Die Corona-Krise hat gezeigt, dass es durch nicht beeinflussbare äußere Faktoren in Einrichtungen des Gesundheitswesens schnell zu kritischen Engpässen bei der Versorgung mit medizinischer Schutzausrüstung wie zum Beispiel Atemschutzmasken oder Desinfektionsmittel kommen kann. Zu diesen Faktoren zählen unter anderem weltweite Handelsbeschränkungen, lange Lieferzeiten und qualitativ minderwertige Ware. Es fehlt an einem übergreifenden Ökosystem, das Bedarfsträger und Hersteller frühzeitig über drohende Engpasssituationen informiert und Liefer- und Wertschöpfungsketten vorausschauend anpasst.
Unter der Schirmherrschaft der Kompetenzplattform Künstliche Intelligenz Nordrhein-Westfalen KI.NRW wurde daher das Forschungsprojekt corona.KEX.net ins Leben gerufen. Ziel des Projektes ist die Entwicklung eines intelligenten, KI-basierten Früherkennungssystem zur Verhinderung von Versorgungsengpässen bei medizinischer Schutzausrüstung.
Neben dem Konsortialführer KEX Knowledge Exchange AG arbeiten verschiedene Experten und Expertinnen aus Wirtschaft und Wissenschaft an der Entwicklung des Frühwarnsystems zusammen. Zu den Projektpartnern gehören KEX-INC Invention Center-Vipro, Fraunhofer IIS/EAS, Fraunhofer IAIS, SBN Data Technologies, Technovation und das Institut für industrielle Informationstechnik (inIT) der Technischen Hochschule Ostwestfalen-Lippe.
Das inIT ist mit der Arbeitsgruppe Diskrete Systeme im Bereich der industriellen Bildverarbeitung im Projekt vertreten. „Unsere Forschungsaufgaben beziehen sich auf die automatische Detektion von authentischen Zertifikaten medizinischer Produkte. Eine manuelle Prüfung der Zertifikate ist sehr aufwändig und für die Bedarfsträger nicht zu bewältigen. Künstliche Intelligenz kann hier helfen“, erklärt Projektleiter und inIT-Institutsleiter Prof. Dr. Volker Lohweg.
Die Produktions- und Wertschöpfungskette soll durch das Früherkennungssystem und ganzheitliche Kommunikations- und Informationsflüsse entlang der Wertschöpfungskette in die Lage versetzt werden, kurzfristig auf Veränderungen in den medizinischen Versorgungseinrichtungen zu reagieren und somit resilient gegenüber starken Marktschwankungen zu sein. Mit Hilfe eines Algorithmus kann das System Bestellungen in Echtzeit analysieren und Alarm geben, wenn bestimmte Artikel besonders häufig nachgefragt werden. Lieferanten können dann rechtzeitig in Kenntnis gesetzt werden und reagieren.