KI-basierte Bestandsplanung für Apotheken

Vorort-Apotheken zukunftsfähig machen

KIBA Apotheke
© peshkov - stock.adobe.com

Seit 2009 nimmt die Zahl der Apotheken in Deutschland stetig ab (ABDA – Bundesvereinigung Deutscher Apothekerverbände e.V. 2020). Auch in Bayern ist die Zahl der Apotheken zwischen 2009 und 2020 um mehr als 10% gesunken (dpa 2020). Allerdings sind nicht nur ältere Menschen auf eine direkte Versorgung mit Medikamenten und die persönliche Beratung durch Fachpersonal angewiesen. Wie können also Vorort-Apotheken gegenüber Online-Apotheken konkurrenzfähig bleiben?
Ein entscheidender Faktor ist die Bestandsplanung. Wie schaffe ich es, die Kundenbedürfnisse zufriedenstellend zu bedienen ohne unnötig viele und womöglich teure Medikamente im Lager zu haben? Und dies am besten noch so, dass für mein Fachpersonal kein großer Zeitaufwand entsteht? Künstliche Intelligenz kann hier helfen, automatisiert optimale Entscheidungen zu treffen.

 

Mit KI die Bestandsplanung in der Apotheke optimieren

Der zugrundeliegende Ansatz ist schnell erklärt: Mithilfe einer KI-basierten Prognose wird der Bedarf an einzelnen Medikamenten vorhergesagt. Dabei sollen sowohl saisonale Komponenten als auch Muster wie regelmäßige Abnahme durch Stammkunden berücksichtigt werden. Ein mathematisches Optimierungsmodell verheiratet diese Prognose dann mit anderen Restriktionen wie der Lagergröße oder Bestellkonditionen und liefert so die optimale Bestellentscheidung. Dadurch können Kundenbedarfe direkt bedient und gleichzeitig die Kapitalbindung durch Waren im Lager niedrig gehalten werden. Eine Win-win-Situation für Apotheker und Kunde.

Die Ressource Mensch sinnvoll einsetzen

Ein weiteres Ziel des Projektes ist die Freisetzung von Personalressourcen. Kaufmännisch ausgebildetes Apothekenpersonal ist rar, deshalb übernehmen oft pharmazeutisch-technische Assistentinnen und Assistenten (PTAs) oder Apothekerinnen und Apotheker selbst die aufwendige manuelle Bestandsplanung. Das im Projekt entwickelte Verfahren kann demgegenüber weitestgehend automatisiert ablaufen und so dem Apothekenpersonal Zeit für andere Aufgaben wie der Kundenberatung und damit auch der Kundenbindung geben.

Die praktische Umsetzung des entwickelten Verfahrens wird mithilfe eines Demonstrators getestet. Dieser wird insbesondere aus Sicht der Anwenderinnen und Anwender evaluiert werden. Auch die Übertragbarkeit zwischen verschiedenen Apotheken ist eine Forschungsfrage, die die Experten und Expertinnen der Arbeitsgruppe anhand historischer Datensätzen von mehreren Apotheken untersucht.

Die Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS kann auf die Erkenntnisse aus dem Projekt »OBER« zurückgreifen, in dem bereits die gleiche grundlegende Methodik zur Anwendung kommt. Die entwickelten Ansätze für den Großhandel aus dem Bereich Sanitär, Heizung und Klima werden hier nun auf den Anwendungsfall Apotheke übertragen werden.

Das könnte Sie auch interessieren

 

OBER

Die Steuerung von Lagerbeständen ist eine zentrale Herausforderung bei KMUs im Großhandel. Obwohl dort teilweise bereits Prognosemodelle eingesetzt werden, um Absätze vorherzusagen, sind diese häufig nicht state of the art. Die Fraunhofer-Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS entwickelt und implementiert deshalb ein Verfahren, um mithilfe modernster KI-Methoden die Unsicherheit einer Prognose zu quantifizieren und darauf aufbauend automatisch optimale Lagerbestände zu bestimmen.

 

ABF-Intralogistikkonzept

Das Wachstum des mittelständischen Unternehmens ABF-Apotheken, Apothekerin Eva Schreier e.K., verlangte nach neuen Räumlichkeiten. Aus diesem Grund begann Ende 2017 der Neubau für einen Herstellbetrieb für patientenindividuelle Pharmazeutika der ABF. Hierbei unterstützte Fraunhofer SCS das Unternehmen bei der Ausgestaltung des ABF-Intralogistikkonzepts.

 

Projekt

Process Analytics für Produktion und Logistik

Neue Zusammenhänge von Ursache und Wirkung aufdecken.

Projekt

KI-basierte Bedarfsprognosen für Logistik, Handel und Produktion