 |  | Melanie Höhn |
 |
26.01.2026 13:30 Uhr |
Ein wissenschaftliches Gutachten von Professor Christian Thies von der Hochschule Reutlingen zeigt zudem, warum Schnittstellen und Interoperabilität zentrale Voraussetzungen sind, damit Daten- und KI-Anwendungen über einzelne Projekte hinaus skalieren können. Der Bedarf an generischen Schnittstellen für den Routinedatenzugriff ist laut des Gutachtens hoch. Neue digital unterstützte Anwendungen aus der ambulanten Versorgung seien auf Daten aus der Krankengeschichte angewiesen. Die aktuell verfügbaren Schnittstellen böten hier keine flächendeckend nutzbaren Datenexporte oder Zugriffe. »Diese Fragestellungen werden vor dem Hintergrund der KI-basierten Methodenentwicklung drängender«, sagt Thies. »Hier haben Routinedaten das Potenzial, neue Möglichkeiten der Wissensgenerierung zu eröffnen.«
Prädiktoren, Diagnoseunterstützung oder Entscheidungshilfen seien nur einige Anwendungsziele. Um diese Methoden als Grundlage neuer Anwendungsfälle überhaupt entwickeln zu können, seien einheitliche Schnittstellen zu den Routinedaten in den primären Informationssystemen notwendig. Prinzipiell böten Ansätze wie das »Model Context Protocol« Schnittstellen zu Entwicklungs- und Betriebsmethoden der KI. Allerdings müssten Routinedaten aus den datenhaltenden Systemen über geeignete Schnittstellen verfügbar gemacht werden, um nicht zuletzt den Schutz der personenbezogenen Daten unter Kontrolle zu behalten.
Ein Use Case innerhalb der BMC-Publikation hat beispielsweise untersucht, wie datenbasierte Prävention die Versorgung verbessern und Kosten langfristig senken könnte. »Mit KI und validen Gesundheitsinformationen lassen sich individuelle Risiken früh erkennen und gezielt vorbeugen«, heißt es in dem Bericht. Damit datenbasierte Prävention langfristig als Standard in der GKV-Versorgung etabliert werden könne, seien politische und gesetzgeberische Maßnahmen erforderlich. Es brauche mehr Rechtssicherheit für Krankenkassen bei der Nutzung versichertenspezifischer Daten für präventive Zwecke, und es müsse der Aufbau datentechnischer und analytischer Kompetenzen bei den Kostenträgern systematisch gefördert werden, wie etwa durch gezielte Förderprogramme oder Partnerschaften mit spezialisierten Anbietern.
Zudem müssten regulatorische Anforderungen für innovative datenbasierte Anwendungen angepasst und entbürokratisiert werden, um skalierbare Lösungen rechtssicher und praxistauglich zu ermöglichen. Des Weiteren sei die Qualität und Interoperabilität im Gesundheitswesen zu verbessern, heißt es im Bericht. Nur dann könnten datengetriebene Modelle in der Breite erfolgreich eingesetzt werden – mit dem Ziel, die Versorgung gezielt zu verbessern, Risiken frühzeitig zu erkennen.
