Wie künstliche Intelligenz dem Rettungsdienst hilft
Rettungskräfte brauchen häufig länger zum Notfallort, als die gesetzlichen „Hilfsfristen" es verlangen. – Foto: AdobeStock/Jörg Lantelme
Maximal 10 bis 15 Minuten darf es nach einem Notruf dauern, bis der Rettungsdienst am Notfallort eintrifft. In diesem zeitlichen Korridor bewegen sich die gesetzlichen „Hilfsfristen“, die die einzelnen Bundesländer für ihren Bereich festgelegt haben. Doch die Realität sieht häufig anders aus. Der Sächsische Landesrettungsdienstplan zum Beispiel formuliert als Standard: In 95 Prozent aller Notfälle soll eine Hilfsfrist von zwölf Minuten eingehalten werden. Diese Quote wurde zuletzt jedoch flächendeckend unterschritten. Besonders heikel war die Situation im Landkreis Leipzig, wo die Hilfsfrist nur in 65 Prozent der Fälle eingehalten werden konnte.
„Jeder weitere Notfall kann zu längeren Wartezeiten führen“
Dieses Problem gibt es in vielen deutschen Bundesländern. Vor welchen Herausforderungen Organisatoren des Rettungsdiensts stehen können, schildert Mark Schleider, Absolvent des Masterstudiengangs Informatik an der TH Bingen. Als Berufsfeuerwehrmann und Rettungsassistent in Köln kennt der 35-Jährige das Problem aus der Innenperspektive und berichtet: „Es kommt vor, dass die Ressourcen eines Bezirks kurzzeitig vollständig ausgelastet sind. Jeder weitere Notfall kann dann zu längeren Wartezeiten führen.“
„Belastungsspitzen möglichst früh vorhersehen können“
In seiner Abschlussarbeit seines berufsbegleitenden Studiums hat Schleider jetzt ein Modell entwickelt, wie mithilfe künstlicher Intelligenz (KI) die Auslastung der Rettungskräfte gewissermaßen vorhersagt werden kann. So kann die Leitstelle schon im Vorfeld Vorkehrungen treffen, dass keine Überlastungen und verlängerten Wartezeiten entstehen. „Solche Spitzen können wir mit externen Dienstleistern oder Fahrzeugen aus angrenzenden Bezirken ausgleichen“, sagt Schleider. „Dabei hilft es, die Belastungsspitzen möglichst früh vorhersehen zu können“.
Lernfähiger Algorithmus mit Daten aus zehn Jahren gefüttert
Um die Rettungskräfte optimal zu verteilen, hat Schleider einen lernfähigen Algorithmus entwickelt und mithilfe der Aufzeichnungen der Rettungsdienste aus vergangenen Jahren „trainiert“. Grundlage dafür war die Auswertung von Einsatzdaten der Rettungsdienste in Köln aus einer Zeitspanne von zehn Jahren. Hinzu kamen weitere Informationen etwa zu Feiertagen, Ferien oder Wetterverhältnissen. So gerüstet kann das Modell Belastungsspitzen in Zukunft kurzfristig vorhersagen. Die TH Bingen will das KI-Tool nun gemeinsam mit der Kölner Berufsfeuerwehr weiterentwickeln und in die Praxis umsetzen.
