Produktstammdaten und Produktinformationen werden auf verschiedenen Ebenen im Klinikbetrieb, vor allem aber im Klinikeinkauf, verwendet und bilden die Grundlage für operative und strategische Entscheidungen. In einer branchenweiten Umfrage (Lünendonk-Studie 2016: Revival der Stammdaten) gaben 82 Prozent der Unternehmen an, dass eine hohe Datenqualität schnelle Analysen und korrekte Entscheidungen ermöglicht. Dennoch schätzten nur 15 Prozent die eigene Stammdatenqualität als gut ein. Hier gibt es Handlungsbedarf: Eine geringe Produktdatenqualität kann die Effizienz erheblich beeinträchtigen, während eine hohe Datenqualität entscheidend zum Erfolg des Klinikeinkaufs beiträgt. Die Erhöhung der Datenqualität wirkt sich verbessernd auf verschiedene Bereiche einer Klinik aus. Deshalb ist gerade in den Prozessketten des Gesundheitswesens eine möglichst hohe Datenqualität unverzichtbar.

Mehrere Umfragen von Branchenexperten weisen jedoch darauf hin, dass viele Kliniken und Lieferanten der Datenqualität als auch deren Sicherstellung offenbar nicht genügend Aufmerksamkeit schenken oder nicht effizient damit umgehen.

Multiplikation von Datenfehlern

Operative Daten im Einkauf können in zwei Kategorien unterteilt werden: relativ statische Produktstammdaten und dynamische Transaktionsdaten. Die statischen Produktstammdaten definieren die grundlegenden Merkmale der Produkte. Sie werden in der Regel nur einmal angelegt, mehrfach verwendet und selten verändert. Transaktionsdaten beschreiben die relevanten Ereignisse in einem Unternehmen, wie Bestellungen, Rechnungen, Zahlungen, Lieferungen oder Lageraufzeichnungen. Auch Preis- und Konditions-Daten werden als dynamische Stammdaten bezeichnet.

Weil Transaktionsdaten auf Stammdaten basieren, werden sich Stammdatenfehler vervielfachen und erhebliche Kosten in den Prozessketten verursachen. Wenn beispielsweise ein Hersteller einem Artikel in den Stammdaten eine falsche ID und auf der Basis der ID einen falschen Preis zuordnet, dann geht beim Verkauf des Artikels Geld verloren. Wird der Artikel hundertmal im Jahr bestellt, so zeigt schon dieses einfache Beispiel den Multiplikatoreffekt von Stammdaten zu Transaktionsinformationen. Die negativen Auswirkungen fehlerhafter Produktstammdaten können 8 bis 12 Prozent der Einnahmen kosten.

Sind die Produktstammdaten des Lieferanten nicht mit den in der Klinik angelegten Daten identisch, führt dies zu erhöhten Aufwendungen in den nachgelagerten Prozessen. Selbst wenn der Lieferant den gewünschten Artikel trotz falscher Bestelldaten korrekt identifiziert, werden Lieferschein und Rechnung auf der Bestellerseite nicht mit der getätigten Bestellung übereinstimmen. Das führt dann beim Wareneingang und der Rechnungskontrolle des Bestellers zu Rückfragen und Abklärungen mit einem erheblichen Aufwand an Ressourcen.

Wenn der Lieferant aufgrund fehlerhafter Stammdaten einen falschen Artikel liefert, dann kann der Adrenalinspiegel im Einkauf schon mal auf Notaufnahme-Niveau steigen. Bei gewöhnlichen Verbrauchsmaterialien ist das Risiko einer Patientengefährdung durch eine fehlerhafte Lieferung glücklicherweise gering. Bei patientenspezifischen Medizintechnikartikeln, wie zum Beispiel Implantaten, sieht das aber ganz anders aus.

Kosten geringer Datenqualität

Die Kosten, die durch geringe Datenqualität verursacht werden, sind schwer zu quantifizieren. Sie lassen sich in zwei Kategorien einteilen: direkte oder indirekte Kosten durch geringe Datenqualität sowie Kosten für die Erkennung und Reparatur.

Kosten, die durch geringe Datenqualität verursacht werden, sinken mit zunehmender Qualität. Dass die Datenqualität in Abhängigkeit von den Kosten eine konvexe Kurve beschreibt, mag in einer rein ökonomischen Betrachtung realistisch sein. Im Gesundheitswesen, wo als Zielstellung das Patientenwohl an erster Stelle steht, wo Fehler unabhängig von der allgemeine Datengüte Leib und Leben gefährden können, ist eine mehr lineare Kurvenführung durchaus denkbar. Auch bei einer Datenqualität von 99,9 Prozent kann ein Fehler Leben kosten. Für die Betrachtungen in diesem Artikel soll von einer konvexen Kurve ausgegangen werden, da sich die Schlussfolgerungen im Folgenden nur verstärken, je linearer die Darstellung ist.

Nachhaltige Steigerung der Datenqualität

Die Erkennung von inhaltlichen Datenfehlern in Stammdaten ist die Basis einer kontinuierlichen Verbesserung aller Prozesse, die stammdatenbasiert betrieben werden. Mit dem im Folgenden dargestellten Drei-Phasen-Modell kann eine stetige inhaltliche Qualitätssteigerung von Stammdaten erfolgreich umgesetzt werden.

• 1. Phase Hier muss sichergestellt werden, dass die Katalogdaten auf Hersteller- und Lieferantenseite valide sind. Auf Basis verschiedener Validierungs-Regelwerke (IDDG, GDSN, COVIN) können Hersteller/Lieferanten ihre Daten prüfen und zum Beispiel durch das Institut für Datenvalidierung und Datenmanagement im Gesundheitswesen (IDDG e.V.) auch zertifizieren lassen.
  Stammdatennutzer, wie Krankenhäuser, Einkaufgemeinschaften oder auch Betreiber von EDI-Plattformen, können geprüfte/zertifizierte Produktstammdaten direkt von der Industrie oder über Stammdatenbeschaffungs-Quellen beziehen. Solche Quellen sind das TransferPortal, das Global Data Synchronisation Network GDSN oder das Healthcare Content Data Portal HCDP. Damit wird sichergestellt, dass dem strategischen und dem operativen Krankenhauseinkauf eine valide Grundlage für die Anlage der Produktstammdaten zur Verfügung steht, damit ein fehlerfreier Beschaffungsprozess im Sinne einer digitalen Supply Chain erfolgen kann.
  
  
• 2. Phase Die validen Katalogdaten müssen mit den Produktstammdaten der Klinik synchron sein. Ein entsprechender Abgleich mit Report und darauf folgender Fehlerkorrektur erfolgt in der zweiten Prüfphase. Obwohl Produktstammdaten in der Regel nicht als dynamischer Bereich zu betrachten sind, können sie sich im Laufe der Zeit doch ändern. Der Abgleich muss also regelmäßig erfolgen.
  
  
• 3. Phase In der dritten Phase erfolgt die Live-Prüfung bei jeder Bestellung. Aufgrund des Prüfumfangs ist hier eine manuelle Durchführung nicht denkbar. Eine permanente Prüfung der zuletzt verwendeten Produktstammdaten deckt neue Fehler unmittelbar auf und sichert dadurch die operative Exzellenz der in Phase 2 gewonnenen hohen Datenqualität.
  Falls im eigenen Haus keine geeignete technische Lösung zur Verfügung steht, sollte die Zusammenarbeit mit einem Dienstleister in Erwägung gezogen werden. Die Zusammenarbeit mit einem Managed Service für die elektronische Kommunikation in der Supply Chain von Bestellung bis Rechnung kann Dienstleistungen für die Phasen zwei und drei kostengünstig enthalten. Die Kosten für die Erkennung von Datenfehlern können so auf ein Minimum gesenkt werden.

Senkung der Gesamtkosten – höhere Datenqualität

Durch die Senkung der Kosten für die Fehlererkennung reduzieren sich auch die Gesamtkosten. Hierdurch verschiebt sich das (ökonomische) Datenqualitätsoptimum hin zu einer höheren Qualität. Außerdem verringern sich die Kosten, die durch fehlerhafte Produktstammdaten entstehen. Das hat zur Folge, dass die Fehler- und Unterbrechungsquoten der Supply-Chain-Prozesse sinken, wodurch die Versorgungssicherheit steigt und die Patientensicherheit erhöht wird.

Fazit

Geringe Datenqualität führt zu falschen Informationen und damit zu Ineffizienzen und Ressourcenverschwendung. Fehler in der Datenqualität bedeuten Verlust wichtiger Arbeitszeit und zu hohe Kosten. Die aus Datenmängeln entstehenden Fehler in der Lieferkette können unmittelbar die Versorgungs- und Patientensicherheit in der Klinik gefährden und ebenso die Innovationsfähigkeit und somit die Akzeptanz eines Herstellers/Lieferanten langfristig schmälern.

Die Beseitigung von Datenmängeln bei den Herstellern und Lieferanten sowie der verpflichtende Einsatz von validen Stammdaten in den Prozessketten hat das Potenzial, mehr Mittel für eine verbesserte Patientenversorgung und für Innovation (Digitalisierung in Healthcare) zur Verfügung zu stellen.

Damit ist, neben den Prozessverantwortlichen, der Patient Hauptnutznießer einer effizienten, fehlerfreien Versorgungskette. Der Fokus auf valide und synchrone Produktstammdaten ist eine partnerschaftliche Aufgabe von Hersteller/Lieferant und Klinik zum Wohle aller Beteiligter.