Die Auslastung der Leitstellen von Feuerwehr und Rettungsdienst gezielt vorhersagen

Prognose des Anrufvolumens

Wahrscheinlichkeit für den Einsatz des Rettungsdienst Seattle in Nächten (wochentags).

Um stets genügend Personal zur Verfügung zu haben, müssen Leitstellen vorausschauend planen. Das zu erwartende Volumen eingehender Notrufe ist dabei ein besonders wichtiger Faktor, oftmals kommt es hierbei auch zu einer Überhöhung durch mehrere Anrufer für das gleiche Ereignis. Doch wie lässt sich abschätzen, wie viele Menschen zu welcher Zeit den Notruf wählen? 

In dieser Fallstudie zeigen wir, wie unsere Software Premergency, mithilfe stochastischer Methoden und Machine Learning, Prognosen zur Auslastung der Leitstelle trifft. 

Das Vorhersagen des Anrufvolumens ist ein komplexer Prozess; denn zahlreiche Faktoren spielen bei der Beeinflussung der Anzahl an Notrufen eine Rolle. Naheliegende Faktoren sind unter anderem Uhrzeit oder Wochentag. Darüber hinaus können jedoch auch Merkmale wie Wetter, Jahreszeit oder eine Großveranstaltung signifikante Auswirkungen auf das Anrufvolumen in der Leitstelle des Rettungsdienstes bzw. der Feuerwehr haben. 

Leitstellenplanung und personelle Auslegung

Mit anderen Worten – der Mittelwert der jeweiligen Anrufzeit (Uhrzeit, Wochentag) reicht nicht aus, um realistische Prognosen hinsichtlich der Anzahl eingehender Notrufe zu treffen. Kurzzeitige Peaks bzw. eine Spitzenauslastung der jeweiligen Wochentage zu erkennen, ist für die Personalplanung der Leitstelle bereits ein großer Vorteil. Trotzdem besteht weiterhin ein Risiko des Personalmangels, insofern externe Faktoren sowie mögliche Korrelationen nicht berücksichtigt werden. 

Um eine sichere und vorausschauende Planung zu berücksichtigen, haben wir bei der Entwicklung des Moduls Leitstellenbedarf von Premergency darauf geachtet, möglichst viele Faktoren bei der Prognose des Anrufvolumens zu berücksichtigen. Dies veranschaulichen wir anhand von frei verfügbaren Daten der Feuerwehr Seattle.

Die Abbildung zeigt einen Vergleich zwischen dem vorhergesagten Anrufvolumen (blaue Linie) und dem tatsächlichen Anrufvolumen (orange Linie). Der obige Graph zeigt einen Zeitraum von 7 Tagen, während unten, Daten des gesamten Monats Januar im Jahr 2020 angezeigt werden. Das Modell wurde mit Daten aus den Vorjahren trainiert (Backtesting).

Auf der Basis historischer Daten der Stadt und von Seattle 911, konnten wir beeinflussende Faktoren für unser Modell finden. Anschließend trainierten wir ein Modell zur Prognose des Volumens eingehender Notrufe. Zusätzlich ist es möglich zeitliche und saisonale Spitzen des Anrufvolumens gezielt vorherzusagen. Dieser Algorithmus bildet die Grundlage für das neueste Feature von Premergency – die automatisierte Prognose des Anrufvolumens.

Planungssicherheit für die Feuerwehr- und Rettungsdienstleitstellen

In dieser Fallstudie haben wir gezeigt, wie wir mit Premergency die Anzahl eingehender Notrufe vorhersagen können. Dank dieser Prognose können sich Leitstellen personell sowie technisch auf Auslastungsspitzen einstellen. Dies schafft Planungssicherheit und verhindert eine Überlastung der Leitstellen von Feuerwehr und Rettungsdienst.