Open Access

Hintergrund: Patientenzufriedenheit ist ein wichtiges Qualitätsmerkmal im Gesundheitswesen. Insbesondere im Bereich der Geburtshilfe ist es notwendig die Erwartungen, Vorstellungen und Bedürfnisse der Patientinnen zu kennen. Das Ziel dieser Bachelorarbeit ist es, valide Fragebögen aus der Literatur zu identifizieren und deren Anwendbarkeit in der Geburtshilfe des Universitätsklinikum Carl Gustav Carus Dresden (UKD) zu eruieren. Methodik: Es wurde ein Mixed-Methods-Ansatz verwendet. Zur Identifikation valider Fragebögen zur Erfassung der Patientenzufriedenheit in der Geburtshilfe wurde eine systematische Literaturrecherche in den Datenbanken MEDLINE via PubMed, LIVIVO, Cochrane Library und Web of Science Core Collection durchgeführt. Die eingeschlossenen Publikationen wurden inhaltsanalytisch untersucht und die relevanten Daten tabellarisch extrahiert. Ergänzend wurde eine Fokusgruppendiskussion mit der medizinischen und pflegerischen Leitung sowie der Qualitätsmanagementbeauftragten der Geburtshilfe des UKD durchgeführt, um deren Anforderungen an einen Fragebogen zu ermitteln. Die Datenauswertung erfolgte anhand des wörtlichen Transkripts mittels qualitativer Inhaltsanalyse im Programm MAXQDA Analytics Pro 24. Ergebnisse: Insgesamt wurden fünf Fragebögen identifiziert, die die Patientenzufriedenheit während der Schwangerschaft, Geburt und Wochenbett erfassen: der Patients' Experience Questionnaire Geburt, der Childbirth Experience Questionnaire, der Fragebogen zur Zufriedenheit von Wöchnerinnen mit der geburtshilflichen Klinik, der Labour and Delivery Satisfaction Index und der Pregnancy and Childbirth Experience. Die Fokusgruppendiskussion ergab, dass der ideale Fragebogen alle Patientinnen der Geburtshilfe des UKD einbeziehen, maximal 25 Items enthalten, in etwa zehn Minuten ausfüllbar sein und als Online-Befragung durchgeführt werden sollte. Diskussion: Bei der systematischen Literaturrecherche kann ein Selektionsbias auftreten. Die Ergebnisse der Fokusgruppendiskussion stehen nicht repräsentativ für die Grundgesamtheit, sondern sind nur auf die Geburtshilfe des UKD anwendbar. Basierend auf der Datenextraktion der identifizierten Fragebögen und den Ergebnissen der Fokusgruppendiskussion können zwei konkrete Handlungsempfehlungen für die Geburtshilfe des UKD abgeleitet werden: Zum einen die Anwendung des Patients' Experience Questionnaires Geburt und zum anderen die Entwicklung eines eigenen Fragebogens, der eine Kombination aus den Items der verschiedenen Fragebögen darstellt.

Die vorliegende Arbeit wurde initiiert durch das Fehlen einer adäquaten Datenarchitektur für die neu etablierte Fertigungslinie Thermomanagement im Volkswagen Motorenwerk Chemnitz, welche für die Produktion von Thermomodulen zur Kühlung von Autobatterien zuständig ist. Das Hauptziel dieser Arbeit bestand darin, eine passende Datenarchitektur zu entwickeln, die die Erfassung, Verwaltung, Auswertung und Darstellung der sogenannten Bauzustandsdaten effizient bewältigen kann. Zudem sollte die Architektur eine einfache Erweiterungsmöglichkeit bieten, um zukünftig auch andere Datentypen oder Fertigungslinien integrieren zu können. Mit dem exponentiellen Wachstum von Daten im Kontext von Big Data stoßen jedoch lokale Produktionssysteme und Datenarchitekturen zunehmend an ihre Kapazitätsgrenzen. Sie verfügen oft nicht über die erforderlichen Ressourcen, um Daten gewinnbringend zu verarbeiten. Die Fachliteratur und aktuelle Entwicklungen weisen darauf hin, dass Cyber-Physische Produktionssysteme sowie cloudbasierte Datenarchitekturen wie die Cloud Data Platform vielversprechende Lösungen bieten. Diese Architektur basiert auf der bekannten Data-Lake-Architektur und ist unter anderem in der Lage, Daten unabhängig von ihrer Struktur zu erfassen, zu transformieren, zu verarbeiten und kontextübergreifend zu analysieren, und profitiert dabei von den nahezu unbegrenzten und skalierbaren Ressourcen von Cloud-Anbietern wie Amazon Web Services (AWS). Das konkrete Ziel war es, die Cloud Data Platform über den Plant Connectivity Service (PCS) in der Digitalen Produktionsplattform des Volkswagen Konzerns zu implementieren. Aufgrund des Umbaus der Fertigungslinie während des Bearbeitungszeitraums war es notwendig, die Entwicklung der Datenarchitektur durch eine Virtuelle Inbetriebnahme zu ergänzen, die den Fertigungsprozess simulieren kann, um Testdaten generieren zu können. Im Rahmen dieser Arbeit wurden zunächst die theoretischen Grundlagen und Konzepte zu Cyber-Physischen Produktionssystemen, Virtueller Inbetriebnahme, Cloud Computing sowie cloudbasierten Datenarchitekturen erarbeitet. Dabei wurden auch die im Verlauf aufgetretenen relevanten Themen wie Digitaler Schatten und Digitaler Zwilling umfassend behandelt. Für die Virtuelle Inbetriebnahme wurde ein generisches Drei-Ebenen-Architekturmodell in JavaScript entwickelt. Jeder Prozessschritt ist durch verschiedene Parameter konfigurierbar, sodass Aspekte wie die zeitliche Abfolge oder die Zusammensetzung von Referenznummern berücksichtigt werden können. Die durch jeden Prozessschritt erzeugten Datentelegramme konnten anschließend über den im Verlauf instanziierten PCS-Service in unter einer Sekunde in die entwickelte Datenarchitektur, die Cloud Data Platform, übertragen werden. Die Datenarchitektur wurde mithilfe des AWS Cloud Development Kit realisiert. Die zentralen Komponenten umfassen vier Datenbanktabellen, einen Archivspeicher sowie eine Step Function und eine Lambda Function. Diese Architektur ermöglicht es, jedes Datentelegramm innerhalb von 2 Millisekunden zu verarbeiten und anschließend parallel sowohl im Ursprungsformat im Archiv abzulegen als auch transformiert in die entsprechende Datenbanktabelle zu speichern. Zusätzlich wurde eine Dashboard-Anwendung entwickelt, die mithilfe einer weiteren Lambda Function die Datensätze aller Datenbanktabellen mit einer durchschnittlichen Lesegeschwindigkeit von 1500 Millisekunden tabellarisch und farblich darstellt, wobei verschiedene Analysefilter genutzt werden können. Zusammenfassend konnte durch diese Arbeit mit der Cloud Data Platform eine äußerst flexible und einfach erweiterbare cloudbasierte Datenarchitektur implementiert werden. Diese Architektur erfüllt nicht nur alle aktuellen Anforderungen, sondern bietet auch vielfältige Möglichkeiten für zukünftige Big-Data-Analysen. Darüber hinaus gelang es, die Entwicklungskosten um 95% und die Betriebskosten um 20% im Vergleich zu äquivalenten On-Premise-Lösungen zu senken.

Einführung des SPOTCHECK Monitors ins Krankenhaus und Bewertung dieses Gerätes

Diese Bachelorarbeit untersucht die Effektivität verschiedener Techniken des Requirements Engineering im praktischen Arbeitsumfeld der Volkswagen Sachsen GmbH im Kontext des Asset Managements. Ausgangspunkt ist die Hypothese, dass gutes Requirements Engineering maßgeblich zur erfolgreichen Projektumsetzung beiträgt. Zunächst wird eine theoretische Grundlage geschaffen, indem verschiedene Techniken des Requirements Engineering beschrieben werden. Anhand von Fachliteratur und früheren Studien werden geeignete Techniken für die praktische Durchführung ausgewählt. In der praktischen Phase der Arbeit werden Brainstorming, Interviews, Apprenticing, Dokumentbetrachtung, Betrachtung von Konkurrenzsystemen und Use Case Modellierung in einem realen Unternehmensumfeld angewendet und ihre Effektivität hinsichtlich der Qualität und Quantität der gewonnenen Anforderungen untersucht. Insbesondere werden dabei die Herausforderungen und Vorteile der einzelnen Techniken detailliert dokumentiert. Zum Beispiel zeigte sich, dass Interviews trotz des hohen zeitlichen Aufwands besonders wertvolle und detaillierte Einblicke in die Anforderungen der Stakeholder lieferten, während Brainstorming viele Ideen generierte, aber weniger konkrete Anforderungen lieferte. Die Dokumentbetrachtung lieferte Anforderungen durch Unternehmensrichtlinien, welche von den Stakeholdern während der anderen Techniken nicht benannt wurden. Das Apprenticing konnte aufgrund des hohen Zeitaufwandes nur wenig zum Gesamtergebnis beitragen. Die Betrachtung von Konkurrenzsystemen lieferte in kurzer Zeit Anforderungen außerhalb der etablierten unternehmensinternen Denkmuster. Die Ergebnisse der praktischen Anwendung werden anschließend evaluiert. Die Arbeit kommt zu dem Schluss, dass eine Kombination verschiedener Techniken, angepasst an die spezifischen Projektanforderungen, die besten Ergebnisse im Requirements Engineering erzielt. Durch die methodische Herangehensweise und die detaillierte Analyse bietet die Arbeit wertvolle Erkenntnisse für die Optimierung von Requirements Engineering Prozessen in der Softwareentwicklung.

The study at Fraunhofer Institut für Entwurfstechnik Mechatronik (Fraunhofer IEM) in Paderborn, Germany, aims to support the institute’s goal of achieving climate neutrality by 2030 and optimising energy efficiency. Through analysis involving Data Cleaning, Exploratory Data Analysis (EDA), Data Quality Assessment, and Comparative Analysis, the study examines energy consumption and production data.