Wer immer besser werden will, braucht vor allem eines: gute Daten. Häufig sind die vorliegenden Informationen jedoch kaum verwertbar. Diese besser, auswertbar und damit nutzbar zu machen ist unsere Mission – für das Wohl unserer Patientinnen und Patienten.
Aus einer enormen Datenmenge und mithilfe neuester Technologien wie Künstliche Intelligenz, Machine Learning oder neuronale Netze entwickeln wir smarte Lösungen, die mitdenken. Jenseits von reinen Datenanalysen oder dem Identifizieren von Fehlern und Zusammenhängen liefern wir Ergebnisse, die dem gesamten Unternehmen zugutekommen – ob bei der Entscheidungsfindung, beim Entwickeln von Innovationen oder dem Verbessern von Produkten und Prozessen.
Damit schaffen Data Scientists Mehrwert für das ganze Unternehmen – und für Patientinnen und Patienten. Denn wenn wir leistungsstarke Lösungen immer günstiger entwickeln, können mehr Menschen weltweit von unseren Therapien profitieren. Und wir unterstützen das medizinische Personal mit Lösungen und Produkten, die immer zuverlässiger und einfacher im Handling sind. Das entlastet im Berufsalltag und erhöht die Sicherheit der behandelten Personen.
Das Patientenwohl steht bei Fresenius an erster Stelle, es bestimmt alle unsere Aktivitäten. Diesem Anspruch ordnen wir uns unter, wenn es darum geht, unsere Prozesse zu verbessern. Mit Data Science und Business Intelligence leisten wir dazu einen wichtigen Beitrag – indem wir Informationen sammeln und aufbereiten und sie auswertbar machen. So gestalten wir für Patientinnen und Patienten nicht nur die Behandlung und den Alltag angenehmer, sondern verlängern im besten Fall auch ihre Lebenszeit.
Was zeichnet Data Scientists bei Fresenius aus? Ein technischer Background fast jeder Ausprägung bzw. ein Studium mit analytischem Bezug und Neugier auf die Meinung anderer. Wenn Sie außerdem kreativ sind, knifflige Herausforderungen mögen und gern ausgetretene Pfade verlassen, sind Sie bei Fresenius richtig. Außerdem sollten Sie gut kommunizieren können, um zwischen Fachabteilungen, Management und IT zu vermitteln und zu beraten. Ebenso prägend für unsere Arbeit sind Internationalität und Diversität. Unterschiedliche Standpunkte bringen neue Impulse und führen zu spannenden Ansätzen, die wir im engen persönlichen Austausch diskutieren – leidenschaftlich und sachlich zugleich.
Power BI, Grafana
Azure Cloud Environment, Python
Jupyter Notebook, Kubernetes
TensorFlow, SciKit-Learn
Numpy, Keras
Denodo, Knime, Excel
Wir versuchen, anhand bestimmter Frühwarnindikatoren den Ausfall einer Maschine oder bestimmter Teile vorherzusagen. Diese Indikatoren können z. B. Fehlerspeichereinträge, Warnungen in Programmlogs und Sensoren, Anomalien im Verhalten oder von Geräuschen sein. Aus diesen Werten lässt sich erkennen, ob ein bestimmtes Teil einen bestimmten Lebenszyklus erreicht und/oder in einer vorhergesagten Zeit ausfällt. So können Techniker rechtzeitig Teile austauschen und Störungen verhindern.
Bei der Complaint Classification geht es darum, den Prozess zu optimieren, mit dem Rückfragen und Beschwerden von Patient:innen und Kund:innen behandelt werden. Über künstliche Intelligenz filtern wir die Anfragen und separieren so einfache von komplizierteren Fällen und Anfragen, damit sie automatisch an die passenden Teams zur Beantwortung weitergeleitet werden können.
Lange, bevor eine Maschine defekt ist oder komplett ausfällt, macht sie spezifische Geräusche, die auf Fehler hinweisen. Im Projekt Acoustic Fingerprint nutzen wir Vibrationssensoren an unseren Dialysemaschinen, um Muster zu erkennen. Damit wir das Gerät austauschen können, bevor es zu einer Störung kommt, die gefährlich werden kann.
Im Projekt Silence Cycler entsteht eine Lösung, die die Peritonealdialyse noch zuverlässiger und komfortabler macht. Während des Dialysevorgangs werden Daten in Echtzeit übertragen, sodass Unregelmäßigkeiten und Störungen sofort erkannt werden. Außerdem lassen sich Geräte so individuell an die Patientin oder den Patienten anpassen, etwa was bestimmte Grenzwerte betrifft. Das reduziert die Anzahl unnötiger Alarme, sorgt für eine leisere Arbeitsumgebung und spart Kosten.
Ist eine Fistula – eine künstliche Verbindung zwischen Arterie und Vene – verstopft, zählt schnelles Handeln. Im Projekt E-Stethoskop geben wir dem medizinischen Personal ein elektronisches Stethoskop an die Hand, das solche Situationen anhand mithilfe künstlicher Intelligenz erkennt, unabhängig davon, wie erfahren die Pflegekraft ist. Das erhöht die Sicherheit für Patientinnen und Patienten.
In der Corona-Pandemie änderte sich das Gefüge aus Nachfrage und Angebot von Medikamenten praktisch über Nacht: Planbare Operationen wurden abgesagt oder verschoben, stattdessen stieg die Zahl von Beatmungspatienten an und damit die Nachfrage nach bestimmten Anästhetika. Wir entwickelten in kurzer Zeit Dashboards, mit denen das Management tagesaktuell einen Überblick erhielt: über Lagerbestände, Produktionskapazitäten und auch über Bestände, die sich gerade auf dem Transportweg befanden.
Mit dem Manufacturing Execution System wollen wir die papierbasierte Steuerung und Dokumentation in der Produktion abschaffen. Neben den großen Papiermengen ist das händische Prüfen dieser Unterlagen für die Qualitätssicherung ineffizient und fehleranfällig. In diesem Projekt digitalisieren wir den kompletten Prozess und können so auch die Qualitätssicherung stärker automatisieren, da Abweichungen vom System angezeigt werden.