Ein Ambulanzbetreiber entscheidet zweifach: wie Slotdauer und Slot-Layout im Arztkalender gestaltet werden; wie viele Patienten je Slot zu erwartendem No-Show angesetzt werden (Overbooking). Klassisches Healthcare-OR-Problem: Outpatient Appointment Scheduling Problem (OAP).
Kurz gesagt
Kommt Ihnen das bekannt vor?
- Unsere Ambulanz sieht 40-150 Patienten pro Tag; Terminabstände sind fest (15 oder 20 min), die tatsächliche Konsultationsdauer schwankt aber zwischen 5 und 25 min — am Nachmittag bricht die Reihenfolge zusammen.
- Ein Patient bucht 09:00 und kommt tatsächlich erst um 09:50 zum Arzt; Beschwerden wegen Wartezeit sind die Regel.
- Der Arzt beendet den letzten Patienten um 19:45 statt 18:30; Überstunden häufen sich wöchentlich, die Arztzufriedenheit ist gefährdet.
- Unsere No-Show-Quote liegt bei 20-30%, wir buchen aber nicht über; der Arzt sitzt täglich 60-90 Minuten ohne Patient — der ROI ist diskutabel.
- Verzögerte Befunde (Bluttest, Bildgebung) schieben Patienten zurück in die Warteschlange — wenn die 'Nach-Termin-Welle' kommt, gerät die Schlange außer Kontrolle.
- Wir hängen am nationalen zentralen Terminportal; die Slotvorlage muss zum Portal passen, lokale Ambulanzdynamik ist aber anders.
- Wir prüfen, einen weiteren Arzt oder eine neue Fachrichtung zu eröffnen; für die Kapazitätsplanung gibt es keine konkrete Wartezeit-/Auslastungs-Kurve.
Warum es wichtig ist
Wie wird es gelöst?
Technische Tiefe
Wie wird es gelöst?
Technische TiefeIn einem Satz: Statt den Arztkalender in feste 15-Minuten-Blöcke zu schneiden, lege Slotlängen aus der tatsächlichen Konsultationsdauer-Verteilung und der No-Show-Quote fest — zwei Patienten in manche Slots, andere bleiben lang — damit Wartezeit und Arzt-Leerlauf gemeinsam minimiert werden.
In der Operations-Research-Literatur (Disziplin, die Mathematik und Computer für Geschäftsentscheidungen einsetzt) wird das Problem als Outpatient Appointment Scheduling Problem (OAP) untersucht. Die Entscheidung hat drei Komponenten: Slotdauer-Design (wieviel Zeit je Slot), Slot-Belegung / Overbooking (wie viele Patienten je Slot), Intraday-Zuordnung (welcher Patiententyp in welchen Slot — dringend vs. Routine, kurz vs. lang). Lösung in drei Stufen:
1. Modellierung. Eingangsdaten: Patientennachfrageverteilung (tägliche/stündliche Ankunft, Patiententyp-Etiketten — Neupatient vs. Kontrolle, Kurzkontrolle vs. ausführliche Untersuchung, Befundrückkehr vs. Erstanmeldung), tatsächliche Konsultationsdauer (häufig log-normal — rechtsschiefe Verteilung, Mittel + Standardabweichung), No-Show-Wahrscheinlichkeit (Funktion von Patiententyp und Uhrzeit), Arztkalender (Wochenschichten, Pausen, Urlaub), Kapazität (tägliche Slotanzahl, Untersuchungsraum-Anzahl). Restriktionen: tägliches Arbeitsfenster (z. B. 09:00-17:00 inkl. Pausen), maximale Überstunden (z. B. 30 min), Arzt-Patient-Kontinuität (Panel-Arzt-System: Patient bleibt bei demselben Arzt), zwingende Pausenzeiten. Ziel: gewichtete Summe aus Patientenwartezeit und Arzt-Leerlauf minimieren.
2. Solver-Entscheidung. Drei klassische Ansätze: Slotdauer-Design — balancierte Zuordnung (gleicher Abstand), die Bailey-Welch-Regel (zwei Patienten im ersten Slot, einer in den restlichen — klassische Heuristik), die Dome-Form (dichtere Slots zur Mittagsspitze), variabler Blockansatz; Overbooking-Modell — deterministisch (No-Show-Quote fest) oder stochastisch (No-Show-Wahrscheinlichkeit aus einer Verteilung, erwartete Wartezeit + erwartete Leerzeit in der Zielfunktion); Intraday-Zuordnung — MIP (Mixed-Integer Linear Programming — Optimierung mit teils 0/1-, teils stetigen Variablen) für die wöchentliche Slotvorlage, dann Prioritätsregel für die Intraday-Zuteilung. Für stochastische Konsultationsdauer + No-Show: stochastische Programmierung oder Simulation-Optimierung (Hunderte Nachfrage-Szenarien testen, beste Politik wählen — verbreitetster praktischer Ansatz). Online-/dynamische Entscheidungen (Intraday Add/Cancel): Online-Policy (Prioritätsregel bei Ankunft) oder Rolling-Horizon-MIP (die Vorlage wird täglich/wöchentlich neu gelöst).
3. Feld-Integration. Output in drei Schichten: wöchentliche Slotvorlage (je Arzt: Tag-Stunde-Slotdauer-Overbooking-Quote), tägliche Terminzuteilung (Patient-Slot-Zuordnung — Prioritätsregel nach Patiententyp), Monatsbericht (Ist vs. Plan: mittlere Wartezeit, Arztauslastung, No-Show-Abweichung, Nutzung der Zusatzkapazität). Das patientenseitige Terminsystem (Website, Callcenter, Mobile App, nationales zentrales Terminportal) liest die Slotvorlage. SMS-Erinnerungen (effektiver No-Show-Reduzierer, 3-5 Prozentpunkte), automatische Folgetermin-Vorschläge bei Befundeingang. Quartalskomitee: Ist vs. Plan mittlere Wartezeit, Arztproduktivität, No-Show-Kurve, Patientenzufriedenheits-Score.
Alternativen
Manuell plus Tabellenkalkulation
KostenlosKeine Lizenzkosten
Für wen geeignet: Einzelarztpraxis, weniger als 40 Patienten/Tag
- + Keine Softwarekosten
- + Erfahrung der Klinikleitung steht im Vordergrund
- + Schnelle Änderungen (Notfall) telefonisch
- − Über 40 Patienten/Tag wird Slotdesign zur mentalen Überlastung
- − No-Show-Modellierung nicht möglich — Overbooking aus dem Bauch
- − Wartezeit wird nicht erfasst oder berichtet
- − Kapazitätsanalyse (für Entscheidungen zu neuen Ärzten/Fachrichtungen) schwach
Lokales Krankenhausinformationssystem mit Terminmodul
Enterprise100K-500K TRY Lizenz + 30K-150K TRY/Jahr Wartung (TR-Marktbeobachtung)
Für wen geeignet: Mittlere Ambulanz (5-15 Ärzte), 80-300 Patienten/Tag
- + Nahe an der TR-Regulierung (Versicherungsanbindung, Abgleich mit dem nationalen zentralen Terminsystem)
- + Integriert mit Patientenakte
- + Türkische UI, lokaler Support
- + Basis-Reporting (Tagesauslastung, No-Show-Zahl)
- − Keine Slotdesign-Optimierung — Vorlagen sind manuell gesetzt
- − Overbooking-Modell fehlt oder nur fixe Quote
- − Stochastische Konsultationsdauer nicht modelliert — Slotdauer fest
- − Keine Kapazitätssimulation
Internationale klinische Operationsplattform
Enterprise200K-1,5M EUR Lizenz + 80K-400K EUR/Jahr Wartung (große Healthcare-IT)
Für wen geeignet: Große Klinikkette / Universitätsklinik (15+ Ärzte, multidisziplinär)
- + Reifes Slotdesign-Modul — gleiche Abstände, zwei Patienten im ersten Slot, dichtere Slots zur Mittagsspitze (Dome), variabler Block
- + Variabilität der Konsultationszeit und No-Show-Wahrscheinlichkeit fließen in die Modelle ein
- + Szenarioanalyse ('Wenn Overbooking +10%, wie ändert sich die mittlere Wartezeit?')
- + Reichhaltige Kapazitätsanalyse-Berichte
- − Hohe Lizenz + lange (9-18 Monate) Einführung
- − Anpassung an TR-Gesundheitsregulierung (Versicherung, nationale zentrale Terminportal-Integration) verlängert das Projekt
- − Breites Schulungsprogramm für klinisches Personal
- − Herstellerspezifische Datenformate
Open-Source-Solver plus Eigenentwicklung
Open SourceLizenz kostenlos; interne Entwicklung 14-26 Wochen oder 400K-1,2M TRY Beratung
Für wen geeignet: Gesundheitsgruppe mit Tech-Team, Integration in bestehendes Klinikinformationssystem
- + Keine Lizenzkosten
- + Open-Source-Werkzeuge für Slotdesign und Overbooking sind ausgereift
- + Szenariotests ('wenn X, dann Y') gut unterstützt
- + Wiederverwendbar über mehrere Kliniken/Fachrichtungen
- − Interner Optimierungs-Spezialist + Healthcare-Operations-Analyst nötig
- − Vom ersten Aufbau zum Feldsystem 6-10 Monate
- − Wartungsverantwortung beim Betreiber
- − Anbindung an das nationale zentrale Terminportal ist ein separates Projekt
Empfehlung
Im Gespräch fragen
- Welche Slotdesign-Ansätze unterstützt das System — gleiche Abstände, zwei Patienten im ersten Slot, dichtere Slots zur Mittagsspitze, variabler Block? Kann je Arzt eine eigene Vorlage definiert werden?
- Nutzt das Overbooking-Modell eine No-Show-Wahrscheinlichkeitsverteilung oder nur eine feste Quote? Wird eine kombinierte Zielfunktion 'Wartezeit + Leerlauf minimieren' unterstützt?
- Kann eine je Arzt und Patiententyp unterschiedliche Konsultationsdauer modelliert werden? Kann die Slotdauer je Patiententyp variieren?
- Wird die No-Show-Wahrscheinlichkeit dynamisch — nach Patiententyp, Uhrzeit, Verhalten — berechnet, oder nur eine feste Quote?
- Gibt es ein Szenarioanalyse-Modul, das die Frage 'Wenn Overbooking +10%, wie ändert sich die mittlere Wartezeit?' beantwortet?
- Wird der bidirektionale Sync mit dem nationalen zentralen Terminportal unterstützt? Fließt die Slotvorlage automatisch ins Portal?
- Wie lässt sich während eines Piloten mit 8-12 Wochen Echtdaten der Vergleich zum vorigen manuellen Design berichten?
- Bei Vertragsende — in welchem Standardformat lassen sich Terminhistorie, No-Show-Kurve, Slotdesign-Regeln und Patientenzufriedenheits-Daten exportieren?
Technische Details
Anmerkung des Herausgebers
Umgangssprachlich nennt man das “Ambulanz-Terminsystem”, “Terminintervall-Design” oder “Arzt-Kalenderplanung”. In der akademischen Literatur trägt es einen Namen: Outpatient Appointment Scheduling Problem (OAP). Darin verschachtelt liegen drei Unterentscheidungen — Slotdauer-Design, Slot-Belegung (Overbooking) und Intraday-Zuordnung. Geht man in ein Anbietergespräch, ohne diese drei Ebenen zu trennen, lässt sich nicht testen, welche Entscheidungsebene das angebotene Modul tatsächlich optimiert — eine Slotvorlage zu visualisieren ist eine Sache, ein stochastisches OAP-MIP für das Slotdesign zu lösen ist eine andere.
Abgrenzung zu anderen Healthcare-OR-Problemen. OP-Planung (#008) ist das stationäre Chirurgie-Problem — Operationssaal, OP-Team, Dauerprognose. Patientenfluss + Bettenmanagement (#038) entscheidet, auf welche Station ein aufgenommener Patient kommt, wann das Bett bereitsteht, wann entlassen wird. Ambulante Terminplanung (#055) ist vollständig ambulant — der Patient kommt, wird gesehen, geht; er wird nie aufgenommen. Die Entscheidung ist Slotdauer + Overbooking-Quote + Slot-Belegungs-Priorität. Software, die diese drei vermischt, liefert für jede eine halbe Lösung.
Im Sektor am häufigsten übersehener Punkt: keine No-Show-Modellierung. In der türkischen Ambulanz schwankt die No-Show-Quote zwischen 20% und 30% (branchenweite Beobachtung). Die meisten Kliniken nehmen No-Shows als “unvermeidbar” hin und buchen nicht über; der Arzt sitzt täglich 1-2 Stunden ohne Patient, Kapazität wird verschwendet. Das akademische Overbooking-Modell zeigt: mit kalibrierter No-Show-Wahrscheinlichkeit werden bestimmte Slots doppelt belegt, die Wartezeit steigt nur leicht (3-6 min), der Arzt-Leerlauf sinkt deutlich (30-50%). Zweiter übersehener Punkt: Befundrückkehr-Fenster. Ein Patient wird am Morgen gesehen und gebeten, “am Nachmittag wegen des Bluttests vorbeizukommen”; am Nachmittag ist die Schlange schon durcheinander. Fehlt im Slotmuster ein “Befundrückkehr-Fenster”, gerät die zweite Tageshälfte immer in eine Warteschlange.
Schritt-für-Schritt-Pfad — für den KMU
Stufe 1 — Erst messen, dann planen. Mindestens 6 Monate Termindaten: je Patient geplanter Slot vs. tatsächlicher Raumeintritt, tatsächliche Konsultationsdauer, No-Show-/Storno-/Verspätung-Etikett, Patiententyp (neu, Kontrolle, Befundrückkehrer), Buchungskanal (Web, Call, nationales zentrales Terminportal). Arzt-Inventar: Wochen-Arbeitsfenster, Urlaub, Fach, Panel-Arzt oder Pool. Nachfragemuster: Werktag vs. Wochenende, Monatsspitzen, Saisonalität (Grippesaison, Schuljahresbeginn).
Stufe 2 — Wissenskapital herausziehen. Konsultationsdauer-Verteilung je Arzt und Patiententyp (log-normal-Fit). No-Show-Wahrscheinlichkeit als Kurve (nach Typ und Uhrzeit — frühe Morgenslots oft hoher No-Show, späte Nachmittagsslots niedriger). Befundrückkehrzeit-Verteilung (Bluttest Mittel 60 min, Bildgebung 90-180 min). Arzt-Leerlauf- und Überstundenkurve nach Stunde. Korrelation zwischen mittlerer Wartezeit und Patientenzufriedenheits-Score.
Stufe 3 — Pilot. 8-12 Wochen. Für ein Subset (3-5 Ärzte oder 1 Fachrichtung oder 1 Standort) wird die OAP-Empfehlung parallel zum aktuellen manuellen Design laufen gelassen. Entscheidung bleibt beim Klinikleiter; das System empfiehlt. Erfolgskriterium vorab festgelegt: mittlere Wartezeit -15% mindestens, Arzt-Leerlauf -25% mindestens, Patientenzufriedenheit stabil oder besser.
Stufe 4 — Rollout. 9-15 Monate für volle Ambulanz + alle Fachrichtungen + Multi-Standort + Integration des nationalen zentralen Terminportals. SMS-Erinnerungen und Panel-Arzt-Option. Quartalskomitee: Ist vs. Plan, No-Show-Kurven-Refresh, Arztproduktivität, Patientenzufriedenheits-Score, Kapazitätsentscheidungen (neuer Arzt / Fachrichtung / Zeitfenster).
Risiken — was schiefgehen kann
- Patientenzufriedenheits-Beschwerden. Wird die Overbooking-Quote zu aggressiv gesetzt, steigt die Wartezeit über 30 min; Beschwerden nehmen zu, Zweitbesuchsraten fallen. Übersteigt die Wartezeit im Pilot das vertragliche Ziel, muss Overbooking sinken; “Produktivität” allein reicht nicht.
- Vertraglicher Versicherungs-Dauerausschluss. Private Krankenversicherungsverträge enthalten Qualitätsziele wie mittlere Wartezeit < 20 min; verfehlt man dies, drohen Vergütungsabzüge. Im OAP-Modell muss diese Metrik als Restriktion (nicht weiches Ziel) erscheinen.
- Wechselndes No-Show-Modell. Grippesaison, Pandemie, Wetter verschieben die No-Show-Quote schlagartig; eine auf statischer Quote optimierte Vorlage kollabiert in der Krise. Stochastische/szenariobasierte Modellierung und monatliche Rekalibrierung sind Pflicht.
- Befundrückkehr-Fenster nicht modelliert. Fehlt ein ‘Befundrückkehr-Fenster’ im Slotmuster, kommen Patienten am Nachmittag spontan; der Arzt ist nachmittags immer im Verzug. Die Slotvorlage muss es enthalten.
- Lock-in beim einzigen Buchungssystem-Anbieter. Ohne Vertragsklausel zum Standard-Export von Terminhistorie, No-Show-Kurve, Slotregeln und Patientenzufriedenheits-Daten verliert die Klinik beim Anbieterwechsel ihr operatives Gedächtnis. Datenexport gehört in den Standardvertrag."
Lösungsmethoden — eine technische Sicht
| Ansatz | Typische Größenordnung | Lösungszeit | Optimum garantiert? |
|---|---|---|---|
| Feste Slotdauer (heuristisch) | Einzelarzt, <40 Patienten/Tag | sofort | Nein, 50-60% optimum |
| Bailey-Welch-Regel (zwei Patienten im ersten Slot) | Einzelarzt, 40-80 Patienten/Tag | sofort | Nein, heuristisch nach Bailey 1952 |
| Bailey-balancierte Zuordnung (deterministisches MIP) | Einzelarzt, fester No-Show | Minuten | Ja (innerhalb der Schranke) |
| Stochastisches OAP (stoch. Service + No-Show) | Multi-Arzt, multi-Typ | Minuten-Stunden | Ja (pro Szenario) |
| Overbooking-Modell (No-Show-Wahrscheinlichkeitsbasis) | Klinik mit hohem No-Show | Minuten | Ja (geschlossene Form oder MIP) |
| Simulation-Optimierung | Komplex + Befundrückkehr + dynamisch | Stunden | Nein, praktische Qualität |
| Rolling-Horizon (Intraday) | Online Add/Cancel | Minuten pro Trigger | Nein, Online-Policy-Qualität |
| Dome-förmige Slotzuteilung | Ambulanz mit Spitzenlast | Minuten | Nein, empirisch stark |
Zielfunktion:
- Ziel 1 — Wartezeit minimieren: vertragliches Qualitätsziel priorisiert.
- Ziel 2 — gewichteter Arzt-Leerlauf + Überstunden minimieren: Effizienzfokus.
- Ziel 3 — gewichtete Summe Wartezeit + Leerlauf: klassische Bailey-Zielfunktion.
- Ziel 4 — Tagesdurchsatz maximieren: Kapazitätsanalyse / neue Ärzte.
- Ziel 5 — Patientenzufriedenheit + Produktivität gemeinsam maximieren: mehrkriteriell, realitätsnah.
Mehrkriteriell: gewichtete Summe oder hierarchisch (zuerst Wartezeit-Restriktion, dann Produktivität).
Akademische Quellen
Im Frontmatter unter sources aufgelistet.
Quellen
- Bailey, N. T. J. (1952). A study of queues and appointment systems in hospital out-patient departments, with special reference to waiting-times. Journal of the Royal Statistical Society. Series B, 14(2), 185-199. Grundlagenarbeit zu ambulanten Terminsystemen — die Zwei-Patienten-im-ersten-Slot-Regel (Bailey-Welch) entstammt dieser Studie.
- Cayirli, T. und Veral, E. (2003). Outpatient scheduling in health care: A review of literature. Production and Operations Management, 12(4), 519-549. Kanonische OAP-Übersicht.
- Gupta, D. und Denton, B. (2008). Appointment scheduling in health care: Challenges and opportunities. IIE Transactions, 40(9), 800-819. Moderne Anwendungs-Herausforderungs-Übersicht.
- LaGanga, L. R. und Lawrence, S. R. (2007). Clinic overbooking to improve patient access and increase provider productivity. Decision Sciences, 38(2), 251-276. Kanonische Overbooking-Formulierung — 8-15% Produktivitätszuwachs.
- Erdogan, S. A. und Denton, B. (2013). Dynamic appointment scheduling of a stochastic server with uncertain demand. INFORMS Journal on Computing, 25(1), 116-132. Dynamische Politik bei stochastischer Nachfrage.
- YÖK-Thesenzentrum — Schlüsselwörter: ‘poliklinik randevu’, ‘appointment scheduling’ oder ‘merkezi randevu optimizasyon’ — 20+ Theses. tez.yok.gov.tr
Glossar
- Outpatient Appointment Scheduling
- Operations-Research-Problem zur Gestaltung von Slotdauer, Slotbelegung und Intraday-Zuteilungspolitik eines Ambulatoriums — Balance zwischen Patientenwartezeit, Arzt-Leerlauf und Same-Day-Zugang.
- Overbooking Policy
- Praxis, systematisch mehr Patienten (oder Reservierungen) als die Kapazität in Erwartung von No-Shows anzunehmen; in OR die Formulierung, die No-Show-Wahrscheinlichkeit gegen Warte- und Leerzeit mathematisch ausbalanciert.
- 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.
Welcher Patient in welche Station und welches Bett, und wann die Entlassung auslösen?
Für die Geschäftsführung eines privaten Krankenhauses oder einer Klinik mit 50-500 Betten und 6-15 Fachabteilungen (Kardiologie, Innere Medizin, Pädiatrie, Intensivstation, Onkologie und ähnliche). Jeden Tag müssen zwei gekoppelte Entscheidungen getroffen werden: auf welche Station, in welches Bett und zu welcher Uhrzeit ein ankommender Patient aufgenommen wird, und wie viele Stunden im Voraus die Entlassungsentscheidung für bereits aufgenommene Patienten ausgelöst wird. Wenn eine Station voll ist, wartet der Patient stundenlang in der Notaufnahme oder wird in die falsche Abteilung gelegt, was die Aufenthaltsdauer verlängert und das klinische Risiko erhöht. Wird die Bettenbelegung manuell verfolgt, sind Notfall-Elektiv-Kollisionen und Wochenend-Staus unvermeidlich.