@misc{BorndoerferTeschSagnol2019, author = {Bornd{\"o}rfer, Ralf and Tesch, Alexander and Sagnol, Guillaume}, title = {Algorithmen unterst{\"u}tzen OP-Planung}, journal = {Management \& Krankenhaus}, number = {12}, publisher = {Wiley}, pages = {20}, year = {2019}, abstract = {Mathematische Algorithmen k{\"o}nnen durch Vorhersage von Unsicherheiten optimierte OP-Pl{\"a}ne berechnen, sodass mehrere Zielkriterien wie {\"U}berstunden, Wartezeit und Ausf{\"a}lle im OP minimiert werden.}, language = {de} } @misc{TeschBorndoerfer2025, author = {Tesch, Alexander and Bornd{\"o}rfer, Ralf}, title = {Mathematische Optimierung in der OP-Planung}, volume = {5}, journal = {OP-Management up2date}, number = {1}, publisher = {Thieme}, doi = {10.1055/a-2322-2124}, pages = {21 -- 34}, year = {2025}, abstract = {Deutsche Krankenh{\"a}user sehen sich derzeit mit enormen Schwierigkeiten konfrontiert. Ungef{\"a}hr jede 2. Klinik muss drastische Sparmaßnahmen ergreifen, was auch die Allgemeinversorgung beeintr{\"a}chtigt. Die Gr{\"u}nde daf{\"u}r sind vielschichtig: stark gestiegene Sach- und Personalkosten bei gleicher Finanzierung, teilweiser Patientenr{\"u}ckgang, starke regionale Unterschiede in der Versorgung, Fachkr{\"a}ftemangel und fehlende Investitionen in Kern- und Zukunftsbereiche, insbesondere der Digitalisierung. Das belastet die Haushalte der Kliniken. Insbesondere die Digitalisierung und die Anwendung von Methoden der k{\"u}nstlichen Intelligenz und der mathematischen Optimierung k{\"o}nnten eine Schl{\"u}sselrolle spielen, um die komplexen Krankenhausprozesse mit Kennzahlen qualitativ zu bewerten und zu verbessern. In diesem Artikel stellen wir vier Praxisprobleme aus der OP-Planung vor und benennen welche Entscheidungen, Nebenbedingungen und Zielkriterien mit mathematischen Entscheidungsmodellen dargestellt und optimiert werden k{\"o}nnen. Hierzu erl{\"a}utern wir das erweiterte Potenzial einer umfassenden Anwendung von mathematischer Optimierung im OP-Bereich.}, language = {de} }