Der zunehmende Kostendruck und der damit einhergehende Rationalisierungswunsch stellt die Organisation und Durchführung der heutigen medizinischen Krankenhausbetreuung vor immer größere Probleme, da insbesondere die zu leistenden Diagnosen und Behandlungen unter Berücksichtigung vielfältiger, komplexer Ressourcen und Entscheidungsträger erfolgen müssen [6]. Krankenhäuser sind in viele einzelne (teil-) autonome Funktionsbereiche unterteilt, die von den Patienten – in Abhängigkeit ihrer jeweiligen Erkrankung – nach vereinbarten Terminen durchlaufen werden. Bei der Optimierung derartiger Terminpläne haben sich herkömmliche (meist zentralistische) Planungsansätze – z.B. aufgrund von domäneninhärenten Eigenschaften wie der angesprochenen Dezentralität oder spontan auftretenden Notfällen und Komplikationen – als nicht ausreichend erweisen. Ziel des von den Universitäten Mannheim und Hamburg gemeinsam durchgeführten DFG-Projekts MedPAge [15] ist eine verbesserte, patientenfreundlichere Planung, Steuerung und Koordination von Krankenhausprozessen unter Berücksichtigung der Interdependenzen zwischen den einzelnen Funktionsbereichen. Aufgrund der Komplexität des Patientensteuerungsproblems im Krankenhaus wird im MedPAge-Projekt ein Multiagentensystem (MAS) auf der Basis dezentraler Verfahren und marktbasierter Koordination eingesetzt. Die Koordinationsobjekte (Patienten und Krankenhausressourcen) werden auf natürliche Weise als autonome Softwareagenten abgebildet. Durch die Repräsentation der einzelnen Koordinationsobjekte mit eigenen, z.T. konträr wirkenden Zielen wird der existierenden verteilten Struktur von Krankenhäusern und den unterschiedlichen Sichtweisen auf die Problemstellung Rechnung getragen. Der Rest des Beitrags gliedert sich wie folgt: In Abschnitt 2 werden die Grundlagen der Modellierung und Realisierung mit rationalen Agenten sowie aktuelle Methodologien und Agentenplattformen kurz vorgestellt. Im Anschluss daran wird in Kapitel 3 anhand eines Fallbeispiels aufgezeigt, wie die ModellieMedPAge: Rationale Agenten zur Patientensteuerung
[1]
Paolo Busetta,et al.
Structuring BDI Agents in Functional Clusters
,
1999,
ATAL.
[2]
Koen V. Hindriks,et al.
Agent Programming in 3APL
,
1999,
Autonomous Agents and Multi-Agent Systems.
[3]
Torsten O. Paulussen,et al.
Dynamic Patient Scheduling in Hospitals
,
2004
.
[4]
Michael E. Bratman,et al.
Intention, Plans, and Practical Reason
,
1991
.
[5]
Andrew Lucas,et al.
JACK Intelligent Agents – Summary of an Agent Infrastructure
,
2001
.
[6]
Agostino Poggi,et al.
Jade - a fipa-compliant agent framework
,
1999
.
[7]
A. Pokahr,et al.
A Generic Simulation Service for Distributed Multi-Agent Systems
,
2004
.
[8]
Jorge J. Gómez-Sanz,et al.
Agent Oriented Analysis Using Message/UML
,
2001,
AOSE.
[9]
Winfried Lamersdorf,et al.
A GENERIC TIME MANAGEMENT SERVICE FOR DISTRIBUTED MULTI-AGENT SYSTEMS
,
2006,
Appl. Artif. Intell..
[10]
Yoav Shoham,et al.
Agent-Oriented Programming
,
1992,
Artif. Intell..
[11]
Marcus J. Huber.
JAM: a BDI-theoretic mobile agent architecture
,
1999,
AGENTS '99.
[12]
Michael Winikoff,et al.
Prometheus: a methodology for developing intelligent agents
,
2002,
AAMAS '02.
[13]
Keith S. Decker,et al.
Coordinating Mutually Exclusive Resources using GPGP
,
2000,
Autonomous Agents and Multi-Agent Systems.
[14]
Anand S. Rao,et al.
BDI Agents: From Theory to Practice
,
1995,
ICMAS.
[15]
Fausto Giunchiglia,et al.
The tropos software development methodology: processes, models and diagrams
,
2002,
AAMAS '02.
[16]
John McCarthy,et al.
Ascribing Mental Qualities to Machines
,
1979
.
[17]
Winfried Lamersdorf,et al.
Jadex: Implementing a BDI-Infrastructure for JADE Agents
,
2003
.