Zurück zur Bibliothek

Kernfrage Neu

KI-aufbereitet · Von Autoren geprüft

Wie beeinflusst die Bestrafung von verspätetem Einchecken die allgemeinen Wartezeiten und die Überlastung in Kliniken?

When Digital Punctuality Backfires: Queue Demotion and Congestion Externalities in Outpatient Care
Jiayi Nie, Hanbing Xue, Xuemei He, et al. · International Conference on Information Systems (ICIS) · 2026
Illustration zu: Wie beeinflusst die Bestrafung von verspätetem Einchecken die allgemeinen Wartezeiten und die Überlastung in Kliniken?

Lädt den Spotify-Player; Spotify kann Cookies setzen. Dieses Gerät merkt sich Ihre Auswahl.

Zentrale Ergebnisse

  • Die Richtlinie zur Rückstufung in der Warteschlange verbesserte die individuelle Regeltreue, verringerte verspätete Check-ins deutlich und erhöhte pünktliche Ankünfte.
  • Die durchschnittliche ambulante Wartezeit im gesamten System stieg signifikant um etwa 1,14 Minuten pro Patientenbesuch.
  • Die Regelung führte zu einer Häufung von Check-ins und einer deutlich höheren zeitlichen Ballung, was punktuelle Überlastungsspitzen erzeugte, die die unmittelbaren Behandlungskapazitäten der Ärzte überstiegen.
  • Längere Verzögerungen übertrugen sich auf nicht sanktionierte Patienten und führten zu statistisch signifikanten Verlängerungen der Wartezeiten sowohl für pünktliche als auch für verfrühte Check-ins.
  • Der Anstieg der Wartezeiten fiel bei patientenreichen Sprechstunden signifikant höher aus, während die Behandlungsgeschwindigkeit der Ärzte und das gesamte Patientenaufkommen unverändert blieben.

Bedeutung für die Praxis

CIO / IT-Leitung

Modify the patient check-in portal software to replace rigid queue demotion with a dynamic arrival-window algorithm that staggers check-in times and smooths demand peaks.

IT-Management

Configure the patient check-in app to assign randomized, staggered 10-minute arrival slots instead of exact-hour deadlines to prevent morning check-in bunching.

Unternehmensstrategie

Redesign clinic scheduling templates to dynamically throttle patient intake rates during historically high-volume physician sessions to prevent localized bottlenecking.

Forschung

Conduct a queue-theoretic simulation study to model the exact tradeoff between individual late-penalty compliance and systemic waiting-time externalities across varying hospital capacities.

Politische Entscheidungsträger

Issue operational guidelines requiring healthcare facilities to evaluate hospital-wide patient wait-time externalities before deploying automated punitive queue-management policies.

Zusammenfassung

Diese Studie untersucht die betrieblichen Folgen einer digitalen Pünktlichkeitsrichtlinie für Termine, die die Priorität in der Warteschlange für verspätet eintreffende Patienten herabstuft. Anhand eines empirischen Differenz-von-Differenzen-Ansatzes analysieren die Autoren über 4,2 Millionen ambulante Besuche über einen Zeitraum von zwei Jahren an einem großen Schwerpunktkrankenhaus in China.

Problemstellung

Krankenhäuser führen häufig automatisierte Sanktionen ein, um Verspätungen zu reduzieren, in der Annahme, dass individuelle Pünktlichkeit den Patientenfluss glättet. Bisherige Forschung berücksichtigt jedoch selten, wie solche Regeln Patienten dazu bringen, ihre Check-in-Zeiten kollektiv zu verlagern, was die Nachfrage ballen und gemeinsame klinische Kapazitäten überlasten kann.

Transkript
Host: Willkommen zu A.I.S. Insights — powered by Living Knowledge. Mein Name ist Anna Ivy Summers, und an meiner Seite ist wie immer Alex Ian Sutherland. Heute sprechen wir über eine Studie mit dem Titel: „Wenn digitale Pünktlichkeit nach hinten losgeht: Warteschlangen-Rückstufung und Überlastungsexternalitäten in der ambulanten Versorgung“. Die Autoren sind Jiayi Nie, Hanbing Xue, Xuemei He und Xiaoli Hu. Alex, worum geht es in dieser Untersuchung genau?
Expert: Hallo Anna. Die Studie analysiert die betrieblichen Konsequenzen einer digitalen Pünktlichkeitsrichtlinie in Krankenhäusern. Konkret geht es um Systeme, die Patienten in der Warteschlange automatisch herabstufen, wenn sie ihren Termin verspätet antreten. Untersucht wurde, wie sich eine solche Regelung auf die tatsächlichen Wartezeiten und den gesamten Betriebsablauf auswirkt.
Host: Das klingt auf den ersten Blick nach einer intuitiven Maßnahme. Wo liegt hier das betriebswirtschaftliche Kernproblem?
Expert: Viele Dienstleister und Kliniken nutzen automatisierte Sanktionen, um Verspätungen einzudämmen. Die Grundannahme lautet: Wenn jeder Einzelne pünktlicher erscheint, glättet sich der Gesamtablauf. In der Praxis führt eine solche Sanktion jedoch dazu, dass Patienten ihr Verhalten kollektiv verändern. Wenn viele Menschen versuchen, die Strafe zu vermeiden, verschieben sie ihre Ankunftszeitpunkte zeitgleich nach vorn. Das kann zu einer unerwarteten Ballung der Nachfrage führen und gemeinsame Kapazitäten punktuell überfordern.
Host: Wie sind die Autoren vorgegangen, um dieses Phänomen empirisch zu überprüfen?
Expert: Die Autoren nutzten einen Differenz-von-Differenzen-Ansatz. Die Datengrundlage ist beachtlich: Analysiert wurden über 4,2 Millionen ambulante Besuche über einen Zeitraum von zwei Jahren an einem großen Schwerpunktkrankenhaus in China. Durch den Vergleich von Abteilungen mit und ohne diese Rückstufungsregel konnten kausale Effekte isoliert werden.
Host: Und was zeigen die Ergebnisse? Hat die Richtlinie die Pünktlichkeit verbessert?
Expert: Ja, auf individueller Ebene hat die Richtlinie wie beabsichtigt funktioniert. Die Zahl der verspäteten Check-ins ging deutlich zurück, während pünktliche Ankünfte zunahmen. Die Patienten hielten sich also messbar genauer an ihre Termine.
Host: Das klingt nach einem Erfolg. Gab es dennoch unerwünschte Nebeneffekte?
Expert: Genau da liegt der kritische Punkt. Trotz höherer Pünktlichkeit stieg die durchschnittliche Wartezeit im gesamten ambulanten System signifikant an, und zwar um etwa 1,14 Minuten pro Patientenbesuch. Der Grund dafür war eine starke zeitliche Ballung der Check-ins. Viele Patienten trafen kurz vor Ablauf des Zeitfensters ein, um eine Herabstufung zu vermeiden. Diese Spitzen überstiegen die unmittelbare Behandlungskapazität der Ärzte.
Host: Betraf diese längere Wartezeit nur diejenigen, die knapp dran waren, oder das gesamte System?
Expert: Die Verzögerungen übertrugen sich als negative Externalität auf das Gesamtsystem. Sowohl pünktliche als auch überpünktliche Patienten mussten statistisch signifikant länger warten. Zudem zeigte sich, dass dieser Effekt in Abteilungen mit ohnehin hohem Patientenaufkommen deutlich stärker ausfiel. Wichtig ist auch: Die Behandlungsgeschwindigkeit der Ärzte und das gesamte Patientenvolumen blieben unverändert. Die längeren Wartezeiten entstanden rein durch die veränderte Koordination der Ankünfte.
Host: Das ist ein bemerkenswerter Befund für das Operations Management. Welche praktischen Lehren lassen sich daraus für Unternehmen und Organisationen ziehen?
Expert: Für Führungskräfte zeigt die Studie, dass digitale Steuerungsmechanismen immer im Gesamtsystem betrachtet werden müssen. Eine isolierte Sanktion zur Durchsetzung von Pünktlichkeit kann nach hinten losgehen, wenn sie Nachfragespitzen erzeugt, statt den Ablauf zu glätten. Für die Praxis bedeutet das: Starre Zeitregeln sollten flexibler gestaltet werden, etwa durch gestaffelte Zeitfenster oder Pufferzeiten. Zudem müssen Kapazitäten an die tatsächlichen Ankunftsmuster angepasst werden, statt von einer gleichmäßigen Verteilung auszugehen. Dieses Prinzip ist nicht nur auf Kliniken anwendbar, sondern auf alle terminbasierten Dienstleistungen, wie Logistikzentren oder Service-Schalter.
Host: Ein wichtiger Einblick in die unbeabsichtigten Folgen algorithmischer Regeln. Zusammenfassend lässt sich sagen: Individuelle Regeltreue führt nicht automatisch zu betrieblicher Effizienz, wenn das System kollektive Ausweichbewegungen nicht auffangen kann. Alex, vielen Dank für diese präzisen Erläuterungen. Und vielen Dank an Sie fürs Zuhören bei A.I.S. Insights — powered by Living Knowledge. Bis zur nächsten Folge.
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

Appointment Punctuality Policy, Congestion Externality, Outpatient Waiting Time, Queue Management, Healthcare Information Systems, Behavioral Operations