Das Forschungsprojekt AIDoCS-EMS entwickelt ein sprachbasiertes, multimodales Assistenzsystem zur Automatisierung der Datenerfassung und -verarbeitung in der präklinischen Notfallversorgung mithilfe künstlicher Intelligenz.

Der Rettungsdienst in Deutschland und der Schweiz steht infolge einer alternden Bevölkerung sowie eines zunehmenden Fachkräftemangels vor wachsenden Herausforderungen. Die derzeitigen Dokumentationsprozesse erfolgen überwiegend manuell, sind fehleranfällig, hygienisch nachteilig und zeitintensiv.

AIDoCS-EMS verfolgt das Ziel, eine lokal betreibbare Plattform zu entwickeln, die gesprochene Kommunikation mit automatisch erfassten Vitalparametern und einsatzbezogenen Daten integriert. Dadurch wird eine Echtzeitdokumentation ermöglicht, die sowohl Einsatzberichte als auch abrechnungsrelevante Daten umfasst und diese sicher an Krankenhäuser und Leitstellen übermittelt.

Das System unterstützt Einsatzkräfte adaptiv, indem es beispielsweise geeignete Fragen vorschlägt, die kognitive Belastung reduziert und die Vollständigkeit der Dokumentation sicherstellt. Es ist für den Einsatz unter anspruchsvollen Einsatzbedingungen konzipiert und erfüllt höchste Anforderungen an Datenschutz, medizinische Terminologie und Gebrauchstauglichkeit.

Vielerorts stößt der Rettungsdienst in Deutschland bereits jetzt an seine Grenzen. Aufgrund kontinuierlich steigender Fallzahlen, eines massiven Fachkräftemangels und einer hohen Zahl von Fehlalarmen oder Bagatellnotrufen können die vorgeschriebenen Hilfs- und Einsatzfristen kaum mehr eingehalten werden. Insbesondere in ländlichen Gebieten mit großen Entfernungen zwischen Rettungswache und Einsatzort stellen die aktuellen Probleme die Ersthelfer vor enorme Herausforderungen. (mehr lesen)

Das Gesundheitssystem steht vor der Herausforderung, immer größere Datenmengen schnell, sicher und zuverlässig nutzbar zu machen. Besonders in Notfallsituationen müssen Vitalparameter, Sensordaten und Bildinformationen ohne Verzögerung zwischen Rettungswagen, Leitstelle und Klinik übertragen werden.

Nur so lassen sich fundierte Entscheidungen treffen und die Versorgung von Patientinnen und Patienten verbessern. Das Vorhaben zielt auf die Entwicklung und Erprobung von 6G-basierten Kommunikations- und Dateninfrastrukturen für die Notfall- und Akutmedizin ab, die hohe Verfügbarkeit, geringe Latenzen und Interoperabilität über Systemgrenzen hinweg sicherstellen.
Die Universitätsmedizin Leipzig (UML)  legt den Schwerpunkt auf die Untersuchung der Leitstellenkommunikation und die Integration von Datenflüssen zwischen Rettungsdienst und Klinik. Im Zentrum stehen Konzepte für Informationspriorisierung und übersichtliche Darstellungen, die Einsatzkräfte in zeitkritischen Situationen unterstützen. Zudem stellt UML eigene Plattformen bereit, um die entwickelten Lösungen in praxisnahen Szenarien zu erproben.

Das Projekt PRIDAR („Patientenorientierte Ressourcenanalyse für Interdisziplinäre Akut-Rettungseinsätze“) adressiert die wachsenden Herausforderungen in der Notfallversorgung: steigende Krankenhausauslastung, unzureichende Transparenz über tatsächliche Kapazitäten und teilweise mangelnde digitale Integration zwischen Krankenhäusern und Rettungsdiensten.

Ziel des Projekts ist die Entwicklung einer intelligenten, modular skalierbaren, adaptiven Daten- und Analysearchitektur, welche in der Lage ist, sowohl die aktuelle als auch die prognostizierte Auslastung von Notaufnahmen und klinischen Fachabteilungen automatisiert zu erfassen, mehrdimensional zu aggregieren und in strukturierter Form bereitzustellen. Dieses System soll insbesondere Rettungsdiensten in Echtzeit und prospektiv verwertbare Entscheidungsgrundlagen bieten, um Zuweisungsprozesse ressourcensensitiv, lageangepasst und patientenzentriert zu optimieren.

Durch eine smarte Verknüpfung von Echtzeitdaten aus Krankenhausinformationssystemen (KIS), Notaufnahme-Scores (CEDOCS), DIVI-Intensivregisterdaten und Rettungsdienstdaten entsteht so ein digitales Gesamtsystem, das eine fundierte Zielkrankenhausentscheidung ermöglicht. Damit können Patienten schneller und bedarfsgerechter zugewiesen werden. Neben der Patientenversorgung wird auch der Ressourceneinsatz der Rettungsdienste optimiert, was die Gesamteffizienz des Rettungs- und Gesundheitswesens steigert.

Im Projekt wird das ICCAS die bestehende Kapazitätsnachweis-Software IVENA des Projektpartners mainis IT-Service GmbH um eine automatisierte, datengestützte Prognose erweitern und dabei KI-Methoden und Expertensysteme zur Auslastungsvorhersage integrieren. Damit wird ein wichtiger Schritt in Richtung einer patientenorientierten, digital gestützten Notfallversorgung realisiert. Validiert wird die Projektarbeit durch einen Piloteinsatz mit ausgewählten Stakeholdern.

Mobilfunknetze der aktuellen Generation (5G) sind faktisch und regulatorisch Teil der Kritischen Infrastruktur. Mit 6G eröffnen sich neue Anwendungsfelder in Energie, Verkehr oder Gesundheit, wodurch die Kritikalität des Mobilfunksystems steigt.
Im Projekt wird der medizinische Bereich als besonders relevanter Anwendungsfall betrachtet. Ziel ist es, medizinische Anwendungen, die auf Mobilfunk basieren, resilienter zu gestalten und damit die Versorgungssicherheit im Krisenfall zu erhöhen. Dazu werden Konzepte für 6G-Campusnetze entwickelt, die bei Ausfall öffentlicher Netze lokalen Inselbetrieb erlauben oder umgekehrt kritische Anwendungen in öffentliche Netze und Clouds auslagern.
So wird sowohl die Resilienz des Mobilfunksystems als auch die Ende-zu-Ende-Resilienz aus Anwendungssicht gesteigert. Im medizinischen Bereich werden mindestens zwei Use Cases erprobt, um übertragbare Blaupausen für andere Kritische Infrastrukturen zu schaffen. Die Schwerpunkte des ICCAS liegen in der Adressierung der besonderen Anforderungen der Medizintechnik. Hier wird gezielt untersucht, wie sich zukunftsfähige Resilienzkonzepte in vernetzte Gesundheitssysteme integrieren lassen, um deren Verwundbarkeit zu reduzieren und die Versorgungssicherheit zu erhöhen. Dazu werden medizinische, organisatorische und technische Use Cases mit hoher Relevanz für klinische Abläufe erfasst und analysiert.
Die Konzepte werden im Health-Communication-Lab (HeCoLa) in einem kliniknahen Setting erprobt. Die Laborumgebung wird hierfür durch das öffentliche 5G-Netz sowie durch die von den Partnern entwickelten Resilienz-Demonstratoren erweitert. Ein Augenmerk liegt auf der interoperablen Systemintegration: KIS und mobile Endgeräte sollen nahtlos miteinander kommunizieren, wobei auf etablierte Standards wie HL7, FHIR und DICOM gesetzt wird. Ergänzend erarbeitet das ICCAS ein Validierungskonzept, das sowohl technische Kriterien als auch funktionale Testszenarien im klinischen Nutzungskontext berücksichtigt.

Das Projekt wird durch das Bundesamt für Sicherheit in der Informationstechnik als assoziierten Partner begleitet.

KIMed – das Netzwerk für Künstliche Intelligenz in der Medizin bringt datenführende Institutionen, methodische und technische Partner:innen sowie Anwender:innen aus der Medizin zusammen mit dem gemeinsamen Ziel, eine leistungsfähige und sichere Forschungsumgebung zu etablieren und KI-Innovationen gezielt zu fördern. Ein zentrales Vorhaben des Netzwerks ist die Konzeption einer geschützten Infrastruktur zur Verarbeitung medizinischer Daten in Sachsen. Diese Infrastruktur soll die Nutzung großer, vernetzter Datensätze unter strengen Datenschutzrichtlinien ermöglichen. So schafft KIMed die Voraussetzung, dass moderne KI-Anwendungen in einer sicheren Struktur entwickelt und perspektivisch in medizinischer Forschung und Praxis eingesetzt werden können.

Die zentralen Ziele des Projekts sind:

• Netzwerkaufbau und Governance: Aufbau eines nachhaltigen Netzwerks zur Vernetzung und Koordination von Forschungspartner:innen, Etablierung einer effektiven Netzwerk-Governance sowie Initiierung neuer Drittmittelprojekte durch die Mitglieder
• Netzwerkarbeit zur Etablierung einer geschützten Forschungsumgebung: Entwicklung einer Secure Processing Environment (SPE), die die sichere Verarbeitung und Analyse sensibler medizinischer Daten ermöglicht – ohne dass diese physisch weitergegeben werden müssen
• KIMed-Portal zur Datenerschließung und –vernetzung: Aufbau eines zentralen Portals zur Zugänglichkeit medizinischer Datenquellen, zur Generierung von synthetischen Daten und Vernetzung von bestehenden Datensätzen
• Erprobung von kooperativen Demonstratoren im SPE: Entwicklung und Bereitstellung praktischer Anwendungsbeispiele, die den Mehrwert der geschützten Forschungsumgebung aufzeigen und Forschenden sowie klinischen Partner:innen innovative Nutzungsmöglichkeiten bieten
• Aus- und Weiterbildung sowie Beratung: Konzeption und Bereitstellung von Schulungsangeboten für alle Netzwerkbeteiligten sowie Beratung der Partner:innen zur optimalen Nutzung der Netzwerkressourcen

Alle Maßnahmen stärken und verbinden die Zukunftsfelder Gesundheit und Digitales zu einem bedeutenden Forschungs- und Innovationsstandort für die Health Care-Industrie und die Gesundheitsversorgung. Die Initiative ist nicht nur von zentraler Bedeutung für den Freistaat Sachsen, sondern hat auch nationale wie internationale Relevanz.

KIMed ist ein gemeinsames Projekt der Technischen Universität Dresden, der Universität Leipzig und der Hochschule Mittweida. Das Netzwerk möchte den medizinischen Fortschritt aktiv mitgestalten – für bessere Versorgung, Forschung und Lehre.

KIMed wird von 04/2025 bis 12/2027 mit 3,6 Mio. Euro aus Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE) und aus Steuermitteln auf Grundlage des vom sächsischen Landtag beschlossenen Haushaltes gefördert.

Trotz großer wissenschaftlicher· Fortschritte bleiben Neugeborenensepsis und Frühgeborenenapnoe zentrale Herausforderungen der neonatologischen lntensivmedizin. Die late-onset Sepsis ist eine Blutvergiftung, die frühestens 72 Stunden nach der Geburt auftritt und meist durch Krankenhauskeime verursacht wird. Apnoen (Atemaussetzer) treten bei nahezu allen Frühgeborenen auf und führen häufig zu kritischen Abfällen der Sauerstoffsättigung (SpO2}. Aktuelles Monitoring ermöglicht zwar das Erkennen von Sepsis und Apnoe, erfordert jedoch zahlreiche Kontaktelektroden, die bei unreifen Frühgeborenen Hautschäden verursachen können. Zudem werden Apnoen oft erst durch ihre Auswirkungen (SpO2-Abfall) detektiert. Ziel des Vorhabens ist die Entwicklung einer kontaktlosen Messmethode zur Erfassung von Atembewegung und Körpertemperatur für die Sepsis- und Apnoedetektion, basierend auf der Laufzeitmessung elektromagnetischer Wellen und optischer Temperaturmessung, um kabelgebundene Sensorik zu reduzieren.

Im Rahmen des Projekts soll untersucht werden, ob die Expression eines bestimmten Gens in Magentumoren allein anhand von Gewebeschnitten nach einer Routinefärbung und mit Hilfe fortgeschrittener Deep-Learning Techniken bestimmt werden kann. Dies könnte die derzeitigen Methoden, die kosten- und zeitaufwändig sind, optimieren und möglicherweise ersetzen. Zu diesem Zweck werden ein umfangreicher Datensatz aus einer bereits abgeschlossenen multizentrischen Studie und komplexe neuronale Netze verwendet. Die Ergebnisse könnten zu einer schnelleren und kostengünstigeren Diagnostik und Personalisierung der Behandlung von Patienten mit Magenkrebs führen. Die Modelle und Ergebnisse werden öffentlich zugänglich gemacht, um weitere Forschung und eine mögliche Integration in die klinische Krebsbehandlung zu unterstützen.

Das Projekt DaDriv-StAC verfolgt das Ziel, eine digitale Plattform zu entwickeln, die datengetriebene Entscheidungsunterstützung in der Nachsorge von Schlaganfallpatient*innen ermöglicht. Im Mittelpunkt steht dabei die Erforschung und Anwendung des innovativen Konzepts virtueller medizinischer Zwillinge. Diese sollen komplexe Gesundheitsdaten aus unterschiedlichen Sektoren – etwa aus Akutkrankenhäusern, Rehaeinrichtungen und dem ambulanten Bereich – integrieren, analysieren und mit standardisierten sowie individuellen Behandlungspfaden abgleichen. Mithilfe Künstlicher Intelligenz (KI) werden daraus Therapieempfehlungen abgeleitet, die eine personalisierte und leitliniengerechte Behandlung über den gesamten Versorgungsverlauf hinweg unterstützen.

Da Schlaganfallnachsorge durch individuelle Risikofaktoren, Folgeerkrankungen und langfristige Einschränkungen wie Lähmungen oder Sprachstörungen besonders herausfordernd ist, zielt DaDriv-StAC auf eine bessere sektorenübergreifende Vernetzung und kontinuierliche Therapiekontrolle. Bislang fehlen entsprechende technologische Plattformen, die Gesundheitsdaten dynamisch aktualisieren, vernetzen und sinnvoll für Behandelnde auswerten. Mit dem Projekt wird erstmals das Konzept eines dynamischen virtuellen Zwillings in der Schlaganfallnachsorge umgesetzt, das sich kontinuierlich an den Behandlungsverlauf anpasst und so eine datenbasierte Rückmeldung an Behandelnde und Patient*innen ermöglicht.

Die Universitätsmedizin Leipzig (UML) spielt hierbei eine zentrale Rolle. Gemeinsam mit der Actimi GmbH entwickelt sie die Plattform und führt eine klinische Machbarkeitsstudie durch, um Akzeptanz, Wirksamkeit und Umsetzbarkeit zu evaluieren. Zusätzlich sollen die erhobenen Daten zur medizinischen Qualitätssicherung und Prozessoptimierung genutzt werden.

Der technologische Kern des Projekts besteht in der Schaffung eines neuen Datenmodells, das medizinische, klinische und subjektive Patientendaten (z. B. PROMs/PREMs) integriert. Basierend darauf werden neue Analyse- und Entscheidungsmethoden entwickelt, die eine präzisere Bewertung von Risikofaktoren sowie den Abgleich individueller Verläufe mit optimalen Therapiewegen ermöglichen.

Das Projekt adressiert damit zentrale Herausforderungen des Gesundheitssystems: Es soll Informationslücken schließen, die Behandlungsqualität verbessern und langfristig zu einer effizienteren, personalisierten Versorgung beitragen. Die Ergebnisse werden sowohl wissenschaftlich publiziert als auch für eine spätere wirtschaftliche Skalierung vorbereitet.

DaDriv-StAC entspricht den Zielen der Förderlinie zur Entwicklung datengetriebener Entscheidungs- und Unterstützungssysteme im Gesundheitswesen und leistet einen wichtigen Beitrag zur Digitalisierung und Innovation in der medizinischen Versorgung.

Das SUSTAINET-guarDian Projekt entwickelt sichere, resiliente und nachhaltige Mobilfunkinfrastrukturen, basierend auf einer Weiterentwicklung der heutigen 5G-Technologien hin zu einer servicebasierten Architektur. Dabei wird bewusst auf eine komplett neue 6G-Generation verzichtet. Im Mittelpunkt stehen eine robuste Sicherheitsarchitektur, automatisierte Netzsteuerung und der gezielte Einsatz von Künstlicher Intelligenz (KI), um Netzwerke effizient, zuverlässig und skalierbar zu gestalten.

Wichtige Ziele sind die Standardisierung von Authentifizierung und Verschlüsselung, der Schutz über nicht vertrauenswürdige Netzsegmente hinweg sowie die Absicherung von KI über ihren gesamten Lebenszyklus. Cyberresilienz wird durch moderne Maßnahmen wie homomorphe Verschlüsselung, Quanten-Schlüsseltausch und vertrauenswürdige Cloud-Nutzung gestärkt.

Ein weiterer Fokus liegt auf Nachhaltigkeit und Energieeffizienz. Dazu gehören verteiltes Lernen, effiziente Algorithmen und Methoden zur Reduktion des Energieverbrauchs. Die entwickelten Lösungen werden anhand von praktischen Demonstratoren in den Bereichen Smart Grid und medizinische Anwendungen erprobt und optimiert.