Wie Künstliche Intelligenz in der Bestandsplanung helfen kann

Wie können Vor-Ort-Apotheken zukunftsfähig und vor allem konkurrenzfähig gegenüber Online-Apotheken bleiben? Dieser Frage geht das Konsortialprojekt unter Leitung der Arbeitsgruppe für Supply Chain Services des Fraunhofer-Instituts für Integrierte Schaltungen IIS nach. Das Projekt setzt dabei auf eine optimierte Bestandsplanung mit Künstlicher Intelligenz (KI). Weitere Forschungsfragen des Vorhabens: Wie können Kundenbedürfnisse bedient werden, ohne unnötig viele und womöglich teure Medikamente auf Lager halten zu müssen? Welche Lösungen gibt es, ohne dass dabei das Fachpersonal mit Aufgaben wie etwa Bestellungen und Bestandsüberprüfungen belastet wird?

Damit Apotheken im Wettbewerbsumfeld der Online-Apotheken dauerhaft keine Nachteile erfahren, müssen sie »ihre Abläufe und Finanzen möglichst effizient organisieren«, erklären die Wissenschaftler des Projekts. »Zum einen sollte möglichst wenig Kapital durch ungenutzte Waren gebunden sein und zum anderen sollten ihre Mitarbeitenden – die pharmazeutisch-technische Assistentinnen und Assistenten (PTAs) sowie die Apothekerinnen und Apotheker – dort eingesetzt werden können, wo sie am meisten zur Wertschöpfung beitragen: beim Kunden«, so die Forscher. Personalressourcen bilden einen signifikanten Kostenfaktor, doch die persönliche Beratungs- und Betreuungsleistung sei genau das, worin sie sich zu ihrer Online-Konkurrenz unterscheiden.

Effizient für die Apotheken wäre laut der Wissenschaftler, wenn sie ihre zukünftigen Bedarfe möglichst genau kennen würden, mit den eigenen Beständen abgleichen könnten und die entsprechenden Bestellungen ausgelöst würden – und das alles idealerweise automatisiert ohne großes Zutun der Mitarbeitenden. Hier könne KI ansetzen und helfen, denn mit Künstlicher Intelligenz sei es möglich, automatisiert optimale Entscheidungen zu treffen. Deshalb wurde das Projekt »KIBA – KI-basierte Bestandsplanung für Apotheken« initiiert: In diesem Projekt soll mit einer KI-basierten Prognose der Bedarf an einzelnen Medikamenten vorhergesagt werden.

Dabei werden sowohl saisonale Komponenten als auch Muster, wie etwa die regelmäßige Abnahme durch Stammkunden, berücksichtigt. Ein mathematisches Optimierungsmodell verbindet anschließend diese Prognose mit anderen Restriktionen, unter anderem der Lagergröße, und liefert so den Apotheken die optimale Bestellentscheidung. Auf diese Weise können Kundenbedarfe direkt bedient und gleichzeitig die Kapitalbindung durch Waren im Lager niedrig gehalten werden.