Daten sind auch im Gesundheitsbereich Gold wert. Erfasst werden sie in deutschen Kliniken allerdings oft in voneinander abgeschotteten Subsystemen. Welche Auswirkungen das auf Klinikprozesse und die Erlössicherung hat, besprechen wir mit Dr. André Sander, dem CTO von ID Berlin. Krankenhäuser, die jetzt nicht anfangen, ihre Prozesse effizienter zu gestalten, die werden mittelfristig, werden die ganz stark an Wettbewerbsfähigkeit verlieren. Wir werfen außerdem einen Blick darauf, wie ein Clinical Data Repository Informationen für Kliniken semantisch sauber abbildet und wie Krankenhäuser zukünftig davon profitieren können.

Das Krankenhaus der Zukunft. Der KMA-Podcast mit Dr. Tobias Krick. Diese Episode ist eine exklusive Kooperationsfolge mit unserem Partner ID Berlin. Lieber André, schön, dass du da bist. Direkt zum Einstieg ins Thema. Wenn du heute auf Kliniken schaust, welche Probleme fallen dir sofort ins Auge, wenn es um den klassischen Umgang mit Daten, Prozessen und Controlling geht? Was mir eigentlich am stärksten ins Auge fällt, sind tatsächlich die Silos. Das ist, glaube ich, auch ein Stichwort, was man heute auf vielen Kongressen und vielen Vorträgen hört. Bei Silos denke ich aber tatsächlich nicht nur an Datensilos, sondern ich denke auch an Prozesssilos. Wir haben heute wenig Vernetzung in den Kliniken. Die Fachbereiche untereinander sind kaum vernetzt und auch bestimmte organisatorische Dinge wie das Controlling, also Medizin-Controlling, Finanz-Controlling, die ziehen sich irgendwie Daten, aber das ist nicht wirklich miteinander verbunden. Da sind einfach im Moment noch zu viele Silos. Also könnte man so zusammenfassen, überall entstehen Daten, aber wir nutzen sie nicht vernetzt und intelligent aufeinander abgestimmt. Richtig? Das ist völlig richtig.

Okay, dann sind wir nämlich auch direkt beim Thema. Ich würde dich gerne einmal bitten, wenn du jemandem aus einer Klinikgeschäftsführung erklären müsstest, was intelligente Prozessunterstützung bedeutet, was genau ist das? Ich habe es früher mal mit dem Vergleich versucht zu illustrieren, dass man den Computer nicht anstatt einer Schreibmaschine benutzt und jetzt plötzlich sozusagen auch seine E-Mails auf dem Rechner schreibt und ausdruckt, sondern dass man die Stärken eines Computers tatsächlich als solche auch nutzt. Das heißt, dass man Effizienzen schafft, dass man Aufgaben durch Computer erledigen lässt, Prozessunterstützung, die ein Mensch a. Nicht besonders effizient machen kann und b. Auch nicht durch einen Menschen parallelisierbar sind.

Also das heißt, dass intelligente Prozessunterstützung tatsächlich durch einen hohen Grad an Vernetzung und einen hohen Grad an Interorbität entsteht. Okay, das ist ja jetzt auf einer sehr hohen Flughöhe erklärt. Vielleicht können wir es nochmal runterbrechen. Hast du vielleicht ein konkretes Beispiel aus der Praxis, um das mal ein bisschen genauer zu erklären, was gemeint ist? Naja, das ist so ganz klassisch. Wir kommen aus der Kodierung und wenn Arztbriefe geschrieben werden, dann stellt sich natürlich für uns die Frage, warum werden die nicht gleich auch mit kodiert? Wenn Arztbriefe geschrieben werden, dann könnte man auch direkt Informationen von Patienten zur Verfügung stellen. Okay, also letztendlich, es gibt einen eigentlich manuellen Prozess. Es gibt dieses Patienten-Arzt-Gespräch. Da entstehen Informationen und diesen Prozess könnte man digital und intelligent unterstützen und gleich allen, die die Informationen brauchen, auch zur Verfügung stellen. Habe ich das richtig verstanden? Das ist völlig richtig.

Insbesondere sollten die Informationen aufgearbeitet werden. Das heißt, der Computer, der muss natürlich ein Verständnis entwickeln, was dort dokumentiert wurde. Normalerweise heutzutage ist es halt so, man sitzt vor seinem Hausarzt und dazwischen ist noch ein Computermonitor. Man erzählt dem Arzt seine Probleme und der Arzt, der ist eigentlich im Moment erstmal nur eine Sekretärin, schreibt alles mit.

Das kann man sicherlich in Zukunft durch Ansätze vielleicht unterstützen, die dann halt sozusagen automatisiert dieses Speech-to-Text halt implementieren. Aber die Daten, die der Arzt erfasst, die Texte, die er aufschreibt, die werden erstmal als solche nicht weiter durch den Computer verarbeitet. Warum sollen Computer die nicht gleich interpretieren? Wenn ich bestimmte Medikamente, Medikamenteneinnahme dem Arzt erzähle, wenn ich meine Symptome erzähle, meine aktuellen Leiden, dann könnte ein Computer natürlich auch diese Daten direkt nehmen und könnte die interpretieren und so dem Arzt auch eine Hilfe stellen. Denn das wird heutzutage in der Regel nicht gemacht, sondern der Arzt, der nimmt dann halt die Daten vielleicht an einem späteren Zeitpunkt, um sie für die Abrechnung zu verwenden oder jemand anders verwendet die für die Abrechnung. Das heißt, es sind immer singuläre Erfassungen und singuläre Verwendungen und diese Vernetzung, die muss halt prozessual gedacht werden. Ja, finde ich gut. Man könnte also sagen, das Intelligente an der intelligenten Prozessinterstützung ist, nicht nur, dass die Daten irgendwo aufgenommen und gespeichert werden, sondern so wie du es so schön gesagt hast, dass der Computer versteht, was er da eigentlich dokumentiert und es direkt so verarbeitet und an die richtigen Stellen führt, wo es gebraucht wird. So würde ich das zusammenfassen.

Völlig richtig. Das ist doch genau die Herausforderung, mit der wir uns seit eigentlich 40 Jahren beschäftigen.

Ja, sehr gut. Ich hoffe, dass wir da Schritt für Schritt jetzt immer weiter auch noch voranschreiten. Da seid ihr ja auch schon dran. Du hattest ja schon angesprochen, dieses Thema der Fragmentierung von Daten. Ich will da nochmal ein bisschen tiefer drauf eingehen. Also momentan ist es ja so, dass im Krankenhaus sowohl Daten im KISS-System liegen, in irgendwelchen Subsystemen, die EPA gibt es, es gibt E-Medikationen, es gibt Labor- und Archivsysteme, alle möglichen Arten von Orten, wo Daten gespeichert werden. Und du hast ja die Fragmentierung davon als Problem schon angesprochen.

Könntest du nochmal ein bisschen tiefer zusammenfassen, was das eigentliche Problem dabei ist, beziehungsweise wie könnten wir es besser und anders machen? Also das eigentliche Problem an dieser Stelle ist, dass die Daten jeweils in den speziellen Subsystemen liegen. Das ist das eine Problem. Viele Systeme haben nicht unbedingt Schnittstellen. Da gibt es im Moment auch Ansätze, die der Gesetzgeber sogar vorsieht. Also ich sage mal Stichwort ISIG oder auch andere Schnittstellen, sodass Systeme, die für die Primärversorgung in den Krankenhäusern eingesetzt werden, bestimmte Systeme zumindest, Schnittstellen haben müssen. Das ist die eine Sache.

Die zweite Sache ist aber, selbst wenn ich Schnittstellen habe, dann müssen die Daten eigentlich auch vergleichbar gemacht werden. Also ein Blutdruck, der wird irgendwie in, weiß ich, 10, 20 verschiedenen Subsystemen erfasst. Allergien, die werden in sehr vielen verschiedenen Systemen erfasst. Mal in Freitext, mal kodiert, mal aus bestimmten Listen, mal irgendwie auf eine andere Art und Weise. Und das Wichtige ist, dass die Daten nicht nur an zentralen Stellen gesammelt werden, das, was ich vorhin sagte, dass man halt diese Silos durchbricht, sondern dass die Daten eben auch harmonisiert und standardisiert werden im Rahmen dieses Prozesses. Und das ist die große Herausforderung, an der wir arbeiten, dass sozusagen der fachliche Terminus dafür wäre dann halt ein CDR, also ein Clinical Data Repository. Das ist ja eines eurer großen Themen, wo wir gleich auch nochmal ein bisschen tiefer drauf eingehen werden. Ich habe nochmal, Eine provokative oder besser gesagt eine kritische Nachfrage. Dass es so ist, dass alles fragmentiert ist, dass es die ganzen Subsysteme gibt, ist ja ein Problem der ganzen Branche, wenn man mal ehrlich ist. Und ich frage mich nach deiner ehrlichen Meinung, warum ist das eigentlich so? Beziehungsweise fehlt uns da der Mut? Oder was hat dazu geführt, dass diese Strukturen so sind, wie sie aktuell sind? Das ist völlig richtig beobachtet.

Wir haben eine große Fragmentierung und die haben wir eben nicht nur innerhalb von der Klinik, sondern wir haben die eigentlich im gesamten Gesundheitssystem. Wir haben zu viele Partikularinteressen. Wir haben viele Interessensgruppen, die arbeiten in der Regel gegeneinander. Wir haben auch diese Sektoraufteilung in Deutschland, ambulanzstationär, die es in vielen anderen Ländern so auch nicht gibt. Ich glaube, wir sind uns selbst innerhalb von bestimmten Interessensgruppen, also nehmen wir mal die Industrie als eine Interessensgruppe. Ich glaube, selbst innerhalb dieser Interessensgruppe arbeiten wir halt eben teilweise gegeneinander, was natürlich auch bestimmte Gründe hat. Das Gesundheitssystem in Deutschland ist zwar extrem teuer, aus Sicht der Industrie ist es aber auch nicht so richtig gut finanziert. Also man muss schon als Unternehmen ein bisschen ums Überleben kämpfen.

Und ich sage mal, die letzten zehn Jahre wurde natürlich sehr viel kolportiert, dass die Daten das neue Gold sind. Also versucht halt jeder, die Daten für sich zu behalten und das führt eben natürlich dazu, dass man dann auch diese Silos, diese Barrieren tatsächlich auch künstlich am Leben erhält. Ich glaube, an Mut tatsächlich fehlt es uns vielleicht gar nicht mal.

Wir haben sehr viele Startups, sehr viele sehr innovative Startups. Wir als ID arbeiten da auch mit einigen zusammen. Die haben tolle Ideen, die haben auch noch nicht zum Glück dieses Mauerdenken und die haben extrem innovative Ansätze. Und da muss man auch sagen, selbst Regulatorien wie die MDR, die sind absolut notwendig und wir sind auch großer Verfechter von Medizinprodukten, aber auch das kann man tatsächlich adressieren. Ich finde das sehr gut, dass so ein etabliertes und größeres Unternehmen wie ihr bei Idee mit Startups zusammenarbeitet, weil letztendlich seid ihr ja die Türöffner. Ihr seid ja diejenigen, die seit Jahren die Branche auch mitprägen. Das heißt, ihr habt die Möglichkeiten, die Türen für alle anderen auch aufzumachen und deswegen Chapeau an dieser Stelle schon mal. Lass uns nochmal ein bisschen genauer auf euer Kernthema Kodierung eingehen. Also Idee kennt man vielleicht auch als Kodiertool in der Branche und wir hatten ja im Vorgespräch schon mal darüber gesprochen, dass das Ganze jetzt auch fallbegleitend, also in Echtzeit fast eingesetzt wird.

Gibt es da schon erste Ergebnisse zum Thema, wie beeinflusst das die Qualität, Vollständigkeit, vielleicht auch das Thema Erlöse und Erlössicherung? Da gibt es tatsächlich Feedback und das hat uns sehr positiv überrascht, obwohl überrascht wäre jetzt vielleicht falsch gesagt, aber das ist uns sehr positiv gestimmt, denn ein sehr großer Schweizer Kunde, der hatte uns tatsächlich Anfang des Jahres mitgeteilt aus dem Controlling-Codier-Bereich.

Dass sie das erste Mal keine Überstunden machen mussten zum Jahresende. Und dass sie tatsächlich auch ein leicht negatives Ergebnis in 2024 in ein deutlich positives Ergebnis in 2025 umgewandelt haben, also wirtschaftliches Ergebnis.

Und der Grund ist tatsächlich die Fallbegleitende Kodierung. Das kann man auch ziemlich leicht nachvollziehen, wenn man sich überlegt, was passiert denn eigentlich bei der Fallbegleitenden Kodierung. Es ist ja nicht so, dass wir jetzt Ärztinnen und Ärzte oder Behandler dazu zwingen, DLGs zu ermitteln, sondern wir stellen den Mitarbeitern im Prinzip sehr effiziente Tools zur Verfügung, mit der sie mehr oder weniger während der Behandlung schon Codier-Vorschläge machen können. Das heißt, die müssen nicht mal qualitativ hochwertig sein, sondern das sind erstmal nur Vorschläge, die dann später ein professioneller Codierer oder auch, das muss man auch sagen, Maschinen-Learning-Algorithmen validieren. Und der große Vorteil von der fallbegleitenden Codierung, also von der Nähe zur Behandlung, also der zeitlichen Nähe zur eigentlichen Behandlung, ist der, dass Informationen nicht verloren gehen. Der Arzt oder die Ärztin schreibt halt bestimmte Dinge auf, dokumentiert bestimmte Dinge, muss die dann aber teilweise während der Codierung eben nur spezifizieren. Also ein ganz klassisches Beispiel, man schreibt halt auf Corona-Herzkrankheit. Der Code in der ICD-10 dafür, der ist halt sehr allgemein. Und dann fragt das System nach 1, 2, 3 Gefäße, weil es schon einen Unterschied macht. In dem Augenblick schreibt der Arzt in dem Codiervorschlag.

Die richtige Form der koronaren Herzkrankheit und ein Codierer später muss ich das nicht nochmal umfänglich raussuchen. Das heißt, die Qualität, die Vollständigkeit steigt und damit steigt natürlich auch die Effizienz und am Ende wirkt es hier auch positiv auf einen Erlös aus. Das heißt, der Arzt oder die Ärztin kodiert nicht selber in dem Moment, sondern konzentriert sich auf die eigene Fachexpertise, nämlich das Analysieren, die Anamnese, das Aufschreiben der Diagnose vielleicht auch und das System schaut sich diese Informationen an und gibt Vorschläge oder fragt, wie du eben erklärt hast, ab bestimmte Details nochmal und gibt dadurch dann der Kodierung später Vorschläge, wie das passgenauer und besser und effizienter passieren kann. So habe ich das jetzt verstanden. Ja, völlig richtig. Im Prinzip die Maschine liest die Dokumentation, markiert die Dokumentation, sagt hier an dieser Stelle ist eine Diagnose oder eine Prozedur, die könnte man kodieren. Der Anwender muss nur noch raufklicken, sieht den Code und mit einem zweiten Klick übernimmt er im Prinzip den Code. Also das, was wir versucht haben zu machen, das ist ein ganz niederschwelliges Verfahren, also eine sehr effiziente Prozess- und Unterstützung an dieser Stelle.

Sodass der Behandler gar nicht so sehr das Gefühl hat, er müsste jetzt kodieren. Weil das ist halt, muss man leider auch sagen, in den Kliniken natürlich kein besonders beliebter Job, sondern die Behandler, die möchten sich gerne auf ihre Patienten konzentrieren und die verbringen ohnehin schon viel zu viel Zeit vorm Computer und diese Zeit, die reduzieren wir eben. Richtig. Und gleichzeitig sind es ja auch nicht zwangsläufig die Kodierungsexperten, sondern es sind eben die Experten für medizinische Themen. Was mir noch auf der Seele liegt zwischendurch, das Thema Patientenfahrt ist ja noch ein bisschen länger. Also es gibt ja nicht nur den Moment, wo Arzt und Patient im Patientenzimmer sitzen und miteinander sprechen, sondern es gibt ja die Patientenreise, die Patient Journey hat ja noch viel mehr Punkte im Krankenhaus.

Setzt eure Software auch noch an anderen Punkten an beim Thema Controlling? Also tatsächlich haben wir dieses Jahr an Lösungen oder arbeiten dieses Jahr an Lösungen, die wir auch oft, die mehr vorstellen, wo wir den Ansatz Closed-Loop-Controlling und Closed-Loop-Documentation fahren wollen. Das ist so ein bisschen eine Anlehnung an Closed-Loop-Medication. Das kennt jeder. Medikation von Anfang bis Ende gedacht. Und unserer Auffassung nach fängt Closed-Loop-Controlling tatsächlich bei der Patientenaufnahme an. Und zwar bei der Patientenaufnahme sogar in der Art und Weise, dass man sich an dieser Stelle bewusst dafür entscheidet, wie nehme ich den Patienten auf und wie möchte ich ihn später entlassen. Das hat einen ganz entscheidenden Einfluss auf das Controlling, weil ich dann von Anfang an natürlich auch bestimmte Abrechnungsflüsse steuern kann.

Das heißt, diese Patienten-Journey, die ist ja auch in den letzten Jahren so ein bisschen im Verruf gekommen. Also Patientenfade gab es vor 20 Jahren mal, hat nicht so richtig gut funktioniert. Das lag, glaube ich, vor allem daran, dass man versucht hat, die Behandlungsfreiheit oder die Ärzte haben, glaube ich, das Gefühl gehabt, dass ihre Behandlungsfreiheit ein bisschen eingeschränkt wird. Ich schäle jetzt sozusagen jeden Patienten über einen Kamm, also ich ordne dem Patientenpfad zu. Das Ganze wollen wir überhaupt nicht machen, sondern wir wollen es tatsächlich im Sinne eines Abrechnungskontrollings einfach steuern. Und das kann man auch machen. Und die Behandlungsfreiheit und die Art und Weise der Behandlung, die bleibt natürlich völlig offen dabei. Wie kann man das sich dann in der Praxis vorstellen? In dem Moment, in dem ich in die Notaufnahme gehe, fängt schon der Codierungsprozess an? In der Notaufnahme ist es ein bisschen anders. Also die größte Freiheit hat man natürlich bei den elektiven Aufnahmen, wo man sich dann ganz bewusst dafür entscheiden kann. möchte ich den Patienten ambulant, stationär, hybrid aufnehmen. Man kann bei der Aufnahme eigentlich schon bestimmte Simulationen durchführen. Man muss natürlich auf bestimmte Rahmenparameter achten. Man kann nicht komplett frei entscheiden. Aber auch genau diese Rahmenparameter, die kann man in der Software halt visualisieren und die kann man in der Software einfließen lassen und so die Patientenaufnahme ganz gezielt optimieren. Das funktioniert zum Teil auch in der Notaufnahme.

Das Thema Prozessoptimierung in der Notaufnahme haben wir es übrigens nochmal ein ganz eigenes, können wir gerne auch nochmal einen Podcast drüber machen. Aber selbst da gibt es bestimmte Abrechnungsformen, die in der Praxis ganz häufig nicht beachtet werden und die man mit so einem Closed-Loop-Controlling-Ansatz tatsächlich auch steuern kann und berücksichtigen kann. Also es macht natürlich Sinn, an jeder Stelle der Patient Journey schon entsprechende Daten zu erheben, verarbeiten und in das entsprechende Controlling auch einzubetten. Was du am Rande vorher noch erwähnt hast, wo ich noch einmal darauf eingehen möchte, ist das Thema KI. Es macht ja absolut Sinn, wenn man Daten erhebt, sie auch mit einer Art künstlichen Intelligenz auszuwerten.

Welche Arten von KI-Features nutzt ihr da, beziehungsweise wie verändert das auch das Anwenden von KI, diese klinischen Prozesse? Das ist eine wirklich ganz interessante Frage.

KI muss auch tatsächlich neu gedacht werden.

Was ist KI in der Klinik? Wie kann ich es effizient einsetzen?

Ich sage mal, ein Chatbot in einem 90er-Jahre-Kiss macht noch nicht eine effiziente Prozessunterstützung. Es macht doch keinen Sinn, jetzt überall in jeder Software ein Chatbot einzubauen. Und das wird passieren, da bin ich mir ziemlich sicher, dass es in Zukunft, egal welches Modul, welches Fachmodul man in einer Klinik aufmacht, man wird ein Chatbot drin haben, selbst wenn es ein Sonografie-Modul ist. Das Interessante ist, welche Prozesse lassen sich robust und hochqualitativ automatisieren. Damit beschäftigen wir uns. KI ist für uns nicht nur der Einsatz von Chatbots und LLMs, sondern KI ist auch tatsächlich jede Form einer intelligenten Entscheidungsunterstützung. Das können auch ganz triviale, aus heutiger Sicht triviale Maschinen-Learning-Modelle sein, die auch gerade im Controlling entscheidende Informationen liefern können, um sozusagen die Patientenbehandlung zu optimieren. Konkretes Beispiel wäre die Vorhersage der Verweildauer eines Patienten und das Ganze natürlich aus, In Abrechnungssicht, ich möchte nicht wissen, ob der Patient drei, vier, fünf oder elf Tage liegt, aber ich möchte wissen, wird der Patient zum Beispiel über oder unter der durchschnittlichen Verweildauer liegen, denn damit kann ich ganz gezielt in die Patientenbehandlung und auch in das Controlling eingreifen. Und diese Modelle, die haben wir auch implementiert, die sind extrem genau.

Weil die gar nicht so differenziert eine Vorhersage treffen müssen, sondern relativ grob. Die müssen letztendlich nur eine Ja-Nein-Entscheidung treffen, so unter oder über der durchschnittlichen Verweildauer. Und dafür werden dann wahrscheinlich verschiedene Parameter analysiert, wie Schwere der Erkrankung oder kannst du mal Beispiel geben, wie genau das berechnet wird? Das sind tatsächlich jetzt wirklich statistische Ansätze. Was da reinfließt, natürlich das Alter und das Geschlecht des Patienten in Kombination mit der Hauptdiagnose. Die Nebendiagnosen, die spielen eine Rolle. Es gibt Nebendiagnosen, wo man weiß, es sind Komplikationsfaktoren, eine schwere Adipositas, ein Diabetes, bestimmte entgleiste Krankheiten, Hypertonie. Man kann auch oder wir verarbeiten auch Informationen, wenn wir sie dann haben aus Voraufenthalten, hatte der Patient schon mal eine Sepsis. Das sind so Faktoren, die da in diese Modelle mit reingehen. Ja, okay, verstanden. Macht absolut Sinn.

Okay, jetzt seid ihr als Idee ja ein Unternehmen, was schon sehr, sehr lange im deutschen Gesundheitswesen unterwegs ist. Und wie wir das eben gehört haben, auch beim Thema KI seid ihr Mitvorreiter. Wir wollen mal auf einer anderen Ebene nochmal über dieses Thema sprechen. Was ist deiner Meinung nach etwas Sinnvolles, wie Unternehmen im Moment im Bereich KI agieren sollten, beziehungsweise warum ist das Thema euch als Etablierer, Tablierer so wichtig? Wir sehen darin wirklich große Chancen, um die Effizienz zu steigern. Wir sehen große Chancen, um vor allem eine Teilautomatisierung von Prozess und Prozessschritten halt implementieren zu können.

Und wir als etablierter Anbieter gehen jetzt nicht so sehr auf die Technologie selber. Also wir machen es nicht, weil es KI gibt, sondern wir machen es halt mit der Technologie.

Also nicht für die Technologie, sondern mit der Technologie, so muss man das einfach sagen. Wir begreifen KI als ein wirklich wertvolles Werkzeug, was ganz abseits aller Marketing-Aussagen einen echten Mehrwert schaffen kann. Aber für uns als etablierter Anbieter ist es natürlich wichtig, die hohen Qualitätsstandards, die wir in den letzten 40 Jahren gesetzt haben, auch zu behalten. Und dafür muss man auch berücksichtigen, dass auch die neuen Technologien natürlich Nachteile haben. Das ist ganz wichtig. Das heißt, man muss sie bewusst einsetzen. Man muss sie auch flankierend mit traditionellen Algorithmen einsetzen. Und dabei darf man insgesamt natürlich nicht die Wünsche und die Bedürfnisse der Anwender außer Acht lassen. Es entsteht ja in der Branche manchmal so der Eindruck, dass das ein Trendthema ist, auf das jetzt alle draufspringen. Aber so wie du es jetzt beschrieben hast, ist es etwas, was ihr ganz bewusst auf der Basis eurer sowieso bestehenden Technologie einsetzt, um sie nur noch besser zu machen. Und das ist natürlich ein Ansatz, der für KI aktuell besonders sinnvoll ist in meinen Augen. Ja, also wir versuchen das wirklich ganz bewusst und dosiert auch einzusetzen, dieses Thema KI.

Weil ich meine, man verliert so ein bisschen sonst seine Glaubwürdigkeit. Also ich habe letztens gesehen, dass ein Elektroautohersteller damit geworben hat, dass der Ladevorbank jetzt mit KI geht. Nein, wer heute nichts mit KI macht, wirkt ja schon altmodisch fast. Also jeder hat irgendwo KI drin. Selbst jetzt Handlos. Ja, okay, aber auch da kann das sinnvoll sein. Also wir wollen das jetzt nicht einordnen, aber gut, verstanden ist, glaube ich. Lass uns nochmal zu einem Stichwort springen, was du vorher schon erwähnt hast und zwar dieses Stichwort Clinical Data Repository. Und zwar, ich weiß, okay, ich weiß es, weil du es mir erzählt hast vorher, aber dass ihr auf der DMEA etwas präsentieren werdet zum Thema CDR, was in vielen Häusern kaum im Moment noch jemand kennt. Kannst du uns da mal ein bisschen näher mitnehmen? Also ein CDR ist im Prinzip eine standardisierte Datenbank. Letztendlich soll oder idealerweise wird ein CDR als Art Single Source of Truth halt auch angesehen. Das heißt, ich sammle dort alle Daten und wenn ich mir ein Gesamtbild über den Patienten machen möchte, dann kann ich genau diese Datenbank anfragen und habe dort aggregiert alle Daten, die über den Patienten verfügbar sind, vorliegen. Das ist ein ganz erheblicher Vorteil, performancemäßig, weil ich habe sozusagen alle Daten auf einen Blick. Und das zweite ist, dass so ein CDR im Prinzip die Daten während der Aggregation, während des Imports, um das mal so zu sagen.

Tatsächlich auch standardisiert und mit Terminologien beschreibt und dadurch halt vergleichbar macht. Ich hatte vorhin das Beispiel mit dem Blutdruck gehabt. Es gibt viele andere Beispiele. Laborwerte kennt man das auch. Es gibt ganz unterschiedliche Einheiten, in denen man Laborwerten darstellen kann.

GFR-Werte für die Nierenfunktion zum Beispiel normiert, nicht normiert, nach welcher Formel berechnet. Wenn man das semantisch beschreibt, dann kann man tatsächlich die Werte auch vernünftig vergleichen. So ein triviales Beispiel, was jetzt vielleicht in Deutschland nicht unbedingt auftritt, aber ich kann Fieber messen, das kann ich in Grad Celsius oder in Fahrenheit erfassen und wenn ich dann zwei Werte habe, 98 und 38, in welcher Relation stehen die, wenn ich die semantisch beschrieben habe, dann kann ich diese Relation tatsächlich per Computer auch herstellen. Also wenn ich es nochmal zusammenfassen müsste, für jeden einzelnen Patienten und Patientinnen werden Daten gesammelt an einer Stelle zusammengeführt, aber gleichzeitig sind an dieser einen Stelle auch die Daten aller anderen Patienten, sodass man Zugriff theoretisch auf die Gesamtheit aller Daten hat in diesem Clinical Data Repository. Ist das richtig? Das ist völlig richtig. Ich habe sozusagen eine zentrale, große Datenbank, in der alle Daten zu allen meinen Patienten in standardisierter und harmonisierter Form vorhanden sind. Jetzt kann man sich ja die Frage stellen, für wen ist das alles gut? Also aus verschiedenen Perspektiven kann man sich das betrachten. Aus der Patientenperspektive würde ich sagen, ist das auf jeden Fall gut, weil wenn die Klinik alle meine Daten hat, kann sie mich bestmöglich behandeln. Wie würdest du denn aus der Perspektive der Geschäftsführung einer Klinik beschreiben, warum CDR wichtig ist? Der Anfang deiner Frage war ganz interessant.

Was sind die Anwendungsfälle? Und genau die würde ich im Prinzip auch in einer Klinikgeschäftsführung versuchen darzulegen. So klassischerweise kommen CDRs tatsächlich aus der Klinik. Forschung eher, dass man Patientengehorten bildet, dass man halt Abfragen macht, dass man irgendwie vielleicht sogar ein Controlling implementieren kann. Aber wir glauben, dass ein CDR auch Schritt für Schritt in die Primärversorgung integriert werden kann. Denn ein CDR, so wie wir das verstehen, ist mehr als eine Datenbank. Da können wir auch gerne nochmal im Detail darüber sprechen. Aber für uns beinhaltet ein CDR alles, was für die Datenaggregation, für die Datenspeicherung, das ist ja eigentlich der Kern des CDR, aber auch für die Datenvisualisierung und Auswertung notwendig ist. Und wenn ich das geschickt noch mit einem CDSS, also mit einem klinischen Expertensystem verbinde, dann kann ich so ein CDR tatsächlich direkt in die Patienten Primärversorgung integrieren und kann zum Beispiel...

Early Warning Scores berechnen. Ich kann auch wieder die Codierung unterstützen, indem ich zum Beispiel aus den Laborwerten oder aus den Vitalwerten, auch zum Beispiel aus Körpergröße und Körpergewicht, mir ein BMI und daraufhin eine Adipositas berechnen kann. Ich kann Medikamente gegen Diagnosen prüfen, kann im Prinzip Dashboards aufbauen, wo Warnungen entstehen für Patienten, die jetzt einem bestimmten Risiko ausgesetzt sind und und und. Und damit bringe ich das sozusagen von einem, ich sag mal, nachgelagerten.

Retrospektiven Auswertetool tatsächlich in eine Echtzeitunterstützung, Behandlungsunterstützung und mit Hilfe von Machine Learning Komponenten natürlich auch in ein prospektives Unterstützungssystem. Okay, verstanden. Also es geht nicht nur darum, logischerweise Daten zu sammeln und zu bündeln, sondern es geht darum, sie nutzbar zu machen für bestimmte Anwendungsfälle, klinische Anwendungsfälle, aber auch Controlling-Anwendungsfälle. Soweit habe ich verstanden. Kannst du uns nochmal vielleicht zwei Beispiele geben, wo ihr aktuell schon diese Daten in einem CDR nutzt in einer Klinik, wie zum Beispiel dann auch das Controlling oder die Klinikgeschäftsführung profitieren? Ich weiß, dass du vorher schon mal was von Sepsis gesagt hattest. Das könnte also ein Anwendungsfall sein, aber sag nochmal, welche hast du für uns? Also selbst das kann ich gerne nochmal so sagen. Das ist halt meines Erachtens auch durchaus ein kritischer Punkt, wo ich gespannt würde, wie man damit in Zukunft umgeht. Ein anderes Beispiel wäre die Allergieerfassung. Wir bauen gerade bei einem großen Universitätsklinikum in Thüringen. Die wollen so ein CDR tatsächlich auch in die Primärversorgung mit integrieren. Die wollen es halt aufbauen. Da ist einer der ersten Use Cases die automatisierte Analyse und Verarbeitung von Allergien. Das hört sich jetzt ziemlich trivial an. Man erfasst halt im Prinzip eine Allergie und dann soll die halt berücksichtigt werden im Prozess.

Tatsächlich im Detail ist es alles andere als trivial, denn Allergien, wir haben in klassischen Erfassungssituationen, also in einem klassischen textbasierten KISS, sage ich mal, da sehen wir regelmäßig Allergien, da steht dann halt sowas drin wie ja. Das soll dann heißen, ja, der Patient hat eine Allergie oder da steht sowas drin wie im Herbst. Das sind natürlich Allergien, mit denen kann halt niemand was anfangen. Das heißt, man muss jetzt die Allergien standardisieren. Man muss sie auf bestimmte sogenannte Value Sets reduzieren. Und dann kann man die tatsächlich, das wird dann auch in dem Universitätsklinikum gemacht, da kann man die eben in den weiteren Prozess mit integrieren und dort automatisiert verwenden. Zum Beispiel, wenn der Patient Allergien gegen bestimmte Stoffe hat, dann kann man prüfen, ob der Patient Medikamente bekommt, die diese Stoffe enthalten. Das müssen jetzt nicht nur Wirkstoffe sein, also wenn man jetzt eine Penicillinallergie hat, wie eine Titanallergie, wie eine Laktoseintoleranz, weil auch diese Stoffe sind halt in vielen Medikamenten vorhanden. Oder man kann generell Dashboards aufbauen, so Allergie-Dashboards, wo halt stationsweise darauf hingewiesen wird, welche Patienten haben welche Allergien, die man dann auch sinnvoll klastern kann zum Beispiel. Das mit der Sepsis ist das zweite Beispiel auch nochmal ganz interessant.

Das frage ich mich halt immer. Wenn wir ein Sepsis-Modell haben, was eine Sepsis halt vorhersagt, dann machen wir das ja aus einem ganz bestimmten Grund. Das können wir heute auch sehr gut machen. Und es gibt auch jedes Jahr, wenn immer noch Sepsis-Modelle publiziert, das ist gar nicht so schwierig, so ein Modell zu erstellen, auch ein gutes Modell. Die Daten sind genügend da. Das Interessante ist, wenn ein Arzt im Prinzip jetzt oder ein Behandler so eine Prognose bekommt, dass ein Patient halt sozusagen kurz vor einer Sepsis steht und eine sehr hohe Wahrscheinlichkeit aufweist, eine Sepsis zu entwickeln, dann wird der darauf eingreifen. Deswegen machen wir so ein Modell. Das heißt, er wird dann halt ein Antibiotikum oder was auch immer verschreiben und damit wird dieses Sepsis verhindert. Das heißt, das Modell hat dann in dem Augenblick ja nicht mehr recht.

Das ist eigentlich ganz interessant und wenn wir jetzt uns dann, sagen wir mal, so ein Sepsis-Modell nach zwölf Monaten nochmal anschauen, dann sinkt die Genauigkeit dieses Modells dramatisch, weil die Behandler, interveniert haben. Das heißt, wir müssen auch solche Modelle dann jährlich neu trainieren. Und das ist auch ein ganz wichtiger Grund, warum wir diese CDRs brauchen, weil die ermöglichen so ein Training natürlich in sehr einfacher Art und Weise. Weil dort sind ja immer zu jedem Zeitpunkt alle Daten standardisiert gesammelt. Diese CDRs, die haben im Prinzip einen KI-Adapter, hat jedes moderne CDR. Da kann man die Daten dann ausleiten und kann die direkt in so eine Trainingspipeline einführen. Danke dir erstmal für die Einordnung und die verschiedenen Fälle. Ich habe da unterschiedliche Rückfragen und Nachfragen zu. Eine Sache ist ja, du bist immer wieder darauf eingegangen, wie wichtig die Qualität der Daten ist.

Jetzt muss man sich ja nochmal bewusst machen, beim CDR werden Daten aus unterschiedlichsten Quellen zusammengeführt. Also das KIS, E-Medikation, EPA, Labordaten, Moritoring-Daten und viele weitere Daten. Das heißt, so ein CDR geht ja schon mal grundsätzlich über die Daten hinaus, die nur im KISS sind, richtig? Richtig. Das heißt, auch eine Auswertung nur mit einem KISS zu fahren, in der man die Daten aus dem KISS analysiert, ist überhaupt nicht vergleichbar mit der Auswertung in einem CDR. In einem KISS fehlen ja ganz viele Daten. Also wir haben ja schon die Unterscheidung in den Kliniken zwischen KISS und Kass in der Regel. Das KISS hat ja immer so ein bisschen so den, ich sag mal, Abrechnungscharakter. Im KISS hat dann eher so den klinischen, den medizinischen Charakter. Wir haben viele, viele Subsysteme, die ganz hochspezifische Daten erhalten. Also jede Diagnostik, jedes Diagnostik-Tool, sei es Lungenfunktionsdiagnostik und viele andere, die erzeugen ganz spezielle Daten, die nur dort liegen. Die kann man alle in so einem CDR halt sammeln. Und was die Qualität ausmacht, das hatte ich vielleicht gerade so ein bisschen auch an dem Allergiebeispiel versucht darzustellen. Wie gesagt, wenn ich eine Allergie erfasse, die heißt, ja, da ist keine Qualität da. Mit so einem Wort, mit so einer Semantik, da kann ich nicht so viel mit anfangen. Und genau darin liegt unser Ansatz auch, dass wir eben alle Daten auf Terminologien abbilden und die damit halt auf ein sehr hohes qualitatives Niveau heben.

Wir nehmen nicht nur eine Terminologie an dieser Stelle, sondern wir verwenden so viele Terminologien, wie es nur geht. Das klingt jetzt erstmal nach so ein bisschen so einem hemmzärmeligen Ansatz.

Hat aber tatsächlich seine Berichtigung, denn in der Regel haben die Terminologien einen ganz bestimmten Use Case. Also wir haben Terminologien so im Bereich der seltenen Erkrankung, die wollen halt die seltenen Erkrankungen sehr genau beschreiben. Wir haben Terminologien aus dem Bereich der Onkologie. Da gibt es sogar verschiedene. Die wollen natürlich jetzt die onkologischen Erkrankungen aus ihrer Sichtweise sehr genau beschreiben. Und es gibt keine Terminologie, die alles jetzt besonders tief kann. Es gibt auch Terminologien, die können das halt sehr breit in Medizin abbilden. Aber die müssen natürlich auch auf einer bestimmten oberflächlichen Ebene bleiben. Und wenn man eben Terminologien kombiniert, dann beschreibt man eben eine medizinische Entität, ein bestimmtes Dateneitern aus verschiedenen Blickwinkeln und erhält daraus den bestmöglichen Blick auf diese Entität. Das heißt, das Thema Terminologien und Terminologiesysteme ist auch das, was den Unterschied machen will vom CDR, so wie er das nutzt, zu einer Thematik, wenn man einfach nur ein Large Language Model über eine Patientenakte drüber laufen lassen würde. Das wäre dann überhaupt nicht miteinander zu vergleichen, oder? Das kann man tatsächlich nicht vergleichen. Ich hatte kürzlich auf einem Kongress in Leipzig tatsächlich einen Vortrag gehört, wo jemand das ganz ernsthaft vorgeschlagen hat. Wir machen jetzt eigentlich alles nur mit LLMs. Das ist ganz wunderbar.

Dass wir da so ein paar Fehler haben, kann man irgendwie in die Kollekte drücken und die LLMs, die werden schon im Laufe der Zeit immer besser. Also ja, die werden immer besser und die können Dinge, die überraschen einen täglich aufs Neue. Ich möchte bloß mal an die Stelle an einen Medikationsprozess erinnern. Patienten, die eine Infusion bekommen, Patienten, die schwerst krank sind, Und Patienten, die extrem viele Nebendiagnosen haben, die in einem hochkritischen Zustand sind, da darf ich mir keine Fehler erlauben. Also da will ich nicht eine Fehlerrate von ein Prozent haben, sondern da will ich eine Fehlerrate haben von 0,001 Prozent maximal.

Und das denke ich mal, wird man halt mit so einem, wir machen einfach alles mit LLM-Ansatz, das wird nicht funktionieren. Wir haben ja jetzt eine sehr technische und sehr detaillierte Betrachtung von diesem Thema gemacht, wenn wir nochmal ein bisschen rauszoomen und das Ganze aus der Perspektive einer Klinikgeschäftsführung betrachten. Wie würdest du sagen, ist es, dass Kliniken, wenn sie sich nicht auf das Thema Daten und Datenstrukturen und auch vielleicht CDR fokussieren in der Zukunft, werden diese Kliniken, die das nicht machen, an Wettbewerbsfähigkeit verlieren oder ist es eher ein langfristiges Thema? Also wenn man sich jetzt heute noch nicht mit dem Thema CDR und wie strukturiere ich meine Daten auseinandersetzt, verliert man dann kurzfristig oder mittelfristig oder eher langfristig seine Wettbewerbsfähigkeit? Gar nicht, habe ich jetzt mal fast ausgesprochen. Also ich denke, man verliert die mittelfristig, langfristig in jedem Falle. Ich meine, wir haben viele, wenn man jetzt die politische Situation im Gesundheitswesen ansieht, dann haben wir natürlich viele Maßnahmen, die der Gesetzgeber etabliert, die ganz klar auch das Ziel haben, die Krankenhäuser zu reduzieren, also die Anzahl der Krankenhäuser.

Das wird natürlich ein Stück weit unter dem Deckmantel, ist jetzt vielleicht das falsche Wort, Aber so ein bisschen auch unter dem Stichwort oder unter der Überschrift der Qualitätsverbesserung, der Qualitätssicherung halt betrieben. Aber das ganz klare Ziel ist natürlich, dass Krankenhäuser sollen abgebaut werden. Das macht das Krankenhausreformgesetz, das macht jetzt das KHAG. Krankenhäuser, die jetzt nicht anfangen, ihre Prozesse effizienter zu gestalten, die werden mittelfristig, werden die ganz stark an Wettbewerbsfähigkeit verlieren. Und langfristig, ich glaube nicht, dass es halt in zehn Jahren noch größere Kliniken gibt, die kein CDR haben. Vielleicht würde ich sogar die Zeit noch reduzieren auf fünf Jahre. Es ist halt heutzutage immer ein bisschen schwierig, halt irgendwie länger in die Zukunft zu schauen. Vielleicht kleine Spezialkliniken, wo es halt in Deutschland drei, vier Kliniken gibt. Ja, bei denen ist es vielleicht noch ein bisschen was anderes. Aber alle anderen, die werden sich tatsächlich solcher Tools bedienen müssen. Okay, jetzt haben wir schon gemerkt, langfristig, mittelfristig, das sind alles relative Begriffe, nachdem du dann die Zahlen eingefügt hast. Aber sagen wir mal, mittelfristig ist schon so Richtung fünf Jahre gedacht gewesen. Und in den nächsten fünf Jahren muss man sich damit auseinandersetzen. So habe ich das jetzt verstanden. Also man sieht ja, dass jetzt auch die ganzen, also das KHG jetzt als gerade neues Gesetz, was in diesem Sommer ja im Prinzip.

Soll es im Sommer veröffentlicht werden, weiß ich gar nicht ganz genau, aber ich habe jetzt die ersten Referentenentwürfe gesehen und da steht zum Beispiel auch ganz klar drin, dass der Gesetzgeber semantische Integralität Standards in Bezug auf die Qualität fesschreiben wird. Das heißt, die Notwendigkeit, Terminologie-Server einzusetzen, die wird nahezu gesetzlich vorgegeben werden. Und das ist halt nicht eine Sache, die jetzt viele Jahre in der Zukunft liegt, sondern das wird relativ schnell kommen. Ich gehe davon aus, dass in zwei Jahren, drei Jahren vielleicht ein Terminologie-Server genauso zur Kliniklandschaft dazugehört wie ein Kommunikations-Server, das heute schon ist.

Ich bin gespannt, ob deine Einschätzung dann zutreffen wird, aber ich halte es auch für sehr realistisch. Bevor wir jetzt zur Abschlussfrage kommen, noch ein kurzer Ausflug zu einem Seitenthema, was aber auch sehr interessant ist, was ihr aktuell bespielt. Und zwar habt ihr eine Kooperation mit Medikon und da geht es, ist jetzt ein bisschen anderes thematisches Blickfeld, um das Thema Versorgungsvorhersagen, also Versorgungsbedarfe auf einer bundesweiten Ebene vorherzusagen auf der Basis von Daten. Kannst du uns da mal kurz erklären, was damit gemeint ist?

Gutes Thema, passt eigentlich auch ein bisschen in diese, wie werden Krankenhäuser mittelfristig überleben oder auch nicht überleben, wie werden sie sich aufstellen. Krankenhäuser leben heute vor allem vom operativen Controlling, also man schaut sich das operative Geschäft an, man schaut sich am Ende des Jahres an, was will ich im nächsten Jahr anders machen, was muss ich anders machen, wo kann ich mich stärken, welche Abteilung sollte ich vielleicht auch schließen. Oder wo macht es Sinn, die zu schließen? Das, was wir mit Medikon machen, das geht tatsächlich darüber hinaus. Also wir verlassen an dieser Stelle das einzelne Krankenhaus. Wir schauen uns tatsächlich Gemeinden, Bundesländer, Landkreise an. Wir schauen uns ganz Deutschland an. Und wir schauen auch nicht nur in die ganz nahe Zukunft, sondern wir können mit dem Partner Medikon Analysen machen, die bis über das Jahr 2030 auch hinausreichen. Also wirklich tatsächlich fünf, vielleicht sogar in zehn Jahren. Wir können uns dort anschauen, wie werden sich demografische Veränderungen, wie werden sich aber auch bestimmte regulatorische Veränderungen auf Versorgungsbedarfe auswirken, wie werden sich Krankenhauslandschaften ändern und unser Ziel ist es, dass wir diese Form des strategischen Controllings mit dem operativen Controlling im Haus selber verbinden.

Und damit hat man halt die Möglichkeit auch, also mein Traum oder unser Traum ist es halt so ein bisschen so ein strategisches Echtzeit-Controlling zu etablieren. Das scheint erstmal wie ein Widerspruch, weil strategisches Controlling guckt fünf Jahre in die Zukunft oder zwei Jahre in die Zukunft. Aber wir glauben, dass es absolut Sinn macht, dieses strategische Controlling im Heute und kontinuierlich zu betrachten. Und oft ist es in den Häusern so, dass das operative Controlling 90, 95, 99 Prozent der Zeit halt frisst und man sich irgendwie zwei, drei Mal im Jahr zusammensetzt und sagt, jetzt müssen wir mal was für die Strategie tun. Und meistens ist es dann zu spät und die Zyklen zwischen diesen Terminen sind auch viel zu lang. Wenn man was erreichen will, dann muss man das kontinuierlich und zeitnah betreiben. Klingt auf jeden Fall spannend. Danke dir erstmal für den kleinen Ausflug, den wir jetzt noch in dieses Thema gemacht haben. Lass uns zum Abschluss der Folge noch einmal zusammenfassen. Wir haben ja über wirklich viele Themen gesprochen. Ich würde dir jetzt noch einmal als Schlussaufgabe mitgeben, fass uns einmal die für dich, für eine Geschäftsführung einer Klinik, wichtigsten Themen, die wir besprochen haben, zusammen. Was sollte jemand aus einer Geschäftsführung in der Klinik unbedingt mitnehmen? Also ich kann nur jeden ermutigen, genau Mut zu haben.

Jetzt ist eigentlich der richtige Zeitpunkt, um auch Veränderungen anzugehen. Wir werden Veränderungen von außen bekommen, denen können wir uns nicht entziehen. Bisher sind viele Dinge gut gelaufen. Jetzt ist eigentlich die Zeit für Veränderungen da. Wir haben die technischen Möglichkeiten. Wir haben die gesetzlichen Rahmenbedingungen, die wir befolgen müssen. Und meine Botschaft wäre, schauen Sie sich jetzt Ihre Prozesse an. Denken Sie jetzt Ihre Prozesse neu und fangen Sie an, die Kliniken radikal zu digitalisieren. Klingt nach einem Plan. Dann, ich hoffe, die Botschaft ist angekommen. Lieber André, danke dir für deine ganzen wertvollen Gedanken und Informationen und schön, dass du mit dabei warst. Vielen Dank, Tobias.

Du willst keine Folge mehr verpassen? Dann abonniere unseren Podcast und schau regelmäßig auf KMA Online und dem KMA LinkedIn-Kanal vorbei. Hier erfährst du auch zwischen den Episoden alles, was den Klinikmarkt bewegt. Für Feedback, Rückfragen und Kooperationen erreichst du uns unter kma-podcast.thieme.de Außerdem findest du in den jeweiligen Shownotes der Episoden alle Links zu unseren Gästen und der KMA-Redaktion. Wenn dir der Podcast gefällt, freuen wir uns riesig über eine Fünf-Sterne-Bewertung auf Spotify, Apple Podcast oder wo auch immer du uns hörst. Bis zur nächsten Folge, wie immer am letzten Dienstag im Monat. Das Krankenhaus der Zukunft ist eine Produktion der Georg Thieme Verlag KG. Moderation Tobias Krick. Redaktion Lisa Marie Hofmann. Produktion CCAV von Thieme.