Referenzstory Unfalltendenzbetriebe

Die Berufsgenossenschaft Energie Textil Elektro Medienerzeugnisse (BG ETEM) ist Teil der deutschen gesetzlichen Unfallversicherung und betreut über 200.000 Mitgliedsbetriebe. Ihr Auftrag umfasst die Prävention von Arbeitsunfällen, Berufskrankheiten und arbeitsbedingten Gesundheitsgefahren sowie die Rehabilitation von Verunfallten. Mit rund 600 Mitarbeitenden im Präventionsbereich berät die BG ETEM Unternehmen bei Arbeitsschutzthemen, besichtigt Betriebe vor Ort und unterstützt bei der nachhaltigen Gestaltung sicherer und gesunder Arbeitsplätze.

Jährlich geschehen in nur etwa fünf Prozent der über 200.000 Mitgliedsbetriebe Arbeitsunfälle, diese teilweise jedoch mit schweren Folgen. Da die Prävention Unfälle möglichst vor ihrer Entstehung vorbeugen möchte, würde eine rein reaktive Auswahl der zu besuchenden Betrieben das Ziel verfehlen. Eine umfassende Abdeckung aller Betriebe durch regelmäßige Besuche ist rein personell jedoch nicht machbar und klassische Stichproben und Selbstauskünfte waren für eine gute Prävention nicht ausreichend. Gleichzeitig ist das Spektrum der Betriebe äußerst vielfältig – von Kleinstunternehmen bis zu großen Industriebetrieben – was eine zielgenaue Risikoeinschätzung erschwert. Die BG ETEM wünschte sich daher einen datengetriebenen Ansatz zur betriebsspezifischen Risikoeinschätzung, der ihnen die Auswahl der zu besuchenden Betrieben erleichtert.

Um die Präventionsarbeit zu optimieren, entwickelte anacision gemeinsam mit der BG ETEM einen KI-Ansatz, der verschiedene Datenquellen verarbeitet und auf Basis von ca. 50 betriebsspezifischen Merkmalen eine Prognose zur Unfalltendenz erstellt. Neben modernen Machine-Learning-Verfahren werden spezielle Techniken eingesetzt, um dem Nutzer Einblick zu liefern welche Faktoren für die konkrete Risikoeinschätzung eines Betriebs ausschlaggebend waren. Die Integration in die bestehende Außendienstsoftware BG Motis ermöglicht den Präventionsberatern, potenziell gefährdete Betriebe frühzeitig zu erkennen und proaktiv aufzusuchen.

Besondere Schwerpunkte im Projekt waren die Nachvollziehbarkeit der Vorhersagen, ein benutzerfreundliches Interface sowie eine enge Einbindung der Fachkräfte in die Entwicklungsarbeit. Monatlich aktualisierte Daten halten die Prognosen auf dem neuesten Stand und berücksichtigen akute Veränderungen im betrieblichen Umfeld. Die Lösung wird kontinuierlich weiterentwickelt und hat sich im Tagesgeschäft bereits bewährt.

Durch die KI-gestützte Unfalltendenzprognose können präventive Betriebsbesichtigungen deutlich zielgerichteter geplant und vorhandene Ressourcen effektiver eingesetzt werden. Gefährdete Betriebe lassen sich besser erkennen, was eine gezielte Beratung und bessere Unfallverhütung ermöglicht. Die Mitarbeitenden profitieren von einer intuitiven Entscheidungshilfe, die ihnen bei Bedarf die relevanten Risikofaktoren transparent darstellt. Das beschleunigt Entscheidungswege und erhöht die Akzeptanz. Unternehmen wiederum profitieren von frühzeitigen Handlungsempfehlungen und entsprechend gesteigerter Sicherheit am Arbeitsplatz.