Studienprojekte aktuell

Dienstplanung

Die manuelle Erstellung von Dienstplänen in Krankenhäusern ist ein äußerst zeitaufwändiger und komplexer Prozess. Besonders die Berücksichtigung individueller Wünsche, kurzfristiger Krankheitsausfälle und gesetzlicher Vorgaben stellt eine große Herausforderung für das Verwaltungspersonal dar. Ein intelligentes, automatisiertes Planungssystem kann diesen Aufwand erheblich reduzieren, die Planungsqualität verbessern und die Zufriedenheit des medizinischen Personals steigern.

Im Rahmen dieses Projekts soll ein heuristikbasiertes System zur automatisierten Erstellung von Dienstplänen für Ärztinnen und Ärzte entwickelt werden. Das System soll in der Lage sein, unter Einhaltung arbeitsrechtlicher Vorschriften sowie unter Berücksichtigung individueller Präferenzen und Qualifikationen des Personals, valide Dienstpläne für ein gesamtes Quartal zu generieren.

Die zentrale Herausforderung liegt darin, komplexe arbeitsrechtliche Rahmenbedingungen und individuelle Anforderungen in eine für heuristische Verfahren geeignete Form zu überführen. Darauf aufbauend sollen Algorithmen entwickelt werden, die konsistente, faire und anpassungsfähige Dienstpläne über mehrere Wochen hinweg erstellen können. Ein besonderer Fokus liegt auf der Flexibilität des Systems im Umgang mit unvorhergesehenen Ereignissen wie Krankheitsausfällen oder kurzfristigen Änderungen.

Zeitraum: Apr 2025 - Feb 2026
Themenfelder: KI, Prozessmanagement, Krankenhaus, Dienstplanung
FH-Betreuer: H. Janout
Projektpartner: Klinikum Wels-Grieskirchen
 

NMR-Daten Analyse

Im Projekt wird eine Methode entwickelt, um die Konzentration von Chlorogensäure aus NMR-Messdaten eines Low-Field-Benchtop-Geräts mithilfe von Machine Learning zuverlässig vorherzusagen. Chlorogensäure ist unter anderem in Holunderblüten enthalten und spielt eine wichtige Rolle in der pharmazeutischen Forschung.

Die relevanten Peaks im Spektrum werden durch gezielte Vorverarbeitung herausgefiltert. Anschließend bestimmt ein Machine Learning Modell die Konzentration von Chlorogensäure auf Basis der vorverarbeiteten Daten.

Ziel des Projekts ist es, eine zuverlässige und kostensparende Verarbeitungsmethode zu entwickeln, mit der sich die Konzentration von Chlorogensäure präzise bestimmen lässt.

Zeitraum: Apr 2025 - Jul 2025
Themenfelder: KI, Machine Learning, Bioinformatik, Pharmazie
FH-Betreuer: G. Lirk
Projektpartner: Paracelsus Medizinische Universität (PMU), Salzburg