Cura Plan

Plan

Columna Cura Plan

Columna Cura Plan bruges i danske kommuners hjemmepleje og sygepleje til automatiseret ruteplanlægning. 

  • Københavns Kommune
  • Hjørring Kommune
  • Herning Kommune
  • Læsø Kommune

Metadata

Hovedfunktion
Anbefaling Beslutningsstøttende værktøj Sagsbehandling
Kommunalt Regionalt Danmark
Transport
I brug
Sidst opdateret i databasen
14. november 2025

Beskrivelse af systemet

I. Hvor bruges systemet og hvad bruges det til?

Columna Cura Plan bruges i danske kommuners hjemmepleje og sygepleje til automatiseret ruteplanlægning. Systemet anvendes af over 50% af det danske marked, herunder kommuner som København, Aalborg, Aarhus, Hjørring, Esbjerg, Frederiksberg, Herning, Hvidovre, Faxe, Læsø og Haderslev.

Systemet bruges til:

  • Optimere besøgsplaner for sundhedspersonale hos borgere
  • Automatisk planlægge og optimere ruter for hjemme- og sygeplejere
  • Reducere køretid og øge tid til borgerne
  • Sikre kontinuitet ved at planlægge samme medarbejdere til samme borgere
  • Håndtere både daglig planlægning og akut replanlægning ved uforutsete ændringer
II. Hvornår blev det implementeret?

Columna Cura-platformen blev lanceret i 2017. Modulet med Automatiseret Ruteplanlægning ved hjælp af kunstig intelligens er blevet tilføjet senere som en kontinuerlig videreudvikling af systemet. Systemet bruges nu bredt i danske kommuner, og flere kommuner implementerer løsningen løbende gennem KL's skaleringssamarbejde om datadrevet ruteplanlægning.

III. Hvordan gør systemet brug af kunstig intelligens?

Systemet anvender AI-algoritmer til automatisk at optimere ruteplanlægning gennem:

Multikriterie-optimering: Algoritmen tager hensyn til multiple parametre samtidigt:

  • Geografisk placering og minimering af køretid
  • Kontinuitet (samme medarbejder hos samme borgere)
  • Medarbejderkompetencer og kvalifikationer
  • Borgernes ønskede besøkstider
  • Koordinering når en borger skal have flere besøg
  • Arbejdstidsregler for medarbejdere

    Dynamisk tilpasning: Systemet kan med ét klik generere nye optimerede planer ved uforutsete ændringer (sygdom, aflysninger, mv.)
  • Intelligent prioritering: Ved mangel på personale foreslår systemet hvilke besøg der kan flyttes, så de vigtigste opgaver løses først
  • Dataanalyse: Systemet giver planlæggeren en "top 10-liste" over de borgere der er planlagt dårligst, hvor der er størst potentiale for forbedring
  • Prædiktiv optimering: Kan identificere mønstre i aflysninger og afvisninger for at forbedre fremtidig planlægning
  • Effekten er typisk en forbedring af planlagt ATA-tid (arbejdstid til aktivitet) på ruter med 5-10 procentpoint.
IV. Hvilke data er blevet brugt til at træne algoritmen?

Kilderne oplyser ikke specifikt hvilke data der er brugt til at træne algoritmen. Systemet anvender dog følgende typer data i driften:

  • Geografiske data og adresser
  • Ydelser og leveringer (hvilke opgaver skal udføres)
  • Medarbejderdata (kompetencer, arbejdstidsregler, teamtilknytning)
  • Historiske data om besøg og leveringer
  • Realtidsdata om ændringer og aflysninger
  • Borgerønsker til besøkstider
  • Trafikdata (implicit, da systemet optimerer køretid)

Det er sandsynligt at algoritmen er trænet på historiske planlægningsdata fra kommuner, men dette er ikke eksplicit bekræftet i kilderne.

V. Hvilke sikkerhedsforanstaltninger findes der?
  • Menneskeligt godkendelseskrav: Ingen planer træder i kraft før planlæggeren har godkendt dem. Systemet giver anbefalinger, men den endelige beslutning træffes af mennesker.
  • Adgangskontrol: Kræver sikkerhedsrollen "Curaplan manager" for systemadministratorer til at foretage visse ændringer
  • Sporbarhed: Omfattende historikfunktioner der viser alle ændringer med tidspunkt og ansvarlig medarbejder (ydelseshistorik, leveringshistorik, besøgshistorik)
  • Synkronisering: Systemet integrerer med det eksisterende elektroniske patientjournalsystem (Cura Omsorg/Social) for at sikre datakonsistens
  • Fejlhåndtering: Systemet har mekanismer til at håndtere synkroniseringsfejl og forsøger automatisk at genoprette forbindelsen
VI. Har systemet været afprøvet gennem f.eks. pilotprojekter? Blev der identificeret konkrete (etiske, juridiske, tekniske) udfordringer? Blev disse udbedret? Hvordan?

Ja, systemet har været gennem omfattende afprøvning og kontinuerlig videreudvikling:

  • Pilotprojekter: Columna Cura-platformen blev lanceret i 2017 og er siden blevet kontinuerligt videreudviklet gennem tæt partnerskab mellem kommunernes sundhedspersonale og Systematic's domæneeksperter
  • Resultater: Den seneste kommune der implementerede løsningen øgede effektiviteten fra 68% til 74% gennem standardisering af processer
  • KL's skaleringssamarbejde: KL støtter udbredelsen gennem et 1,5-årigt skaleringssamarbejde med støtte fra 10-årsplanen for ny teknologi
VII. Hvordan er begrundelsen for indføring af systemet?

Økonomiske og effektivitetsgevinster:

  • Reduceret tid brugt på planlægning (planlæggere kan planlægge op til 4 gange så meget)
  • Mindre køretid (færre kilometer på vejene)
  • Bedre ressourceudnyttelse og mindre behov for vikarer
  • Typisk forbedring af ATA-tid på 5-10 procentpoint

Kvalitetsforbedrende grunde:

  • Mere tid til borgerne (den sparede køretid går til pleje og omsorg)
  • Øget kontinuitet - samme medarbejdere besøger samme borgere
  • Faste og forudsigelige besøkstider for borgerne

Miljømæssige og arbejdsmiljømæssige årsager:

  • Mindre miljøbelastning gennem reduceret kørsel
  • Mindre stressende planlægning for planlæggere
  • Bedre arbejdsgange for personalet

Demografiske udfordringer:

  • Voksende antal ældre borgere
  • Mangel på arbejdskraft i sundhedssektoren
VIII. Er lignende systemer blevet implementeret andres stede? Eventuelt, hvilke erfaringer er der derfra.

Ja, lignende AI-baserede ruteplanlægningssystemer anvendes flere steder: