Einsatzmittelsteuerung im Rettungsdienst (Rettungswagen-Disposition, Umpositionierung & Standortplanung)

Der Rettungsdienst muss Patientinnen und Patienten innerhalb einer gesetzlichen Hilfsfrist erreichen, obwohl der Bedarf zufällig und die Fahrzeuge knapp sind. Disponenten schicken meist das nächste freie Fahrzeug und lassen freie Fahrzeuge dort stehen, wo sie gerade sind. Optimierung ergänzt drei Dinge: den Bedarf nach Ort und Stunde prognostizieren, freie Fahrzeuge zur Erhaltung der Abdeckung umpositionieren und Wachen sowie Fuhrparkgröße strategisch planen. Begutachtete Studien berichten von besserer Abdeckung oder kürzeren Eintreffzeiten als bei statischen Regeln; die Ergebnisse hängen jedoch vom jeweiligen System und von den Daten ab.

Problem & Nutzen

• Wer: regionale Leitstellen (112-Leitstellen), Betreiber von Rettungsdienst und Feuerwehr sowie die Behörden oder Kostenträger, die Hilfsfrist-Ziele festlegen. In Deutschland ist die Planung in den Rettungsdienstgesetzen der Länder verankert, mit einer Hilfsfrist oder Eintreffzeit, die je nach Bundesland unterschiedlich ist.
• Heute: Das Disponentensystem schlägt das nächste verfügbare Fahrzeug nach Entfernung oder geschätzter Fahrzeit vor. Bereitstellungsorte sind meist durch den Wachenplan festgelegt. Wachen- und Fuhrparkplanung erfolgt alle paar Jahre mit statischen Bedarfsanalysen und Tabellen.
• Warum es schwierig ist: Ein entsandtes Fahrzeug hinterlässt eine Abdeckungslücke, daher ist das „nächste Fahrzeug“ nicht immer die beste Wahl für den nächsten Notruf. Der Bedarf schwankt nach Stunde, Wochentag, Wetter und Veranstaltungen, und die Fahrzeiten ändern sich mit dem Verkehr.
• KI-Nutzen: (1) räumlich-zeitliche Bedarfsprognosen, (2) Disponierungs- und Umpositionierungsstrategien, die nach jeder Zuweisung die Abdeckung erhalten, (3) simulationsbasierte Planung von Wachen, Schichten und Fuhrpark. Die Literatur (approximative dynamische Programmierung, Abdeckungs- und Umpositionierungsmodelle) berichtet von Verbesserungen bei der Einhaltung der Eintreffzeit gegenüber Regeln nach dem nächsten Fahrzeug; die Größenordnung ist systemspezifisch und sollte in einer Simulation mit Ihren eigenen Daten gemessen statt angenommen werden [1][2][3].

Varianten

• Echtzeit-Dispositionsunterstützung: gerankter Fahrzeugvorschlag, der die Abdeckung nach der Entsendung und die Priorität des Einsatzes berücksichtigt.
• Dynamische Umpositionierung / dynamisches Ambulanzmanagement: Verlegung freier Fahrzeuge zwischen Bereitstellungsorten, wenn sich Bedarf und Verfügbarkeit ändern.
• Strategische Planung: Wachenstandorte, Schichtmodelle und Fuhrparkgröße, per Simulation gegen die gesetzliche Vorgabe bewertet; auch für die Abdeckung im ländlichen Raum und die Planung von Luftrettungsstützpunkten.

So funktioniert es

1. CAD/ELS-Einsatz + AVL-Positionen + Fahrzeugstatus (Streaming)
2. Bedarfsprognose (Raster/H3-Zelle × Stunde; Wetter, Veranstaltungen, Kalender)
3. Fahrzeitmodell (Straßengraph + historische Geschwindigkeiten)
4. Entscheidungsschicht: Disposition: Fahrzeuge nach Eintreffzeit + Abdeckungsverlust nach Zuweisung ranken Umpositionierung: freie Fahrzeuge Bereitstellungsorten zuordnen (MIP / gelernte Strategie)
5. Disponent sieht Empfehlung mit Begründung und Abdeckungswirkung
6. Mensch übernimmt / überstimmt
7. ELS-Befehl
8. Rückmeldung wird protokolliert Offline: ereignisdiskrete Simulation des realen Systems
9. Strategien, Wachen, Fuhrparkgröße testen

• Prognose: Gradient Boosting oder Zählzeitreihenmodelle je Raumzelle und Stunde; eine probabilistische Ausgabe ist zu bevorzugen, weil seltene Notrufe hoher Priorität am wichtigsten sind (siehe PRED-011).
• Optimierungskern: klassische Abdeckungsmodelle (Maximal Covering, Double Standard, Expected Coverage), als MIP gelöst; Umpositionierung als Zuordnungsproblem mit Verlegungsgrenzen; gelernte Strategien über approximative dynamische Programmierung oder Reinforcement Learning, in einem Simulator trainiert und anschließend in Regeln oder eine Wertfunktion überführt [1][2].
• Simulation: ereignisdiskretes Modell mit realistischen Notruf-Ankünften sowie Einsatzstellen- und Klinikzeiten; sie ist das Sicherheitsnetz, um jede Strategie vor dem Produktivbetrieb zu testen.
• LLMs: nicht in der Entscheidungsschleife. Sie können Disponenten unterstützen, indem sie Begründungen zusammenfassen oder Was-wäre-wenn-Fragen auf Basis des Solvers beantworten (siehe OPT-018), und bei der Notruf-Triage (CONV-021, SPEECH-016).
• Mensch-in-der-Schleife (Human-in-the-Loop): Der Disponent entscheidet jede Entsendung; Umpositionierungsanweisungen sind Vorschläge mit einer Obergrenze für die Besatzungsbelastung und unter Beachtung verpflichtender Pausen.

Datenaufbereitung

Die Kerndaten sind Einsatzprotokolle aus dem Disponentensystem (CAD/ELS: Zeitstempel, Ort, Priorität, Ergebnis), Fahrzeugpositionen (AVL/GPS), Dienstpläne und Wachen-Stammdaten; sie liegen meist bei der Leitstelle, der Rettungsdienstbehörde und teils in Excel-Dateien beim Betreiber. Typische Lücken: uneinheitliche oder manuell korrigierte Zeitstempel, Freitext-Orte ohne Koordinaten, fehlende Übergabezeiten in der Klinik, mehrere Systeme je Landkreis und strenge Zugriffsrechte, weil die Daten personen- und gesundheitsbezogen sind.

Schritte der Aufbereitung: 1. Quellen und Verantwortliche erfassen (siehe PREP-001, PREP-004) und klären, wer welche Daten freigeben darf. 2. Über dokumentierte Schnittstellen oder Konnektoren exportieren (PREP-005); Adressen geokodieren und auf ein Raster wie H3 abbilden. 3. Zeitstempel bereinigen, doppelte Einsätze entfernen sowie Prioritäts- und Fahrzeugcodes vereinheitlichen (PREP-019). 4. Patientenbezogene Felder vor der Analyse pseudonymisieren (PREP-022) und die Rechtsgrundlage prüfen (PREP-025). 5. Den Straßengraph aus OpenStreetMap aufbauen und die Fahrzeiten anhand historischer AVL-Spuren kalibrieren. 6. Einen Validierungsdatensatz der letzten Monate für Tests im Schattenbetrieb vorhalten (PREP-018).

Etwa 40–50 % des Projektaufwands entfallen auf Datenextraktion, Bereinigung und rechtliche Freigabe; die Modelle selbst sind der kleinere Teil. Siehe auch DATA-003 und GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• public (Leitstellen, Rettungsdienstbehörden): C, weil Einsatz- und Positionsdaten sensibel sind, das System kritische Infrastruktur ist und die Analyseschicht auf einem CPU-Server (HW1) läuft, den die Behörde selbst betreiben kann.
• enterprise (private Rettungsdienstbetreiber, Fuhrpark- und Logistikunternehmen): B, weil die Planungsschicht an die vorhandenen CAD/ELS- und Fuhrparksysteme angebunden werden muss und Cloud-Dienste in der EU-Region eigenen Data-Science-Betrieb überflüssig machen.
• developer: C, weil der offene Stack (OSM-Routing, OR-Tools, SimPy) ausgereift, vollständig nachvollziehbar und schnell zu prototypisieren ist.

Weg A — Kaufen (Standardsoftware)

• Disponentensysteme (CAD/ELS) mit Optimierungsmodulen: Frequentis (Österreich, EU), Eurofunk Kappacher (Österreich, EU), Hexagon (HxGN OnCall Dispatch), Motorola Solutions, Produkte vom Typ Zoll/Intterra in den USA. In Deutschland ist die ELS-Beschaffung an die Leitstelle und regionale Vorgaben gebunden; prüfen Sie, welchen Anbieter Ihr Bundesland einsetzt.
• Spezialisierte Analyse und Planung: Optima Predict (UK) für Bedarfsprognose und dynamische Einsatzplanung; Beratungen und Forschungsinstitute erstellen Bedarfsanalysen zur Wachenplanung (z. B. öffentliche Rettungsdienstbedarfspläne).
• A wählen, wenn: Sie bereits einen CAD-Anbieter haben und das Modul Prognose und Umpositionierung abdeckt. Fragen Sie stets nach Verfahren zum Export von Einsatzdaten und nach der Erklärung, die den Disponenten angezeigt wird.

Weg B — Auf Cloud-KI-Diensten aufbauen (für die integrierte Planungsschicht)

• Daten und ML: Datenplattformen in EU-Regionen (Azure, AWS Frankfurt, STACKIT, IONOS, OVHcloud) mit Prognose im Stil von LightGBM / Prophet oder verwalteten Prognosediensten.
• Routing: OSRM, Valhalla oder GraphHopper (EU-Unternehmen) auf OpenStreetMap, oder kommerzielle Matrix-APIs (HERE, TomTom, beide mit Sitz in der EU).
• Solver: Google OR-Tools, HiGHS, Gurobi oder Timefold (belgisch, EU) für Umpositionierungs- und Abdeckungsmodelle.
• Integration: zunächst nur lesende Schnittstellen zum CAD/ELS; Rückschreiben erst nach einem validierten Pilotbetrieb.
• B wählen, wenn: Sie individuelle Logik auf dem bestehenden Disponentensystem benötigen oder strategische Planung für eine Behörde betreiben.

Weg C — Selbst betreiben (Open Source)

• Stack: OpenStreetMap + OSRM/Valhalla, H3 oder eigene Raster, PostGIS, LightGBM/statsmodels, OR-Tools/HiGHS/CBC, SimPy oder Ähnliches für ereignisdiskrete Simulation, Kafka oder MQTT für AVL-Datenströme.
• Hardware: HW1 genügt (CPU-Server); es gibt keine großen Modelle. Dispositionskritische Dienste benötigen stattdessen Redundanz und einen 24/7-Betrieb.
• Aufwand: überwiegend Datenengineering und Validierung, nicht Rechenleistung. Öffentliche Behörden betreiben die Systeme wegen Datenschutz- und KRITIS-Vorgaben oft selbst.

Weg D — Eigenes Training

Lohnt sich für eine gelernte Dispositions-/Umpositionierungsstrategie (ADP oder Deep RL), wenn das System groß ist (viele Fahrzeuge, dichtes Notrufaufkommen) und der Simulator die Realität gut abbildet. Erfordert mehrere Jahre Einsatzprotokolle mit genauen Zeitstempeln und einen kalibrierten Simulator; beginnen Sie mit regelbasierten und MIP-Strategien als Vergleichsbasis, denn gelernte Strategien müssen diese in der Simulation und im Schattenbetrieb übertreffen.

Stand der Technik (2026)

• Forschung: Approximative dynamische Programmierung für die Umpositionierung von Rettungswagen verbesserte im veröffentlichten Szenario die Eintreffzeit-Kennzahlen gegenüber statischen Strategien [1]; Übersichtsarbeiten zu Standort- und Umpositionierungsmodellen im Rettungsdienst geben einen strukturierten Überblick über Abdeckungs- und Umpositionierungsansätze und offene Fragen wie Unsicherheit bei Fahrzeiten und Bedarf [2][3]. Deep RL für Disposition und Umpositionierung ist ein aktives Feld, doch die berichteten Gewinne stammen überwiegend aus Simulationen.
• Praxis: Die meisten Produktivsysteme nutzen weiterhin die Disposition nach dem nächsten Fahrzeug und feste Bereitstellungspläne; prognosebasierte Einsatzplanung und strategische Simulation sind der übliche erste Einführungsschritt. Die Gewinne hängen stark von der Ausgangslage des Systems ab.
• Grenzen und Fehlerbilder: Bedarfsverschiebungen (Pandemie, Hitzewellen, Großveranstaltungen) machen Prognosen unbrauchbar; Einsatzdaten sind durch das bisherige Serviceniveau verzerrt (nicht gedeckter Bedarf ist unsichtbar); Umpositionierung erhöht Besatzungsbelastung und Kraftstoffverbrauch; die Optimierung einer mittleren Eintreffzeit kann ländlichen Gebieten schaden, daher müssen Fairness- und Randbedingungen für die Ausreißer ausdrücklich formuliert werden; der Fahrzeugstatus im CAD ist oft veraltet oder falsch; Abdeckungsoptimierung ohne klinische Priorität kann das falsche Einsatzmittel entsenden.

Gemeinsame Bausteine & Kombinationen

• Komponenten: OPT-001 (Routenplanung), PRED-011 (Prognose von Arbeitslast und Notrufaufkommen), DATA-011 (Geodatenanalyse), OPT-003 (Schichtplanung für Besatzungen).
• Vorgelagert: CONV-021 und SPEECH-016 (Notruf-Triage und 112-Analyse) liefern Einsatzart und Priorität; halten Sie die Triage-Entscheidung von der Einsatzmittel-Entscheidung getrennt.
• Gemeinsamer Stack: Zeitreihenprognose, Solver- und Simulationsfähigkeiten sowie die Geodaten-Pipeline sind in diesen Anwendungsfällen auf HW1 wiederverwendbar.

Aufwand, Kosten & Kennzahlen

• Weg A: Monate für Beschaffung und Integration; das Modul wird in der Regel als Lizenz oder Abonnement des CAD-Anbieters geliefert.
• Weg B/C: 6–18 Monate vom Datenaudit bis zum Pilot im Schattenbetrieb; die Hauptkosten sind Datenengineering, Validierung und Fachleute, nicht Rechenleistung.
• Kennzahlen: Anteil der Einsätze, die innerhalb der gesetzlichen Hilfsfrist bzw. des Ziels erreicht werden (nach Priorität und Region, einschließlich ländlicher Ausreißer), Median und 90. Perzentil der Eintreffzeit, Abdeckung der Bevölkerung durch freie Fahrzeuge, Anzahl der Umpositionierungen und Besatzungsbelastung, Fahrzeugauslastung, Akzeptanzquote der Empfehlungen bei den Disponenten, Prognosefehler (z. B. Pinball-Loss je Zelle und Stunde).

Menschen & Veränderung

Beginnen Sie mit der Geschäftsführung und der Leitung der Leitstelle (department-lead), die Ziele wie Hilfsfrist-Vorgaben festlegen. Beziehen Sie den/die Datenschutzbeauftragte(n) und die IT-Sicherheit ein, bevor Daten das CAD-System verlassen, sowie die Dateneigentümer (CAD-Anbieter, Behörde) für Exporte. Disponenten (end-users) kommen früh in Workshops und später als Pilotgruppe dazu, denn sie müssen den zu jeder Empfehlung angezeigten Begründungen vertrauen können.

Betriebsrat / Personalrat: ja. In Behörden bestimmt der Personalrat (nach BPersVG oder Landesgesetz) mit, bei privaten Betreibern der Betriebsrat nach § 87 Abs. 1 Nr. 6 BetrVG, da Positionsdaten und Dispositionsentscheidungen objektiv geeignet sind, Besatzungen und Disponenten zu überwachen (BAG-Rechtsprechung). § 90 Abs. 1 Nr. 3 verlangt frühzeitige Information, und § 80 Abs. 3 erlaubt einen KI-Sachverständigen. Schließen Sie eine Betriebsvereinbarung, die individuelle Leistungsrankings ausschließt und die Umpositionierungsbelastung begrenzt.

Datenschutz: Die Daten sind personenbezogen und oft Gesundheitsdaten, daher ist eine DSFA (Art. 35 DSGVO) wahrscheinlich, mit AVV für jeden Auftragsverarbeiter. KI-Kompetenz: Art. 4 der KI-Verordnung (AI Act) verlangt Maßnahmen zur Förderung der KI-Kompetenz; schulen Sie Disponenten darin, was die Prognose leisten kann und was nicht (GUIDE-006). Führen Sie zuerst einen Pilot im Schattenbetrieb durch (GUIDE-009) und kommunizieren Sie offen (GUIDE-008). Typische Sorge: „Das System entscheidet, wer Hilfe bekommt.“ Antwort: Der Disponent entscheidet jede Entsendung und kann überstimmen. Siehe GUIDE-004 und GUIDE-005.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): hohes Risiko. Anhang III Nr. 5 Buchst. d führt KI-Systeme auf, die dazu bestimmt sind, Notfalleinsatzdienste (Polizei, Feuerwehr, medizinische Hilfe) zu entsenden oder bei deren Entsendung Prioritäten festzulegen, sowie die Triage von Patienten in der Notfallversorgung. Ein System für Fahrzeugempfehlung oder Umpositionierung in einer Leitstelle fällt in diesen Anwendungsbereich; eine rein strategische Offline-Studie zur Wachenplanung ohne Verbindung zur operativen Disposition liegt meist außerhalb, ist aber im Einzelfall zu prüfen. Es gelten Pflichten für Anbieter und Betreiber: Risikomanagement, Daten-Governance, Protokollierung, menschliche Aufsicht, Genauigkeit und Robustheit sowie die Grundrechte-Folgenabschätzung der Betreiber, wo öffentliche Stellen sie anwenden [4].
• Art. 5: Keine verbotene Praxis ist beabsichtigt; nicht mit Profiling von Einzelpersonen oder Priorisierung nach persönlichen Merkmalen kombinieren.
• DSGVO: Einsatzprotokolle enthalten Gesundheitsdaten (Art. 9) und den Aufenthaltsort von Patientinnen und Patienten; für Prognose und Forschung Pseudonymisierung oder räumliche Aggregation nutzen, Rechtsgrundlage in den Rettungsdienst- und Datenschutzgesetzen der Länder, Auftragsverarbeitungsverträge, DSFA. GPS-Tracking der Besatzungen sind Beschäftigtendaten und erfordern in Deutschland die Beteiligung des Betriebsrats [5].
• Branchenregeln: Rettungsdienstgesetze und Planungsverordnungen der Länder, ELS-Standards und -Schnittstellen, KRITIS/NIS2-Pflichten für Betreiber kritischer Dienste, Medizinprodukterecht, wenn die Software einen klinischen Zweck hat.
• Gegenmaßnahmen: nur Empfehlungen, überstimmbar; Rückfall auf die Regel „nächstes Fahrzeug“, wenn der Dienst ausfällt; Erklärungen (Abdeckungswirkung) werden angezeigt; Überwachung auf Verzerrungen und ländliche Ausreißer; versionierte Modelle und Entscheidungsprotokolle; Härtung der Cybersicherheit und Betrieb im abgeschotteten oder segmentierten Netz.

Erste Schritte

1. Die Einsatzdaten prüfen: Qualität von Zeitstempeln, Koordinaten, Priorität und Fahrzeugstatus; die aktuelle Einhaltung der Eintreffzeit je Landkreis rekonstruieren.
2. Eine beschreibende Ausgangsbasis aufbauen: Bedarfs-Heatmaps nach Stunde, Fahrzeitmatrix, Abdeckungskarte des aktuellen Wachenplans.
3. Einen ereignisdiskreten Simulator bauen und anhand der tatsächlichen Eintreffzeiten des Vorjahres kalibrieren.
4. Disposition nach dem nächsten Fahrzeug gegen abdeckungsbewusste Disposition und eine einfache MIP-Umpositionierungsstrategie im Simulator testen; Effekte im Mittel und an den Rändern berichten.
5. Im Schattenbetrieb neben den Disponenten laufen lassen; DSFA, Betriebsvereinbarung und Hochrisiko-Bewertung nach AI Act müssen vor jedem Echtbetrieb abgeschlossen sein.

Quellen

1. Maxwell, Restrepo, Henderson, Topaloglu — Approximate Dynamic Programming for Ambulance Redeployment, INFORMS Journal on Computing (2010) — https://doi.org/10.1287/ijoc.1090.0351
2. Brotcorne, Laporte, Semet — Ambulance location and relocation models, European Journal of Operational Research (2003) — https://doi.org/10.1016/S0377-2217(02)00364-8
3. Aringhieri, Bruni, Khodaparasti, van Essen — Emergency medical services and beyond: Addressing new challenges through a wide literature review, Computers & Operations Research (2017) — https://doi.org/10.1016/j.cor.2016.09.002
4. Regulation (EU) 2024/1689 (AI Act), Annex III point 5 — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
5. Regulation (EU) 2016/679 (GDPR), Art. 9 — https://eur-lex.europa.eu/eli/reg/2016/679/oj
6. Google OR-Tools — https://developers.google.com/optimization
7. Timefold Solver — https://timefold.ai
8. Open Source Routing Machine (OSRM) — https://project-osrm.org