Was 2002 im Film "Minority Report" noch nach Zukunftsmusik klang, ist heute Realität. Prädiktive Modelle berechnen die Wahrscheinlichkeit von Straftaten und disponieren dementsprechend Einsatzkräfte an den jeweiligen Orten. Nun will sich auch die Rettungsmedizin mithilfe von Crowd-Daten und Analysetools neu aufstellen: Predictive Rescuing soll in Zukunft ermöglichen, die Wahrscheinlichkeit von Verkehrsunfällen an bestimmten Orten vorherzusagen und dementsprechend Einsatzmittel zu steuern. Gute Idee, oder?
Polizeibehörden setzen sie deutschlandweit bereits ein: Softwareprogramme, die anhand von Falldaten die Wahrscheinlichkeit zukünftiger Straftaten berechnen und die Steuerung des Einsatzes von Polizeikräften regeln. Predictive Policing – vorhersagende Polizeiarbeit – arbeitet mit Algorithmen, die zum Beispiel auf die Prognose von Einbruchdiebstählen trainiert sind. Bei Erreichen einer bestimmten Wahrscheinlichkeit lösen sie einen Triggeralarm aus, woraufhin Streifen oder Präventionsbeamte in die entsprechenden Gebiete entsendet werden.
Marie-Therèse Mennig, Geschäftsführerin der umlaut telehealthcare GmbH und verantwortlich für das im Rahmen des Förderprogramms "Digitale Modellregionen in NRW" beantragte Forschungsprojekt "preRESC" erläutert[1]: "Wir lernen heutzutage bereits sehr viel aus Big Data-Analysen, die wir in der umlaut AG an ganz anderer Stelle machen. Und zwar betrifft das die Analyse von Mobilitätsdaten […] Wir können anhand dieser Daten aus verschiedenen Apps Nutzerprofile erstellen, das heißt, wir wissen – auf anonymisierter Ebene – tatsächlich, wo sich wieviel Menschen im Tagesverlauf aufhalten." Daraus ergeben sich zum Beispiel hochfrequentierte Orte (Points of Interest - POI), und das Mobilitätsverhalten spezifischer Gruppen lässt sich analysieren.
Hier liegt auch das Potential für den Rettungsdienst: in Zukunft zu wissen, dass bei Erreichen einer bestimmten Wahrscheinlichkeit Rettungswagen die entsprechende Umgebung abfahren und dabei auf intelligente Routenplanung zählen können. Oder dass Rettungsmittel anhand dynamischer Informationen über stattfindende Events, Unfallknotenpunkte oder Baustellen im öffentlichen Raum positioniert werden. Dass Rettung sich in Krisensituationen bereits in Reichweite befindet, Kräfte schnell zum Einsatzort gelangen und effizient eingreifen können. Bislang werden Vorkehrungsmaßnahmen für potenziell eintretende Ereignisse meistens anhand des Bauchgefühls und der Erfahrung des Rettungspersonals getroffen - humane Faktoren, die häufig die richtige Entscheidung bedingen. Eine zuverlässige, skalierbare Datengrundlage für eine optimierte strategische Planung und Steuerung soll jedoch Entscheidungssicherheit geben.
Ein Problem, das es noch zu lösen gilt, ist das der Datenbeschaffung. Gerade in Deutschland ist es schwierig, an große Datenmengen für die Forschung im Bereich von Big Data-Analysen zu gelangen. Weitere Herausforderungen sind, die richtigen Datenquellen zu identifizieren und analysieren und dann miteinander zu verknüpfen. Die technischen Bedingungen für Datenkorrelation und Musterkennung müssen teilweise erst geschaffen werden. Das passiert nicht von heute auf morgen. Bereitschaft zur Zusammenarbeit, technische Voraussetzungen, Datenanalysen und daraus abgeleitete Handlungsempfehlungen müssen sich entwickeln und implementieren. Dabei liegt der Fokus auf dem Anwendungsbedarf: Langfristig, so Mennig, soll ein selbstlernendes System entwickelt werden, Simulationen sollen die wirtschaftliche Planung von Rettungsdienstressourcen optimieren und Potenzialanalysen von Innovationen durchführen.
Hilfe, wenn, wo und wann sie gebraucht wird. Klingt gut. Aber wird sich Predictive Rescuing tatsächlich als wirksames Instrument der Rettungsmedizin erweisen? Wissenschaftlich konnte nach Pilotprojekten mit Predictive Policing kein klarer Nutzen für die Polizeiarbeit nachgewiesen werden[2] (obwohl Softwarehersteller hohe Erfolgsquoten in Aussicht stellten) - zu vielfältig sind die Einflussfaktoren, um haltbare Aussagen über Wirksamkeit und Effizienz zu treffen. Die Befragung von mehr als 700 Polizistinnen und Polizisten zu ihren Erfahrungen mit Predictive Policing ergab stark polarisierte Meinungen. Ob, und wenn ja inwiefern, Polizeiarbeit und Rettungsdienst vergleichbare Einsatzfelder für prädiktive Modelle darstellen, wird sich zeigen.
Quellen:
[1] 10. Nationaler Fachkongress Telemedizin. 13./14.01.20, Berlin
[2] https://www.mpicc.de/de/forschung/projekte/predictive-policing/ zuletzt 16.01.20