25teg19 10.3205/25teg19 urn:nbn:de:0183-25teg194 Meeting Abstract Flemming Flemming Daniel D Prof. Dr.

atacama blooms GmbH & Co KG, Universitätsallee 15, 28359 Bremen, Deutschlandatacama blooms GmbH & Co. KG, Bremen, Deutschland

daniel.flemming@atacama-blooms.de author German Medical Science GMS Publishing House

Düsseldorf

610 20251222 germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). M0617 19 9. Fachtagung Technik – Ethik – Gesundheit Künstliche Intelligenz: Die digitale Zukunft in der Pflege gestalten Akzeptanz von und Erfahrungen mit digitalen Möglichkeiten Nürnberg 20250520 20250521 19 TextEinleitung & Motivation: In Krankenhäusern ist die effiziente und rechtssichere Bemessung des Pflegepersonals eine zentrale Herausforderung, insbesondere seit Einführung der Pflegepersonalbemessungsverordnung (PPBV) . Die Verordnung zielt darauf ab, pflegerische Tätigkeiten transparent darzustellen und angemessene Personalkapazitäten sicherzustellen , , . Ziel dieses Projekts ist die Entwicklung und Erprobung eines modernen Expertensystems, das die automatisierte Ermittlung und Validierung relevanter Indikatoren aus der Routinedokumentation ermöglicht, um eine effiziente, objektive und regelkonforme Pflegepersonalbemessung sicherzustellen.Material & Methoden: Das System basiert auf einem Ansatz zur parallelen Datenverarbeitung und -analyse und nutzt die Plattform „Smartflower“ zur Umsetzung. Ein Directed Acyclic Graph (DAG) bildet die Grundstruktur zur Organisation der Entscheidungsprozesse, in der Berechnungsregeln als Knoten in einem gerichteten Graphen modelliert und parallel ausgeführt werden können , , . Die DAG-Struktur in Smartflower ermöglicht eine hohe Wiederverwendbarkeit durch die Erstellung parametrisierbarer Knoten, die wie Funktionen flexibel in verschiedenen Prozessen genutzt werden können. Ein zentrales Element ist der webbasierte, KI-gestützte Konfigurationseditor, der pflegewissenschaftlichen Experten ermöglicht, die Berechnungslogik auf der Basis einer Pflegeklassifikation intuitiv zu erstellen, anzupassen und zu testen. Die KI-Komponente gibt dabei Optimierungsvorschläge zur Knotenkonfiguration und unterstützt die effiziente Gestaltung der Prozessabläufe. Die Systementwicklung folgt dem Prinzip des Test Driven Modeling , das eine kontinuierliche Überprüfung der Regelkonformität und Knotenerreichbarkeit sicherstellt.Ergebnisse: Das entwickelte System Smartflower ermöglicht die automatisierte Ermittlung von Pflegepersonal-Richtwerten gemäß den Vorgaben der Pflegepersonalbemessungsverordnung. Durch den modularen Aufbau und die Verwendung von DAGs kann das System die PPR-Einstufungen effektiv berechnen und flexibel auf sich ändernde Anforderungen angepasst werden. Der Einsatz im Routinebetrieb bei Krankenhäusern zeigt, dass Smartflower eine konsistente und zeiteffiziente Berechnung der Pflegepersonalanforderungen bietet: Die Umsetzung des PPR-Regelwerks umfasst ca. 6000 Einzelknoten mit über 10000 Kanten, die diese Knoten verbinden, und kann eine PPR-Einstufung für die Altersklassen Erwachsene, Jugendliche, Kinder und Säuglinge auf Normalstationen innerhalb weniger Millisekunden vornehmen. Zugleich wird sowohl der Schulungs- als auch der Dokumentationsaufwand für Pflegekräfte erheblich reduziert.Diskussion: Die Anwendung von DAGs zur Modellierung und Berechnung von Pflegepersonalanforderungen hat sich in der Praxis als wirksam erwiesen. Die parallele Verarbeitung im Backend ermöglicht eine zügige Durchführung auch komplexer Berechnungen, was insbesondere in Krankenhäusern mit hohem Datenvolumen entscheidend ist. Der Ansatz des Test Driven Modeling stellt zudem sicher, dass das System flexibel und robust auf Änderungen in der PPBV reagiert. Dennoch erfordert die Implementierung eines solchen Expertensystems die Nutzung einer Pflegeklassifikation, wie der apenio-Pflegeklassifikation sowie eine enge Zusammenarbeit mit pflegewissenschaftlichen Expert*Innen, um eine praxisnahe Modellierung der Prozesse zu gewährleisten und Akzeptanz im klinischen Alltag zu fördern.Das hier entwickelte Expertensystem bietet eine innovative Lösung zur Ermittlung von Indikatoren basierend auf der Routinedokumentation im Krankenhaus und leistet so einen Beitrag zur Entbürokratisierung. Bundesministerium für Gesundheit (BMG) Verordnung über die Maßstäbe und Grundsätze für die Bemessung des Personalbedarfs in der stationären Krankenpflege (Pflegepersonalbemessungsverordnung – PPBV) 2024 Bundesgesetzblatt Bundesministerium für Gesundheit (BMG). Verordnung über die Maßstäbe und Grundsätze für die Bemessung des Personalbedarfs in der stationären Krankenpflege (Pflegepersonalbemessungsverordnung – PPBV). Bundesgesetzblatt. 2024. Bundesministerium für Gesundheit (BMG) 2023 Pflegepersonalbemessungsverordnung (PPBV) – Überblick Bundesministerium für Gesundheit (BMG). Pflegepersonalbemessungsverordnung (PPBV) – Überblick. 2023 Nov 17 [cited 2025 May 2]. Available from: https://www.bundesgesundheitsministerium.de/ https://www.bundesgesundheitsministerium.de/ Deutsche Krankenhausgesellschaft (DKG) 2023 Anwendungsvorschriften für die Pflege-Personalregelung PPR 2.0 Deutsche Krankenhausgesellschaft (DKG). Anwendungsvorschriften für die Pflege-Personalregelung PPR 2.0. Berlin; 2023 Apr 4. Vereinte Dienstleistungsgewerkschaft (ver.di) 2023 PPR 2.0 – was Du zur Pflegepersonalregelung wissen musst Vereinte Dienstleistungsgewerkschaft (ver.di). PPR 2.0 – was Du zur Pflegepersonalregelung wissen musst. 2023 Jan 1 [cited 2025 May 2]. Available from: https://www.verdi.de/themen/gesundheit/++co++1beb381c-4665-11ed-ace9-001a4a160129 https://www.verdi.de/themen/gesundheit/++co++1beb381c-4665-11ed-ace9-001a4a160129 Apache Software Foundation 2025 Apache Airflow documentation: core concepts – architecture overview Apache Software Foundation. Apache Airflow documentation: core concepts – architecture overview. Version 2.10. Apache Airflow; 2025 Feb 14 [cited 2025 May 2]. Available from: https://airflow.apache.org/ https://airflow.apache.org/ Data Engineer Academy 2023 Apache Airflow: Definition, architecture overview, use cases [Blog post] Data Engineer Academy. Apache Airflow: Definition, architecture overview, use cases [Blog post]. 2023 [cited 2025 May 2]. Available from: https://dataengineeracademy.com/ https://dataengineeracademy.com/ Adap 2025 Flower: A friendly federated AI framework [software] Adap. Flower: A friendly federated AI framework [software]. GitHub; 2025 [cited 2025 May 2]. Available from: https://github.com/adap/flower https://github.com/adap/flower Zugal S Pinggera J Weber B Creating declarative process models using Test Driven Modeling Suite 2011 Information Systems in a Diverse World (CAiSE 2011) 16-32 Zugal S, Pinggera J, Weber B. Creating declarative process models using Test Driven Modeling Suite. In: Mayr HC, et al, editors. Information Systems in a Diverse World (CAiSE 2011). Berlin: Springer; 2011. (Lecture Notes in Business Information Processing; 107). p. 16-32. Zebbities S Güttler K Reinartz F Evolution einer Pflegedokumentation – die Pflegeklassifikation und -terminologie apenio® 2019 I, Robot – I, Care: Möglichkeiten und Grenzen neuer Technologien in der Pflege 143-160 Zebbities S, Güttler K, Reinartz F. Evolution einer Pflegedokumentation – die Pflegeklassifikation und -terminologie apenio®. In: Hauck C, Uzarewicz C, editors. I, Robot – I, Care: Möglichkeiten und Grenzen neuer Technologien in der Pflege. Berlin: De Gruyter; 2019. p. 143-160. 0 0 0 0