Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
040906 KU Ausgewählte Spezialgebiete des Public and Non-Profit Management (MA) (2025W)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 08.09.2025 09:00 bis Mi 17.09.2025 12:00
- Anmeldung von Mi 24.09.2025 09:00 bis Do 25.09.2025 12:00
- Abmeldung bis Di 14.10.2025 23:59
Details
max. 50 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine
1) Mittwoch, 08.10.2025, 12.30-16.30 Uhr; Oskar-Morgenstern-Platz 1, Seminarraum 15, 3. Stock
2) Mittwoch, 15.10.2025, 12.30-16.30 Uhr; Oskar-Morgenstern-Platz 1, Seminarraum 15, 3. Stock
3) Mittwoch, 22.10.2025, 12.30-16.30 Uhr; Oskar-Morgenstern-Platz 1, Seminarraum 15, 3. Stock
4) Mittwoch, 29.10.2025, 12.30-16.30 Uhr; Oskar-Morgenstern-Platz 1, Seminarraum 15, 3. Stock
5) Mittwoch, 05.11.2025, 12.30-16.30 Uhr; Oskar-Morgenstern-Platz 1, Seminarraum 15, 3. Stock
6) Mittwoch, 03.12.2025, 12.30-16.30 Uhr; Oskar-Morgenstern-Platz 1, Seminarraum 15, 3. Stock
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
http://pnpm.univie.ac.at/minormajor-pnpm/Am Anfang des Kurses wird eine Kurzeinführung in die Methodik der linearen Programmierung (LP) gegeben und die Einsatzmöglichkeit für die Ressourcenplanung im Public und Non-profit Management (PNPM) aufgezeigt.Im ersten Teil des Kurses zur Leistungserstellung im PNPM wird ein Fokus auf die Personaleinsatzplanung von Mitarbeiter:innen gelegt und an einem Beispiel aus dem Gesundheitsbereich mit Krankenschwestern und Ärzten illustriert. Danach werden Modelle zur Personaleinsatzplanung, insbesondere Schichtplanung von Krankenschwestern, aus der Literatur diskutiert. Abschließend lösen Studierende Problemstellungen zur Schichtplanung aufbauend auf internationaler Fachliteratur. Die Studierenden recherchieren und bewerten kritisch in der Praxis angewandte Personaleinsatzsysteme im Gesundheitsbereich, Katastrophenschutzbereich, Bildungsbereich sowie bei sonstigen Non-Governmental Organisationen (NGOs).Im zweiten Teil des Kurses wenden wir uns den Benchmarking-Ansätzen zur Evaluierung eines bestmöglichen Ressourceneinsatzes (z.B. Personal, Ausstattung/Equipment, Kapital) in Decision Making Units (DMUs) im Bereich PNPM zu (z.B. medizinische Einrichtungen, Schulen/Universitäten/Katastrophenschutzeinheiten, Betriebe im Bereich Umweltschutz und Energieversorgung sowie Sport-/Kunst-/Kultureinrichtungen). Es wird die Methode der Data Envelopment Analyse (DEA) zum Benchmarking von DMUs im PNPM erläutert und an Musterbeispielen gemeinsam mit Studierenden angewandt.Um den Praxisbezug dieser Lehrveranstaltung herzustellen, wird jedes Semester eine Exkursion zu einer Organisation im Gesundheitswesen durchgeführt (z.B. Hauptverband der österreichischen Sozialversicherungsträger, Pharmig, Pharmakonzerne, Krankenanstaltenverbunde, Krankenhäuser, Hospize, Rettungsgesellschaften, MTD-Forum, Karl-Landsteiner-Gesellschaft: Veranstaltung Health Literacy, Gesundheitspolitisches Forum).
Art der Leistungskontrolle und erlaubte Hilfsmittel
Präsentationsfoliensätze:
• Berücksichtigung der Richtlinien für Literaturrecherche, Foliensätze, schriftliche Ausarbeitun-gen und KI-Tools (siehe: https:\\pnpm.univie.ac.at).
• Abgabe der Workshops/Hausarbeit (Teil Präsentation – einseitiger Ausdruck mit max. zwei Folien pro Seite in Klarsichthülle abzugeben vor der Präsentation im Hörsaal & Moodle-Abgabe der .pdf-Files sowie .ppt-Files in der Früh vor der Präsentation).
• Die Ausarbeitung wird in die Beurteilung miteinbezogen.
• Achtung: alle schriftlichen Ausarbeitungen unterliegen einer Plagiatsprüfung (Software etc.). Recherchen sollten eigenständig durchgeführt werden und Texte sollten selbst erstellt werden – einzig Verfeinerung (Korrektur von Rechtschreib-/Grammatikfehlern) ist mittels künstlicher Intelligenz erlaubt. Ansonsten erfolgt eine negative Beurteilung.
• Erlaubte KI-Tools zur Sprachverfeinerung: DeepL, Grammarly und ScribbrMündliche Präsentation:
• Der Vortrag eines Hausübungsthemas sollte max. 30 Minuten dauern (Beispiele Ozkarahan/DEA – je nach Fragestellung 5-10 Minuten pro Person).
• Im Anschluss an den Vortrag findet eine Diskussion (max. 5-10 Minuten) mit dem Auditorium statt.
• Der Eindruck der Präsentation ist Bestandteil der Beurteilung.
• Berücksichtigung der Richtlinien für Literaturrecherche, Foliensätze, schriftliche Ausarbeitun-gen und KI-Tools (siehe: https:\\pnpm.univie.ac.at).
• Abgabe der Workshops/Hausarbeit (Teil Präsentation – einseitiger Ausdruck mit max. zwei Folien pro Seite in Klarsichthülle abzugeben vor der Präsentation im Hörsaal & Moodle-Abgabe der .pdf-Files sowie .ppt-Files in der Früh vor der Präsentation).
• Die Ausarbeitung wird in die Beurteilung miteinbezogen.
• Achtung: alle schriftlichen Ausarbeitungen unterliegen einer Plagiatsprüfung (Software etc.). Recherchen sollten eigenständig durchgeführt werden und Texte sollten selbst erstellt werden – einzig Verfeinerung (Korrektur von Rechtschreib-/Grammatikfehlern) ist mittels künstlicher Intelligenz erlaubt. Ansonsten erfolgt eine negative Beurteilung.
• Erlaubte KI-Tools zur Sprachverfeinerung: DeepL, Grammarly und ScribbrMündliche Präsentation:
• Der Vortrag eines Hausübungsthemas sollte max. 30 Minuten dauern (Beispiele Ozkarahan/DEA – je nach Fragestellung 5-10 Minuten pro Person).
• Im Anschluss an den Vortrag findet eine Diskussion (max. 5-10 Minuten) mit dem Auditorium statt.
• Der Eindruck der Präsentation ist Bestandteil der Beurteilung.
Mindestanforderungen und Beurteilungsmaßstab
Voraussetzung zum Erwerb eines positiven Lehrveranstaltungszeugnisses:
• Mitarbeit bei den geblockten Übungseinheiten (Moodle-Quiz & Workshops: 35%).
• Ausarbeitung und Präsentation von Hausübungsbeispielen (Vorträge & Foliensätze: 65%).• Die Verwendung von KI-Tools (z. B. ChatGPT) für die Produktion von Texten ist nur dann erlaubt, wenn diese von der Lehrveranstaltungsleitung ausdrücklich gefordert werden (z. B. für einzelne Arbeitsaufgaben).
• Zweimaliges Fehlen bei Blockeinheiten ist möglich, darüber hinaus kann der Kurs nicht positiv absolviert werden!
• Achtung: alle schriftlichen Ausarbeitungen unterliegen einer Plagiatsprüfung (Software etc.). Recherchen sollten eigenständig durchgeführt werden und Texte sollten selbst erstellt werden – einzig Verfeinerung (Korrektur von Rechtschreib-/Grammatikfehlern) ist mittels künstlicher Intelligenz erlaubt. Ansonsten erfolgt eine negative Beurteilung.Anwesenheit/Mitarbeit in Übungseinheiten: max 25%
(Moodle Quiz = 4 x 4% = 16 %; Mitarbeit = 9%)
Mitarbeit Workshops zur Personaleinsatzplanung und DEA, LP: max. 10%
Präsentation Hausübung Ozkarahan: max. 10%
Foliensatz Hausübung Ozkarahan: max. 22,5%
Präsentation Hausübung DEA: max. 10%
Foliensatz Hausübung DEA: max. 22,5%"1": 90%-100%
"2": 80%-89,75%
"3": 66%-79,75%
"4": 50%-65,75%
"5": <49,75% und/oder mehr als zweimaliges Fehlen oder Plagiat bei großer Hausübung
• Mitarbeit bei den geblockten Übungseinheiten (Moodle-Quiz & Workshops: 35%).
• Ausarbeitung und Präsentation von Hausübungsbeispielen (Vorträge & Foliensätze: 65%).• Die Verwendung von KI-Tools (z. B. ChatGPT) für die Produktion von Texten ist nur dann erlaubt, wenn diese von der Lehrveranstaltungsleitung ausdrücklich gefordert werden (z. B. für einzelne Arbeitsaufgaben).
• Zweimaliges Fehlen bei Blockeinheiten ist möglich, darüber hinaus kann der Kurs nicht positiv absolviert werden!
• Achtung: alle schriftlichen Ausarbeitungen unterliegen einer Plagiatsprüfung (Software etc.). Recherchen sollten eigenständig durchgeführt werden und Texte sollten selbst erstellt werden – einzig Verfeinerung (Korrektur von Rechtschreib-/Grammatikfehlern) ist mittels künstlicher Intelligenz erlaubt. Ansonsten erfolgt eine negative Beurteilung.Anwesenheit/Mitarbeit in Übungseinheiten: max 25%
(Moodle Quiz = 4 x 4% = 16 %; Mitarbeit = 9%)
Mitarbeit Workshops zur Personaleinsatzplanung und DEA, LP: max. 10%
Präsentation Hausübung Ozkarahan: max. 10%
Foliensatz Hausübung Ozkarahan: max. 22,5%
Präsentation Hausübung DEA: max. 10%
Foliensatz Hausübung DEA: max. 22,5%"1": 90%-100%
"2": 80%-89,75%
"3": 66%-79,75%
"4": 50%-65,75%
"5": <49,75% und/oder mehr als zweimaliges Fehlen oder Plagiat bei großer Hausübung
Prüfungsstoff
siehe Literatur
Literatur
Auf der E-Learning-Plattform Moodle liegen alle Unterlagen bereit.Hauptliteratur:Lineare Optimierung
• Günther, H.-O. (1993) Produktionsmanagement, Einführung mit Übungsaufgaben, Heidelberg.
• Hillier, F.S., Lieberman, G.J. (1988) Operations Research, Einführung, München.Nurse Scheduling
• Van den Bergh, J., Beliën, J., De Bruecker, P., Demeulemeester, E., & De Boeck, L. (2013) Personnel scheduling: A literature review, European Journal of Operational Research, Vol. 226, No. 3, pp. 367-385.
• Brucker, P., Qu, R., & Burke, E. (2011) Personnel scheduling: Models and complexity, European Journal of Operational Research, Vol. 210, No. 3, pp. 467-473.
• De Causmaecker, P., & Vanden Berghe, G. (2011) A categorisation of nurse rostering problems, Journal of Scheduling, Vol. 14 No. 1, pp. 3-16.
• Burke, E.K., De Causmaecker, P., Vanden Berghe, G., Van Landegheme, H. (2004) The state of the art of nurse roster-ing, Journal of Scheduling, Vol. 7, No. 6, pp. 441-499.
• Gutjahr, W.J, Rauner, M.S. (2007) An ACO algorithm for a dynamic regional nurse-scheduling problem in Austria, Computers & Operations Research, Vol. 41, No. 3, pp. 642-666.
• Erhard, M., Schoenfelder, J., Fügener, A., & Brunner, J. O. (2018). State of the art in physician scheduling. European Journal of Operational Research, Vol. 265, No. 1, 1-18Nurse Scheduling (Hausübung Ozkarahan)
• Ozkarahan, I., A Disaggregation Model of a Flexible Nurse Scheduling Support System (1991) Socio-Economic Planning Sciences, Vol. 25, No. 1, pp. 9-26.
• Rauner, M.S. (1999) A note on “A disaggregation model of a flexible nurse scheduling support system” by Irem Ozkarahan, Socio-Economic Planning Sciences 25 (1991), pp. 9-26”, Socio-Economic Planning Sciences, Vol. 33, No. 2, pp.173-177.DEA
• Ozcan, Y. (2008) Health Care Benchmarking and Performance Evaluation, An Assessment using Data Envelopment Analysis (DEA), Springer, New York.
• O'Neill, L., Rauner, M.S., Heidenberger, K., Kraus, M. (2008) A cross-national comparison and taxonomy of hospital efficiency studies using data envelopment analysis, Socio-Economic Planning Sciences, Vol. 42, No. 3, p. 158-189.
• Cooper, W.W., Seiford, L.M., Zhu, J. (2004) Handbook on Data Envelopment Analysis, Kluwer, Boston.
• Charnes, A., Cooper, W.W., Rhodes, E. (1978) Measuring the efficiency of decision making units, European Journal of Operational Research, Vol. 2, p. 429-444.
• Kohl, S., Schoenfelder, J., Fügener, A., & Brunner, J. O. (2018). The use of Data Envelopment Analysis (DEA) in healthcare with a focus on hospitals. Health Care Management Science, 1-43.
• Meyer, M., Wohlmannstetter, V. (1985) Effizienzmessing in Krankenhäusern, Zeitschrift für Betriebswirtschaft, Vol. 55, p. 262-280.
• Bürkle, B. (1994) Data Envelopment Analysis, Zeitschrift für öffentliche und gemeinwirtschaftliche Unternehmen, Vol. 17, p. 273-291.
• Sommersguter-Reichmann, M., & Stepan, A. (2015). The interplay between regulation and efficiency: Evidence from the Austrian hospital inpatient sector. Socio-Economic Planning Sciences, 52, 10-21.DEA (Hausübung DEA)
• Dyson, R.G., Allen, R. Camanho, A.S., Podinovski, V.V., Sarrico C.S., Shale E. A. (2001) Pitfalls and protocols in DEA, European Journal of Operational Research, Vol. 132, No. 2, p. 245-259.Personaleinsatzplanung
• Von Eiff, W., Stachel, K. (2006) Professionelles Personalmanagement: Erkenntnisse und Best-Practice-Empfehlungen für Führungskräfte im Gesundheitswesen, Münster.
• Grütz, M. (1984) Computerunterstützte Personalbedarfsermittlung für den Krankenpflegebereich auf der Grundlage von Dienstzeitplanungen, Nürnberg.
• Trill, R. (2002) Krankenhaus-Management: Aktionsfelder und Erfolgspotentiale, Neuwied.
• Günther, H.-O. (1993) Produktionsmanagement, Einführung mit Übungsaufgaben, Heidelberg.
• Hillier, F.S., Lieberman, G.J. (1988) Operations Research, Einführung, München.Nurse Scheduling
• Van den Bergh, J., Beliën, J., De Bruecker, P., Demeulemeester, E., & De Boeck, L. (2013) Personnel scheduling: A literature review, European Journal of Operational Research, Vol. 226, No. 3, pp. 367-385.
• Brucker, P., Qu, R., & Burke, E. (2011) Personnel scheduling: Models and complexity, European Journal of Operational Research, Vol. 210, No. 3, pp. 467-473.
• De Causmaecker, P., & Vanden Berghe, G. (2011) A categorisation of nurse rostering problems, Journal of Scheduling, Vol. 14 No. 1, pp. 3-16.
• Burke, E.K., De Causmaecker, P., Vanden Berghe, G., Van Landegheme, H. (2004) The state of the art of nurse roster-ing, Journal of Scheduling, Vol. 7, No. 6, pp. 441-499.
• Gutjahr, W.J, Rauner, M.S. (2007) An ACO algorithm for a dynamic regional nurse-scheduling problem in Austria, Computers & Operations Research, Vol. 41, No. 3, pp. 642-666.
• Erhard, M., Schoenfelder, J., Fügener, A., & Brunner, J. O. (2018). State of the art in physician scheduling. European Journal of Operational Research, Vol. 265, No. 1, 1-18Nurse Scheduling (Hausübung Ozkarahan)
• Ozkarahan, I., A Disaggregation Model of a Flexible Nurse Scheduling Support System (1991) Socio-Economic Planning Sciences, Vol. 25, No. 1, pp. 9-26.
• Rauner, M.S. (1999) A note on “A disaggregation model of a flexible nurse scheduling support system” by Irem Ozkarahan, Socio-Economic Planning Sciences 25 (1991), pp. 9-26”, Socio-Economic Planning Sciences, Vol. 33, No. 2, pp.173-177.DEA
• Ozcan, Y. (2008) Health Care Benchmarking and Performance Evaluation, An Assessment using Data Envelopment Analysis (DEA), Springer, New York.
• O'Neill, L., Rauner, M.S., Heidenberger, K., Kraus, M. (2008) A cross-national comparison and taxonomy of hospital efficiency studies using data envelopment analysis, Socio-Economic Planning Sciences, Vol. 42, No. 3, p. 158-189.
• Cooper, W.W., Seiford, L.M., Zhu, J. (2004) Handbook on Data Envelopment Analysis, Kluwer, Boston.
• Charnes, A., Cooper, W.W., Rhodes, E. (1978) Measuring the efficiency of decision making units, European Journal of Operational Research, Vol. 2, p. 429-444.
• Kohl, S., Schoenfelder, J., Fügener, A., & Brunner, J. O. (2018). The use of Data Envelopment Analysis (DEA) in healthcare with a focus on hospitals. Health Care Management Science, 1-43.
• Meyer, M., Wohlmannstetter, V. (1985) Effizienzmessing in Krankenhäusern, Zeitschrift für Betriebswirtschaft, Vol. 55, p. 262-280.
• Bürkle, B. (1994) Data Envelopment Analysis, Zeitschrift für öffentliche und gemeinwirtschaftliche Unternehmen, Vol. 17, p. 273-291.
• Sommersguter-Reichmann, M., & Stepan, A. (2015). The interplay between regulation and efficiency: Evidence from the Austrian hospital inpatient sector. Socio-Economic Planning Sciences, 52, 10-21.DEA (Hausübung DEA)
• Dyson, R.G., Allen, R. Camanho, A.S., Podinovski, V.V., Sarrico C.S., Shale E. A. (2001) Pitfalls and protocols in DEA, European Journal of Operational Research, Vol. 132, No. 2, p. 245-259.Personaleinsatzplanung
• Von Eiff, W., Stachel, K. (2006) Professionelles Personalmanagement: Erkenntnisse und Best-Practice-Empfehlungen für Führungskräfte im Gesundheitswesen, Münster.
• Grütz, M. (1984) Computerunterstützte Personalbedarfsermittlung für den Krankenpflegebereich auf der Grundlage von Dienstzeitplanungen, Nürnberg.
• Trill, R. (2002) Krankenhaus-Management: Aktionsfelder und Erfolgspotentiale, Neuwied.
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Di 12.08.2025 11:45