RASII - Kräfteinformationssystem

Intelligente Datenanalyse für Prognosen und weiterführende Planungen

Das Institut für Informatik, Abteilung Software Systems Engineering (SSE) hat ein System entwickelt, das basierend auf Erfahrungsdaten intelligente Lernverfahren und Analysealgorithmen für Prognosen einsetzt, um leitendes Personal in ihrer Planungstätigkeit zu unterstützen. Weitere Datenanalysen dienen einer organisationspezifischen Planung und zeigen Verbesserungspotentiale auf.

Am Anfang eines Vorhabens sind meist grobe Parameter, wie beispielsweise Zeitaufwand, Kosten oder verfügbares Personal, bekannt. Jedoch ist einer vorhabensverantwortlichen Person a priori nicht bewusst, wie das Vorhaben verlaufen wird. So ist es zum Beispiel interessant zu wissen, ob ein Vorhaben in einer gegebenen Zeit überhaupt mit dem zur Verfügung stehenden Personal erfolgreich abgeschlossen werden kann.

Das Prognosesystem des SSE basiert auf einer Erfahrungsdatenbank und baut darauf auf. In einer Erfahrungsdatenbank stehen verschiedene Kennwerte abgeschlossener Vorhaben. Typische Kennzahlen eines Feuerwehreinsatzes wären z.B. Alarmierungszeiten, Anzahl von Fahrzeugen und Einsatzkräften im Einsatz und viele weitere. Die Erfahrungsdatenbank ist um weitere Kennzahlen erweiterbar, die sich in Vorhaben messen oder ableiten lassen. Für Prognosen werden Erfahrungsdaten von Vorhaben verwendet, die zu einem aktuellen ähnlich sind. Dies schließt aus, dass Äpfel mit Birnen verglichen werden. Ein intelligentes Clustering ist ein Lernverfahren, das aus einer Menge von Vorhaben diejenigen heraussucht, die ähnlich zu einem aktuellen sind. Somit kann ein vorhabensverantworlicher, wie beispielsweise ein Einsatzleiter, durch ein Prognosesystem Kennwerte für Aussagen berechnen lassen, z.B. ob und inwiefern seine Einsatzplanung mit dem aktuellen Personaleinsatz Erfolg haben wird. Freiwillige Feuerwehren könnten erfahren, wann Fahrzeuge ausrücken sollten oder wie lange sie auf Kameraden warten sollten.

Neben der Möglichkeit einer Prognose, können Erfahrungsdaten auch außerhalb von Vorhaben sinnvoll eingesetzt werden, um Fähigkeitslücken aufzuspüren. Beispielsweise schreiben organisationsspezifische Richtlinien vor, wie Vorhaben zu erledigen sind. Eine Datenanalyse kann hier aufzeigen, warum bestimmte Richtlinien schwer oder gar nicht erfüllbar sind. Im Hinblick auf eine Einsatzplanung der Feuerwehr kann hier angeregt werden, die Alarm- und Ausrückordnung anzupassen, wenn die Datenanalyse die Fähigkeitslücke erkennt, dass stets viele Nachalarmierungen geschehen, weil zu wenig Personal und Geräte am Einsatzort sind. Fahrtzeitenanalysen würden zeigen, dass bestimmte Ortsteile schwer erreichbar sind, weshalb über Beschaffungsmaßnahmen nachgedacht werden sollte.

Team