeitig OP-freie Tage des Operateurs, Patientenwartezeit und die Notfall-Reserve zu respektieren ist schwer. Manuelle Planung trägt bis 20–30 Fälle pro Woche; darüber braucht die Leitung 4–8 Stunden pro Woche, und OP-Verschiebungen und Nachtdienst-Überstunden steigen.