Ein Simulationsrahmen zur Bewertung elektronischer Bestell‑Workflows in integrierten Gesundheitsakten

Warum die unsichtbare digitale Bürokratie zählt

Jedes Mal, wenn ein Arzt eine Laboruntersuchung, eine Röntgenaufnahme oder eine Facharztkonsultation anordnet, durchläuft diese Anfrage ein Labyrinth innerhalb der elektronischen Gesundheitsakte (EHR). Verläuft diese digitale Reise langsam oder bleibt sie stecken, müssen Patienten länger auf Behandlung warten und Mitarbeitende verlieren Zeit mit dem Nachverfolgen des Status. Dieser Artikel beschreibt eine neue Methode, diese verborgenen elektronischen Workflows mit Computersimulationen „probefahren“ zu können, sodass Krankenhäuser sicher untersuchen können, wie Änderungen in Software, Personal oder Nachfrage Verzögerungen und Rückstände beeinflussen könnten, bevor Patienten davon betroffen sind.

Rohe Klicks in eine klare Erzählung verwandeln

Die Autorinnen und Autoren konzentrierten sich auf die Veterans Health Administration, das größte integrierte Gesundheitssystem der USA. Ihre EHR protokolliert jeden Schritt, den eine elektronische Bestellung durchläuft, doch die Daten sind über viele technische Tabellen und Zeitstempel verstreut. Das Team übersetzte dieses Durcheinander von Ereignissen zunächst in eine einfache, universelle Menge von Zuständen, die jede*r Laie im Prozess wiedererkennen würde: Eine Bestellung wird Created, Ready, Reserved für die Ausführung, InProgress verschoben und schließlich Completed — oder sie endet in Problemzuständen wie Failed, Exited oder Error. Diese Zuordnung, basierend auf einem internationalen Standard für Geschäftsworkflows, verwandelte unordentliche Protokolle in saubere, vergleichbare digitale „Spuren“, die zeigen, wie Bestellungen tatsächlich durch das System wandern.

Eine virtuelle Teststrecke für Bestellungen bauen

Auf Grundlage dieser standardisierten Spuren bauten die Forschenden eine diskrete Ereignissimulation — ein Computermodell, das tausende Bestellungen durchspielen lässt, während sie sich im Zeitverlauf von Zustand zu Zustand bewegen. Sie kalibrierten das Modell mit realen Daten aus fünf Veterans‑Krankenhäusern und speisten ein, wie häufig jede Transition auftritt und wie lange sie typischerweise dauert, einschließlich seltener, aber sehr langer Verzögerungen. Anschließend prüften sie, wie gut die simulierte „Verweildauer im System“ mit der historischen Realität übereinstimmt, mithilfe statistischer Tests und Gegenüberstellungen in Diagrammen. Die simulierten und realen Zeitverläufe stimmten über die Einrichtungen hinweg eng überein, insbesondere für typische Fälle, was Vertrauen darin schafft, dass das virtuelle System dem realen ähnelt und für „Was‑wäre‑wenn“‑Experimente genutzt werden kann.

Das System unter Druck auf die Probe stellen

Das Team nutzte das Modell dann, um praktische Fragen zu stellen: Was passiert, wenn mehr Bestellungen eintreffen oder wenn Schlüsselprozesse durch Personal oder Geräte begrenzt sind? In einer Versuchsreihe erhöhten sie das Bestellvolumen und setzten Obergrenzen dafür, wie viele Bestellungen an kritischen Übergängen wie von Reserved zu InProgress oder von InProgress zu Completed verarbeitet werden können. Ohne Limits konnte das System höhere Nachfrage mit nur moderatem Wachstum wartender Bestellungen aufnehmen. Sobald jedoch Kapazitätsgrenzen eingeführt wurden, wuchsen Rückstände stark an und das System hatte Schwierigkeiten, einen stabilen Zustand zu erreichen, besonders bei hoher Nachfrage. Effektiv verwandelten moderate Ressourcenbegrenzungen eine handhabbare Spitzenbelastung in einen Kipppunkt, an dem Verzögerungen und unerledigte Bestellungen schlagartig zunahmen — Erkenntnisse, die Personal‑ und Kapazitätsplanung leiten können.

Den Umwegen und Schleifen folgen

Die Forschenden untersuchten außerdem, wie kleine Änderungen in Routing‑Regeln sich im System auswirken. Wenn sie es erschwerten, dass Bestellungen eine Abkürzung direkt von Ready zu Completed nehmen, mussten mehr Bestellungen über Reserved und InProgress laufen. Das reduzierte vorübergehend den Gesamtdurchsatz und erzeugte längere, verschlungene Pfade, wobei einige Bestellungen mehrfach zurückschleiften und deutlich mehr Zeit im System verbrachten. Durch die Visualisierung der häufigsten Pfade und das Zählen, wie oft Bestellungen zu früheren Zuständen „zurückschleifen“, hebt das Modell Bereiche hervor, in denen Nacharbeit und wiederholte Bearbeitung stillschweigend Personalzeit verbrauchen. Eine Netzwerkanalyse der digitalen Routen zeigte, dass drei Zustände — Reserved, InProgress und Completed — als zentrale Knoten und potenzielle Engpässe fungieren, an denen sich Staus am ehesten bilden und bei denen engere Überwachung sich auszahlen würde.

Mit einem digitalen Zwilling die Versorgung am Laufen halten

Für fachfremde Leser*innen ist die Hauptaussage: Die Autorinnen und Autoren haben eine Art digitalen Zwilling für EHR‑Bestellungen gebaut — eine sichere, datenbasierte Sandbox, in der Führungskräfte Änderungen proben können, bevor sie Patienten betreffen. Die Studie zeigt, dass dieser Ansatz realistisch abbilden kann, wie elektronische Bestellungen sich bewegen, wo sie stocken und wie Regeländerungen oder Nachfragespitzen verborgene Warteschlangen und Verzögerungen erzeugen können. Krankenhäuser könnten solche Simulationen nutzen, um neue Regeln zu testen, für Spitzen zu planen, Schlüsselzustände auf frühe Störzeichen zu überwachen und unnötige Nacharbeit zu reduzieren. Damit lässt sich die unsichtbare Infrastruktur digitaler Bestellungen verlässlicher machen und gewährleisten, dass die Technik hinter den Kulissen mit der Dringlichkeit der Patientenversorgung Schritt hält.

Zitation: Chen, Y., Niu, H., Omitaomu, O.A. et al. A simulation framework for evaluating electronic order workflows in integrated health records. npj Health Syst. 3, 14 (2026). https://doi.org/10.1038/s44401-026-00067-2

Schlüsselwörter: elektronische Gesundheitsakten, Workflow‑Simulation, Betrieb im Gesundheitswesen, digitaler Zwilling, Veterans Health Administration