Post on 01-Nov-2020
transcript
1
2
«Digimpact: Der Digitalisierung auf der Spur»
3
Download der UnterlagenDie Präsentationen stehen unter dem Link:
www.fhsg.ch/digimpact
zum Download zur Verfügung.
4
5
Chancen und Gefahren der Digitalisierung
für Schweizer KMU
25.10.2018Rigo Tietz
6Quelle: KMU-Spiegel (2017) n = 603
Stellt die Digitalisierung eher eine Chance oder eine Herausforderung dar?
100
90
80
70
60
50
40
30
20
10
0
Dienstleistungsbranche: 74Gesamt: 67
Baubranche: 66Gastgewerbe: 66
Für mich überwiegen eindeutig die Herausforderungen
Für mich überwiegen eindeutig die Chancen
IKT-Branche: 80
Handel: 58Produzierendes Gewerbe: 65Gesundheits- und Sozialwesen: 66
7
Welche digitalen Chancen sehen KMU?
9%
22%
24%
24%
31%
42%
43%
55%
Höhere Markttransparenz auf Lieferantenseite
Erschliessung von neuen Vertriebskanälen
Nutzung von Kundendaten zurIndividualisierung von Leistungen
Direkter Kontakt zum Endkunden
Höhere Bindung von Kunden durchIntensivierung der Geschäftsbeziehung
Gewinnung von Neukunden ausserhalb desbestehenden geographischen Marktes
Entwicklung und Umsetzung neuerGeschäftskonzepte
Effizienzsteigerung durch Automatisierung vonProzessen
GesamtQuelle: KMU-Spiegel (2017) n = 603
11%
23%
23%
33%
34%
32%
42%
65%
9%
22%
24%
24%
31%
42%
43%
55%
Höhere Markttransparenz auf Lieferantenseite
Erschliessung von neuen Vertriebskanälen
Nutzung von Kundendaten zurIndividualisierung von Leistungen
Direkter Kontakt zum Endkunden
Höhere Bindung von Kunden durchIntensivierung der Geschäftsbeziehung
Gewinnung von Neukunden ausserhalb desbestehenden geographischen Marktes
Entwicklung und Umsetzung neuerGeschäftskonzepte
Effizienzsteigerung durch Automatisierung vonProzessen
Gesamt Produzierendes GewerbeQuelle: KMU-Spiegel (2017) n = 603
6%
20%
15%
6%
37%
52%
73%
52%
9%
22%
24%
24%
31%
42%
43%
55%
Höhere Markttransparenz auf Lieferantenseite
Erschliessung von neuen Vertriebskanälen
Nutzung von Kundendaten zurIndividualisierung von Leistungen
Direkter Kontakt zum Endkunden
Höhere Bindung von Kunden durchIntensivierung der Geschäftsbeziehung
Gewinnung von Neukunden ausserhalb desbestehenden geographischen Marktes
Entwicklung und Umsetzung neuerGeschäftskonzepte
Effizienzsteigerung durch Automatisierung vonProzessen
Gesamt IKTQuelle: KMU-Spiegel (2017) n = 603
8
Welche digitalen Herausforderungen sehen KMU?
44%
40%
36%
29%
28%
23%
20%
18%
16%
Datensicherheit
Hoher Investitionsbedarf
Fehlende Kompetenz der Mitarbeitenden
Verstärkter Preiswettbewerb aufgrund…
Fehlende technische Voraussetzungen
Veränderung des Kerngeschäfts
Eintritt neuer Wettbewerber, z.B. Startups
Auflösung von Branchengrenzen
Fehlende finanzielle Ressourcen
GesamtQuelle: KMU-Spiegel (2017) n = 603
44%
40%
36%
29%
28%
23%
20%
18%
16%
66%
52%
37%
4%
27%
18%
7%
10%
22%
Datensicherheit
Hoher Investitionsbedarf
Fehlende Kompetenz der Mitarbeitenden
Verstärkter Preiswettbewerb aufgrund…
Fehlende technische Voraussetzungen
Veränderung des Kerngeschäfts
Eintritt neuer Wettbewerber, z.B. Startups
Auflösung von Branchengrenzen
Fehlende finanzielle Ressourcen
Gesamt Gesundheits- und SozialwesenQuelle: KMU-Spiegel (2017) n = 603
44%
40%
36%
29%
28%
23%
20%
18%
16%
24%
43%
22%
48%
26%
23%
28%
26%
18%
Datensicherheit
Hoher Investitionsbedarf
Fehlende Kompetenz der Mitarbeitenden
Verstärkter Preiswettbewerb aufgrund…
Fehlende technische Voraussetzungen
Veränderung des Kerngeschäfts
Eintritt neuer Wettbewerber, z.B. Startups
Auflösung von Branchengrenzen
Fehlende finanzielle Ressourcen
Gesamt HandelQuelle: KMU-Spiegel (2017) n = 603
9
Prof. Dr. Harold TiemessenInstitut für Modellbildung und Simulation
Algorithmische Dispositionsunterstützung im Stückguttransport
10
Kennzahlen• 8'000 Transportaufträge pro Tag• 16 Depots• 650 Fahrzeuge• über 20% aller Aufträge werden weniger als 12
Stunden vor Abholung (definitiv) angemeldet
Marktanalyse• TMS fokussieren auf Auftragserfassung, manuelle
Disposition und Fakturierung• Algorithmische Unterstützung sehr rudimentär:
fixe Touren nach PLZ; anschliessend sequentielle Zuweisung von Fahrzeugen und Fahrern
• CH deutlich hinter DE, NL, US
11
Chancen der Digitalisierung für den Transportsektor
Herausforderungen• Volatile Nachfrage (in Volumen, Zeit und Ort)• Wunsch nach immer kürzeren Responsezeiten
("Same Day" Lieferungen)
• Steigender Kostendruck • Duale Transportkonzepte & Cross-docking• Lenk- und Ruhezeitvorschriften• Auftragsweitergabe (z.B. regionale LSP)• Aufgaben & Verantwortlichkeiten Disponent
• Multi-dimensionale Zielfunktion (Kosten, Punktualität, Emissionen, Dispo-aufwand)
ex
tern
In
tern
Antworten Digitalisierung• Verfügbarkeit (oft in Echtzeit) von neuen
relevanten und zuverlässigen Daten• Performante IT Infrastruktur
(GPS, RFID, mobile Geräte, schnelle Rechner)
Dynamische, standortübergreifende vorausschauende Disposition mittels eines
Decision Support Systems
• Entwicklung Nachfrageprognosemodelle• Entwicklung Optimierungsalgorithmen
12
Heuristischer Tourenplan Generator
(HTG)
Genetischer Algorithmus
(GA)
Tourenplan(inkl. Bewertung)
Chromosom(Steuerparameter)
Lenk- und Ruhezeit-vorschriften
Auftrags-prognosen
Aktueller Tourenplan Fahrzeiten &
Distanzen
Fuhrpark, LKW-Fahrer & Standorte
Kostenparameter
1 0 0 1 1 1
Prof. Dr. Lukas SchmidDigimpact: Der Digitalisierung auf der Spur, 25. Oktober 2018, St.Gallen
Mit dem Maker-Ansatz die Herausforderungen der Digitalisierung meistern
[Quelle: https://www.weforum.org/agenda/2015/11/is-this-future-of-the-internet-of-things/]
DONNERSTAG, 25. OKTOBER 2018, FHS ST.GALLEN
DOWNLOAD: HTTPS:/ /GOO.GL/7GRTFO
Digitaltag. Digimpact. Holzroboter Carl.Seit 1995. Namics.
Jürg Stuker. Interneturgestein.
Aufgabe verstehen
Verknüpfung mit Realwelt
Ausführung des Programms
Fehlersuche
23
Prof. Dr. Alexandra Cloots, Co-Leiterin HR-Panel New Work Team: Co-Leiter Prof. Dr. Sebastian Wörwag, Manuela Ruf (wissenschaftliche Assistenz)
Herausforderungen in derGestaltung einer digitalisierten Arbeitswelt
24
Dagen H – Tag, an dem die Schweden vom Links- auf Rechtsverkehr umstellte: 3. September 1967
Quelle: https://ticker.mercedes-benz-passion.com/dagen-h-50-jahre-rechtsverkehr-in-schweden/
Was beeinflusst die Arbeitswelt in Zukunft?
Ergebnisse einer Studie des HR-Panels New Work (2017) zeigen:
Haupteinflussfaktoren: Digitalisierung, Leistungsdruck und Projektorientierung benennen Mitarbeitende über alle
Funktionsebenen als Haupteinflussfaktoren auf die Arbeit der Zukunft.
Wunschbild 'Arbeit der Zukunft': Mehr Projekt-, Beratungsarbeit und weniger Routine wird erwünscht. Weniger IT-Nutzung Vermehrt mit Menschen zu tun haben
Benötigtes Umfeld: Organisationskultur schaffen, die eine Lernbereitschaft erhöht bzw. dieser gerecht wird. Ganzheitliche Gestaltung der Arbeit Mitarbeitende fit für die zukünftig stärker werdende Projektarbeit machen. Selbstreflexion bezogen auf den Umgang stärken, selbstbestimmtes Arbeiten fördern. Zeit & Ressourcen für Lernen bereit stellen.
25
HR-Panel New Work im Überblick
HR-Panel New Work• Board• Lead User• Member
Forschung• Jahresthema für Forschung
und Call für Forum• Weitere Forschungs-
projekte• Interdisziplinäre Forschung
an der FHS
Forum• Praxis- Wissenschafts-
AustauschVorträge durch Call
• Referenten werden via Call gesucht
• Publikationsmöglichkeit• Sammelband
Dienstleistung• Unternehmensspezifische
Auswertungen zur Jahresstudie
• Vorträge• Workshops
Board bestimmt Jahresthema und gibt damit nicht nur die Jahresforschung für das HR-Panel New Work vor, sondern auch den Fahrplan für das Forum.
26
Ihre Take-Aways Kann über die Homepage
www.hrpanel-fhs.ch für CHF 35 erworben werden.
Heute: Sonderpreis von CHF 30/Stück
Kann über die Homepage www.hrpanel-fhs.ch für CHF 45 erworben werden.
Heute Vorbestellung: Sonderpreis von CHF 40/Stück
2. St.Galler New Work Forum9. Januar 2019Olma Messen St.Gallen
Anmeldung unter www.newworkforum.ch
27
Prof. Ernesto Turnes, CFA, M.A. HSG Banking & Finance, M.A. HSG Economics
Leiter Kompetenzzentrum Banking und Finance, FHS St.Gallen
Blockchain für KMU
25. Oktober 2018, Digital Day
28
Blockchain-Entscheidungsmodell für KMU
29
Entwicklung eines ICO-Rating-Modells
30
Regelbasierte Anlagestrategien bei Kryptowährungen
31
Data Science 4 KMU
Auf dem Weg ins datengetriebene Unternehmen
FHS St.Gallen | Digitaltag | 25. Oktober 2018Prof. Dr. Petra Kugler | Institut für Unternehmensführung IFU-FHS
3232https://media.giphy.com/media/l3V0psI2OTNfRBB9S/giphy.mp4gif
Daten | Sie verändern alles.
33
Data Science 4 KMU | Rahmendaten
Förderung | Internationale Bodenseehochschule IBH / Interreg
Rahmen | IBH-Lab KMUdigital
Laufzeit | 01.2018 – 06 / 12.2019
Hochschulen aus 3 Ländern | ZHAW, FHSG (Institute IFU, IPM, IQB), FHV, HTWG
Unternehmen aus 3 Ländern | ca. 10 Unternehmen (IT, Industrie / Maschinenbau)
34
Data Science 4 KMU | Projektziel
Ausgangsthesen These 1 | Für KMU ist die Nutzung von Daten | Data Science aufgrund der besonderen
Rahmenbedingungen schwieriger als für Grossunternehmen These 2 | Daten entscheiden künftig über die Wettbewerbsfähigkeit von Firmen
Projektziel Chancen, Herausforderungen, Möglichkeiten, Konsequenzen von Daten | Data
Science für KMU ausloten (Instrumente) Interdisziplinärer Ansatz, mehrere Perspektiven
Vorgehen Literaturanalyse | Interviews | Quantitative Erhebung | Demonstrator
35
Data Science 4 KMU | Themenfelder
Daten … Welche Daten, wo, wer, wie, proaktiv, reaktiv? Wettbewerbsstrategie und Wettbewerb Datengetriebene Geschäftsmodelle Produkte | Prozesse | Services um Daten Datensicherheit Kompetenzen der Mitarbeiter Mindset und Organisation Etc.
36
Abdullah Redzepi (Kompetenzzentrum Leadership und Personalmanagement)Oliver Christ (Kompetenzzentrum Unternehmensentwicklung)
Human Capital Management Analytics
37
38
39
40
41
42
DescriptiveAnalytics
PredictiveAnalytics
PrescriptiveAnalytics
Was passiert(e)? Was wird passieren ? Was soll ich tun?
43
44
45
HR Analytics - Verbreitungsgrad (Schweizer KMU)
1%3%
14%
46%
15%
21%
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%
sehr hoch hoch mittel gering sehr gering Weiss nicht
46
47
48
49
HCM Analytics Dashboard - Retentionsbarometer
Data Mining - Entscheidungsbaumanalyse
Kriterien für höchstes Kündigungsrisiko:1. MA-Zufriedenheitsindex < 50 % 2. MA-Zufriedenheitsindex 50 - 70 %
+ Alter 30-50 Jahre+ Kinder nein+ Betriebszugehörigkeit > 5 Jahre
Vergangenheitsorientierte Analysen Prädiktive Analysen
Filter: Region Org.-EinheitSchweiz
SucheZH-005
00
männlichGeschlecht Alterssegment
30-50 J.
alleMA-Kategorie Anstellungsdauer
Willkommen Melanie GrossFunktion: Manager ZH-005
alle
Ursache-Wirkungs-Diagramm
Pro Betriebszugehörigekeitssegment
1.7
2.5
1.2
4.65
4.85
4.4
5.6
5.6
5.8 MaxMedianMin
5.8
5.6
4.6
MaxMedianMin
4.75
4.7
3.251.2
2.9
2.3
Pro Betriebszugehörigekeitssegment
Fehlzeitenanalyse pro MA
Sie haben immer hier die Möglichkeit zum Drilldown in weitere Detailreports
Handlungsempfehlungen
50
51
52
53
Dr. Oliver ChristDozent für Unternehmensentwicklung und OrganisationKompetenzzentrum Unternehmensentwicklung
FHS St.Gallen, Institut IQB-FHS, Rosenbergstr. 59, 9001 St.GallenTel. +41 71 226 17 74 l oliver.christ@fhsg.ch l www.fhsg.ch/iqb
Ihr Kontakt
Abdullah Redzepi, MSc. B.A.Dozent für HR-ManagementKompetenzzentrum Leadership und Personalmanagement
FHS St.Gallen, Institut IQB-FHS, Rosenbergstr. 59, 9001 St.GallenTel. +41 71 226 17 67 l abdullah.redzepi@fhsg.ch l www.fhsg.ch/iqb
54
Mit künstlicher Intelligenz schneller zu echten Innovationen
Innovation auf Knopfdruck
55
Innovation: Frühzeitig die richtigen Entscheidungen treffen
Bildquellen: www.telegraph.co.uk / www.tz.de / www.srf.ch / http://de.fussballwm-14.wikia.com
Trainer(Unternehmer) Spielerkader
(Kompetenzen)
Fans(Markt/ Kunden)
A B CSuchfelder
Erfolg(Innovation am Markt)
?
56
Konfigurations-einstellungen
Innovationsstrategie
Projektscope
Lösungsansatz: Front End Engine (FEE)
Suchfeld-beschreibung
IntelligentWeb Agent
(VerticalSearch)
KI-basierteSuchfeld-evaluation(SemanticInformation Retrieval)
Ergebnis-verdichtung
in KPIs,Interpretation
Ideen-generierung
Front End Engine
Intelligent Web Agent:Vertikale Suche zur Datensammlung an vordefinierten Einstiegspunkten(Internet, firmeninterne Datenquellen)
KI-basierte Suchfeldevaluation:Semantischer Abgleich zwischen Suchfeldund Datenquellen (Semantic Information Retrieval);Generierung von Shortlists je Datenquelle
KPI-Verdichtung:Transformation der Ergebnislisten in Key Performance Indicators (KPIs),Ergebnisinterpretation ausgerichtet auf die Innovationsstrategie
1 2 3
1
2
3
Quelle: FEE-Innosuisse Projekt
57
KPI-Berechnung und Interpretation (schematisch)
Searchresults
KPI: Market DiffusionStages: market preparation – market entry – market domain
Maturity level of opportunity
Quelle: FEE-Innosuisse Projekt
58
Ein Projekt aus dem IBH-Lab KMUdigital
Nutzenbasierter Digitalisierungsnavigator
59
FrageWie kann ein KMU diejenigen Aspekte der Digitalisierung identifizieren und mit möglichst reduziertem Risiko schrittweise umsetzen, welche für das KMU das grösste Potenzial bieten?
KMU
60
Vorgehen
AP3 Service Transformation und Service Engineering
Fünf Schwerpunkte
61
Anwenden und Verifizieren
Digitalisierungsnavigator: Werkzeuge (Manual) Digitalisierungs-Fitness-Check für Prozesse, Strategie, Produkte und Services,
Produktion und HRM Leitfragen Bausteine / Enabler mit Fallbeispielen in Unternehmen Hilfsmittel für deren Auswahl und zum Erstellen von Business Cases
Identifikation Ansatzpunkte
Priorisierung Umsetzung
Machbarkeit und Risiken
Analyse
Umsetzungsplanung
Standortbestimmung
62
Dr. Katrin Hügel, Institut für Modellbildung und Simulation FHS
Simulationsbasierte Warenkommissionierung im Verteilzentrum eines Grossverteilers
63
Worum geht es?
Lieferanten
Gegeben:
Ganzpaletten-Prozess
Kran + Roboter
Manuelle VerarbeitungFilialen
Kapazität der versch. ProzesseLiefermengen & -Zeitpunkte
Bestellungen & Auslieferzeitpunkt
Entscheidungen:• Pfad, über den die Palette kommissioniert wird• Reihenfolge, in der die Paletten hergestellt werden• Paletten-Design (bei gegebenen Bestellungen)
Optimierungskriterien Kosten Pünktlichkeit "Schöne" Paletten
Reaktion auf Unvorhergesehenes
64
Was ist eigentlich das Problem?
IST-Situation• Zuverlässig funktionierende, bestehende Anlagen & Abläufe• Anlagensteuerung mit wenigen Eingriffsmöglichkeiten• Hersteller der Anlagen möchte nicht optimieren & erweitern
Herausforderungen:• Potential zur Steigerung der Effizienz wird vermutet• Veränderung der Auftragssituation absehbar• Details der Anlagensteuerung sind nicht vollständig bekannt
65
Wie lösen wir das Problem?
Paletten-Generator
Bestellungen
Steuerungsparameter & Regeln Paletten-Design• Max. Höhe Palette• Stabilität• Artikelzusammenstellung (BOSS)• Umbrüche• Möglichst wenige Paletten• Möglichst viele Paletten automatisch
kommissionieren• …..
Pfad
Steuerungsparameter Pfadentscheid• Min. Füllgrad Ganzpalette• Filialen zuweisen• Artikel ablasten• …
Simulation der Kommissionierung
Durchlaufzeit, Kosten
Für gg. Kriterien:Termintreue
Kosten«Schönheit»
Gesamtnote
Gesamt-Optimierung
Zulä
ssig
e Pa
lett
en«S
chön
e»
Pale
tten
Paletten-Bild bewerten
66
Jan Keim, B.Sc.
Projektmitarbeiter, Institut IQB-FHS+41 71 226 17 75 | jan.keim@fhsg.ch
Smart FarmingDigitalisierung der Land- und
Ernährungswirtschaft in der Bodenseeregion
67
68
69
70
71
72
73
74
Setzlinge Aussaat Aufzucht Ernte Verarbeitung Verkauf
75
76
77
Herzlichen Dank!
Jan Keim, B.Sc.
Projektmitarbeiter, Institut IQB-FHS+41 71 226 17 75 | jan.keim@fhsg.ch
78
IFSA-FHS & IMS-FHS, Adrian Stämpfli
Mit dem Vereinbarkeitssimulator zur Work-Life-Balance
79
Das Projekt• Interdisziplinäres Forschungsprojekt IFSA-FHS & IMS-FHS• Gefördert durch das Eidgenössische Büro für Gleichstellung• Praxispartner Thomann Nutzfahrzeuge AG, Sonderschule Bad Sonder und Abraxas IT AG• Vereinbarkeitssimulator = Software + Prozess• Ziel ist die Identifikation von Vereinbarkeitskonflikten und Massnahmen zur Auflösung• Zielgruppe Väter von minderjährigen Kindern
80
Die Software - Erfragung und Auswertung der Lebenslage
81
Die Software - Massnahmenentwicklung
82
Die Software - Verknüpfung > Plan
83
Der Prozess
84
Links• Vereinbarkeitssimulator: https://fhsg.shinyapps.io/vereinbarkeitssimulator/• Pencast: https://www.youtube.com/watch?v=vaNSLevObc0&feature=youtu.be• Leitfaden und Code: https://github.com/ims-fhs/vsim
85
Prof. Dr. Peter Jaeschke, Institut für Informations- und Prozessmanagement der FHS St.Gallen
Fernüberwachung pflegebedürftiger Kinder auf Basis von Vitalparametern
86
Ausgangslage – Pflege zu Hause
Relevante Effekte für das Gesundheitswesen • Senkung der Pflegekosten• Reduktion der Folgekosten von Stress bei pflegenden Angehörigen • Effizientere Nutzung der knappen Pflegefachkräfte
Ziel:• Medizinischen Echtzeit-Fernüberwachung von schwerkranken Kindern • Nächtliche Entlastung pflegender Angehörige• Vorbeugung des Burnouts pflegender Angehöriger• Erhöhung Patientensicherheit
87
Lösung – Professionelle Fernüberwachung zu Hause
<v
<v
Monitoring Zentrale
Kinderzimmer
Elternschlafzimmer
88
Lösung - Screenshot
Danke
89
Prof. Dr. Rainer Endl
Institut für Informations- und Prozessmanagement
www.fhsg.ch/ipm
rainer.endl@fhsg.ch
Innovationsprojekt «Patienten Radar»: Digitalisierte Übertritts-Prozesse
90
• "Falsche" Reha-Anmeldungen führen zu Verzögerungen, Mehraufwänden, Leerläufen und Fehl-Allokationen (von Reha-Ressourcen)
• Anstieg der Rückverlegungen in akutsomatische Einrichtungen um 45%
• Patienten müssen aus nicht-medizinischen Gründen länger im Akutspital bleiben als notwendig bzw. geplant
*REhabilitation und DIAgnosis Related Groups
Die Ausgangslage am Beispiel
0 10 20 30 40 50
REDIA III
REDIA I
1.4
1.3
11.9
16.4
4.6
3.6
21.4
23.3
Veränderungen der Verweildauer (VWD) bei Hüft- und Knie-TEP-Patienten
Akut VWD vor OP Akut-VWD nach OP Übergangszeit Reha-VWD
Sinkende Verweildauer im Spital, aber steigende Übergangszeiten
91
Patienten-Radar als Drehscheibe für postakute Therapie und Pflege
«Patienten-Radar»
Akutspital 1
Akutspital 2
Akutspital n
…
…
Krankenkasse nKrankenkasse 2Krankenkasse 1Reha-Klinik n
Reha-Klinik 2
Reha-Klinik 1
…
z.B. Ambulante Reha-Einrichtung
z.B. Ambulante Pflegeeinrichtung
Nac
hbeh
andl
ungs
rele
vant
e In
form
atio
nen
z.B. eKostengutsprachez.B. freie Kapazitäten, therapeutisches Angebot
z.B. nieder-gelassener Arzt / Ärzte-netzwerk
92
Übertrittsprozess: Schwach strukturierter Prozess, regelbasierte Meilensteine…
Eintritt Akutsomatik
Wenn Reha-Status unklar Reha-Board / -Konsil, Optimaler Termin Übertritt
KoGu beantragt (mit abgestimmter Reha-Indikation)
Anmeldung bei Reha inkl. • Daten besondere
Pflegesituation• Admin. Daten
KoGu genehmigt
Besondere med. Umstände an Reha, z.B.• Besondere Medikation• Besondere sozialmed. Umstände
Reha-relevante Übertrittinformationen übermittelt, Übertritt organisiert
Länge des Pfeils: Mittlere Verweildauer
Übertritt in Reha
93
Architekturschema Patienten Radar
Suche nach EinrichtungenFavoritenliste RehaeKostengutspracheKommunikationsunterstützungEntscheidungsunterstützung (z.B. stat. Reha ja/nein)eAnmeldung / eÜbertritt…
«Fall-Monitoring»Worklist Case ManagementChecklisten und LeitlinienEntscheidungstabellenKoGu-Textbausteine…
Funktionalitäten Kollaborationsmanagement ProzessmodellBenutzerverwaltung mit Rollenmanagement und ZugriffsberechtigungenRegistry / ProfilmanagementMandantenspezifische Einstellungen (myPatRadar)…
Administration
KIS Akutspital
KIS Reha …
Standards (HL 7 / FHIR etc.)
Sozialdienst / Austrittsmanagement / Case ManagementPatienten-Dispo Reha
Überleitungsprozess
94
Digital Health:Making Sense of Sensors
Ulrich ReimerIPM-FHS
95
From collecting data to giving personalized advice
1. Collect sensor data: Easy! What is the added value?
2. Interpret collected data and create new insights
3. Give personalized advice (e.g. to stay / get healthy etc.)
96
Detect sleep stagesDetect types & intensity
of activities
Give feedback & advice: Correlating behavior with sleep
97
Personal digital coach
Sense-making
history
contextuser activity
vital dataadvice
PersonalCoach
User Goals
feedback
98
ProjectsSleep analysis: Barmelweid, Inselspital, Biovotion
Stress detection and coping support: myVitali
Sleep apnea, COPD: Kantonsspital St. Gallen
Mobile palliative care: IPW-FHS, Palliativer Brückendienst
Mood management for people with dementia: emt ag, Curaviva, FHV, etc.
Zoonoses alerts: Schweizer Tropeninstitut Uni Basel, ETHZ, Universitäten in Peru, Äthiopien und Kenia
Behavioural Change Support System: Actesy
99
100
Einladung zum ApéroHerzlichen Dank für Ihre Aufmerksamkeit.