Tobias Heimann ist Chef der KI-Forschung bei Siemens Healthineers. Er erklärt, warum der Europäische Gesundheitsdatenraum für die digitale Entwicklung Europas Hoffnung macht.
Herr Heimann, Jürgen Werner, emeritierter ärztliche Direktor der Uniklinik Essen, gilt in Digitalisierungskreisen als einer der Vorreiter des Smart Hospital. Er meinte in einem ÖKZ-Interview, dass das „Gesundheitswesen durch KI vor unfassbaren Veränderungen stehe, die sich die meisten nicht einmal annähernd vorstellen könnten.“ Und das Zitat endet: „Wir können uns diese Trägheit nicht länger leisten.“ Hat er recht?
Tobias Heimann: Herr Werner hat meiner Meinung nach recht – vor allem bei dem Punkt, dass sich viele die Auswirkungen noch gar nicht vorstellen können. Wenn man sich den aktuellen Stand anschaut, dann ist der Mehrwert von KI schon sehr konkret sichtbar. In der Bildgebung etwa verbessern sich Qualität und Geschwindigkeit deutlich. Das lässt sich gut an der Rekonstruktion von MR-Daten festmachen. In der Strahlentherapie werden Arbeitsschritte automatisiert, die früher sehr zeitaufwendig manuell erledigt werden mussten – etwa das Einzeichnen von Risikoorganen, das heute in über 95 Prozent der Fälle automatisiert funktioniert. Das sind reale Effizienzgewinne. Gleichzeitig ist das aber erst die erste Phase. Die Entwicklung läuft seit gut 15 Jahren mit hoher Dynamik, und wir sehen kein Ende dieser Entwicklung. In Zukunft geht es viel stärker darum, die wachsenden Datenmengen im Gesundheitswesen überhaupt noch beherrschbar zu machen. Kein Arzt kann diese Datenflut alleine bewältigen.
Rede und Antwort.
Es gibt kein modernes Gerät der medizinischen Bildgebung, das heute ohne KI-Technologie auskommen würde. Tobias Heimann leitet seit einem Jahrzehnt die KI-Forschung bei Siemens Healthineers.
Wie machen wir die Datenflut nutzbar?
Das ist ein zentrales Thema. Integration ist einer der größten Stolpersteine auf dem Weg zur digitalisierten Medizin. Innerhalb eines eigenen Ökosystems – also Geräte, Plattformen und Software aus einer Hand – ist es noch vergleichsweise einfach. Aber selbst dort ist es aufwendig, Daten wirklich so zusammenzuführen, dass sie sinnvoll genutzt werden können. In der Realität arbeiten Krankenhäuser mit einer Vielzahl unterschiedlicher Systeme. Deshalb müssen unsere Anwendungen auch außerhalb unseres eigenen Systems funktionieren. Das Problem ist: Standards existieren, werden aber nicht immer konsequent umgesetzt. Nicht jeder Hersteller unterstützt alles gleich. Dadurch entstehen Brüche. Ziel muss ein offenes Ökosystem sein, in dem Software unterschiedlicher Anbieter zusammenspielt und nicht an einzelne Plattformen gebunden ist. Sonst bleibt alles fragmentiert.
Wie schafft eine Klinik die Interoperabilität ihrer Daten?
Die größte Hürde ist weniger die Technologie als die fehlende Durchgängigkeit. Es gibt viele gute Einzelstandards, aber keine flächendeckende, konsistente Umsetzung. Unterschiedliche Systeme sprechen zwar theoretisch dieselbe „Sprache“, interpretieren sie aber unterschiedlich. Dazu kommen wirtschaftliche Interessen: Anbieter haben wenig Anreiz, ihre Systeme vollständig zu öffnen. Für die Anwender bedeutet das zusätzliche Schnittstellen, Medienbrüche und ineffiziente Prozesse.
Wenn Sie verantwortlicher Manager in einer Klinik oder bei einem Krankenhausträger wären: In welche KI-Anwendungen würden Sie heute investieren?
Ich würde in Anwendungen investieren, die direkt im klinischen Alltag entlasten. Dazu gehört automatisierte Dokumentation, weil sie Zeit spart und administrative Last reduziert. Zweitens Systeme, die Informationen aus verschiedenen Quellen zusammenführen und strukturiert bereitstellen – also genau diese Integrationsproblematik vorantreiben. Und es gibt bereits sehr gute KI-Ergebnisse in der Entscheidungsunterstützung, etwa in der Bildgebung, der Diagnosefindung oder Therapieplanung, wo KI bereits heute verlässliche Resultate liefert. Weniger sinnvoll sind isolierte Einzellösungen ohne Einbindung in bestehende Workflows. Wenn KI nicht dort stattfindet, wo Ärztinnen und Ärzte arbeiten, wird sie nicht genutzt.
Stichwort „Patient Journey“: Wie beeinflussen KI-Anwendungen langfristig den Zugang der Patienten zum Gesundheitssystem?
Da sind wir wieder beim Thema Datensilos. Enorme Datenmengen liegen auf den Servern beim Hausarzt, im Krankenhaus oder bei Fachärzten. Diese Daten sind kaum verknüpft. Der erste Schritt ist daher, sie rund um den Patienten zusammenzuführen. Initiativen wie der European Health Data Space gehen in diese Richtung. Langfristig bedeutet das: Patienten werden stärker die Kontrolle über ihre Daten haben, und diese können kontinuierlich genutzt werden. KI kann daraus Zusammenfassungen, Risikoeinschätzungen oder Verlaufsvorhersagen ableiten. Das verändert den Zugang zur Versorgung. Statt punktueller Behandlung entsteht eine kontinuierliche Betreuung, die stärker präventiv ausgerichtet ist.
Kann ein europäischer Gesundheitsdatenraum unter den aktuellen regulatorischen Bedingungen funktionieren?
Ja, das kann funktionieren – und es muss funktionieren. Es gibt in Europa bereits Länder, die zeigen, dass solche Modelle umsetzbar sind. Der nächste Schritt ist, das auf europäischer Ebene zu skalieren. Entscheidend ist dabei nicht nur die primäre Nutzung der Daten für die Behandlung, sondern auch die sekundäre Nutzung. Wenn Daten nur im konkreten Behandlungsfall eingesetzt werden, verbessert das zwar die Versorgung im Einzelfall, aber es entstehen keine neuen Erkenntnisse. Erst durch die systematische Nutzung lassen sich Muster erkennen, Therapien vergleichen und medizinischer Fortschritt beschleunigen.
Als Datenforscher eines Medtech-Unternehmens müssen Sie die sekundäre Datennutzung fordern, oder? Ihre Entwicklungsarbeit würde dadurch erleichtert.
Die sekundäre Datennutzung eröffnet eine neue Dimension der Forschung. Wenn man sich vorstellt, Gesundheitsdaten von Hunderten Millionen Menschen auswerten zu können, entstehen ganz andere Möglichkeiten: Krankheitsverläufe lassen sich großflächig analysieren, Therapien schneller vergleichen und Hypothesen rascher überprüfen. Heute basieren viele medizinische Erkenntnisse auf vergleichsweise kleinen, aufwendigen Studien. Mit Real-World-Daten kann man kontinuierlich evaluieren, was tatsächlich wirkt und was nicht. Das macht auch Value-Based Healthcare erst wirklich umsetzbar, weil Transparenz darüber entsteht, welche Behandlungen einen tatsächlichen Nutzen bringen.
Tobias Heimann
studierte Medizinische Informatik an der Universität Heidelberg und promovierte am Deutschen Krebsforschungszentrum über medizinische Bilddatenanalyse. Seit 2016 leitet er das Team „Artificial Intelligence Germany“ bei Siemens Healthineers.
Bremsen Regulierungen wie der EU AI Act die KI-Forschung in Europa?
Regulierung ist notwendig, gerade im Gesundheitswesen. Die Frage ist, wie konsistent und planbar sie ist. Bei der MDR sehen wir, dass sich Vorgaben laufend ändern. Für Unternehmen bedeutet das, dass Prozesse ständig angepasst werden müssen, was Zeit und Ressourcen bindet. Gleichzeitig kommt mit dem AI Act eine weitere Regulierung hinzu, die teilweise mit bestehenden Vorgaben kollidiert. Das ist mühsam. Wenn zwei Regelwerke nicht vollständig abgestimmt sind, erhöht das den Aufwand erheblich. Das kann Innovation bremsen, obwohl das Ziel der Regulierung grundsätzlich richtig ist.
Bleibt KI vor allem ein Effizienzwerkzeug – oder entstehen neue Anwendungen?
Das sind zwei parallele Entwicklungen. Auf der einen Seite gibt es Forschung zu neuen Methoden und Anwendungen, etwa im Bereich eHealth, Patientensteuerung oder Telemonitoring. Und dann gibt es die Forschung in unserem ureigensten Bereich der Medizintechnik, wo die bildgebende Medizin im Bereich der KI-Anwendungen führend ist. Dabei arbeiten wir eng mit akademischen Partnern zusammen. Auf der anderen Seite stehen die aktuellen Herausforderungen der Kliniken: Personalmangel, steigende Fallzahlen und hohe Arbeitsbelastung. Deshalb liegt ein großer Fokus darauf, bestehende Prozesse effizienter zu machen. Die disruptiven Anwendungen werden kommen, aber die unmittelbare Wirkung sehen wir derzeit in der Automatisierung und in der besseren Nutzung vorhandener Daten.
Wie ist die KI-Forschung bei Ihnen organisiert?
Der Großteil arbeitet im operativen Geschäft. Ohne Produkte und ohne Umsatz funktioniert kein Unternehmen. Viele entwickeln konkrete Anwendungen für den aktuellen Einsatz. Gleichzeitig gibt es bewusst Teams, die sich mit Zukunftsthemen beschäftigen. Das sind keine riesigen Gruppen, aber sie arbeiten eng mit Universitäten und Forschungseinrichtungen zusammen. Ziel ist es, früh zu verstehen, was in fünf oder zehn Jahren relevant sein wird.
Woran arbeiten diese Teams konkret?
Ein Beispiel ist die Partnerschaft mit der Charité in Berlin zum Thema Prävention. Es geht darum, Krankheiten früher zu erkennen oder zu vermeiden. Das ist ein Bereich, der bisher kaum in Geschäftsmodellen abgebildet ist, aber großes Potenzial hat. Wir untersuchen etwa den Einsatz digitaler Zwillinge, die individuelle Gesundheitsverläufe modellieren. Solche Projekte bieten Raum für unkonventionelle Ansätze und neue Versorgungsmodelle.
Muss das am Ende immer in Hardware münden – oder geht es längst um Software?
Der Schwerpunkt verschiebt sich klar Richtung Software. Die Anwendungen, die den klinischen Alltag verändern, sind Softwarelösungen. Es gibt heute keine Hardware mehr ohne Software. Für Kliniken ist entscheidend, wie gut Prozesse unterstützt werden – und das passiert über Software. Die Trennung zwischen Hardware- und Softwareunternehmen wird zunehmend unscharf.
Entwickeln Sie die KI für Diagnostik selbst oder setzen Sie auf Partner?
Beides. Wir haben starke eigene Entwicklungen, etwa den AI RAD Companion, der radiologische Bilder analysiert – unabhängig vom Gerät. Gleichzeitig arbeiten wir mit Partnern zusammen. Zusätzlich betreiben wir Plattformen, auf denen auch Drittanbieter ihre Lösungen anbieten können, ähnlich einem App Store.
Warum haben viele Menschen Angst vor KI im Gesundheitswesen?
Die Unsicherheit entsteht vor allem dadurch, dass sehr viel über KI gesprochen wird, oft ohne klare Definition. Dazu kommen Bilder aus Filmen, die mit der Realität wenig zu tun haben.
Wer hat die größten Vorbehalte?
Bei Ärzten ist die Angst, ersetzt zu werden, zurückgegangen. Realistischer ist, dass KI unterstützt. Patienten sind skeptischer, weil sie individuelle Behandlung erwarten. Akzeptanz entsteht, wenn die ärztliche Entscheidungshoheit erhalten bleibt.
Wo liegen die tatsächlichen Risiken?
Nicht in einer „übermächtigen“ KI, sondern in Fehlern und mangelnder Nachvollziehbarkeit. Kein System ist perfekt. Entscheidend ist, dass Ergebnisse überprüfbar sind und Systeme ihre eigene Sicherheit einschätzen können.
Wie wird KI das Gesundheitssystem bis 2035 verändern?
Daten werden nicht mehr lokal gebunden sein, sondern kontextbezogen verfügbar. KI wird im Hintergrund Informationen aufbereiten. Ärzte erhalten strukturierte Entscheidungsgrundlagen statt roher Daten. Patienten werden stärker eingebunden. Der größte Unterschied wird die bessere Integration sein: weniger Brüche, weniger Redundanzen, durchgängige Prozesse.
