KI-basierte Bestandsplanung für Apotheken

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.

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.