Health Data Management

Die Nutzung von Patientenakten, Behandlungsdokumentation und Patientendaten sind in Gesundheitssystemen von zunehmender Bedeutung. Liegen die notwendigen Informationen zur richtigen Zeit am richtigen Ort vor, kann die Diagnose und Behandlung von Patienten erleichtert und unterstützt werden. Unter Beachtung eines notwendigen Compliancerahmens, in dem Datenschutz und Datensicherheit gewährleistet werden, können neben der Primärdatennutzung auch Potenziale für die Sekundärnutzung gehoben werden. In der Praxis zeigt sich jedoch, dass dieselben Begrifflichkeiten oftmals unterschiedlich definiert sind. Der folgende Beitrag gibt daher einen Überblick über ausgewählte und im Krankenhaus gängige Begriffe im Kontext Patientenakte, Behandlungsdokumentation und Gesundheitsdaten.

Die Medizinische Dokumentation dient seit jeher als Erinnerungs-, Kommunikations-, Entscheidungs- und Organisationshilfe. Allgemeines Ziel ist es, die richtige Information, das richtige Wissen und die richtigen Kenndaten zum richtigen Zeitpunkt am richtigen Ort den richtigen Personen in der richtigen Form zur Verfügung zu stellen. Voraussetzung für eine gute Dokumentation ist die Dokumentationsplanung.Zur Umsetzung der Medizinischen Dokumentation, dem Grundgerüst von Health Data Management, stehen verschiedene Methoden, Techniken und Werkzeuge zur Verfügung. Große Bedeutung haben dabei Klassifikationen und Nomenklaturen.Standardisierte Dokumentationen wie in der MII oder dem NUM bieten neue Mehrwerte bezüglich der einrichtungsübergreifenden Datennutzung. Eine durchgängige strukturierte Dokumentation ist aber aufgrund der hohen Aufwände nicht umsetzbar. Künftige Arbeitsgebiete sind daher u. a. die Suche nach vereinfachten Methoden der Daten- und Texterfassung und die Auswertung von unstrukturierten Informationen.

In allen Einrichtungen des Gesundheitswesens werden Daten auf unterschiedlichem Aggregationsniveau erhoben. Die häufigsten Daten sind auf einen Versicherten bzw. Patienten zurückzuführen und resultieren aus Gesundheits-, Kranken- und Pflegedaten. Für das eigentliche Management dieser Daten über die Grenzen einer Einrichtung hinaus, existierten keine konkreten Vorgaben. Jede Einrichtung ist bestrebt, die jeweiligen gesetzlichen Anforderungen hinsichtlich Datenschutzes und Informationssicherheit umzusetzen, datensparsam zu agieren und dennoch alle relevanten Informationen für die Versorgung des Versicherten zu erheben sowie neue Daten aus dem Versorgungskontext zu generieren. Konsentierte Verfahrenswege sind erforderlich, um strukturiert, nachvollziehbar und vor allem sicher Daten auszutauschen.

Der Aufbau der nationalen Telematikinfrastruktur (TI) für das Gesundheitswesen mit ihren vielfältigen Anwendungen erfordert verpflichtend den technischen und softwaretechnischen Anschluss der Informationssysteme der Leistungserbringer an diese Infrastruktur. Die Rahmenbedingungen sind durch die Regelungen im Sozialgesetzbuch und die Ausgestaltung der Spezifikationen durch die gematik GmbH und die KBV vorgegeben – sowohl für die gesetzlich verpflichtenden Anwendungen als auch für die weiteren im Wettbewerb entstehenden Anwendungen. Ein wesentlicher Aspekt für Krankenhausinformationssysteme ist hierbei einerseits die semantische Interoperabilität mit den TI-Anwendungen, aber auch die nachgehende Integration von zum Teil granularen medizinischen Daten in die lokalen Datenhaltungen im Krankenhaus sowie die Sichtbarmachung dieser an den Benutzeroberflächen. Dabei muss immer deutlich sein, wer Autor der Daten ist, also z.B. ob sie von Extern und von wem stammen. Das Health Data Management muss hierauf in vielfältiger Hinsicht ergänzt werden. Es werden checklistenartig Anforderungen skizziert.

In der regionalen Integrierten Versorgung stellt eine systematische Organisation von sozialen, pflegerischen und medizinischen Daten die zentrale Plattform zur Verbesserung und Effizienzsteigerung in der Gesundheitsversorgung bzw. der Prävention vor Ort. Die Interoperabilität der Daten bildet dabei die Grundlage für die Zusammenarbeit und den nahtlosen Austausch zwischen den Leistungserbringern untereinander und mit möglichen Koordinatoren in der Region wie bspw. Gesundheitskiosken oder -regionen. Das Krankenhaus kann dabei entweder als wichtiger Leistungserbringer agieren oder auch selbst die Trägerschaft für die Koordinatorrolle übernehmen. Mit der richtigen Strategie können Entscheidungsfindung, Abstimmungsprozesse und Datenqualität beschleunigt bzw. verbessert werden.

Krankenhäuser fungieren als komplexe Datenökosysteme, mit einer Vielzahl von Systemen und Schnittstellen. Die Bedeutung der Interoperabilität, sowohl innerhalb als auch außerhalb der Krankenhausgrenzen, nimmt zu, da es immer häufiger erforderlich ist, Daten in standardisierter Form an Dritte weiterzugeben.Ein bedeutender Schritt zur Effizienzsteigerung des Datenaustauschs über verschiedene Gesundheitssektoren hinweg ist die Implementierung der elektronischen Patientenakte (ePA). Diese Initiative dient nicht nur der verbesserten Kommunikation zwischen Ärzten und Patienten, sondern auch dem wachsenden Bedarf an Gesundheitsdaten seitens Forschung, Politik und Industrie. Um diesen Anforderungen gerecht zu werden, arbeiten Gesetzgeber auf nationaler und europäischer Ebene an der Bildung von Datenpools, die diese Informationen den interessierten Stakeholdern zugänglich machen.Für Krankenhäuser resultieren aus diesen Entwicklungen sowohl umfassende Verpflichtungen als auch zahlreiche Chancen, die es zu erkennen und zu realisieren gilt.

Die wertvollste Währung unserer Zeit sind Daten. Das gilt auch fürs Gesundheitswesen. Hier liefern Daten Informationen für die Behandlung und somit ein Mehr an Transparenz und Versorgungseffekten. Ihr Potenzial ist immens – für die bzw. den Einzelnen sowie für das gesamte System. Ein kluges Management dieser Gesundheitsdaten ist daher notwendig, um das volle Potenzial zu erschöpfen. Die Basis ist Interoperabilität, die einen Datenaustausch zwischen den Systemen ohne technisch-semantische Hürden erlaubt. Die sinnvolle Aufbereitung der Daten ist die Kür – ohne strukturierte Daten gelingt kein wirkliches Health Data Management. Und die „ePA für alle“ ist das Zuhause, wo alle diese Daten zusammenkommen, sich austauschen und effektiv wirken können.

Auf dem Weg zur Verbesserung der Patientensicherheit im Alltag der Versorgung und zur Weiterentwicklung der Versorgungsforschung kann die digitale Transformation dazu beitragen, strukturelle und prozessuale Mängel bedeutsam zu beheben. Um Patientensicherheit wirksam in Gesundheitsorganisationen zu integrieren, sind jedoch eine noch klarere Integration in den gesundheitspolitischen Rahmen und auf Organisationsebene klare Leitlinien, kontinuierliche Schulungen für medizinisches Personal, technologische Lösungen zur Fehlerprävention und eine Fehlerlernkultur unerlässlich. Die digitale Transformation und Patientendaten spielen dabei eine herausragende Rolle.

Die digitale Transformation der Krankenhauslandschaft ist in vollem Gange. Mit dem KHZG wurde der lang benötigte Impuls zur Beschleunigung gegeben, auf dessen Grundlage die wachsenden Gesundheitsdatenbestände nun auch effektiver für die Forschung und Versorgungsentwicklung im Sinne eines lernenden Gesundheitssystems genutzt werden sollen. Auch die Krankenhäuser haben die Potenziale eines effektiven Health Data Managements erkannt und entwickeln sich zu stärker datengetriebenen Organisationen. Allerdings sind die Rahmenbedingungen hierfür bislang eher restriktiv. Um den Paradigmenwechsel hin zu einem lernenden System auch auf der Ebene der Krankenhäuser zu vollziehen, müssen daher vielfältige Handlungsfelder adressiert werden – Insbesondere die Schaffung eines nachhaltigen digitalen Fundaments, schlanke Datenerhebungsprozesse, ein verantwortungsvoller und vertrauensbildender Umgang mit Gesundheitsdaten, sichere Verarbeitungsumgebungen sowie effektive Governance-Strukturen.

Dieser Beitrag ordnet die Bedeutung von Digitalisierung, Daten und Datenmanagement für die künftige Leistungserbringung in Krankenhäusern ein. Im Mittelpunkt stehen Erfolgskriterien und Potenziale aus Sicht der Krankenhausgeschäftsführung.

Die umfassende Nutzung von Gesundheitsdaten ist von zentraler Bedeutung, um auch in Zukunft eine qualitativ hochwertige und effiziente Leistungserbringung im Krankenhaus gewährleisten zu können. Dabei ist die Unterstützung durch die Ärzteschaft entscheidend, da diese sowohl wesentliche Nutzer als auch Produzenten von Gesundheitsdaten sind. Zukünftige Datenstrategien müssen die Mediziner daher frühzeitig in den Entwicklungsprozess einbeziehen, um deren individuelle Anforderungen besser abbilden zu können. Bestehende Strukturen und Prozesse sind so anzupassen, dass sich digitale Technologien selbstverständlich in den Behandlungsalltag einfügen und die Ärzte spürbar entlasten. Greifbare Mehrwerte im Arbeitsalltag durch die Nutzung von Gesundheitsdaten und kontinuierliche Fortbildungsprogramme schaffen die notwendige Akzeptanz. Nicht zuletzt gilt es, einen pragmatischen und praxistauglichen Datenschutz zu etablieren, der Ärztinnen und Ärzte nicht vor unüberschaubare Haftungsrisiken stellt.

Das Kapitel beschreibt den aktuellen Status, die zukünftigen Herausforderungen und die möglichen Potenziale der digitalen Transformation im Krankenhaus. Zu Beginn wird der aktuelle Implementierungsstatus pflegerischer Informationssysteme in der deutschen Krankenhauslandschaft dargestellt. Darauf aufbauend werden die möglichen Potenziale der digitalen Transformation in der Pflege, ausgehend von dem Konzept der Versorgungskontinuität, erläutert. Dies wird bespielhaft an der Umsetzung der Pflegepersonalregelung 2.0 veranschaulicht. Abschließend diskutiert der Beitrag die Rolle und die Chancen des neu einzurichtenden Kompetenzzentrums Digitalisierung und Pflege beim Spitzenverband Bund der Pflegekassen für die Profession Pflege.

Die deutschen Krankenhäuser durchlaufen seit 2020 eine Phase der verstärkten Digitalisierung. Das Krankenhauszukunftsgesetz (KHZG), die weiteren europäischen und nationalen rechtlichen Rahmenbedingungen, wie die EHDS-Richtlinie der EU, das DGNG, das DigiG, aber auch die Digitalstrategie des Bundes erzeugen starken Digitalisierungsdruck, der am Ende auch die digitale Transformation in den Krankenhäusern fördern wird. Der geplante Zeitrahmen für die Umsetzung der KHZG-Projekte, aber auch für die EHDS-Richtlinie des Bundes zusammen mit den daraus resultierenden nationalen Gesetzen stellt eine große Herausforderung für die Krankenhäuser dar. Diese Herausforderung wird verschärft durch die notwendigen Arbeiten für die Erfüllung der Anforderungen an die IT-Sicherheit aus dem § 75c des SGB V, der Orientierungshilfe zu Systemen für die Angriffserkennung (OH SzA) für KRITIS Einrichtungen, sowie der kommenden NIS-Richtlinie der EU. Die auf absehbare Zeit knappen personellen Ressourcen der IT-Abteilungen, ebenso wie die knappen Verfügbarkeiten der Hersteller und Berater machen die Lage nicht einfacher. In der Betrachtung der notwendigen Kosten für die Umsetzung der Digitalisierungsprojekte werden die nach Umsetzung anfallenden erheblichen Betriebskosten seitens der Kostenträger und der Länder nicht betrachtet oder ausreichend berücksichtigt.

Medizincontrolling und Health Data Management (HDM) sind voneinander abhängig. Medizincontrolling kann nur effizient funktionieren, wenn es ein gutes HDM gibt. Gutes HDM hingegen setzt funktionierendes Medizincontrolling voraus. Die Aufgaben des Medizincontrollings zur Ermöglichung eines guten Health Data Managements bestehen in der Entwicklung optimaler digitaler Prozesse zur medizinischen Dokumentation, der Koordination und Vermittlung zwischen den verschiedenen Berufsgruppen innerhalb eines Krankenhauses, sowie der strategischen Gestaltung des Transformationsprozesses zu einem digitalisierten Gesundheitswesen.Health Data Management schafft dem Medizincontrolling die Basis für interne Prozesssteuerung, optimale Ressourcenallokation und strategische Leistungsplanung. Es ist Voraussetzung für eine zukunftsgerichtete Zusammenarbeit aller Berufsgruppen innerhalb und außerhalb stationärer Versorgungsstrukturen.

Controllingaufgaben werden in deutschen Krankenhäusern häufig von unterschiedlichen Abteilungen wahrgenommen. Dies fördert nicht unbedingt die Effizienz, aber auch nicht die Effektivität der Erfüllung der Aufgaben und dient nicht immer der Erreichung der Organisationsziele. Das institutionalisierte Controlling als Ganzes wird sich aber zukünftig weiterentwickeln und eine (gesamt-) systemkoppelnde und -bildende Aufgabe nach Horvath übernehmen müssen. Dazu muss u. a. das kaufmännische Controlling noch weiter von der Kosten- zur Ergebnis- und Prozesssteuerung übergehen und versuchen alle zu Verfügung stehenden Informationen und Daten aus den medizinischen und pflegerischen Leistungsbereichen sowie von den Stakeholdern zu verarbeiten und zu nutzen. Neben der operativen Ebene betrifft dies auch im erheblichen Umfang die strategische Ebene, insbesondere die regulatorischen Veränderungen (z. B. Einführung von Leistungsgruppen in NRW) fordern dies ein.

Das Management von Gesundheitsdaten für deren Nutzung in Forschung und Wissenschaft erfordert neue Tätigkeitsfelder der Medical Data Science, in denen regulatorische und inhaltliche Anforderungen an die Datennutzung fachlich bearbeitet werden. Grundlage dafür sind die FAIR-Prinzipien: Gesundheitsdaten müssen gut auffindbar, für Forschung zugänglich, interoperabel nutzbar sowie projektübergreifend wiederverwendbar sein. Darüber hinaus ist die verstärkte Kooperation der verschiedenen Disziplinen aus Klinik und Forschung, aus Medizininformatik und aus Biostatistik sowohl im personellen als auch im organisatorischen Bereich unerlässlich, bis hin Zusammenarbeit im Rahmen einer nationalen Gesundheitsforschungsdateninfrastruktur, mittels derer ein nachhaltiges Datenmanagement im Kontext der biomedizinischen Forschung insgesamt etabliert werden kann.

Die digitale Transformation bringt neue Berufsbilder im Krankenhaus mit sich, die neben dem Chief Information Officer (CIO) die digitale Transformation mitgestalten und immer mehr Verbreitung finden. Der/die Chief Digital Officer (CDO) ist maßgeblich verantwortlich für die Projektleitung des Mega-Projekts „Digitale Transformation“ und trägt damit die strategische Verantwortung für den Transformationsprozess. Der/die Health Data Officer (HDO) zeichnet sich verantwortlich für die Daten-Strategie und das operative Datenmanagement. Der/die Chief Process Officer (CPO) mit Team ist verantwortlich für die Planung, Überwachung und Steuerung aller Versorgungsprozesse eines Krankenhauses. Gemeinsam verantworten all diese Berufsgruppen eine digital vernetzte Versorgungsstruktur, die ein professionelles Health Data Management ermöglicht.

Mit der Digitalisierungsstrategie und den daraus entstehenden Gesetzen wird derzeit der Grundstein für die Digitale Transformation im deutschen Gesundheitswesen gelegt. Gerade in Deutschland zeigen sich aufgrund von historischen, aber auch aktuellen Entwicklungen unterschiedliche Herausforderungen, wenn es darum geht, die Digitale Transformation und damit auch eine verbesserte Datennutzung voranzubringen. Um die notwendigen Voraussetzungen zu schaffen, ist es wichtig, Zielkonflikte beispielsweise zwischen Gesundheits- und Datenschutz aufzulösen und mit allen Stakeholdern im Gesundheitswesen abgestimmt die notwendigen Schritte hin zu einem digitale(re)m Gesundheitssystem gemeinsam zu gehen.

Die digitale Transformation im Gesundheitswesen bietet Möglichkeiten für eine innovative, resiliente und nachhaltige Versorgung, etwa durch den Einsatz von Künstlicher Intelligenz oder personalisierte Therapieansätze. Jedoch bleiben solche Ansätze bisweilen ungenutzt, da Daten in Krankenhäusern weder übergreifend integriert noch gemanagt werden. Herausforderungen bestehen etwa bei der Zusammenführung medizinischer Daten, bei der Interoperabilität und dem Umgang mit Datenschutzanforderungen. Das vernetzte Gesundheitssystem der Zukunft braucht allerdings einen möglichst großen Datensatz. Dies erfordert Kooperationen zwischen staatlichen und privaten Einrichtungen. Datenräume, wie andere Branchen sie bereits nutzen, können hierbei eine wichtige Rolle spielen, um Standards zu etablieren und Vertrauen zu schaffen.

Welchen Wert bringt eine Behandlung für den Patienten? Derzeit berücksichtigen nur sehr wenige Gesundheitssysteme die Auswirkungen von Behandlungsoptionen auf die Lebensqualität der Menschen, die medizinisch versorgt werden. Die OECD schätzt, dass etwa 30 % der Ressourcen unter anderem für vermeidbare Komplikationen ausgegeben werden. In Zeiten von immensen Kostendruck im Gesundheitswesen ist daher ein Fokus auf Ergebnisqualität aktueller denn je. Experten sprechen hierbei von „Value-Based Healthcare“ (VBHC). Etwaige Potenziale werden in diesem Kapitel anhand des Beispiels von robotischen Assistenzsystemen aufgezeigt. Robotische Assistenzsysteme in der Chirurgie können eine Gesundheitsversorgung ganz im Sinne einer gesteigerten Ergebnisqualität fördern, indem sie Chirurgen dabei unterstützen, Eingriffe patientenindividuell zu planen und durchzuführen. Am Ende ergibt sich daraus ein umfassendes, datengestütztes Bild über den Behandlungsverlauf, das dem medizinischen Fachpersonal zur kontinuierlichen und wertorientierten Versorgungsverbesserung und zum Benchmarking untereinander zur Verfügung gestellt werden kann.

Neben einer Digitalstrategie bildet das Health Data Management mit seinen Handlungsfeldern die Grundlage für einen strukturierten, systematischen und Compliance-konformen Umgang mit Gesundheitsdaten. Krankenhäuser erhalten so die notwendige Basis für das Generieren notwendiger Informationen, um beispielsweise die Patientenversorgung bei mindestens gleichbleibender und möglichst verbesserter Qualität aufrechtzuerhalten, die Innovationsfähigkeit eines Krankenhauses zu unterstützen und die Zukunftsfähigkeit zu sichern. Dieser Beitrag zeigt die wesentlichen Handlungsfelder des Health Data Managements auf.

Der Datenraum Gesundheit ist einer von zehn Datenräumen, die initial von der EU im Rahmen der Europäischen Datenstrategie aufgebaut werden sollen. Grundlage hierfür ist der „European Health Data Space“ Verordnungs-Entwurf, der am 3. Mai 2022 von der Europäischen Kommission veröffentlicht wurde, und der sich bei Erstellung dieses Beitrags im August 2023 noch in Verhandlungen im Europäischen Parlament und im Rat befand. In Deutschland hat die Bundesregierung mit dem Regierungsentwurf zum Gesundheitsdatennutzungsgesetz (GDNG) am 30.08.2023 einen wichtigen Aufschlag gemacht, um notwendige nationale Strukturen für den Anschluss an den EHDS zu etablieren.Der folgende Beitrag fokussiert sich auf die Darstellung der geplanten Infrastruktur des Europäischen Datenraums und auf die dort perspektivisch zu nutzenden, elektronischen Gesundheitsdaten. Zudem wird auf die, im deutschen Gesundheitssystem geplante „Umsetzungsbrücke“ eingegangen, die mit dem Regierungsentwurf zum Gesundheitsdatennutzungsgesetz (GDNG) initial geschaffen wurde. Ausgehend von diesen Grundlagen werden daraus resultierende, mögliche Implikationen für ausgewählte Stakeholder und das Health Data Management im Gesundheitswesen aufgezeigt.

Für „Health Data“ im Krankenhaus müssen entsprechend der Einordnung in Datenkategorien unterschiedliche rechtliche Rahmenbedingungen beachtet werden. Wer den rechtlichen Rahmen kennt, weiß, wie und wozu er Daten bestmöglich nutzen kann. Der Beitrag gibt daher zunächst einen Überblick über die Normen des Gesundheitsdatenschutzes und die rechtlichen Rahmenbedingungen für die Erhebung von Daten und ihrer Nutzung. Im Fokus steht dann die Frage, für welche Zwecke welche Art von Daten erhoben werden dürfen und wann eine nachträgliche Zweckänderung zulässig ist. Anhand ausgewählter Use Cases werden Chancen und Herausforderungen thematisiert, die sich durch bestehende und zukünftige rechtliche Rahmenbedingungen ergeben.

Der Umgang und die Verwendung von Daten, die im Rahmen der Krankenversorgung in Kliniken generiert werden, bringt spezifische ethische Aspekte mit sich, für die in diesem Kapitel sensibilisiert werden soll. Eine Nutzung von Versorgungsdaten zu Forschungszwecken birgt einerseits ein großes Potenzial, da sie über den Behandlungsnutzen hinaus auch der Wissensgenerierung und der Qualitätsverbesserung der medizinischen Versorgung dient. Andererseits sind das Selbstbestimmungsrecht Selbstbestimmungsrechtund das Recht auf Nichtwissen der PatientenRecht auf Nichtwissen zu respektieren. Das Risiko des Datenmissbrauchs und die Klärung von Nutzungsrechten sind für Gesundheitsdaten von besonderer Relevanz. Auch ist die Gefahr der mangelnden Repräsentativität verschiedener vulnerabler Gruppen in datenreicher Forschung, zu berücksichtigen.

Die Analyse von Prozessdaten im Gesundheitswesen wird bisher noch wenig genutzt, obwohl sie wichtige Erkenntnisse zur Prozessqualität liefern könnte. Es gibt verschiedene Fragen, die beantwortet werden müssen, um die richtigen Key Performance Indikatoren für die Analyse zu identifizieren. Es besteht das Risiko einer unkritischen Interpretation der Ergebnisse, daher ist eine gründliche Ursachenanalyse erforderlich. Die Nutzung der Daten zur Prozessverbesserung und das kontinuierliche Feedback anhand von Prozesskennzahlen haben positive Auswirkungen auf Qualität und Wirtschaftlichkeit. Es erfordert jedoch ein tiefes Prozessverständnis und klinisches Fachwissen, um das volle Potenzial der Daten nutzen zu können. Teams können durch das Feedback schnell Abweichungen von Sollprozessen korrigieren.

Das Kapitel betrachtet die Ausgangslage für die Digitale Transformation im Krankenhaus. Studien zeigen, dass die Digitalisierung in Krankenhäusern zu etwa 50 % umgesetzt ist. Es gibt Defizite in Bereichen wie klinikübergreifender Informationsaustausch, Telehealth und Patientenpartizipation.Die Systemlandschaft eines Krankenhauses umfasst mehrere Ebenen, von der Benutzerschnittstelle bis zur Datenhaltung. Interoperabilitätsplattformen (IOP) setzen auf Standards und eine einrichtungsweite Datenhaltung zur Reduktion der Herstellerabhängigkeit und mehr Kontrolle über den Datenbestand. Einrichtungsintern bestehen Herausforderungen in Bezug auf die Strukturierung und semantische Annotation digitaler Daten. Einrichtungsübergreifend begrenzt unter anderem die Verfügbarkeit von Diensten und Anwendungen der Telematikinfrastruktur (TI) deren Nutzung. Das Krankenhauszukunftsgesetz (KHZG) und die Pflicht zur Umsetzung der ISiK-Spezifikation werden die Systemlandschaft weiterentwickeln. Die Bewertung der Entwicklung der Digitalen Transformation im Krankenhaus erfordern weitere Untersuchungen.

Trotz bestehender Forderungen zum Austausch von Daten, Information und Wissen zwischen den verschiedenen Informationssystemen, die in ihrer Summe das Informationssystem einer Gesundheitseinrichtung oder für ein Krankenhaus das Krankenhausinformationssystem bilden, ist die Systemlandschaft auch heute noch seit Jahrzehnten weitgehend stark monolithisch geprägt. Unter Berücksichtigung der aktuellen regulatorischen Anforderungen sowie der Notwendigkeit, Prozesse im Rahmen der Digitalisierung nicht nur elektronisch abzubilden, sondern neu zu denken und damit alternative Szenarien zu erzeugen, rückt die einrichtungsinterne Kompatibilität genauso in den Fokus der Veränderung, wie die einrichtungsübergreifende Interoperabilität. Die Autoren analysieren unter Berücksichtigung bekannter Modelle und Standards die Einflüsse sowie Auswirkungen interoperabler Systeme, ausgehend von der Architektur der Informationssystemlandschaft, über das Datenmanagement (Datenfluss, -struktur, -haltung) hin zur Workflow- & Prozesssteuerung in der Patientenbehandlung aus Sicht von Patienten sowie Mitarbeitenden. Ergänzend erfolgt eine Betrachtung der Einflüsse interoperabler Systeme auf Organisation von Gesundheitseinrichtungen, der technischen und medizinischen Informationsverarbeitung, den Hersteller- und Dienstleistermarkt sowie strategische und taktische Entscheidungsstrukturen.

Data Governance gewinnt bei der Nutzbarmachung von Daten zunehmend an Bedeutung. Viele Gesundheitsdaten sind in proprietären Formaten der Hersteller gespeichert und müssen für eine Nutzbarmachung in plattform- und implementationsunabhängigen Strukturen überführt werden. Für die Interpretation und weitere Verarbeitung muss der Kontext der Datenerhebung mit den eigentlichen „Nutzdaten“ verknüpft werden, d. h. um semantische Annotationen angereichert werden. Dies setzt die Nutzung einer Referenzterminologie (z. B. SNOMED CT) und eine eindeutige Referenzierung von Personen für das Zusammenführen der Daten (z. B. über einen Master-Patient-Index) voraus. Zur Aufbereitung und Vereinheitlichung erfordert dies die Implementierung eines ETL-Prozesses mit dem Ziel, krankenhausintern die Zusammenführung annotierter Gesundheitsdaten in einem Clinical Data Repository (CDR), einem Healthcare Content Management-System (HCM) oder einem Health Data Warehouse (HDW) zu realisieren.

Erfolgreiche Digitalisierung von Krankenhausprozessen erfordert eine Zusammenführung der Perspektiven von klinischem Bereich und der IT. Diese sind durch unterschiedliche Kulturen und Prioritäten geprägt, die Grund für zahlreiche Missverständnisse und Konflikte sein können, welche wiederum technische und inhaltliche Mängel in der Umsetzung sowie eine unzureichende Compliance bei der späteren Erfassung von Daten zur Folge haben können.Entscheidend für den Erfolg sind daher Personen, die beide Seiten verstehen und vereinen können. Dies sind insbesondere der strategisch positionierte Health Data Officer. IT-Mitarbeiter mit klinischem Hintergrund („Juwelen“), die in beiden Bereichen über Erfahrung aus erster Hand verfügen, sowie klinische Mitarbeiter mit besonderem Talent und Motivation („Hidden Champions“), die sich an der Digitalisierung in ihrem Arbeitsbereich beteiligen und dessen Entwicklung spürbar vereinfachen und beschleunigen können.

Angesichts der weiterhin steigenden Cyberbedrohungen gewinnt die Informationssicherheit weiter an Bedeutung. Leider wird dieses Thema gerade im Projektumfeld häufig noch vernachlässigt. Unabhängig von den angestrebten Projektnutzen und -zielen werden diese dauerhaft nur eintreten, wenn sie auch durch ein Korsett an Maßnahmen unterstützt und geschützt werden, die Informationssicherheit in Projekten etabliert. Wird Informationssicherheit lediglich als „lästiges Anhängsel“ betrachtet, kann der Projekterfolg wesentlich beeinträchtigt werden. Es ist daher wichtig, im Rahmen des Projektmanagements mögliche Abhängigkeiten von und zu anderen Managementprozessen und Vorgaben aus verschiedenen Regelwerken, die für ein Krankenhaus gelten zu identifizieren, um so Informationssicherheit in Projekten direkt zu etablieren.

Wearable-Technologien stellen kontinuierlich Gesundheitsdaten bereit und können Ärzte bei Diagnose, Überwachung und Therapie unterstützen. Während ihre Praktikabilität in den Bereichen Fitness und Unterhaltung bereits bewiesen ist, erfordert ihre Anwendung im Gesundheitswesen für Biomarker-Tracking jedoch Standardisierung, Workflow-Kompatibilität und nahtlose Datenintegration. Digitale Gesundheitsanwendungen (DiGAs) sind medizinisch zertifiziert und nutzenbringend, erfordern jedoch Interoperabilität, Sicherheit, Patientenorientierung sowie Zusammenarbeit mit den elektronischen Patientenakten (ePA), Versicherungsplattformen und Telemedizin. Die laufenden Standardisierungsbemühungen, insbesondere im Hinblick auf HL7 FHIR, zeigen vielversprechende Ansätze für die Integration von Wearables und eHealth. Die Definition von geeigneten Profilen, strukturierte Datenkodierung und die Entwicklung der nötigen Infrastruktur sind Schlüsselfaktoren für eine gelungene Umsetzung.

Die Anforderungen an alle Krankenhäuser als Kritische Infrastrukturen (KRITIS) und resultierend aus der Betreiberverantwortung für besondere Sicherheitsbereiche (B3S) als Mindestanforderung aus dem IT-Sicherheitsgesetz bringen unumgängliche zusätzliche finanzielle und personelle Belastungen. Gemäß KRITIS-Verordnung sind Einrichtungen und Betreiber von kritischen Infrastrukturen und Diensten zur Umsetzung von Mindeststandards für IT-Sicherheit zum Schutz vor Cyber-Attacken und anderen externen Angriffen verpflichtet. Auch hier erfolgt keine zusätzliche Vergütung für zusätzliche und erweiterte Verpflichtungen. Bei Nichteinhaltung der gesetzlichen Anforderungen können Krankenhäuser sogar mit finanziellen Strafen und Sanktionen belegt werden, was die finanzielle Belastung weiter erhöhen kann.Die finanzielle Förderung durch das KHZG hatte das Ziel, die Digitalisierung im Gesundheitswesen voranzutreiben und die Krankenhäuser besser auf zukünftige Herausforderungen vorzubereiten. Generell gilt es mit einer nachhaltigen und flächendeckenden Digitalisierung in Verbindung eines parallel aufgebauten, Compliance-konformen Health-Data-Managements neue Geschäftsfelder und Erlösquellen zu erschließen.

Im allgemeinen Sprachgebrauch werden Kompetenzen häufig als eine Sammlung von Wissen und Fähigkeiten verstanden. Aber auch „weiche Faktoren“ wie Charakterzüge, Motive, Einstellungen, Werte und das Selbstbild sind Aspekte, die bei Kompetenzen eine wichtige Rolle spielen. Gemeinsam bestimmen diese Aspekte die Performance eines Individuums bei einer Aufgabe, die jeweilige Kompetenzen erfordert. Die Digitalisierung der Arbeits- und Lebenswelt hat auch mittlerweile in der Medizin sowie Pflege Einzug gefunden und im Gesundheitswesen werden daher immer mehr Datenkompetenzen von den Mitarbeitenden gefordert. In diesem Feld besteht die Besonderheit, dass mit hochsensiblen Gesundheitsdaten gearbeitet wird, die besondere Sorgfalt und Schutz benötigen. Gleichzeitig sind diese Daten aber so mächtig, dass ihre Nutzung große Erkenntnisse für die Forschung, die Versorgung sowie Pflege und die betriebswirtschaftlichen Abläufe bringen können. Deshalb ist es für eine zukunftsorientierte Gesundheitsversorgung und Pflege relevant, interdisziplinär zu Datenkompetenzen im Gesundheitswesen zu befähigen.

Das Gesundheitswesen hat in den letzten Jahrzehnten einen rasanten Digitalisierungsprozess durchlaufen, bei dem elektronische Gesundheitsakten (Electronic Health Records, EHR) und spezielle Verfahren wie elektronische Bildgebungssysteme die Grundlage für ein breites Spektrum von Ansätzen in der Medizin ermöglicht haben, darunter die Anwendung von Machine Learning (ML) und Präzisionsmedizin. In diesem Kontext ist das Health Data Management (HDM) zu einem essenziellen Bestandteil des Gesundheitssystems geworden. Die kombinierte Nutzung von Daten, nicht nur aus unterschiedlichen gängigen Quellen wie Krankenakten, Laborergebnissen und Bildgebungen, sondern auch von Mobilgeräten, leistet einen entscheidenden Beitrag, um hohe Qualitäts- und Sicherheitsstandards in der Patientenversorgung gewährleisten zu können.Dieses Kapitel zeigt auf, welche Potenziale sich in verschiedenen klinischen Bereichen am Beispiel eines Universitätsklinikums durch HDM bieten. Dabei wird auf die besonderen Herausforderungen des HDM eingegangen, die sich durch die Integration neuer Datenquellen in bestehende Systeme ergeben. Welche Lösungen im Umgang mit diesen Herausforderungen gefunden werden, bestimmt im Wesentlichen, wie erfolgreich – gemessen an den erreichten Verbesserungen der Versorgungsqualität – HDM umgesetzt werden kann.

Die Prozesse in deutschen Krankenhäusern werden durch die zunehmenden Dokumentationspflichten und die Dopplung der eingegebenen Daten erheblich belastet. Die Ursachen dafür liegen sowohl innerhalb der Klinik im Vertrauen der Nutzer in die bereits vorhandenen Informationen und zum anderen in den Kontrollerwägungen externer Stellen, bis hin zur persönlichen Haftung. Im vorliegenden Kapitel werden die Ursachen der Überdokumentation zunächst näher beleuchtet. Es werden anhand konkreter Praxisbeispiele potenzielle Wege für organisatorische und technische Lösungen aufgezeigt, diesem Dilemma zu entgehen. Dabei werden verschiedene Facetten des Vertrauens und Schutzaspekte von Daten und Handlungen erläutert. In der abschließenden Diskussion wird auf das notwendige Vertrauen in die medizinischen Daten eingegangen, die Grundlage sind, um die bereits sichtbaren Lösungen des technischen Fortschritts bedienen zu können.

Health Data Management ist das Rückgrat der zukünftigen Gesundheitsversorgung in Deutschland und Europa. Aufgrund der geopolitischen Lage und verstärkter Cyber-Risiken rückt die Sicherheit der Informationsverarbeitung immer öfter in den Mittelpunkt der Diskussion. Für Anbieter von Gesundheitsdiensten ist die jederzeitige Verfügbarkeit der Informationen, die absolute Vertraulichkeit und Authentizität sowie die Integrität immer häufiger ein wettbewerbsbestimmender Faktor. Die hiermit verbundene notwendige Kompetenz, die Schutzwürdigkeit der Daten und Informationen einzuschätzen und in Konzepten würdigen zu können, ist ein wichtiger Baustein, um Compliance mit den gesetzlichen Vorgaben der § 75b/c SGB V sowie als Betreiber kritischer Infrastrukturen mit dem § 8a BSI-Gesetz sicherzustellen. Dieser Beitrag zeigt auf anhand der Vorgehensweise der Marienhaus GmbH auf, welche Maßnahmen umzusetzen sind, um Informationssicherheit im Kontext eines Standortübergreifenden Health Data Managements einzuführen. Dabei wird neben der Einordnung der Begriffe auch der rechtliche Rahmen in Deutschland beleuchtet. Die Einordnung in den Gesamtkontext IT- und Informationssicherheit auf Basis der Konzeption des Health Data Managements zeigt auf, welche typischen Sicherheitslücken vorherrschen und wie diese geschlossen werden können, damit Informationssicherheit die Basis für die Gesundheitsversorgung der Zukunft ist. Maßgeblich wird dies durch plattformbasierte Ansätze, Digitale Gesundheitsanwendungen und Künstliche Intelligenz bestimmt, die integre und verfügbare Nutzdaten benötigen.

Die AMEOS-Gruppe strebt als eigentümergeführte Klinikkette mit Krankenhäusern, Poliklinika, Reha-, Pflege- und Eingliederungseinrichtungen eine sektorenübergreifende, medienbruchfreie digitale Vernetzung der eigenen Organisation an. Die Digitalisierung der eigenen Prozesse und die medienbruchfreie Kommunikation und Weitergabe von Informationen wird als Fundament einer erfolgreichen Zukunft gesehen. Hierfür ist eine Compliance-gerechte Verfügbarkeit der entsprechenden klinischen Daten und Dokumente erforderlich. Die Einführung und der Aufbau einer Interoperabilitäts- und Kommunikationsplattform unter Beachtung und Integration internationaler Profile und dort enthaltener Kommunikationsstandards liefert die dafür notwendige Grundlage. Für die Umsetzung einer IOP werden Experten mit entsprechendem Wissen und Zeit benötigt. Auch die notwendigen finanziellen Mittel bringen einige Herausforderungen mit sich. Dieser Beitrag widmet sich der praktischen Herangehensweise, den Herausforderungen und Lösungen bei der Umsetzung einer solchen IOP.

Die Forderung nach einer einfachen, interoperablen Kommunikation zwischen Applikationen im Gesundheitswesen besteht schon seit der Einführung der ersten IT-Applikationen in den Krankenhäusern in den 1960er-Jahren. Aus diesem Grund wurden Nachrichtenstandards wie HL7v2 entwickelt. Da dieses aber nicht zum Erfolg geführt hat, wurden diese Standards später mittels IHE weiter spezialisiert. Im Laufe der Jahre kamen später neue Standards wie HL7v3 inklusive CDA (Clinical Document Architecture) und aktuell FHIR® hinzu. Das nachfolgende Kapitel wirft einen Blick auf Kommunikationsstandards und die Probleme, die echte Interoperabilität bisher verhindert haben und beschreibt, was eine Interoperabilitätsplattform ist und welche Herausforderungen für die Kliniken sich daraus ergeben. Zudem werden eine exemplarische Architektur und Use-Cases aufgezeigt.

Als innovatives Unternehmen treibt Helios die Digitalisierung der administrativen und medizinischen Prozesse in seinen Krankenhäusern und Medizinischen Versorgungszentren voran und stellt einrichtungsübergreifende Mehrwertdienste für Patienten und Ärzte zur Verfügung. Die Zielsetzung der eHealth Plattform ist es, die Vernetzung der IT-Systeme der Helios Einrichtungen zu ermöglichen und den sicheren Datenaustausch mit Patienten und niedergelassenen Ärzten im Rahmen der Versorgung zu unterstützen. Um die Nachhaltigkeit und Erweiterbarkeit der Lösung zu gewährleisten, sollte diese über vorhandene Schnittstellen in die existierenden Systeme integriert werden, auf zukunftsfähigen internationalen Standards beruhen, den Anforderungen des Datenschutzes gerecht werden und für unterschiedliche Anwendungsfälle wie den Aufbau des Helios Patientenportals einsetzbar sein.

Die zentrale Herausforderung in der Digitalisierung liegt nicht im dem Vorhandensein von Tools und Instrumenten, wie etwa einer formulierten Digital-/IT-Strategie, die eine syntaktische und semantische Interoperabilität beinhaltet und somit die Telematikinfrastruktur (TI) 2.0 als Zielbild vor Augen hat, (Meier, 2022) oder aber in der Auflösung des digitalen Investitionsstaus, sondern eher in der Bewusstwerdung, dass bei der digitalen Transformation etablierte und funktionale Geschäftsprozesse, ob analog oder elektronisch, dekonstruiert werden (Meier, 2019) und somit eine digitale Agenda mit klarem Zielbild vorhanden sein sollte. Die Abb. 1 und 2 zeigen die digitale Agenda und das Zielbild der Hospitalgemeinschaft Hosp.Do.IT und ihrer Mitglieder.

Interoperabilität ist für ein vernetztes Gesundheitssystems unabdingbar. Basierend auf Terminologiestandards wie ICD, LOINC und SNOMED CT erfordert sie eine korrekte Interpretation von Patientendaten in der jeweiligen Anwendungssituation. Dies wird unterstützt durch syntaktische Standards wie FHIR, welche Codes in den patientenspezifischen Kontext einbetten. Um Routinedaten interoperabel zu machen, ist die Kluft zwischen klinischer Sprache und normierter Dokumentation zu überbrücken. Natural Language Processing (NLP) ist hierbei eine Technologie, die sich derzeit im Zeichen der Künstlichen Intelligenz rapide weiterentwickelt. Die Kommunikation mit dem Computer in menschlicher Sprache wird erheblich an Bedeutung gewinnen. Das Kapitel gibt einen Einblick in aktuelle Techniken und Ressourcen zur Unterstützung von Interoperabilität. Dazu kommen Perspektiven der Gesundheitsversorgung, Gesundheitsverwaltung, Wissenschaft, Industrie und Selbstverwaltung zur Sprache.

Dieses Kapitel knüpft an vorige Artikel – „Das Datenintegrationszentrum – Ausgangspunkt für die datengetriebene medizinische Forschung und Versorgung“ und „Datenintegrationszentrum – Drehscheibe für Daten in der medizinischen Forschung und Versorgung“ – an. In der Krankenversorgung und biomedizinischen Forschung fallen große Datenmengen an. Diese sollen und müssen für zukünftige Versorgung und Forschung nutzbar sein. Das ist die Kernaufgabe der Datenintegrationszentren der Medizininformatik-Initiative. In diesem Kapitel wird der grundlegende Aufbau, die Aufgaben und der aktuelle Stand der Datenintegrationszentren an den deutschen Universitätsklinika und mit welchen Diensten sie die medizinische Forschung unterstützen beschrieben.

Das Prozessmanagement ist die Basis, ohne welche eine Prozessanalyse nicht möglich ist. Prozesse werden zumeist getrieben durch die Anforderungen des jeweiligen Qualitätsmanagementsystems. Herausforderungen ergeben sich durch tradierte Linienorganisationen sowie die Unterteilung in Kern-, Unterstützungs- und Managementprozessen mit den daraus resultierenden, hoch diversen Rollen und Verantwortlichkeiten. Die Digitalisierung und die mit dieser verbundene Datenverfügbarkeit schafft neue Interaktionen zwischen Prozessaktivitäten, Prozessfragmenten und ganzen Prozessketten sowie zwischen Prozess und Mensch. Prozessmanagement bedarf somit einer multiperspektivischen Betrachtung von Mensch, Technik und Prozess. In diesem Dreiklang ergeben sich unter Berücksichtigung steigender Volatilität Stärken, um die prozessanalytischen Ergebnisse durch Health Data Management (HDM) zur strategischen Steuerung heranziehen zu können.

Pflegenotstand und Fachkräftemangel prägen die heutige Zeit. Vor diesem Hintergrund rückt die Erfassung und Quantifizierung der Prozesse im Krankenhaus zunehmend in den Fokus, da nur mit effektiven und effizienten Prozessen eine resiliente und nachhaltige Patientenversorgung sichergestellt werden kann. Die gemeinsame Bewertung der Prozesse im Krankenhaus, sowohl aus qualitativer als auch aus quantitativer Sicht, ermöglicht dabei eine ganzheitliche Sichtweise und somit ein umfassendes Verständnis der Prozessabläufe. Auf diese Weise ermöglichen die Prozesserfassung und -quantifizierung im Krankenhaus eine evidenzbasierte Entscheidungsfindung, eine kontinuierliche Prozessverbesserung und eine bessere Nutzung von Ressourcen, was letztendlich zu einer optimierten Patientenversorgung führt.

Durch die Möglichkeiten, die mit der digitalen Transformation einhergehen, lassen sich gerade im „menschelnden“ Bereich eines Krankenhauses Prozessabläufe signifikant unterstützen. Mit der Nutzung von Prozessdaten können die Abläufe ausgewertet und für die kontinuierliche Überwachung und Bewertung der strategischen Ziele genutzt werden. Wir nähern uns als Betreiber diesem Thema und untersuchen, welche zunehmende Bedeutung die gewonnenen Prozessdaten für die Unterstützung durch IT-Systeme gewinnen. Als Administratoren diverser Applikationen sind die Unterstützungs- und im Ergebnis Auswertungsmöglichkeiten schier unendlich.Ist eine Prozessanalyse Selbstzweck und sollte man in eine direkte Soll-Definition einsteigen?Kann eine IoT-basierte Ablauforganisation auch in einigen Bereichen auf die Organisation im Krankenhaus Anwendung finden?Ziel muss es sein, dafür Sorge zu tragen, dass der durch die zunehmende Digitalisierung zur Verfügung stehende, wertvolle Informationsschatz in Echtzeit verfügbar, interpretierbar visualisiert, Compliance-konform auswertbar und weiter verwendbar ist

Im Rahmen dieses Beitrags wird eine Strategie vorgestellt, wie die medizinische Prozessentwicklung und Digitalisierung als Tätigkeitsfeld am Klinikum Darmstadt implementiert wurde. Dabei wird Bezug genommen zu den Projekten „Zentralambulanz“ und „Digitales Servicebüro“, die das Ziel hatten, die Prozessabläufe an der Schnittstelle des Krankenhauses zu externen Partnern zu standardisieren und zu optimieren. Eine wichtige Rolle bei diesen Projekten spielten das Datenmanagement und das Change-Management, es werden die damit verbundenen Herausforderungen und Lösungsstrategien vorgestellt.

Der volkswirtschaftliche Schaden einer nicht realisierten Digitalisierung der Klinikwelt ist schwer zu quantifizieren, führt aber dazu, dass ein großer Teil der verfügbaren klinischen Arbeitszeit an die Bürokratie verloren geht. Digitalisierung, die einen mess- und fühlbaren praktischen Nutzen im klinischen Alltag erzeugt, ist eine Möglichkeit, um den Digitalisierungsnutzen in den klinischen Alltag zu integrieren, bei gleichzeitiger Akzeptanz aller daran Beteiligten. Der klinische Alltag selbst lässt sich als ein Geflecht aus einzelnen, gewachsenen, lose rückgekoppelten Arbeitsprozessen beschreiben. Nützliche Digitalisierung greift diese Realität auf und entwickelt sie evolutionär weiter, um zu einem Ergebnis zu kommen. Für diese Problemstellung wurde der theoretische Ansatz der Inkrementellen Prozess Automation (INPA) entwickelt. INPA ist in der Lage, die divergenten Ansprüche von individuellem Patientenschicksal und Massenaspekt des Klinikbetriebes zu versöhnen und die notwendige Kohärenz im Arbeitsalltag herzustellen.

Dieser Praxisbeitrag zeigt die Fragmentierung im deutschen Gesundheitssystem und die daraus resultierenden Effizienzpotenziale auf. Diese können durch eine konsequente Integration von Prozessen und Steuerungsfunktionen gehoben werden und Verschwendung reduzieren. Dabei kann der Einsatz von Künstlicher Intelligenz (KI) über das integrierte Prozessmanagement hinaus einen besonderen Beitrag zur Ressourcenoptimierung leisten, der über bisherige Verfahren und Methoden hinaus geht.Auf diese Weise können gleichzeitig Patientenzufriedenheit gesteigert, Prozesse robuster und effizienter und geplante Überstunden für Mitarbeitende verringert werden.

Durch die anstehenden Reformen im Gesundheitswesen und den damit verbundenen Veränderungen im Leistungsbereich der Kliniken ist eine unmittelbarere digitale Transformation angestoßen worden. Bisher wurde bei einer Vielzahl der deutschen Kliniken der Wertschöpfungsfaktor Daten nicht berücksichtigt. Um die nicht mehr umkehrbare Transformation zu digitalen Geschäftsmodellen und zu digitalen Prozessunterstützungen zu ermöglichen, müssen vorhandene Strukturen in Frage gestellt und neu gedacht werden. Ein Ansatz ist die Umgestaltung des Krankenhauses und dessen Prozesse in eine datengetriebene Organisation mit datengetriebenen, digitalen Prozessen. Dabei können die bisher nicht genutzten Potenziale durch Anwendung und Umsetzung einer datengetriebenen Prozessorganisation bestmöglich gesteuert und optimiert werden.

Um aus großen Datenmengen Wissen mit einem echten Mehrwert zu generieren ist es notwendig aus der sich anbahnenden Big Data Situation in Krankenhäusern eine Smart Data Umgebung zu schaffen. Erst hierdurch werden Daten für innovative Algorithmen aus dem Bereich der Künstlichen Intelligenz (KI) verwertbar gemacht. Der Einsatz von KI-Methoden in der Medizin erfordert technische, organisatorische und medikolegale Aspekte. Das vorliegende Kapitel führt hierzu in den Begriff der Künstlichen Intelligenz (KI) ein, nennt hierzu beispielhafte Anwendungen in der Medizin und geht insbesondere auf technische Aspekte wie Datengenerierung, Datenanalyse und Regulatorik ein. Dies ermöglicht die Identifikation bekannter und wiederkehrender Herausforderungen sowie die Planung und Umsetzung von Lösungen in diesem noch jungen aber rasant wachsenden Bereich.

Von den Rechnungsprüfungen durch den Medizinischen Dienst (MD) geht ein hohes finanzielles Risiko für die Krankenhäuser aus, die Vorbereitung und Durchführung der Prüfungen sind zeit-, arbeits- und bislang auch sehr papierintensiv. Durch die zunehmende Digitalisierung der Krankenhäuser sowie des MD und unter Zuhilfenahme digitaler Tools lassen sich viele Prozesse rund um das MD-Management einer Wandlung unterziehen. Ein zielgerichtetes und ressourcensparendes Health Data Management stellt dabei einen Schlüsselfaktor für die digitale Transformation des Medizincontrollings dar, in deren Folge personelle Ressourcen gespart und gleichzeitig ein verbessertes Controlling zugelassen werden. Der Beitrag wirft ein Schlaglicht auf relevante Prozesse rund um die MD-Bearbeitung und zeigt dabei die Chancen ebenso wie die Herausforderungen im Zusammenhang mit der Digitalisierung auf.

Klinische Studien können für einzelne Patientinnen und Patienten einen relevanten Nutzen bringen. Welche Herausforderungen und Chancen ergeben sich daraus für das Krankenhaus?Die Herausforderungen für das Krankenhaus liegen in der Auswahl gut durchführbarer Studien, in der zügigen und korrekten Vertragsgestaltung mit dem Pharmaunternehmen (dem so genannten Sponsor) und in der Schaffung einer Infrastruktur, die eine ordnungsgemäße Durchführung der klinischen Studien ermöglicht.Die Chancen für das Krankenhaus liegen in einer Profilierung, die auch bei der Patientengewinnung hilfreich sein kann, in neuen Behandlungsmöglichkeiten für Patientinnen und Patienten aber auch in einer zusätzlichen Einnahmequelle.

Patientendaten aus klinischen Informationssystemen verschiedener Krankenhäuser zu analysieren, stellt in Deutschland und anderen europäischen Ländern eine große Herausforderung dar. Daher ist die Forschung und die Generierung von Real-Word Evidence (RWE)Real-Word Evidence (RWE) zwischen verschiedenen Standorten begrenzt. Federated Data Networks (FDNs). Federated Data Networks (FDN) sind ein innovativer Ansatz zur verteilten, datenschutzkonformen, standort- und länderübergreifenden Analyse klinischer DatenAnalyse klinischer Daten aus mehreren Einrichtungen wie Krankenhäusern oder Registern. Als Voraussetzung für FDNs ist die Harmonisierung der Daten z. B. im OMOP Common Data Model (CDM)OMOP common data model (CDM) erforderlich. Das Hospital Del Mar (Barcelona, Spanien) beschreibt in diesem Kapitel die erfolgreiche Implementierung, den Nutzen und die vielfältige Verwendung des OMOP CDM in seiner Forschungseinrichtung. Das forschende Pharmaunternehmen Janssen hat das internationale Projekt HONEUR (Haematology Outcomes Network in Europe)HONEUR (Haematology Outcomes Network in Europe) ins Leben gerufen, welches das OMOP CDM nutzt. Die enge Zusammenarbeit zwischen klinischen, akademischen und technischen Partnern ermöglichen standort- und länderübergreifende, datenschutzkonforme Forschung mit dem Ziel, die Patientenversorgung zu verbessern.

Mit der digitalen Transformation ergeben sich diverse Veränderungen im klinischen Alltag. In diesem fließenden Prozess muss sich Klinikpersonal konstant auf die Implementation und Weiterentwicklung neuer Anwendungen und Konzepte neu einstellen. Neben den technischen Anforderungen stellt es eine große Herausforderung dar, sämtliche Mitarbeitenden über die Berufsgruppen hinweg in diesem Prozess angemessen anzuleiten, in die effektive Umsetzung zu bringen und zu motivieren. Im folgenden Kapitel soll am Beispiel der Einführung einer digitalen Kurve im Krankenhaus als Teil der elektronischen Krankenhausdokumentation dargestellt werden, welche Instrumente des Managements im Kontext der Digitalstrategie eine Rolle spielen, bzw. wie Professionalisierung, Führung und Mitarbeitermotivation konkreter aussehen können.

Dieser Artikel soll Ergebnisse eines sich durch digitale Transformation verändernden Prozesses im Entlassmanagement einer deutschen Universitätsklinik darstellen. Es wird unter anderem aufgezeigt, dass die Einführung einer Software, die den Prozess der sektoralen Überleitung unterstützen soll, nicht ohne weiteres einen Effekt auf die Verweildauer der Patienten im Krankenhaus hat, sondern bereits bei Einführung erfolgsfördernde Faktoren beachtet werden müssen. Diese und auch die im Praxisprojekt gewonnenen Erfahrungen sind Schwerpunkt dieses Beitrags.

Bei der Umsetzung digitalstrategischer Maßnahmen gibt es zahlreiche Einflussfaktoren, die über den Erfolg oder Misserfolg entscheiden. Die digitalstrategischen Handlungsfelder einer Digitalstrategie werden nicht auf einen Schlag in einer Unternehmensstruktur aufgebaut, sondern sukzessive über die Umsetzung von Einzelprojekten bzw. eines aufeinander aufbauenden Projektportfolios. Ein Schlüsselfaktor dabei ist die Berücksichtigung der besonderen Charakteristika von datenintensiven Projekten. Gesundheitsdaten erfüllen nicht nur einen singulären Zweck am Entstehungsort und damit für das einzelne Krankenhaus, sondern generieren über das Erschließen ergänzender Datenquellen, dem Zusammenführen der Datensätze und komplexen Auswertungsverfahren einen übergeordneten Mehrwert für Versorgungsforschung und Wissenschaft. Aus diesem Grund kommt dem Management von datenintensiven Projekten ein besonderer Stellenwert zu. In diesem Kapitel gehen wir auf die Charakteristika dieses Projekttypus ein, beschreiben kritische Erfolgsfaktoren und formulieren zielgerichtete Handlungsempfehlungen für ein erfolgreiches Management von datenintensiven Projekten.

Die Potenziale eines digitalisierten Gesundheitssystems sind offenkundig. Von unnötigen Doppeluntersuchungen bis hin zur mangelnden Früherkennung – in kaum einem Sektor warten so viele Problemstellungen auf eine digitale Lösung. Gleichzeitig sind die erhofften Effekte kein Selbstläufer und Berichte über gescheiterte Digitalisierungsprojekte und über negative Effekte häufen sich. Dies gilt insbesondere für komplexe Vorhaben, die aus diesem Grund auch mit dem Phänomen der „Wickedness“ und der „Pilotitis“ beschrieben werden. Es ist weithin anerkannt, dass der Erfolg solcher Projekte von einer gelungenen Abstimmung menschlicher, technischer und (inter-)organisatorischer Faktoren abhängt. Eine Erkenntnis, die inzwischen auch in zahlreichen Rahmenwerken Eingang gefunden hat (z. B. FITT, NASSS, CeHRes). Obwohl diese eine erste Orientierung bieten, sind sie oftmals zu abstrakt für einen zielführenden Einsatz. Dieser Beitrag argumentiert, dass Human Centered Design (HCD) eine Brücke zwischen Erkenntnis und Umsetzung schlagen kann und somit eine vielversprechende Unterstützung für IT-Verantwortliche darstellt. Neben Merkmalen und Methoden werden auch Herausforderungen und Perspektiven von HCD aufgezeigt.

Die zunehmende Digitalisierung des Gesundheitswesens und damit auch die steigende Menge an Daten stellen Ärzt*innen, Pflegekräfte, Forschende, aber auch die IT-Abteilungen in den Kliniken vor neue Herausforderungen. Um die richtigen Daten, zur richtigen Zeit, in der richtigen Form den richtigen Personen und Anwendungen zur Verfügung zu stellen, stoßen die heutigen IT-Systemlandschaften an ihre Grenzen. Daten, Informationen und Wissen für Versorgung, Forschung und Lehre gleichermaßen zur Verfügung zu stellen, ist aber essenziell, um wettbewerbsfähig zu bleiben. Der Aufbau von Wissensmanagementplattformen macht sich genau dies zur Aufgabe und versucht, die Problematik zu lösen. Das Universitätsklinikum Schleswig-Holstein baut in seinem Medizinischen Datenintegrationszentrum genau eine solche Plattform auf.

Innovationsmanagement im Gesundheitswesen ist essenziell, insbesondere, wenn man den steigenden Wert von Health Data Management betrachtet. Eine systematische Entwicklung und Implementierung neuer Technologien verbessert nicht nur die Patientenversorgung, sondern auch die Datenerfassung und -analyse. Dies fördert präzisere Diagnosen und effektivere Behandlungen. Health Data Management gewährleistet zudem, dass Daten sicher, korrekt und regelkonform genutzt werden. In einem sich rasch verändernden medizinischen Umfeld ist die Kombination von Innovations- und Datenmanagement entscheidend für den Fortschritt.

Die rasant voranschreitende Digitalisierung hat das Gesundheitswesen nachhaltig beeinflusst. Innerhalb dieser Transformation ergibt sich für Krankenhäuser eine einzigartige Gelegenheit, die Versorgungseffizienz und -Qualität zu verbessern. Aufgrund ihrer hohen Patientenanzahl und der umfangreichen Dokumentation von Diagnosen und Behandlungen können sie eine Vorreiterrolle im gesamten Gesundheitssystem übernehmen. In diesem Artikel werden die Relevanz des Konzepts „Krankenhaus als Digitalversorger“ und die entsprechenden Anforderungen an Krankenhäuser aufgezeigt sowie die Bedeutung der Partner aus der Industrie untersucht.

Im Gesundheitswesen wird Blockchain-Technologie (BT) als frei zugängliche Infrastruktur für Anwendungen im Gesundheitswesen eingesetzt. BT wird vor allem für Freigabe von Gesundheitsdaten sowie zur Gewährleistung der Datenintegrität eingesetzt. Dies kann zur Öffnung von Datensilos, Zusammenführung von klinischen mit Real-Word Daten und der Beteiligung der Personen an der Monetarisierung ihrer Daten führen. BT ist ungeeignet, um darauf grosse Datenmengen zu speichern und aufgrund der Unveränderbarkeit der Daten sollten keine Daten gespeichert werden, die Rückschlüsse auf Personen zulassen. Anwendungsbeispiele von BT im Gesundheitswesen sind: Supply-Chain Management und Tracking im Pharmabereich, Digitale Identität, Incentivierung, Bezahlprozesse mit Digitalwährungen und Versicherungsmodelle mit Smart Contracts. Ein Blockchain-basiertes Governance Modell im Gesundheitswesen bietet eine Decentralized Autonomous Organisation (DAO), in der Prozesse nach transparenten Regeln zwischen den Beteiligten ablaufen, ohne den Einfluss einer zentralen Organisation.

Wie ist das Gesundheitssystem in Österreich organisiert? Was sind die Rollen von Bund, Länder, Gemeinden, Sozialversicherung, gesetzlichen Interessenvertretungen und wie ist die Verantwortung für die verschiedenen Aufgabenbereiche der Gesundheitsversorgung aufgeteilt? Wie funktioniert die elektronische Gesundheitsakte ELGA? Der Beitrag erklärt die Ziele und die rechtlichen sowie technischen Grundlagen von ELGA. Die Anwendungen von ELGA (e-Befund, e-Medikation und e-Impfpass) und die Anbindung von IT-Systemen der Gesundheitsdiensteanbieter werden beschrieben und ein Ausblick auf weitere Anwendungen gegeben.

Die Gesundheitsversorgung in Finnland steht, wie in Deutschland und anderen Ländern, vor Herausforderungen wie einer alternden Gesellschaft, Mangel an Fachpersonal, wirtschaftlichem Druck und Forderungen nach hoher Leistungsqualität. Das Land hat sich zum Ziel gesetzt, eines der fortschrittlichsten Gesundheitssysteme zu schaffen, das mithilfe innovativer Technologien und digitaler Lösungen die Qualität der Versorgung verbessert, Effizienz steigert und Fortschritt unterstützt. Dieser Beitrag beschreibt den Weg in diese Zukunft mit seinen Strategien, Fallstricken und Erfolgsmodellen. Eine relevante Rolle spielen hierbei auch der grenzübergreifende Datenaustausch und die Umsetzung von EU-Rahmenvorgaben insbesondere im Kontext der Erreichung von Interoperabilität und der Anwendung künstlicher Intelligenz.

Dieses Kapitel gibt einen umfassenden Überblick über die Digitalisierung im chinesischen Gesundheitswesen. Es werden die Grundlagen des Gesundheitssystems erläutert sowie die Eckpfeiler und der aktuelle Stand der Digitalisierungsstrategie aufgezeigt. Ein besonderes Augenmerk wird auf die Datenverarbeitung gelegt, einschließlich der Datenerhebung, -speicherung, -verfügbarkeit und -nutzung. Dabei wird zwischen Routineversorgung und Forschung unterschieden. Darüber hinaus werden erfolgreiche Anwendungsbeispiele vorgestellt, die die Effektivität der Digitalisierung unterstreichen. Der Beitrag beleuchtet zudem den Weg zur Akzeptanz und Integration digitaler Lösungen sowie das Feedback von Beschäftigten im Gesundheitswesen und Patienten auf Basis einschlägiger Studien. Zudem wird der internationale Austausch von Ansätzen und Umsetzungsmöglichkeiten thematisiert. Diese Zusammenfassung vermittelt einen fundierten Einblick in die Digitalisierung im chinesischen Gesundheitswesen.

Die Umsetzung der Digitalisierung im kanadischen Gesundheitssystem variiert aufgrund der föderalen Struktur des Landes. Dennoch bietet die Digitalisierung erhebliche Vorteile und hat bereits heute die Art und Weise, wie die kanadische Bevölkerung mit Gesundheitsleistungen versorgt wird, beeinflusst. Ein wesentlicher Aspekt dieser Transformation ist die strategische Herangehensweise, ein weiterer die Etablierung der Canada Health Infoway, einer Non-Profit Organisation, die seit dem Jahr 2000 die Digitalisierungsaktivitäten im kanadischen Gesundheitssystem etabliert und gemeinsam mit den Provinzen vorantreibt.

Dänemark gilt als eines der Länder in Europa, die mit der Digitalisierung am weitesten fortgeschritten sind. Auf dem Digital Economy und Society Index (DESI), der von der Europäischen Kommission jährlich erfasst wird, belegt Dänemark den ersten Platz. Ein Grund für diese Platzierung ist die stetige, staatlich geförderte Digitalisierung des öffentlichen Bereiches, zu der auch das Gesundheitswesen gehört. In diesem Beitrag wird ein Überblick über das dänische Gesundheitssystem und die wesentlichen Eckpfeiler der Digitalisierungsstrategie gegeben.

Wir sind konfrontiert mit einer stetigen Zunahme von Gesundheitsdaten, die jedoch derzeit für klinische und Sekundärnutzung nur zu einem Bruchteil verwendet werden. Um die beste Gesundheitsversorgung, mit hoher Patientensicherheit, effektiven Prozessen, hoher Qualität und optimalen Ergebnissen zu schaffen, gilt es die Nutzung der Daten zu verbessern und neue Technologien wie maschinelles Lernen und künstliche Intelligenz zum Einsatz zu bringen. Bisher bewährte Datenmanagement-Modelle wie Datawarehouses sind zu statisch und unflexibel und reichen für den Aufbau zukunftsorientierter Lösungsplattformen nicht mehr aus. Im Beitrag wird aufgezeigt, welche neuen Möglichkeiten es durch Technologien, wie das Cloud-Computing, Datalakes und den zweckbasierten Datenmodell-Ansatz (Purpose Based Data Model) gibt, um die passende Technologie mit dem relevanten Datenmodell für das jeweils bestmöglich zu erzielende Ergebnis einzusetzen.

Mit Hilfe von Suchmaschinen und Algorithmen können Gesundheitsinformationen zugänglicher und nützlicher gemacht werden. Um Informationsasymmetrien aufzubrechen und den Patienten in den Mittelpunkt zu stellen, ist jedoch der strategische Einsatz von Technologien, Plattformen und Partnerschaften notwendig. Dazu gehört auch die Organisation und Strukturierung immenser, verteilter und unstrukturierter Datenbestände, wie sie im Gesundheitssystem existieren. Dadurch können Gesundheitsdienstleister relevante Daten in einem integrierten Längsschnitt analysieren. Insbesondere Krankenhäuser sind mit der Herausforderung konfrontiert, dass Daten in unterschiedlichen Silos und Formaten verteilt sind und dass in einer stark regulierten Branche unterschiedliche Anforderungen bestehen. Bevor Institutionen neue KI-gestützte Verfahren einsetzen, müssen sie Herr ihrer Daten werden. Doch diese Herausforderungen sind für einige Kliniken so groß, dass sie neue Experten im Bereich Digitalisierung hinzuziehen. Diese sollen helfen, die effektive Nutzung von Gesundheitsdaten als Basis fortschrittlicher KI-Diagnosewerkzeuge zu gewährleisten.

Die Übertragung von Informationen zwischen unterschiedlichen Teilhabern im Gesundheitssystem ist eine allgegenwärtige Herausforderung. Strukturen, die es ermöglichen, große Mengen an strukturierten, halbstrukturierten und unstrukturierten Daten in ihrer Rohform zu speichern und zu verwalten, können Abhilfe schaffen. Die interoperable Verfügbarkeit dieser Daten lässt ein „Ökosystem“ entstehen. Dieses wird Grundlage für die Anwendung skalierbarer Services, sodass die Basis für die Struktur eines Gesundheitsökosystems entsteht. „Apps“ wie im Consumer-Bereich fördern die Interaktion der Benutzer und verbessern Gesundheitsprozesse. Durch eine Ansammlung von Systemen verschiedener Unternehmen und Institutionen, die gemeinschaftlich im Bereich der künstlichen Intelligenz (KI) tätig sind, kann dann ein informelles Künstliche-Intelligenz-Ökosystem entstehen. Big Tech kann eine sichere und skalierbare Plattform für die Verwaltung und Analyse großer Mengen von Gesundheitsdaten liefern.