Home
Medizin & Technik
Forschung
Healthcare
Unternehmen
Archiv

Home
Medizin & Technik
Forschung
Healthcare
Unternehmen
Archiv

Tag Komponenten

Medizin & Technik

ConhIT: DGN und medisign zeigen TI-Komponenten

Smart Home • Telekommunikation • Unternehmen

Partnerschaft für Hospitality-TV-Lösungen

Healthcare • Unternehmen

Brother-Datenbrille für Medizin und Industrie

Healthcare • Unternehmen

Commvault-Lösung managt Klinikdaten

Healthcare • Unternehmen

Stromversorgung für anspruchsvolle Anwendungen

Healthcare • Unternehmen

Mini-Proportionalventil für die Medizintechnik

DIGITAL HEALTH NEWS Newsletter

TERMINE

Februar

Messe HannoverMessegelände, Hermesallee

10Feb(Feb 10)00:0011(Feb 11)23:00Pro Care 2026

Veranstaltungsdetails

Auf der Pro Care diskutieren Experten aus allen Bereichen der Pflege und zeigen auf, welche Lösungen die Branche wirklich voranbringen und wie wir gleichzeitig die

Veranstaltungsdetails

Auf der Pro Care diskutieren Experten aus allen Bereichen der Pflege und zeigen auf, welche Lösungen die Branche wirklich voranbringen und wie wir gleichzeitig die Wertschätzung der Beschäftigten in der Pflege erhöhen.

Zeit

10. Februar 2026 00:00 - 11. Februar 2026 23:00(GMT+01:00)

Ort

Messe Hannover

Messegelände, Hermesallee

Andere Events

Kalender GoogleCal

Penta Hotel LeipzigGroßer Brockhaus 3

23Feb(Feb 23)09:0024(Feb 24)18:00DVMD-Fachtagung

Veranstaltungsdetails

Anwendungsfälle für Smart Data in der Medizin Aus Datenmengen werden Erkenntnisse – Smart Data verändert die Medizin! Im Gesundheitswesen entstehen täglich riesige

Veranstaltungsdetails

Anwendungsfälle für Smart Data in der Medizin

Aus Datenmengen werden Erkenntnisse – Smart Data verändert die Medizin! Im Gesundheitswesen entstehen täglich riesige Datenmengen. Doch nur wer diese gezielt nutzt, schafft echten Mehrwert für Patientinnen und Patienten, Forschung und Versorgung. Ob KI-gestützte Diagnosen, personalisierte Therapien oder optimierte Abläufe – Smart Data treibt den Fortschritt voran! In der klinischen Forschung sorgt Smart Data für effizientere Studienprozesse, indem Patientendaten in Echtzeit analysiert und Erkenntnisse schneller umgesetzt werden können. Dadurch werden Studienergebnisse robuster und die Entwicklung neuer Behandlungsmethoden beschleunigt. Im Bereich der Epidemiologie spielt Smart Data eine zentrale Rolle bei der Überwachung von Krankheitsausbrüchen und der Identifizierung von Risikofaktoren.

Zeit

23. Februar 2026 09:00 - 24. Februar 2026 18:00(GMT+01:00)

Ort

Penta Hotel Leipzig

Großer Brockhaus 3

Andere Events

Kalender GoogleCal

Medizin & Technik

Datenbasiertes Kompetenzmanagement in Kliniken

Warum Kliniken ohne datenbasiertes Kompetenzmanagement riskant planen, verrät Martin Lichtenberger, verrät Martin Lichtenberger, Co-Gründer und Geschäftsführer des Health-Tech-Unternehmens DaphOS, in seinem Gastbeitrag. Ein Gastbeitrag von Martin Lichtenberger Kurzfristige Kündigungen, Krankheitsausfälle und unklare Einsatzfähigkeit neuer Mitarbeitenden sind längst Ausdruck eines strukturellen Personalmangels. Laut Bundesagentur für Arbeit waren im November 2025 rund 45.000 medizinische Gesundheitsfachberufe unbesetzt – Platz drei unter allen Engpassberufen. Die Situation wird sich weiter verschärfen: Das Institut für Arbeitsmarkt- und Berufsforschung erwartet bis 2035 einen Verlust von sieben Millionen Arbeitskräften, davon 1,8 Millionen allein in der Gesundheitswirtschaft. Für Krankenhäuser bedeutet das eine dauerhafte Verschiebung der Rahmenbedingungen. Selbst gut aufgestellte Häuser arbeiten mit immer kleineren personellen Spielräumen. Damit rückt eine zentrale Frage in den Fokus: Wie lassen sich Qualifikation, Einsatzfähigkeit und Entwicklung der Mitarbeitenden langfristig sichern – auch unter zunehmendem Druck? Warum Qualifikationssteuerung an ihre Grenzen kommt Die Anforderungen an Mitarbeitende im Krankenhaus werden komplexer. Spezialisierungen nehmen zu, Aufgabenprofile differenzieren sich aus, regulatorische und fachliche Anforderungen wachsen. Gleichzeitig erfolgt die Einschätzung von Kompetenzen in vielen Häusern weiterhin unstrukturiert und wenig verknüpft. Zwar findet Qualifikationsbewertung statt, häufig jedoch punktuell, im Einzelgespräch oder auf Basis persönlicher Einschätzungen. Qualifikation wird dokumentiert, aber selten strukturiert ausgewertet oder mit strategischen Zielen des Trägers verbunden. In der Praxis bedeutet das: Führungskräfte verfügen über wertvolles Erfahrungswissen, doch dieses bleibt häufig personenbezogen und schwer übertragbar. Vergleichbarkeit fehlt, Entwicklungsbedarfe bleiben diffus, und Weiterbildungsentscheidungen werden eher situativ als strategisch getroffen. Für Organisationen, die unter Fachkräftemangel und wachsendem Qualitätsdruck stehen, ist das ein zunehmend riskanter Zustand. Datenbasiertes Kompetenzmanagement als fehlendes Bindeglied Die Lösung liegt im datenbasierten Kompetenzmanagement. Es entfaltet seinen Mehrwert dort, wo Kliniken Qualifikationen nicht nur erfassen, sondern systematisch für Entwicklung nutzen. Entscheidend ist die Transparenz darüber, welche Kompetenzen für welche Rollen erwartet werden und wie gut diese aktuell abgedeckt sind. So wird Qualifikation vergleichbar, ohne sie zu bewerten. Entwicklungsbedarfe werden nicht vermutet, sondern konkret benannt. Weiterbildung folgt einer erkennbaren Linie und ist mit der Ausbildungs- und Personalstrategie des Trägers verknüpft. Mitarbeitende erhalten Orientierung über ihren Entwicklungsstand und mögliche Perspektiven, die Organisation gewinnt ein konsistentes Bild über vorhandene und fehlende Kompetenzen. Anbieter wie beispielsweise DaphOS, Rexx oder SAP unterstützen diesen Prozess, indem sie die notwendige Struktur schaffen. Die Nutzung der Plattformen ersetzt nicht das Gespräch, sondern sorgt dafür, dass Datengrundlagen geschaffen und mit Einschätzungen, Anforderungen und Entwicklungsschritten zusammengeführt werden. Perspektivisch können die Daten auch für weiterführende Analysen genutzt werden, etwa um Qualifikationsbedarfe frühzeitig zu erkennen. KI kann hier unterstützend wirken – als nächste Entwicklungsstufe auf Basis klar definierter Kompetenzmodelle. Strukturen, die Entwicklung ermöglichen Damit kompetenzbasierte Steuerung wirksam wird, braucht es mehr als Technologie. Entscheidend ist eine verlässliche Datenbasis: Qualifikationen müssen einheitlich definiert, aktuell gehalten und anschlussfähig sein – über Bereiche und Berufsgruppen hinweg. Ebenso wichtig ist die organisatorische Verankerung. Kompetenzmanagement ist ein Führungsinstrument, kein Nebenprojekt. Träger, Geschäftsführung, Pflege, Medizin und HR müssen ein gemeinsames Verständnis darüber entwickeln, welche Kompetenzen relevant sind und wie Entwicklung gestaltet werden soll. Ein weiterer Faktor ist die Kultur. Transparenz wird nur akzeptiert, wenn sie als Chance verstanden wird. Mitarbeitende müssen nachvollziehen können, wie ihr Kompetenzprofil entsteht und wofür es genutzt wird. Wird Sichtbarkeit als Entwicklungsinstrument eingesetzt, stärkt sie Vertrauen, Fairness und Bindung – und wirkt nicht als Kontrolle. Was sich in der Praxis realistisch erreichen lässt Dort, wo Kliniken Digitalisierung strategisch mit Kompetenzentwicklung verknüpfen, zeigen sich klare Effekte. Ein Beispiel für diese Haltung ist das Klinikum Darmstadt. Dort wird Digitalisierung bewusst als Managementaufgabe verstanden und frühzeitig genutzt, um Kompetenzen aufzubauen, Mitarbeitende auf neue Technologien vorzubereiten und Entwicklungsmöglichkeiten sichtbar zu machen. Der Fokus liegt nicht auf einzelnen Tools, sondern auf der Frage, wie Digitalisierung Qualität, Attraktivität und Bindung nachhaltig unterstützen kann. Ähnliche Ansätze verfolgt auch die Landeskrankenanstalten-Betriebsgesellschaft des Landes Kärntens KABEG. Sie bilden die Qualifikation und Weiterentwicklung strukturiert in Mitarbeiterorientierungsgesprächen ab und nutzen die Daten- und KI-Plattform DaphOS für die digitale Dokumentation. Vor dem Gespräch aktualisieren Mitarbeitende ihre Selbsteinschätzung entlang rollenbasierter Kompetenzprofile, parallel erfolgt eine strukturierte Fremdeinschätzung durch die Führungskraft. Zusammen mit dem Anforderungsniveau entsteht so ein konsistentes Kompetenzbild, das Qualifikationslücken sichtbar macht. Auf dieser Grundlage lassen sich Entwicklungs- und Weiterbildungsmaßnahmen gezielt ableiten. Überschreitet ein Kompetenzgefälle definierte Schwellenwerte, schlägt das System passende Angebote aus dem Weiterbildungskatalog vor. So entsteht Transparenz über Qualifikationsanforderungen, Entwicklungsstände und Weiterbildungsbedarfe – nachvollziehbar für Mitarbeitende, Führungskräfte und Organisation. Der Ansatz baut auf strukturellen Entwicklungen in Österreich auf, die mit der GUKG-Novelle 2015 den Skill- und Grade-Mix etabliert haben. Die systematische Zuordnung von Aufgaben zu Qualifikationsniveaus erfordert eine transparente Kompetenzabbildung – eine Logik, auf der heutige digitale Kompetenzmanagementmodelle aufsetzen. Mit dem Befugniserweiterungs- und Bürokratieabbaugesetz für die Pflege (VEBPG) geht auch Deutschland einen ähnlichen Weg und hat die Chance, Qualifikation und Einsatzfähigkeit vorausschauend zu steuern. In beiden Fällen zeigt sich: wo Kompetenzentwicklung strategisch gedacht und digital begleitet wird, entsteht ein Umfeld, das Mitarbeitende hält und Versorgung(squalität) langfristig sichert. Qualifikation braucht Sichtbarkeit Kliniken können dem Fachkräftemangel nicht allein durch schnelleres Reagieren begegnen. Entscheidend ist, Qualifikation und Entwicklung systematisch zu steuern – als Voraussetzung für Qualität, Bindung und nachhaltige Versorgung. Kompetenzmanagement schafft dafür die fachliche Grundlage, Digitalisierung die notwendige Geschwindigkeit und Skalierbarkeit.
[…]
NIS-2-Registrierung: BSI schaltet Portal frei

Von NIS-2 sind auch viele Unternehmen im Gesundheitswesen betroffen und müssen sich registrieren. Jetzt hat das BSI ein entsprechendes Portal freigeschaltet. Seit Inkrafttreten des NIS-2-Umsetzungsgesetzes gelten für rund 29.500 Unternehmen und Institutionen der Bundesverwaltung in Deutschland neue gesetzliche Pflichten in der IT-Sicherheit. Sie müssen sich unter anderem als NIS-2-Einrichtungen registrieren und dem Bundesamt für Sicherheit in der Informationstechnik (BSI) erhebliche Sicherheitsvorfälle melden. Dazu ist ein zweitstufiger Prozess vorgesehen. Nach einer Anmeldung beim digitalen Dienst Mein Unternehmenskonto (MUK) erfolgen ist eine Registrierung in dem neuen BSI-Portal erforderlich. BSI-Portal auch für den Austausch „NIS-2 ist ein Gamechanger für die Sicherheit und Stabilität unseres Landes. Die neue Gesetzgebung sorgt dafür, dass wichtige und besonders wichtige Einrichtungen sowie die gesamte Bundesverwaltung ihre Cyberresilienz effektiv und effizient stärken“, sagt BSI-Präsidentin Claudia Plattner. Um diesen und weitere Prozesse komfortabel und unbürokratisch zu gestalten, wurde BSI-Portal als One-Stop-Shop konzipiert. Es soll kontinuierlich und im Austausch mit den Nutzenden weiterentwickelt. Werden. Das BSI-Portal soll künftig sicheren und zielgerichteten Austausch relevanter Cybersicherheitsinformationen zwischen Unternehmen, Behörden und Institutionen erleichtern. Das BSI-Portal basiert auf einer Cloud-Infrastruktur von Amazon Web Services. Es soll nach und nach zu einer Informations- und Austauschplattform mit Echtzeit-Daten und aktuellen Analysen für schnelle Reaktionsmöglichkeiten ausgebaut werden. Im BSI-Portal erhalten registrierte Unternehmen und Institutionen bereits jetzt Informationen zu den gesetzlichen Pflichten, die für sie mit dem BSI-Gesetz einhergehen. So müssen Unternehmen, die unter die Regulierung fallen, eine Risikoanalyse durchführen, um anschließend angemessene Risikomanagementmaßnahmen umsetzen und dokumentieren zu können. Dazu bietet das Portal Infos und Hilfestellungen. Tageslageberichte und Sicherheitsmitteilungen Im BSI-Portal sind darüber hinaus Tageslageberichte und IT-Sicherheitsmitteilungen des BSI verfügbar. Nutzenden können dort außerdem Schwachstellen und Sicherheitslücken melden, was auch anonym und ohne Registrierung funktoniert. Interessierte Unternehmen und Institutionen können sich über das BSI-Portal außerdem kostenlos der Allianz für Cyber-Sicherheit (ACS) anschließen. Er hat aktuell rund 9000 Mitglieder und dient unter anderem dem Wissens- und Erfahrungsaustausch dienen soll. Die Mitgliedschaft in der ACS ist kostenlos. Auch in der Unabhängigen Partnerschaft KRITIS (UP KRITIS) arbeiten Wirtschaft und staatliche Stellen in zahlreichen Arbeitsgruppen zu Cybersicherheit und physischer Sicherheit zusammen. Dort können sich Vertreterinnen und Vertreter der meisten unter die NIS-2-Richtlinie fallenden Einrichtungen engagieren. Auf seiner Website stellt das BSI ein NIS-2-Starterpaket mit Klick-Anleitungen für die Registrierung und Meldung im BSI-Portal bereit. Darüber hinaus finden Webinare zum Thema statt (s. Rubrik „Termine“)
[…]
KI-Browser im Gesundheitswesen

KI-Browser wie ATLAS von OpenAI und viele gängige Browser-Erweiterungen nutzen Large Language Models (LLMs). Dass ihr Einsatz im Gesundheitswesen zwar verlockend, aber oft keine gute Idee ist, erläutert Mirko Ross, Gründer und CEO des Cybersicherheitsunternehmens asvin, in seinem Gastbeitrag. Ein Gastbeitrag von Mirko Ross Der Einsatz von Künstliche Intelligenz (KI) eröffnet große Chancen im deutschen Gesundheitswesen. KI-gestützte Anwendungen, die natürliche Sprache verarbeiten, medizinische Daten durchsuchen, Dokumentationen automatisieren und medizinische Entscheidungen unterstützen, versprechen eine Effizienzsteigerung und eine Verbesserung der Patientenversorgung in Arztpraxen und Krankenhäusern. Doch die Verarbeitung hochsensibler Patientendaten in diesen Systemen stellt den Datenschutz und die Absicherung von IT-Systemen vor neue Herausforderungen. Insbesondere der Einsatz von KI-Assistenten in Browser ist diesen Anforderungen nicht gewachsen und daher keine Option beim Umgang mit medizinischen Daten. KI-Browser wie ATLAS von OpenAI und viele gängige Browser-Erweiterungen nutzen Large Language Models (LLMs), um beispielsweise Dokumente zu durchsuchen oder zusammenzufassen. Im Gesundheitssektor ergeben sich dadurch verlockende Möglichkeiten. Etwa zum Abgleich von Symptomen mit medizinischem Wissen oder automatische Generierung von Textbausteinen für die Aufgaben der Praxis-Kommunikation. Der kritische Punkt: Um solche Aufgaben erfüllen zu können, müssen die KI-Browser auf Dokumente, Bilder und Metadaten des PCs zugreifen. Im medizinischen Kontext kann dabei nicht ausgeschlossen werden, dass dabei auf Daten unter der besonders geschützten Kategorien nach Art. 9 DSGVO (Gesundheitsdaten) durch KI-Browser verarbeitet werden. KI-Browser: Datenverarbeitung problematisch Das Datenschutzproblem liegt in der Datenverarbeitung der den KI-Browsern zugrundeliegenden KI-Modelle. KI-Browser werden von US-amerikanischen Technologieanbieter wie OpenAI und Perplexity entwickelt und betrieben. Es besteht dabei die akute Gefahr, dass schützenswerte Gesundheitsdaten – selbst in anonymisierter Form – in Rechenzentren außerhalb der EU verarbeitet oder gar zum „Trainieren“ des Modells verwendet werden. Dabei verlangt die DSGVO eine klare Rechtsgrundlage für die Verarbeitung. Eigentlich sollte der Beschluss der Europäischen Kommission zur Übermittlung personenbezogener Daten in die USA (Privacy Shield) hier für eine Rechtsgrundlage sorgen. Sie wurde jedoch im Juli 2020 von dem Europäischen Gerichtshof (EuGH) für unwirksam erklärt. Seit diesem Urteil ist kein rechtssicherer Rahmen zur Datenverarbeitung in US-Cloud-Dienste geschaffen worden. Da KI-Browser intensiv mit den US-Cloud Diensten der Anbieter kommunizieren, verlassen die bei der Nutzung verwendeten Daten einen geschützten Raum und wandern im Falle von EU-Nutzern in einen unregulierten Raum. Ein Umstand, der insbesondere für Gesundheitsdaten nicht akzeptabel ist. KI-Browser sind unsichere Produkte KI-Systeme, die auf Large Language Modelle (LLMs) basieren, sind zudem anfällig für Sicherheitslücken, bei denen in Anfragen (Prompts) schädliche Anweisungen und Aufgaben übermittelt werden können. Dieses als „Prompt Injection“ bekanntes Problem stellt eine kritische Cybersicherheitslücke dar, die den Datenschutz im medizinischen Umfeld direkt untergraben kann. Angreifer können so beispielsweise über eine manipulierte Webseite, Bilder, E-Mail oder einen infizierten Teil eines Dokuments den KI-Browser anweisen, hochsensible und identifizierende Gesundheitsdaten (wie den Namen oder die Diagnos) zu ignorieren. Dann werden die sensiblen Informationen entgegen der internen Zugriffsbeschränkung zu extrahiert und an einen externen Server gesendet. Diese Methode verwandelt den hilfreiche KI-Browser in ein Datenexfiltrationswerkzeug. Die Gefahr ist dabei nicht nur ein massiver Verstoß gegen die DSGVO, sondern auch ein Bruch der ärztlichen Schweigepflicht und damit ein Angriff auf das Vertrauen in die digitale Infrastruktur des Gesundheitswesens. Das Sicherheitsproblem durch Prompt Injections ist den Anbietern von LLMs und KI-Browsern bekannt. OpenAI hat laut deren Sicherheitsverantwortlichen Dan Stuckey umfangreiche Tests durchgeführt, neue Trainingsmethoden eingesetzt und Schutzmechanismen implementiert. Dennoch ist für Dan Stuckey das Problem der Prompt Injection ungelöst. Mit diesem Eingeständnis ist der Einsatz von KI-Browsern im medizinischen Umfeld fahrlässig und damit ausgeschlossen. Datenschutz geht vor Effizienz Der Einsatz von KI-Browsern im deutschen Gesundheitswesen ist auf Grund der aktuellen Sicherheits- und Datenschutzprobleme ausgeschlossen. Denn im Umgang mit Patientendaten gilt: Datenschutz geht vor Effizienz. Der Einsatz von KI und LLMs ist dabei nicht grundsätzlich auszuschließen,. Er muss jedoch in einem engen und kontrollierbaren Rahmen erfolgen. Für eine sichere und datenschutzkonforme Implementierung sind die folgenden Maßnahmen unerläßlich: Lokale- oder On-Premise-Lösungen Bevorzugung von KI-Modellen, die lokal auf Endgeräte in der Praxis oder im Krankenhaus in Deutschland laufen und keinen Datentransfer ins Ausland erfordern. Einschränkung des Trainings Vertragliche Zusicherung, dass die Patientendaten nur in einem definierten und kontrollierten Rahmen zum Training oder zur Verbesserung der KI-Modelle verwendet werden. Transparenzpflichten Institutionen und Patienten müssen einwilligen, wann und welche ihrer Daten von KI-Systemen verarbeitet werden, sowie der Möglichkeit einer solchen Verarbeitung widersprechen zu können. Test der KI-Systeme auf Sicherheitsschwachstellen sowie die zeitnahe Behebung von erkannten Schwachstellen durch Betreiber der KI-Systeme. Ohne klare regulatorische Leitplanken, die den Transfer und die Nutzung von Gesundheitsdaten durch internationale KI-Anbieter regeln und ohne die Entwicklung vertrauenswürdiger, lokaler KI-Lösungen stellt der Einsatz von KI-Browsern in der deutschen Gesundheitsversorgung auf absehbare Zeit eine große technische und juristische Hürde dar. Es ist die Verantwortung aller Beteiligten, die medizinische Versorgung zu modernisieren, ohne die Patientenrechte zu opfern. Bis dahin gilt: Hände weg von KI-Browsern.
[…]

Healthcare

Chatbots in der Medizin

Chatbots kommen immer häufiger in der Medizin zum Einsatz. So hat zuletzt Ankündigung von ChatGPT Health für Aufsehen gesorgt. Bislang ist dieser Bereich im ChatGPT-System, bei dem Anwenderinnen und Anwender medizinische Unterlagen oder die Daten aus Ihren Gesundheits- und Fitness-Apps hochladen können, um personalisierte Gesundheitsauskünfte zu erhalten, noch nicht in Deutschland verfügbar. Wir haben über die Entwicklung mit Dr. med. Michael Stephan-Odenthal gesprochen. Er ist ärztlicher Leiter der Uro-GmbH Nordrhein, die seit rund einem Jahr einen eigenen Chatbot anbietet. Redaktion: Was müsste geschehen, damit eine Option wie ChatGPT Health auch hierzulande eingesetzt werden könnte? Stephan-Odenthal: Es müsste transparent dargestellt werden, auf welche Quellen die Einschätzung von ChatGPT zurückgreift. Diese Quellen müssten den Anfragenden klar und deutlich mitgeteilt werden, sodass diese bei einer weiteren Beratung in der ärztlichen Praxis gegebenenfalls auf die Quellen verweisen können. Redaktion: Sie bieten bereits seit einem Jahr sehr erfolgreich mit UroBert einen Chatbot für Patienten an, der auf ChatGPT basiert. Wie funktioniert er? Was ist der Unterschied zu ChatGPT Health? Stephan-Odenthal: Der UroBert soll anonym eine Ersteinschätzung zu den genannten Problemen und Symptomen geben. Er verweist am Ende immer auf unser Praxisnetzwerk in Nordrhein, wo alle Patientinnen und Patienten fachlich zuverlässigen urologischen Rat von einer realen Person bekommen. Wir erhoffen uns davon eine gewisse Filterfunktion, die Patientinnen und Patienten auch klar machen soll, wie dringlich oder weniger dringlich ihr Problem ist, damit anschließend in einer Praxis ein entsprechender Termin gewählt werden kann – denn nicht alle benötigen sofort einen Termin. Dr. med. Michael Stephan-Odenthal ist ärztlicher Leiter der Uro-GmbH Nordrhein – ein ärztlicher Zusammenschluss, der rund 300 niedergelassene Urologinnen und Urologen vertritt. Redaktion: Was sind die Stärken von UroBert? In welchem Bereich würden Sie gerne noch nachjustieren? Stephan-Odenthal: Die Stärke liegt vor allen darin, dass er zur Beantwortung, wie bei LLM üblich, in sehr kurzer Zeit auf große Datensätze zurückgreift. Der UroBert ist außerdem so programmiert, dass er Patientinnen und Patienten beruhigen soll und in Verknüpfung mit unserem Praxisnetzwerk gleich den richtigen Behandler oder die richtige Behandlerin in der Umgebung findet. Redaktion: OpenAI versichert zwar, dass die Daten sicher sind, aber Datenschutzexperten melden Zweifel an. Wie bewerten Sie die Entwicklung? Stephan-Odenthal: Der Datenschutz ist sicherlich ein ganz wichtiger Aspekt, da Gesundheitsdaten äußerst sensibel sind. Der zweite wichtige Aspekt ist die Verantwortlichkeit. Wer ist am Ende verantwortlich für die Qualität und die Sicherheit der von ChatGPT gegebenen Antwort? Bei unserem urologischen Chatbot wird die Verantwortlichkeit am Ende einer Beratung immer an unser Netzwerk, bestehend aus mehr als 300 Urologinnen und Urologen delegiert. Die KI wird immer nur so gut sein wie die Datensätze, an denen sie trainiert wurde. Deshalb ist es wichtig, diese Datensätze transparent darzustellenMichael Stephan-Odenthal Redaktion: Welche Gefahren sehen Sie bei künstlicher Intelligenz im Gesundheitswesen? Was ist aus Ihrer Sicht zu vermeiden? Stephan-Odenthal: Die KI wird immer nur so gut sein wie die Datensätze, an denen sie trainiert wurde. Deshalb ist es wichtig, diese Datensätze transparent darzustellen. Nur so kann deren Validität nachvollzogen werden. Das bedeutet auch, die KI darf niemals als allwissend dargestellt werden, denn sie kann niemals ein Ergebnis liefern, das über den Stand der Wissenschaft hinausgeht. Redaktion: Welche Rolle wird künstliche Intelligenz Ihrer Meinung nach im Gesundheitswesen spielen? Inwiefern kann sie zur Entlastung des Systems beitragen? Stephan-Odenthal: KI wird eine zunehmende Rolle im Gesundheitssystem einnehmen, da wir in Zukunft mit einer immer weiter steigenden Zahl an medizinischem Bedarf konfrontiert werden. Diese Nachfrage kann jetzt schon nicht mehr mit den vorhandenen humanen Ressourcen abgearbeitet werden. Wir brauchen die KI als Ergänzung zur Ersteinschätzung von Beschwerden und für die Lenkung von Patientinnen und Patienten im Gesundheitssystem. Das ist UroBertDer Chatbot UroBert der Uro-GmbH Nordrhein beantwortet anonym Fragen rund um urologische Vorsorge und schambehaftete Themen. Er bietet eine niedrigschwellige digitale Anlaufstelle für Menschen, die sich bei Beschwerden im Intimbereich, zu sexueller Gesundheit oder Vorsorge unsicher fühlen.Technisch basiert UroBert auf ChatGPT und wurde fachlich von Urologinnen und Urologen geprüft. Bislang wurde das Angebot rund 5000 Mal genutzt. Der Chatbot ersetzt keinen Arztbesuch, sondern soll Hemmschwellen abbauen und zur richtigen Einschätzung von Symptomen beitragen.Seit einem Jahr ist UroBert im Einsatz und wurde nun um weitere Sprachen erweitert – darunter Arabisch, Französisch, Spanisch, Türkisch und Ukrainisch – um noch mehr Menschen zu erreichen.
[…]
Roboterhund auf Visite

Ein Roboterhund soll künftig Ärztinnen, Ärzte und Pflegekräfte im Klinikalltag unterstützen. Nun muss er seine Fähigkeiten im Test beweisen. Am Uniklinikum Würzburg startet nun ein Forschungsprojekt, das den Einsatz eines vierbeinigen Roboters im Klinikalltag untersucht. Gemeinsam mit dem Karlsruher Institut für Technologie (KIT), dem FZI Forschungszentrum Informatik und dem Forschungszentrum Jülich (FZJ) wird der sogenannte Robo-Dog HELIA derzeit für den Einsatz in der Hautklinik vorbereitet. Im Mittelpunkt steht dabei die natürliche sprachliche Interaktion: Der Roboter soll auf gesprochene Anweisungen reagieren und medizinisches Personal bei Routineaufgaben entlasten. Das Vorhaben ist Teil der Förderinitiative „Natürlichsprachliche Integration von Robotik in Gesundheitseinrichtungen (NLP.bot)“ des Bundesministeriums für Forschung, Technologie und Raumfahrt (BMFTR) und wird mit insgesamt 1,78 Millionen Euro unterstützt. Roboterhund sorgt für Aufmerksamkeit auf der Station Bereits bei ihrem ersten Auftritt auf der Station der Würzburger Hautklinik sorgte HELIA bereits für großes Interesse. Noch bewegt sich der roboterhafte Vierbeiner etwas steif durch die Flure und wird per Fernsteuerung gelenkt. Dennoch zog die rote Roboterhündin mit silbernen Beinen zahlreiche neugierige Blicke auf sich – von Pflegekräften über Ärztinnen und Ärzte bis hin zu Patientinnen und Patienten. Der Name HELIA steht für „Helfender Roboter im Klinikalltag“ und beschreibt zugleich die Vision des Projekts: In den kommenden drei Jahren soll erprobt werden, wie der Laufroboter sinnvoll in den Stationsbetrieb integriert werden kann. Digitale Entlastung: Von der Visite bis zur Datenerfassung Langfristig soll HELIA Aufgaben übernehmen, die bislang viel Zeit in Anspruch nehmen. Dazu zählen unter anderem das Protokollieren von Visiten, die Dokumentation medizinischer Befunde sowie deren Übertragung in das Krankenhausinformationssystem. Zusätzlich könnte der Roboter eigenständig Daten erfassen – etwa durch das Fotografieren von Wunden oder das Messen von Vitalparametern. Auch eine Begleitung von Patientinnen und Patienten zu Untersuchungen oder Terminen ist denkbar. Über einen integrierten Bildschirm soll HELIA Informationen anzeigen und bei der Nutzung von Technik im Patientenzimmer unterstützen. Akzeptanz im Fokus Für die verantwortliche Dermatologin Prof. Dr. Astrid Schmieder steht dabei stets der Mensch im Mittelpunkt. Voraussetzung für den Einsatz sei das Einverständnis von Personal und Patientenschaft. Gleichzeitig sieht sie großes Potenzial in der Technologie, um Pflegekräfte und Ärztinnen sowie Ärzte spürbar zu entlasten. Die Begeisterung auf der Station sei entsprechend hoch – nicht zuletzt, weil der Roboter perspektivisch auch in anderen Gesundheitseinrichtungen, der häuslichen Pflege oder sogar im Rettungsdienst eingesetzt werden könnte. Partnerschaften aus Forschung und Medizin Die enge Zusammenarbeit der Projektpartner baut auf früheren Erfolgen auf. Bereits im Vorgängerprojekt HybridVITA arbeiteten das FZI und das Uniklinikum Würzburg erfolgreich zusammen, unter anderem an digitalen Lösungen für die Betreuung von Menschen mit chronischen Hauterkrankungen. Auch diesmal liegt ein Schwerpunkt auf der intelligenten Verarbeitung medizinischer Daten und der natürlichen Kommunikation zwischen Mensch und Maschine. Warum ein Roboterhund? Design gegen das „Uncanny Valley“ Ein bewusster Designentscheid war die Wahl eines hundeähnlichen Roboters statt einer humanoiden Figur. Hintergrund ist das sogenannte „Uncanny Valley“-Phänomen: Je menschenähnlicher Roboter wirken, desto häufiger lösen sie Unbehagen aus. Ein vierbeiniger Roboter bleibt klar als technisches Hilfsmittel erkennbar und wird intuitiver akzeptiert. Am KIT wird daher erforscht, wie HELIA Aufgaben nicht klassisch programmiert, sondern über gesprochene Erklärungen „erlernt“. Das System „Erklärt-Programmiert-Gemacht!“ kombiniert Sprachverarbeitung, künstliche Intelligenz und Robotik, sodass Mitarbeitende dem Roboter einfach beschreiben können, was er tun soll. Nächster Entwicklungsschritt: Greifarm und neue Funktionen In den nächsten Entwicklungsschritten soll HELIA zusätzlich mit einem Greifarm ausgestattet werden. Damit könnte sie Türen öffnen, Material transportieren, Tabletts abräumen oder gezielt Aufnahmen von Wunden anfertigen. Parallel dazu beschäftigen sich Forschende des Forschungszentrums Jülich mit ethischen, rechtlichen und sozialen Fragestellungen rund um den Robotereinsatz im Krankenhaus. Ziel ist es, Sicherheit, Datenschutz und einen fairen Ressourceneinsatz zu gewährleisten, ohne neue Ungleichheiten im Gesundheitswesen zu schaffen. Von der Industrie in die Klinik: Roboterhund ANYmal als Basis Technisch basiert HELIA auf dem Robotermodell ANYmal des Schweizer Unternehmens ANYbotics. Weltweit sind bereits rund 200 dieser Laufroboter im Einsatz – bislang vor allem in Industrieumgebungen wie Ölplattformen, Windparks oder Stahlwerken. Der Einsatz in einer Klinik ist hingegen Neuland. Entsprechend weist ein Hinweisschild am Eingang der Station augenzwinkernd darauf hin: „Achtung, hier ist ein Roboterhund für Forschungszwecke im Einsatz!“ Mit HELIA testen die Projektpartner nicht nur eine neue Form der Robotik im Krankenhaus, sondern auch ein zukunftsweisendes Zusammenspiel aus künstlicher Intelligenz, Sprachsteuerung und digitaler Dokumentation. Gelingt die Integration in den Klinikalltag, könnte der Roboterhund schon bald ein fester Bestandteil moderner Digital-Health-Konzepte werden – und das medizinische Personal spürbar entlasten.
[…]
KI sagt Erfolg von Hüftoperationen voraus

Wie gut Patientinnen und Patienten nach einer Hüftoperation wieder gehen können, lässt sich bereits vor dem Eingriff mithilfe künstlicher Intelligenz (KI) abschätzen. Ein entsprechendes Modell soll das ermöglichen. Forschende am Karlsruher Institut für Technologie (KIT) haben ein KI-basiertes Modell entwickelt, das Bewegungsabläufe von Menschen mit Hüftgelenksarthrose analysiert und Prognosen zum funktionellen Operationserfolg ermöglicht. Die Ergebnisse können dazu beitragen, Erwartungen realistischer zu gestalten und die Rehabilitation gezielter zu planen. Hüfttotalendoprothesen gehören zu den häufigsten orthopädischen Eingriffen in Deutschland. Allein im Jahr 2024 erhielten rund 200 000 Menschen ein künstliches Hüftgelenk. Trotz standardisierter Operationsverfahren unterscheiden sich die Behandlungsergebnisse deutlich. Während einige Patientinnen und Patienten nach dem Eingriff nahezu beschwerdefrei gehen können, bleiben bei anderen Einschränkungen bestehen. Die Ursachen für diese Unterschiede sind bislang nur teilweise verstanden. Gangbiomechanik als Grundlage für personalisierte Prognosen Im Rahmen eines von der Deutsche Forschungsgemeinschaft geförderten Kooperationsprojekts analysierten die Forschenden umfangreiche biomechanische Bewegungsdaten. Die Datengrundlage stammt aus der Universitätsmedizin Frankfurt und umfasst Messungen von Patientinnen und Patienten mit einseitiger Hüftgelenksarthrose vor und nach der Implantation einer Hüfttotalendoprothese. Ergänzt wurden diese Daten durch eine gesunde Kontrollgruppe. KI erkennt typische Muster im Gangbild Mithilfe muskuloskelettaler Modellierung wurden dreidimensionale Gelenkwinkel und Gelenkbelastungen berechnet. Auf dieser Basis trainierten die Forschenden ein erklärbares KI-Modell, das typische Muster im Gangbild identifiziert. Die Analyse zeigte, dass sich die Betroffenen bereits vor der Operation in drei Gruppen mit unterschiedlichen Gangveränderungen einteilen lassen. Diese Gruppen unterschieden sich nicht nur in biomechanischen Parametern, sondern auch in Merkmalen wie Alter, Körpergewicht, Gehgeschwindigkeit und Schwere der Arthrose. Nach der Operation reagierten die Gruppen unterschiedlich auf den Gelenkersatz. Bei einem Teil der Patientinnen und Patienten normalisierte sich die Gangbiomechanik nahezu vollständig, während bei anderen weiterhin deutlichen Abweichungen bestanden. Auf dieser Grundlage kann das KI-Modell vorhersagen, wer besonders stark von der Operation profitiert und bei wem ein erhöhter Bedarf an intensiver Nachbehandlung besteht. KI-Vorhersage nicht nur vor Hüftoperationen Die Forschenden sehen darin einen wichtigen Schritt hin zu einer stärker personalisierten Orthopädie. Da die eingesetzten Algorithmen erklärbar sind, lassen sich die Entscheidungsgrundlagen nachvollziehen, was eine hohe Akzeptanz im klinischen Alltag erwarten lässt. Perspektivisch könnte der Ansatz auch auf andere Gelenke oder orthopädische Erkrankungen übertragen werden und so als Entscheidungshilfe in der operativen Planung dienen.
[…]

Copyright © 2026. Alle Rechte vorbehalten.

Impressum
Datenschutz
AGB
Mediadaten 2026
Privatsphäre-Einstellungen ändern

X