Mit Daten zur Versorgung der Zukunft: AI‑Factories im klinischen Einsatz

Mit der fortschreitenden Digitalisierung entstehen im Gesundheitswesen umfangreiche klinische und medizinische Datenbestände, deren Nutzung für eine optimierte Versorgung noch am Anfang steht.

AI‑Factories können einen strukturellen Ansatz bieten, um Gesundheitsdaten sicher, reproduzierbar und praxisnah in klinisch nutzbare Erkenntnisse zu überführen.

Vor diesem Hintergrund hatten wir Prof. Dr. Ludwig Christian Hinske (Universitätsklinikum Augsburg), Uwe Samer (NVIDIA) und Hartmut Schultze (Hewlett Packard Enterprise) zum Online‑Event „Von reinen Daten zur optimierten Versorgung: AI‑Factories zur Beschleunigung klinischer Erkenntnisse“ eingeladen.

Unter der Moderation von Martin Schmiedel, Vorstand der GKFD AG, beleuchteten die Referenten zentrale Anforderungen an Infrastruktur, Governance und Betrieb klinischer KI‑Anwendungen.

Im klinischen Alltag entstehen heute enorme Mengen an Gesundheitsdaten – von Vitalparametern über Bilddaten bis hin zu Labor- und Verlaufsinformationen. Moderne Medizintechnik und digitale Dokumentationssysteme erfassen diese Daten zunehmend kontinuierlich und in hoher Granularität. Damit steht dem Gesundheitswesen grundsätzlich eine breite Informationsbasis zur Verfügung, die tiefere Einblicke in Krankheitsverläufe, Therapieeffekte und Versorgungsprozesse ermöglichen könnte.

Gleichzeitig zeigt sich im Versorgungsalltag, dass die Nutzung dieser Daten stark begrenzt ist. Viele Informationen verbleiben in einzelnen Fachsystemen, sind nicht miteinander verknüpft oder stehen nur in unstrukturierter Form zur Verfügung. Analysen erfolgen häufig punktuell und retrospektiv, während der klinische Betrieb weiterhin von stabilen, etablierten Entscheidungsstrukturen geprägt ist.

Ein zentrales Thema ist die Diskrepanz zwischen Datenmenge und Datennutzung. Zwar sind viele klinische Prozesse inzwischen digital unterstützt, doch fehlen oft strukturierte Ansätze, um die vorhandenen Informationen systematisch zusammenzuführen und auszuwerten. Neben technischen Ursachen wie heterogenen IT‑Systemen und fehlender Interoperabilität spielen auch organisatorische und historische Faktoren eine Rolle. Viele medizinische Entscheidungsmodelle basieren weiterhin auf etablierten Leitlinien und Studien, die in einer Zeit entstanden sind, als umfangreiche, kontinuierlich verfügbare Gesundheitsdaten noch nicht zur Verfügung standen. Erst durch strukturierte Integration, valide Aufbereitung und kontextbezogene Nutzung können Daten ihr Potenzial für eine optimierte Versorgung entfalten.

Vor dem Hintergrund dieser Ausgangslage wurde deutlich, dass sich klinische Entscheidungsfindung zunehmend weiterentwickeln muss. Während bewährte Strukturen weiterhin eine zentrale Rolle spielen, wächst der Bedarf, Entscheidungen stärker an individuellen Verläufen, aktuellen Kontextinformationen und dynamischen Versorgungsbedingungen auszurichten. Digitale Daten eröffnen hierfür neue Möglichkeiten, wenn sie gezielt und strukturiert genutzt werden.

Im Mittelpunkt steht dabei weniger die Ersetzung bestehender Entscheidungsmodelle als vielmehr deren Erweiterung. Datenbasierte Ansätze können helfen, zusätzliche Perspektiven sichtbar zu machen, Zusammenhänge frühzeitig zu erkennen und klinische Entscheidungen besser zu kontextualisieren.

Vor diesem Hintergrund wurde die Rolle datenbasierter Entscheidungsunterstützung als sinnvolle Ergänzung zur ärztlichen Expertise eingeordnet. Ziel ist nicht die Automatisierung medizinischer Entscheidungen, sondern deren kontextbezogene Anreicherung. Individuelle Risikoprofile, aktuelle Verlaufsdaten und populationsbasierte Erkenntnisse sollen situativ verfügbar werden. Voraussetzung dafür ist, dass klinische Entscheidungen nicht mehr ausschließlich auf statischen Regeln beruhen, sondern lernfähig sind und neue Erkenntnisse systematisch integrieren können. Dieser Perspektivwechsel – weg von rein retrospektiver Evidenz hin zu kontinuierlich lernenden Systemen – bildete einen inhaltlichen Übergang zu der Frage, welche strukturellen und technischen Voraussetzungen notwendig sind, um solche Ansätze zuverlässig in die Versorgung zu überführen.

Der produktive Einsatz von KI im Gesundheitswesen scheitert weniger an einzelnen Algorithmen als an fehlenden strukturellen Voraussetzungen. Klinische KI benötigt eine leistungsfähige und verlässliche IT‑Basis, die große Datenmengen sicher verarbeiten kann und gleichzeitig den spezifischen Anforderungen medizinischer Anwendungen gerecht wird. Dazu zählen standardisierte Datenformate, performante Recheninfrastruktur sowie die Fähigkeit, KI‑Modelle reproduzierbar zu trainieren, zu validieren und im Betrieb zu überwachen. Ohne diese Grundlagen bleibt KI häufig auf isolierte Pilotprojekte beschränkt und erreicht nicht den klinischen Alltag.

Neben der technischen Infrastruktur hoben die Experten organisatorische Aspekte als ebenso entscheidend hervor. Für den nachhaltigen Betrieb von KI‑Anwendungen sind klare Governance‑Strukturen notwendig, die Datenschutz, regulatorische Vorgaben und Verantwortlichkeiten systematisch berücksichtigen. Gleichzeitig gewinnt der Aufbau professioneller MLOps‑Prozesse an Bedeutung, um Modelle über ihren gesamten Lebenszyklus hinweg kontrolliert zu betreiben und kontinuierlich weiterzuentwickeln. Das Zusammenspiel aus Infrastruktur, Governance und Betriebskonzepten wurde als zentrale Voraussetzung beschrieben, um klinische KI nicht nur zu entwickeln, sondern sicher, nachvollziehbar und skalierbar in Versorgung und Forschung zu integrieren.

AI‑Factories sollten als strukturierender Rahmen für den produktiven Einsatz von KI im Gesundheitswesen verstanden werden. Gemeint ist damit kein einzelnes System, sondern ein integriertes Ökosystem, das den gesamten Weg von der Datenerfassung über die Aufbereitung und Analyse bis hin zur konkreten Nutzung in Forschung und Versorgung abbildet. AI‑Factories bündeln Datenintegration, Recheninfrastruktur, KI‑Modelle und Betriebsprozesse in einer gemeinsamen Architektur. Ziel ist es, klinische und wissenschaftliche Daten nicht isoliert zu verarbeiten, sondern systematisch für wiederverwendbare, valide und skalierbare KI‑Anwendungen verfügbar zu machen.

Besonders wichtig ist die Bedeutung durchgängiger, validierter Datenpipelines innerhalb einer AI‑Factory. Diese schaffen die Voraussetzung dafür, dass KI‑Modelle auf konsistenten Daten basieren, reproduzierbar trainiert werden können und verlässlich in bestehende IT‑ und Klinikprozesse eingebunden sind. Zugleich ermöglichen AI‑Factories eine enge Verzahnung von Forschung und Versorgung. Erkenntnisse aus dem klinischen Betrieb können direkt in die Weiterentwicklung von Modellen einfließen, während neue Modelle schneller und kontrolliert in den produktiven Einsatz gelangen. Damit sind AI‑Factories ein verbindendes Element, das technologische, organisatorische und regulatorische Anforderungen zusammenführt und die Grundlage für eine nachhaltige KI‑Strategie im Gesundheitswesen schafft.

AI‑Factories sind weniger als kurzfristiger Technologietrend, sondern vielmehr als struktureller Ansatz für den nachhaltigen Einsatz von KI im Gesundheitswesen zu verstehen. Sie schaffen einen Rahmen, in dem Datenintegration, Governance, Recheninfrastruktur und Betriebskonzepte zusammengeführt werden, um KI‑Anwendungen zuverlässig in Forschung und Versorgung zu verankern. Entscheidend ist dabei die Fähigkeit, KI nicht nur zu entwickeln, sondern sie reproduzierbar, sicher und skalierbar in bestehende klinische Prozesse einzubetten.

Für CIOs, CMIOs sowie IT‑Architekten wurde klar, dass der erfolgreiche Einsatz von KI zunehmend eine strategische IT‑Aufgabe ist. Gefragt sind Architekturen, die regulatorische Anforderungen ebenso berücksichtigen wie die Bedürfnisse von Forschung und klinischem Betrieb. AI‑Factories bieten hier einen Orientierungsrahmen, um technologische Entscheidungen, Governance‑Modelle und organisatorische Strukturen aufeinander abzustimmen. Der Ausblick des Events zeigte, dass dort, wo KI strategisch geplant und infrastrukturell sauber umgesetzt wird, die Voraussetzungen für messbare Verbesserungen in Prozessen, Qualität und Versorgung entstehen.

Dann kommen Sie gerne auf uns zu!
Bringen Sie Ihre Perspektive ein und leisten Sie einen eigenen Beitrag zum gesundheit.digital.forum.