@phdthesis{Schicketanz2021, author = {Schicketanz, Thomas}, title = {Szenarioanalyse zur Ausrichtung von Krankenh{\"a}usern unter Ber{\"u}cksichtigung relevanter Einflussfaktoren}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:co1-opus4-55150}, school = {BTU Cottbus - Senftenberg}, year = {2021}, abstract = {Wesentliche Einflussfaktoren auf Krankenh{\"a}user werden immer multidimensionaler, verflochtener und ver{\"a}ndern sich teilweise so schnell, dass bereits etablierte Prognoseverfahren an ihre Grenzen stoßen. Somit steigen die Anforderungen im Rahmen der strategischen Krankenhausplanung und versch{\"a}rfen das inh{\"a}rente Planungsproblem kontinuierlich. Daher ist es notwendig eine ganzheitliche Zukunftsplanung f{\"u}r Krankenh{\"a}user zu etablieren und somit Unsicherheiten im Strategieplanungsprozess so weit wie m{\"o}glich zu reduzieren. Das Ziel der vorliegenden Arbeit ist es zu beantworten, wie eine ganzheitliche Planung in Krankenh{\"a}usern, im Rahmen einer Szenarioanalyse, erfolgreich etabliert werden kann. Wahrscheinliche Zukunftsereignisse sollen skizziert und deren Auswirkungen auf das System Krankenhaus quantifiziert werden k{\"o}nnen, um Handlungsm{\"o}glichkeiten abzuleiten. Dazu wird folgende Forschungsfrage gestellt: Wie kann das tats{\"a}chlich existierende Planungsproblem in Krankenh{\"a}usern, unter Ber{\"u}cksichtigung der Komplexit{\"a}tszusammenh{\"a}nge, durch einen Ansatz einer ganzheitlichen Planung, im Rahmen einer Szenarioanalyse vereinfacht werden? Um diese Frage zu beantworten, wurde unter Einsatz von extrapolierenden Verfahren ein Grundmodell erstellt, welches eine Szenarioanalyse zur Ausrichtung von Krankenh{\"a}usern unter Ber{\"u}cksichtigung relevanter Einflussfaktoren abbildet. Hierzu wurden statistische Diagnosedaten des Bundes, des Landes, eines Beispielkrankenhauses sowie Bev{\"o}lkerungsentwicklungsdaten und DRG-Kostendaten eingebunden. Im Ergebnis der Arbeit kann eruiert werden, dass die entwickelte Szenarioanalyse einen neuen branchenspezifischen Planungsansatz darstellt, als geeignetes strategisches Managementinstrument f{\"u}r Krankenh{\"a}user eingesetzt und als Entscheidungsgrundlage genutzt werden kann. Die Szenarioanalyse zeigt ceteris paribus, dass die regional-demographischen Bev{\"o}lkerungsschichtungen des Beispiellandkreises erheblichen Einfluss auf die prospektive Entwicklung der Beispielklinik haben, st{\"a}rker als im Bundes- oder Landesdiagnosetrend. Durch die Variation realer Einflussfaktoren sind Auswirkungen sofort quantifizierbar. Ein weiterf{\"u}hrender Einsatz in {\"u}berregionalen Krankenhauskonzernen sowie in den landesspezifischen Krankenhausplanungsbeh{\"o}rden w{\"u}rde zu einer prospektiv signifikant erh{\"o}hten Planungsgenauigkeit f{\"u}hren.}, subject = {Krankenhaus; Szenarioanalyse; Planungsproblem; Prognoseinstrument; Strategie; Hospital; Scenario analysis; Planning problem; Forecasting tool; Strategy; Strategische Planung; Prognoseverfahren; Szenario; Krankenhaus}, language = {de} } @phdthesis{Grotrian2024, author = {Grotrian, Jens}, title = {Empirische Logik : ein bionisch inspirierter Ansatz zur Entscheidungsfindung mit Erfahrungswissen in Wirtschaft und Technik}, doi = {10.26127/BTUOpen-6974}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:co1-opus4-69749}, school = {BTU Cottbus - Senftenberg}, year = {2024}, abstract = {Empirische Logik ist eine neuartige „Soft Computing"-Methode, welche auf einem bionisch inspirierten Ansatz beruht. Das biologische Vorbild ist {\"a}hnlich wie beim maschinellen Lernen mit Hilfe von „k{\"u}nstlichen neuronalen Netzen" die Nervenstruktur des Gehirns. Anders als beim maschinellen Lernen spielt f{\"u}r die Empirische Logik die Lernf{\"a}higkeit der neuronalen Netze durch strukturelle Anpassungen der Verbindungen zwischen den Nervenzellen keine Rolle. Es wird vielmehr ausgenutzt, dass der {\"u}ber die Sinnesorgane empfangene Input das zerebrale Nervensystem dazu veranlasst, nach einer dynamischen Einschwingphase in einen energetisch g{\"u}nstigen Gleichgewichtszustand {\"u}berzugehen, wobei die dann eingenommene Verteilung von angeregten Gehirnregionen den Output dieser neuronalen {\"U}bertragungsfunktion repr{\"a}sentiert, den man als kognitive Sinneswahrnehmung bezeichnet. Es waren in den 80iger Jahren die Neurowissenschaftler David Tank und John Hopfield, die mit Hilfe von zu k{\"u}nstlichen neuronalen Netzen zusammengeschalteten elektronischen Operationsverst{\"a}rkern gezeigt haben, dass man diesen Effekt auch dazu verwenden kann, komplexe Optimierungsprobleme zu l{\"o}sen. Die Empirische Logik ist eine formale rechnergest{\"u}tzte Sprache, die es erm{\"o}glicht, anhand von Regeln formuliertes Erfahrungswissen in einer einem biologischen neuronalen Netz nachgebildeten Programmstruktur zu hinterlegen und den von Tank und Hopfield beobachteten Effekt f{\"u}r die L{\"o}sung komplexer Probleme zu nutzen. Funktionstechnisch unterscheiden sich die so konstruierten k{\"u}nstlichen neuronalen Netze von den f{\"u}r das maschinelle Lernen verwendeten Netze in einer wesentlichen Eigenschaft: In den lernf{\"a}higen k{\"u}nstlichen neuronalen Netzen werden die Neuronen als Berechnungseinheiten aufgefasst, welche Eingangssignale, die {\"u}ber Dendrite empfangen werden, in ein Ausgangssignal umwandeln, das {\"u}ber ein Axon weitergegeben wird. In den nicht lernf{\"a}higen k{\"u}nstlichen neuronalen Netzen der Empirischen Logik sind die Neuronen passive Informationsspeicher, die eingangsseitig als Indizien und ausgangsseitig als Hypothesen bezeichnet werden. Berechnungseinheiten sind dagegen die Synapsen, welche Signale, die {\"u}ber Axone empfangen werden, in Ausgangssignale umwandeln, die {\"u}ber Dendrite weitergegeben werden. Entsprechend den beiden Erscheinungsformen von stimulierenden und inhibitorischen Synapsen gibt es zwei Typen von Berechnungseinheiten, die in der Empirischen Logik Validierungs- und Invalidierungsoperatoren heißen. Im Gegensatz zu lernf{\"a}higen k{\"u}nstlichen neuronalen Netzen, welche Wissensinhalte nur impliziert in einer „Black Box" speichern, sind mit Empirischer Logik entwickelte Anwendungen f{\"u}r den Benutzer transparent und in ihrer Funktionalit{\"a}t {\"u}berpr{\"u}fbar.}, subject = {Empirische Logik; Soft Computing; C- und D-Normen; Bio-Inspired Computing; Computer-Aided Decision-Making; Soft Computing; Neuronales Netz; Optimierungsproblem; Computerunterst{\"u}tztes Verfahren}, language = {de} }