Hulpdiensten werken efficiënter dankzij kunstmatige intelligentie
Een Duitse brandweerman heeft een model op basis van AI ontwikkeld dat piekbelastingen bij hulpdiensten voorspelt. Op die manier kunnen mensen en middelen efficiënter worden ingezet.
Bedankt dat je dit verhaal wil delen! Doe dat echter wel op een manier die het auteursrecht op deze tekst in acht neemt. Wil je deze volledige tekst delen of overnemen, vraag dan toestemming aan Innovation Origins (partners@innovationorigins.com) of wordt partner van ons! Het citeren van dit verhaal met bronvermelding staat je natuurlijk vrij. Wil je dit artikel op een andere manier delen? Gebruik dan deze link naar het artikel: https://innovationorigins.com/nl/hulpdiensten-werken-efficienter-dankzij-kunstmatige-intelligentie/
Bij een ernstig ongeval of voor iemand die een hartaanval krijgt, telt elke minuut. Daarom staan hulpdiensten met hun voertuigen ook 24 uur per dag paraat. Om al die mensen en hun materiaal zo efficiënt mogelijk te kunnen inzetten, heeft de Duitse beroepsbrandweerman en paramedicus Mark Schleider een planningsmodel ontwikkeld dat op basis van artificiële intelligentie (AI) werkt. Schleider rondde met de ontwikkeling van dit model zijn studie aan de Technische Hogeschool (TH) Bingen af.
Het model kan pieken in de werkdruk van hulpdiensten voorspellen. Op die manier kan er van tevoren voor worden gezorgd dat er geen overbelasting ontstaat en bijvoorbeeld wettelijk voorgeschreven aanrijtijden niet worden gehaald. Schleider kent de problemen waarmee de hulpdiensten worden geconfronteerd bij de organisatie van hun werkzaamheden als geen ander.
“Het gebeurt dat de middelen van een district voor een korte tijd compleet worden ingezet. Elke noodsituatie die er dan nog eens bijkomt, kan leiden tot langere wachttijden,” zegt de 35-jarige. “Dergelijke pieken kun je opvangen met externe dienstverleners of voertuigen uit naburige districten. Het helpt om zo vroeg mogelijk te kunnen anticiperen op die piekbelastingen.” Zelfs reguliere ritten, zoals ambulancevervoer, kunnen in het model worden meegerekend om alle middelen die hulpdiensten hebben zo efficient mogelijk in te zetten.”
Adaptief algoritmeMet behulp van gegevens over de inzet van hulpdiensten uit tien voorgaande jaren heeft Schleider een adaptief algoritme ‘getraind’. Daarbij verwerkte hij ook data over bijvoorbeeld feestdagen, vakanties en weersomstandigheden. Op die manier is het model in staat om enkele uren vooruit te kijken en piekbelastingen te voorspellen. “Idealiter betekent dit dat een spoedpatiënt minder lang op onze hulp hoeft te wachten”, legt Schleider uit.
De weg naar de voltooide masterscriptie was echter allesbehalve gemakkelijk, vertelt Schleider, die zijn studie naast zijn baan als brandweerman deed. “Alleen al het verwerken van de immense hoeveelheid gegevens van de inzet van hulpdiensten in de afgelopen tien jaar was een uitdaging. Dat was echt een sisyfusarbeid”, zegt hij.
De volgende stap is het model verder te ontwikkelen en het praktisch toepasbaar te maken. “Mark Schleiders voorspellingsmodel kan winstgevend gebruikt worden bij missieplanning. Daarom willen we het samen met de Keulse beroepsbrandweer verder ontwikkelen en in de praktijk brengen”, voegt prof. dr. Thomas Marx toe, die de masterscriptie begeleidde.
Lees meer nieuws op Innovation Origins.