Infoteam

Data Analytics – ein verborgener Schatz, den es zu heben lohnt

| Autor / Redakteur: Stefan Förstel / Kathrin Schäfer

Die Analyse von digitalen Daten ist in der Medizintechnik das zentrale Thema der Zukunft und bietet mit das größte Potenzial für künftige Geschäftsmodelle.
Bildergalerie: 2 Bilder
Die Analyse von digitalen Daten ist in der Medizintechnik das zentrale Thema der Zukunft und bietet mit das größte Potenzial für künftige Geschäftsmodelle. (Bild: Infoteam)

Medizingeräte stellen schon heute umfangreiche Betriebsdaten bereit. Viele Hersteller nutzen dieses verborgene Wissenspotenzial jedoch kaum. Dabei kann die systematische Sammlung, Aufbereitung und Analyse von Daten Verbesserungspotenziale identifizieren und Wettbewerbsvorteile generieren.

  • Analyse von digitalen Daten in der Medizintechnik
    Predictive Maintenance für Medizingeräte
  • Team Data Science Process (TDSP) aus dem Hause Microsoft

Moderne Medizingeräte lassen sich heute bereits system- und standortübergreifend vernetzen und können so sämtliche Betriebsdaten für Analysen zur Verfügung stellen. Doch wie lassen sich diese Daten und das darin schlummernde Potenzial nutzen? Data Analytics, also die gezielte Datensammlung und -kategorisierung, ist die Antwort. Hierbei identifizieren Softwarealgorithmen auf Basis individueller mathematischer Modelle vorhandene Relationen innerhalb der gesammelten Daten, die menschliche Experten aufgrund der Komplexität oftmals nicht mehr erkennen.

Verdienen Sie genug? Der große Gehaltsreport IT & Industrie

Gehaltsreport IT und Industrie 2018

Verdienen Sie genug? Der große Gehaltsreport IT & Industrie

Was verdienen Arbeitnehmer in den unterschiedlichen Branchen konkret? In welchem Bundesland sind die Unternehmen besonders spendabel? Wie viele Wochenarbeitsstunden werden geleistet und wie zufrieden sind die Mitarbeiter? Wir haben nachgefragt. weiter...

„Die Analyse von digitalen Daten ist in der Medizintechnik das zentrale Thema der Zukunft und bietet mit das größte Potenzial für künftige Geschäftsmodelle“, ist Jürgen Andert, Head of Business Segment Medical Devices bei der Infoteam Software AG, überzeugt. Gerade in der Medizintechnik steht eine Vielzahl unterschiedlicher Daten zur Verfügung, sodass sich daraus vielfältige Anwendungsszenarien ableiten lassen:

Der Ausfall von Medizingeräten oder ihrer Komponenten lässt sich vorhersagen

Zum einen lässt sich der Ausfall von Medizingeräten oder Teilkomponenten vorhersagen. So können diese rechtzeitig überprüft und vor dem Ende ihrer Lebensleistung ausgetauscht werden (Predictive Maintenance). Die rechtzeitige Überprüfung führt wiederum zu einer längeren Lebensdauer der Geräte oder Komponenten. Darüber hinaus können Hersteller die Informationen nutzen, um bei zukünftigen Modellen Schwachstellen zu eliminieren.

Die Top Technologietrends für 2018 in der Industrie - Teil 1

Technologietrends 2018

Die Top Technologietrends für 2018 in der Industrie - Teil 1

In den schnelllebigen Zeiten der Digitalisierung ist es häufig schwer, stets auf dem aktuellen Stand zu bleiben. Lesen Sie jetzt, welche acht Trends dieses Jahr im Fokus der Industrie stehen. weiter...

Zum anderen ermöglicht die Analyse des Nutzerverhaltens Herstellern eine Usability-Optimierung der Systeme. Lässt sich erkennen, dass Nutzer auf der Suche nach einer Funktion immer denselben Umweg in der Navigation verfolgen, können diese Erkenntnisse bei einem Usability-Update optimierend eingesetzt werden. „Für die meisten Data-Analytics-Anwendungen ist ein individuell auf die Kundendaten abgestimmtes mathematisches Modell die richtige Vorgehensweise“, erklärt Andert. Es gibt zwei Herangehensweisen: zum einen den Top-down-Ansatz, also den Einsatz vorgefertigter Frameworks mit beschränkten und von vornherein festgelegten Algorithmen. Der andere, individuell entwickelte und präzise auf die konkrete Fragestellung des Kunden zugeschnittene Lösungsweg ist der Bottom-up-Ansatz. Um zusammen mit dem Kunden die für ihn beste Lösung implementieren zu können, durchlaufen solche Projekte drei wesentliche Schritte.

Schon heute stellen Medizingeräte wertvolle Daten zur Verfügung

Schritt 1 – Datensammlung und Datenhaltung: Die bereits gespeicherten, historischen Daten in ihrer ganzen Vielfalt bilden die Basis für Predictive-Analytics-Anwendungen: Die mathematischen Modelle können aus den Komponentenausfällen der Vergangenheit „lernen“ und das Erlernte auf aktuelle Daten anwenden. In solchen Fällen ist die Art der Datensammlung bereits etabliert und die Datenhaltung technologisch gesetzt. Unternehmen, die bislang noch keine Daten sammeln, müssen im ersten Schritt die Datenhaltung aufbauen.

Schritt 2 – Iterative Modellerstellung: Um zielführende Datenanalysen starten zu können, ist im Vorfeld eine Fragestellung herauszuarbeiten. Diese könnte lauten: „Lässt sich anhand bestimmter Daten die Lebensdauer einer bestimmten Komponente vorhersagen?“ Das mathematische Modell „lernt“ anhand historischer Daten und „erkennt“ Zusammenhänge, die in der Vergangenheit zu einem Ausfall geführt haben. Vielversprechende Methoden in diesem Sinne sind Modelle des maschinellen Lernens. Die hinsichtlich Datenvorbereitung und Komplexität aufwendigsten Modelle sind neuronale Netze, die bei professioneller Anwendung und ausreichend großer Datenbasis das größte Potenzial für einen präzisen Informationsgewinn bieten. Das entstandene ausgereifte mathematische Modell lässt sich auf Live-Sensordaten anwenden, um Komponentenausfälle vorhersagen zu können. Die Entwicklung eines Modells des maschinellen Lernens ist ein in mehreren Schritten verlaufendes iteratives Verfahren. Einer der etabliertesten Data-Science-Entwicklungsprozesse ist der von Microsoft entwickelte Team Data Science Process (TDSP).

Schritt 3 – Automatisierte Prozesse auf Basis von Data Analytics: Im Hinblick auf das Beispiel der prognostizierten verbleibenden Lebensdauer einer Teilkomponente kann in einem ausgereiften Modell nun eine Grenze definiert werden, ab der automatisiert ein festgelegter Prozess angestoßen wird. Das kann von Warnmeldungen über automatisierte Handlungsaufträge für Servicetechniker bis hin zu automatisch ausgelösten Bestellvorgängen von Ersatzteilen reichen. Hierfür müssen die Kompetenzen aus domänenspezifischem Prozesswissen, Datenanalyse und softwaregestützter Automatisierung vereint werden.

Fazit: Die Entwicklung von Predictive-Maintenance-Applikationen ist folglich kein in sich geschlossener Prozess, sondern ein Zusammenspiel mehrerer komplexer Disziplinen, und setzt Erfahrung in all diesen Bereichen voraus.

Lesen Sie auch:

Medical Apps: Zertifiziertes Usability Engineering für Generation 70+

Infoteam Software

Medical Apps: Zertifiziertes Usability Engineering für Generation 70+

13.11.17 - Die Infoteam Software AG präsentiert auf der Medica 2017 die erste als Medizinprodukt der Klasse 1 zertifizierte Medical App, die das Unternehmen als Hersteller in Verkehr bringt. lesen

Wenn Medizinprodukte-Software zu Legacy-Software wird

Infoteam

Wenn Medizinprodukte-Software zu Legacy-Software wird

02.02.17 - Software für Medizinprodukte wird zum Zeitpunkt ihres Entstehens nach dem aktuellen Stand der Technik und nach strengen Vorgaben entwickelt. Doch während die Entwicklung mit dem Release meist abgeschlossen ist, verändern sich Technologien, Rahmenbedingungen und Gesetze auch danach teils gravierend. Legacy-Software ist die Folge. lesen

Weitere Artikel über die Software für Medizingeräte finden Sie in unserem Themenkanal Konstruktion.

* Stefan Förstel ist Head of Center of Excellence Data Science & Analytics bei der Infoteam Software AG.

Kommentare werden geladen....

Diesen Artikel kommentieren

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

DER COMMUNITY-NEWSLETTER Newsletter abonnieren.
* Ich bin mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung einverstanden.
Spamschutz:
Bitte geben Sie das Ergebnis der Rechenaufgabe (Addition) ein.
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45480133 / Konstruktion)