Genaue Prognosen der Eingriffsdauer sind eine wichtige Voraussetzung für eine verlässliche OP-Planung. Herkömmliche Planungsverfahren stützen sich häufig auf Durchschnittswerte, die der Komplexität individueller Eingriffe nicht gerecht werden. Aktuelle Forschungsergebnisse zeigen, wie maschinelles Lernen die Prognosegenauigkeit verbessern und dadurch eine präzisere OP-Planung mit weniger Störungen im Tagesablauf ermöglichen kann.
Warum Durchschnittswerte für einzelne Eingriffsarten im OP-Alltag an ihre Grenzen stoßen
Heutige OP-Planungssysteme schätzen die Dauer eines Eingriffs anhand der Eingriffsart, teilweise ergänzt um Angaben zum Operateur oder historische Durchschnittswerte. Auf diesen Schätzungen bauen alle weiteren Planungsgrößen auf – von der Belegung der OP-Säle über den Personaleinsatz und die Reihenfolge der Patienten bis hin zu den benötigten Bettenkapazitäten für die postoperative Versorgung. Stimmt die geschätzte Eingriffsdauer nicht, verschieben sich auch die nachfolgenden Abläufe. Im Laufe eines OP-Tages summieren sich diese Abweichungen, sodass der ursprüngliche Plan häufig schon am Vormittag neu abgestimmt werden muss.
Das Problem liegt nicht in den Schätzungen selbst – Durchschnittswerte für einzelne Eingriffsarten bieten eine sinnvolle Ausgangsbasis. Entscheidend ist vielmehr, welche Faktoren dabei unberücksichtigt bleiben. Die tatsächliche Dauer eines Eingriffs hängt von deutlich mehr Faktoren ab: dem körperlichen Zustand des Patienten, bestehenden Begleiterkrankungen, dem Anästhesieverfahren, dem jeweiligen Operateur und der Komplexität des Eingriffs. Diese Faktoren unterscheiden sich von Patient zu Patient. Herkömmliche Planungssysteme sind jedoch nicht darauf ausgelegt, sie umfassend zu berücksichtigen. Das Ergebnis ist ein OP-Plan, der allgemeine Annahmen auf individuelle Eingriffe überträgt. Dabei lassen sich mögliche Abweichungen anhand der vorhandenen Daten durchaus vorhersagen – sie werden im Plan jedoch nicht sichtbar.
Wie maschinelles Lernen anhand individueller Eingriffsdaten die Prognose der Operationsdauer verbessert
Forschende der IE University in Madrid untersuchten, ob Modelle des maschinellen Lernens genauere Prognosen der Operationsdauer ermöglichen als erfahrungsbasierte Schätzungen [1]. Anhand eines Datensatzes mit mehr als 77.000 Operationen aus verschiedenen Fachgebieten entwickelten sie Modelle, die zahlreiche Merkmale des jeweiligen Eingriffs berücksichtigten – darunter Patientenmerkmale, Details zum Eingriff, die Erfahrung des Operateurs und die Zusammensetzung des OP-Teams. Statt sich auf Durchschnittswerte einzelner Eingriffsarten zu stützen, bezogen die Modelle damit ein breites Spektrum individueller Einflussfaktoren ein. Anschließend wurden ihre Ergebnisse direkt mit Schätzungen verglichen, die das bisherige Vorgehen der Planungsverantwortlichen nachbildeten.
Das Ergebnis: Die datenbasierte Prognose reduzierte den mittleren absoluten Fehler bei der Schätzung der Eingriffsdauer um 24 %. In der Praxis bedeutet das, dass die Abweichung zwischen der geplanten und der tatsächlichen Dauer einer Operation deutlich geringer ausfällt. Weniger Eingriffe überschreiten die vorgesehenen Zeitfenster, und nachfolgende Operationen müssen seltener verschoben werden. Auch die Auswirkungen solcher Verzögerungen, durch die aus einem planmäßigen OP-Tag schnell ein Tag mit Überstunden werden kann, treten seltener auf. Nicht weil sich die Eingriffe verändern, sondern weil der Plan von genaueren Annahmen ausgeht.
Wichtig ist dabei, dass für diese Art der Prognose keine neuen Daten benötigt werden. Es handelt sich um dieselben Patienten-, Eingriffs- und klinischen Informationen, die Krankenhäuser bereits bei der OP-Anmeldung und im Rahmen der präoperativen Untersuchung erfassen. Die Verbesserung entsteht dadurch, dass diese Daten wesentlich differenzierter und in größerem Umfang genutzt werden, als es mit herkömmlichen Schätzverfahren möglich ist.
Was genauere Prognosen der Eingriffsdauer für die OP-Planung ermöglichen
Eine genauere Vorhersage der Eingriffsdauer ist bereits für sich genommen wertvoll. Ihr volles Potenzial entfaltet sie jedoch erst, wenn die Prognosen direkt in die Planung des OP-Tages einfließen. Genau das untersuchte eine 2025 veröffentlichte Studie des ALGORITMI-Forschungszentrums der Universität Minho, die in Zusammenarbeit mit einem der führenden Universitätskrankenhäuser Portugals durchgeführt wurde [2]. Die Forschenden setzten einen heuristischen Optimierungsalgorithmus für die OP-Planung ein und nutzten verbesserte Prognosen der Eingriffsdauer als Grundlage. Das Ergebnis: 96,7 % der Operationen konnten erfolgreich innerhalb der vorgesehenen Zeitfenster eingeplant werden.
Dieses Ergebnis verdeutlicht, welches Potenzial in der Kombination aus präziseren Prognosen der Eingriffsdauer und einer algorithmengestützten OP-Planung liegt. Statt sich auf standardisierte Zeitfenster für bestimmte Eingriffsarten zu verlassen, kann die Planung individuelle Zeitprognosen nutzen, um den OP-Tagesablauf besser auf die tatsächlich zu erwartenden Eingriffsdauern abzustimmen. Dadurch können Planungsentscheidungen fundierter getroffen und mögliche zeitliche Konflikte bereits im Vorfeld erkannt werden, bevor sie im OP-Alltag zu Verzögerungen führen.
96,7 %
Der Operationen konnten innerhalb der vorgesehenen Zeitfenster eingeplant werden [2]
In einer Studie zur Optimierung der OP-Planung mit 429 Operationen zeigten Forschende, wie ein algorithmengestützter Ansatz die OP-Planung unterstützen kann.
Individuelle Zeitprognosen in den OP-Anmeldeprozess integrieren
Damit dieser Ansatz in der Praxis funktioniert, muss die individuelle Prognose der Eingriffsdauer direkt in den OP-Anmeldeprozess eingebunden sein – nicht als separater Bericht oder nachträgliche Auswertung, sondern als aktuelle Information genau zu dem Zeitpunkt, an dem der OP-Plan erstellt wird. Bei der Anmeldung eines Eingriffs nutzt das System das individuelle Patientenprofil, um die voraussichtliche Dauer zu berechnen. Bei der Zusammenstellung des gesamten OP-Programms werden diese Schätzungen anschließend gemeinsam mit der Verfügbarkeit von OP-Sälen, Personal und nachgelagerten Versorgungskapazitäten berücksichtigt.
Entscheidend ist der Zeitpunkt der Einbindung. Eine Prognose, die erst vorliegt, nachdem der OP-Plan feststeht, kommt zu spät, um die Planung noch zu beeinflussen. Steht sie dagegen bereits bei der Anmeldung zur Verfügung und basiert auf denselben Daten, die im Rahmen der präoperativen Untersuchung ohnehin erfasst werden, wird sie zu einer zentralen Planungsgröße. Das Planungssystem gewinnt dadurch an Genauigkeit, ohne dass zusätzliche Daten erhoben oder weitere Arbeitsschritte eingeführt werden müssen.
Was genauere Zeitprognosen im OP-Alltag verändern
Kein Prognosemodell kann sämtliche Abweichungen im Operationsalltag verhindern. Unerwartete Befunde, Komplikationen und klinische Entscheidungen werden immer zu Veränderungen führen, die kein Algorithmus vorhersehen kann. Es macht jedoch einen erheblichen Unterschied, ob ein OP-Plan auf Durchschnittswerten für bestimmte Eingriffsarten oder auf individuellen Prognosen anhand der eigenen Krankenhausdaten beruht. Im ersten Fall muss auf Abweichungen reagiert werden – häufig durch kurzfristige Anpassungen und Überstunden. Im zweiten Fall werden mögliche Abweichungen bereits bei der Planung berücksichtigt, sodass der vorgesehene Tagesablauf dem tatsächlichen Verlauf eher entspricht.
Die Forschungsergebnisse zeigen, dass individuelle Prognosen der Eingriffsdauer den mittleren absoluten Schätzfehler um 24 % reduzieren können. Fließen diese Prognosen in die Optimierung der OP-Planung ein, lässt sich die große Mehrheit der Eingriffe innerhalb der vorgesehenen Zeitfenster einplanen. Für die Krankenhausleitung und das perioperative Management eröffnet sich damit die Möglichkeit, die voraussichtliche Eingriffsdauer als dynamische, patientenbezogene Größe direkt in den OP-Anmeldeprozess einzubinden. So entsteht ein OP-Plan, der bereits zu Beginn des Tages näher an dem liegt, was im weiteren Verlauf tatsächlich zu erwarten ist.
Torin Plan Optimizer
Vorausschauende Planung für einen verlässlicheren OP-Tagesablauf
Koordinieren Sie komplexe chirurgische Arbeitsabläufe mit mehr Übersicht undKontrolle – selbst bei begrenzten Ressourcen. Der Torin Plan Optimizer nutztkünstliche Intelligenz, um die Operationsdauer und den postoperativen Bedarfvorherzusagen und die OP-Planung auf die Verfügbarkeit von Chirurgen undPersonal, die Raumkapazitäten sowie die Ressourcen auf den ITS und denPfl egestationen abzustimmen.
KI schlägt vor. Sie entscheiden.