KI-gestütztes PRM-System zur Sucht-Früherkennung

Inhalt zusammengefasst: Untersuchung und Implementierung eines PRM-Systems in der wirtschaftlichen Sozialhilfe. Das System nutzt Algorithmen, um große Mengen an Verwaltungsdaten (z. B. Sozialhilfe-Historie, demografische Faktoren) zu analysieren und das Risiko einer künftigen substanzgebundenen Abhängigkeitserkrankung bei Klient:innen zu berechnen. Problem Statement / Bedarf: Ressourcenmangel: Fachkräfte müssen bei steigenden Fallzahlen komplexe Situationen mit begrenzten Zeitressourcen einschätzen. Späte Intervention: Suchtproblematiken werden oft erst erkannt, wenn bereits massive soziale und gesundheitliche Schäden sowie hohe Kosten entstanden sind. Informationsflut: Die manuelle Auswertung aller relevanten Risikofaktoren aus verschiedenen Datenquellen ist für Menschen kaum zeitgerecht bewältigbar. Ziel der Projektidee: Etablierung eines prädiktiven Warnsystems, das Fachpersonen der Sozialen Arbeit dabei unterstützt, Gefährdungspotenziale frühzeitig – im Idealfall vor der Entstehung einer Abhängigkeit – zu identifizieren. Dies stärkt die präventive Funktion der Sozialhilfe.

Nutzen und Impact: Prävention & Inklusion: Rechtzeitige Massnahmen schützen Betroffene vor sozialen Folgen wie Arbeitslosigkeit oder Isolation. Effizienz: Automatisierte Datenanalyse entlastet das Personal und ermöglicht eine gezieltere Zuweisung von Ressourcen. Präzision: KI-Modelle können ein breiteres Spektrum an Variablen schneller und konsistenter verarbeiten als klinische Einschätzungen allein. Aufwand (Zeit und Budget – Lean-Ansatz): Realisierbarkeit: Innerhalb von 8–12 Monaten umsetzbar. Der Fokus liegt auf der datenschutzkonformen Verknüpfung bestehender Datensätze mit Technologie vom Markt. Budget (Schätzung): ca. 25.000 – 45.000 CHF Algorithmus-Training & Datenintegration (ca. 15k – 20k): Nutzung vorhandener historischer Verwaltungsdaten. Rechtliche & ethische Prüfung (ca. 5k – 10k): Sicherstellung von Datenschutz (IDG/DSG) und Transparenz. Personalschulung (ca. 5k – 10k): Ausbildung der Mitarbeitenden in der Bedienung und Interpretation der Ergebnisse. Laufende Kosten: Gering, da das System weitestgehend automatisiert läuft.

1.5.2026

1.5.2027