Mittlerweile ist sie fast jedem in der GKV-Welt von BITMARCK ein Begriff: Die Data.Science.Factory, eine neue Art der Entwicklung von Lösungen gemeinsam mit Kunden – im vergangenen Jahr ins Leben gerufen, um Innovationen voranzutreiben, Ideen zu erproben und die Mehrwerte den Kranken­kassen schnell verfügbar zu machen. Dabei geht es sowohl um Ansätze rund um das Thema Data-Science als auch um Aspekte der gemein­samen agilen Entwicklung und Vernetzung mit Wissenschaft und Partnern. Alle Phasen der Entwicklung werden gemeinsam mit unseren Kunden durchlaufen. Im Mittelpunkt steht die Vielzahl an Daten, die rund um die gesetzliche Krankenversicherung erzeugt und verwaltet werden. Die technische Entwicklung erlaubt es inzwischen mit relativ einfachen Mitteln, diese Vielzahl an Daten effizient auszuwerten. Viele Krankenkassenprozesse können jedoch zusätzlich durch vorgelagerte Datenanalysen beschleunigt, qualitativ verbessert oder (teil-)automatisiert werden.

In kurzer Zeit ein funktions­fähiges Produkt­inkrement realisieren

Unsere Motivation: Analytische Potenziale der Krankenkassendaten zu erkennen, zu bewerten und schließlich zu heben. Diesem Vorhaben nähern wir uns stets über konkrete Anwendungsfälle, sogenannte Use-Cases. Diese Use-Cases generieren und bewerten wir im engen Austausch mit Experten aus Krankenkassen. Bei entsprechend positiver Bewertung und Priorisierung setzen wir den Use-Case als Projekt in der Factory auf, um dort in möglichst kurzer Zeit ein ab­ge­grenztes, in sich funktionsfähiges Produk­t­inkrement zu realisieren – das sogenannte MVP (Minimum Viable Product). Dies umfasst bereits den Proof of Concept eines tragfähigen und nutzenstiftenden analytischen Modells sowie Auslieferungs- und Betriebsszenarien der Lösung. Wird das MVP positiv bewertet, beginnt die finale Produktentwicklung in einem der Fachbereiche, und in der Data.Science.Factory werden neue Themen verprobt. Mit Abschluss jedes Projekts erwerben wir immer wieder neue Erkenntnisse über die tatsächlichen Potenziale der verfügbaren Kassendaten, die Anwendung von Data-Science-Techniken und die Zusammen­arbeit innerhalb der BITMARCK-­Units sowie mit Krankenkassen und Partnern.  

Warum Agilität in diesem Kontext so wichtig ist

Typisch für Projekte und Datenanalysen ist, dass es zum Start oftmals nicht auszumalen ist, welche Ergebnisse entstehen oder welche Zusammenhänge die Analysen aufzeigen werden. Auf diese (Zwischen-)Ergebnisse muss jedoch im Fortgang der Projekte immer wieder flexibel reagiert werden können – falls Anpassungen erforderlich sind. Um dabei auf Kurs zu bleiben, braucht es Mittel und Wege für regelmäßiges Feedback (bei Scrum abgedeckt durch: Review) und eine regelmäßige Neuausrichtung der Ziele und Prioritäten (bei Scrum abgedeckt durch: Planning, Refinement, Product Visioning). Ein agiles Vorgehensmodell unterstützt dieses Setting ideal, da es dort Struktur gibt, wo man sie braucht, um sich nicht in wilden Experimenten zu verlieren – aber gleichzeitig werden den Akteuren Freiheiten eingeräumt und eine Fehler­kultur ermöglicht, die unbedingt notwendig sind.

Positionspapier und Kundenveranstaltung geplant

Zurzeit entsteht ein BITMARCK-Positionspapier zum Thema Data-Science. Dort wollen wir zum noch besseren Verständnis unsere Sicht auf das Thema darlegen: Das Positionspapier strukturiert Chancen, Trends und Potenziale zur Ausprägung gemeinsamer Definitionen in der GKV. Darüber hinaus soll ebenso eine regelmäßige Kundenveranstaltung zum Thema Data-Science etabliert werden, um den stetigen Austausch mit unseren Kunden bei diesem elementaren Thema zu gewährleisten. Sowohl das Positionspapier als auch die erste Kundenveranstaltung sollen noch in diesem Jahr umgesetzt werden. Über die weiteren Fortschritte diesbezüglich halten wir Sie in der einsnull sowie im Kundenportal mein.bitmarck.de auf dem Laufenden.  

Aktuelle Projekte – daran wird in der Factory derzeit gearbeitet

Betrugserkennung bei Heilmittelverordnungen, Betrugserkennung bei AAG-Erstattungsanträgen sowie Früherkennung und Versorgung bei Depression lauten die Titel der aktuellen Projekte.

In den Betrugserkennungs-Projekten wird beispielsweise den folgenden Fragen nachgegangen: „Können wir im Leistungs­bereich eine effektive Lösungsinfrastruktur zur Betrugserkennung für unsere Kranken­kassen aufbauen, anbieten und betreiben? Können wir den Prozess der AAG Erstattungen intelligenter gestalten und teilautomatisieren? Lassen sich der Ausbruch oder die Eskalation einer Erkrankung und damit der Versorgungs­bedarf auf Basis verfügbarer Abrechnungsdaten valide frühzeitig bestimmen, und können mit den Ergebnissen Versorgungsangebote individualisiert werden?“

Die „Product-Visions“ sind die erfolgreiche Implementierung einer nachgelagerten Auffälligkeitsprüfung als Win-Win-Win-­Situation: Heben des analytischen Potenzials der Abrechnungsdaten mit Blick auf Betrug, fehlerhafte Abrechnungen und Verbesserungs­potenzial in der Versorgung. Oder genauer: Höhere Wertschöpfung des kassenüber­greifenden Clearing, ein effizienterer Einsatz von Experten­­ressourcen und Kostensenkung durch Rückforderungen und Polizeieffekt.

Bei der Früherkennung und Versorgung von Depressionen wollen wir die Kranken­kassen in die Lage versetzen, Versicherten ein niedrigschwelliges und wirksames Angebot für die Bewältigung sowie die Prävention (einer Eskalation) einer depressiven Erkrankung zu machen. In Summe ergibt dies einen Erkenntnisgewinn über die Nutzbarkeit von Abrechnungsdaten für vergleichbare Fragestellungen sowie die Möglichkeiten des § 68a SGB V.