Intro

Prospitalia ist einer der führenden Dienstleister im Gesundheitsmarkt und bietet Einkaufslösungen sowie Dienstleistungen, die Kliniken und Gesundheitseinrichtungen dabei unterstützen, ihre Beschaffungskosten zu optimieren und die Qualität der Versorgung zu sichern.

Als zuverlässiger Partner im Gesundheitswesen verwaltet Prospitalia eine umfangreiche Datenbank mit medizinischen Produkten und stellt sicher, dass Kliniken jederzeit auf die benötigten Artikelinformationen zugreifen können. Dabei steht die präzise Klassifizierung und Zuordnung von Produkten im Zentrum ihrer Arbeit, um effiziente Abläufe und eine hohe Datenqualität zu gewährleisten.

Herausforderung

Zeitaufwändige Prozesse und Dateninkonsistenzen als zentrale Hürden

Als zentraler Bestandteil ihrer Wertschöpfungsprozesses muss Prospitalia als Einkaufsgesellschaft alle Daten aus ihrem Lieferanten-Artikelstamm aufbereiten, damit diese im eigenen, zentralen Portal für ihre Kunden – 1.300 Einrichtungen aus dem Akut- und Pflegebereich – leicht auffindbar und bewertbar sind. Diese Aufbereitung umfasst vor allem die Klassifizierung der Artikel und das Hinterlegen der verhandelten Konditionen.

Bisher erfolgte dieser Prozess weitestgehend manuell, doch durch die wachsende Flut an neuen Artikeln und die Abhängigkeit von implizitem Expertenwissen begann sich ein stetig wachsender Backlog aufzubauen.

Während die erste Herausforderung den Kern ihrer Wertschöpfung betraf, war die zweite Herausforderung eng mit ihrem Leistungsversprechen an die Kunden verbunden: Um den Vertragshäusern stets die aktuellsten Informationen, mögliche Ersatzprodukte und die besten Konditionen bieten zu können, ein Matching der nachgefragten Artikel der Kliniken mit denen in der Datenbank von Prospitalia erfolgen.

Was nach einer einfachen Aufgabe klingt, erwies sich in der Praxis als komplexes Problem, da die Artikelinformationen in den Materialwirtschaftssystemen der Lieferanten und der Kliniken in aller Regel unterschiedlich hinterlegt sind. Ohne technische Unterstützung erwies sich dieser Abgleich als mühsamer und zeitaufwändiger Prozess, der wiederum durch einen wachsenden Rückstau an offenen Aufgaben die Benutzererfahrung der zentralen Datenbank erheblich beeinträchtigte.

Lösung

Machine Learning als Schlüssel

Um diese Herausforderungen zu bewältigen, setzte Prospitalia auf die Implementierung des Product Data OS von entitys.io, das mit den integrierten Machine Learning (ML)- Funktionen intelligente Lösungen sowohl für die Klassifizierung und als auch die Zuordnung der Produktdaten bietet.

Ein speziell trainiertes ML-Modell analysiert die Produktbeschreibungen und schlägt automatisch passende ECLASS-Kategorien vor. So muss der Nutzer lediglich die passende Klassifikation aus einer vorgeschlagenen Liste auswählen, anstatt sich durch die extrem umfangreiche ECLASS-Struktur zu arbeiten. Dies verkürzt den Prozess erheblich, reduziert die Fehlerquote und reduzierte die Abhängigkeit von Klassifikations-Spezialwissen.

Zusätzlich wurde eine Lösung entwickelt, um Produkte aus unterschiedlichen Quellen miteinander abzugleichen. Hierbei kommen ML-Algorithmen und andere Techniken zum Einsatz, um die besten Übereinstimmungen zu finden, selbst wenn die Produktbeschreibungen unvollständig oder stark abweichend sind. So können die angefragten Produkte zuverlässig in der zentralen Datenbank gefunden und die für die Einkaufsentscheidungen relevanten Informationen den Kliniken zur Verfügung gestellt werden.

Ergebnisse