Viele Organisationen im Gesundheitswesen haben die Potenziale von KI erkannt und erste Pilotprojekte erfolgreich umgesetzt. Die zentrale Herausforderung liegt jedoch nicht mehr in der Entwicklung einzelner Use Cases, sondern in der Skalierung: Wie lassen sich KI-basierte Lösungen zuverlässig, sicher und integriert in bestehende Versorgungsprozesse überführen?

Genau an diesem Punkt setzen agentische Ansätze an. Sie verschieben den Fokus von punktueller Automatisierung hin zu vernetzten, kontextfähigen Systemen, die aktiv in Entscheidungs- und Versorgungsprozesse eingebunden sind.

Was jetzt zählt: Von Technologie zu Umsetzung

Früher wurden KI-Lösungen im Gesundheitswesen für einzelne Aufgaben wie die Klassifizierung von Krankheiten, Bildanalysen und Vorhersagen auf der Basis strukturierter Daten eingesetzt. Im Gegensatz dazu können KI-Agenten mit Daten aus verschiedenen Quellen arbeiten, schlussfolgern, Tools und APIs nutzen und ihre Ergebnisse rückkoppeln. Das unterstützt eine langfristige, personalisierte Versorgung und bietet viele Chancen. 

Der Zugang zu den entsprechenden Daten muss sicher, datenschutzkonform und differenziert sein, damit sowohl die Verarbeitung der Daten als auch das Abrufen von Ergebnissen in abgestufter Form ermöglicht wird. So können Patientinnen und Patienten darüber entscheiden, wem sie welche Daten offenlegen. Die Voraussetzung dafür ist eine souveräne Cloud-Infrastruktur, die allen gesetzlichen Anforderungen entspricht.

Fehlende oder nicht nutzbare Daten bremsen den Einsatz von KI

In den Gesprächen mit Vertretenden von Behörden, Medizintechnik-Herstellern, Krankenhäusern, Pharma-Unternehmen, Versicherungen und Ärzten wird deutlich: Nicht die KI selbst ist aktuell der limitierende Faktor, sondern der Zugang zu genau diesen qualitativ hochwertigen, interoperablen Daten.

Herausforderungen bestehen insbesondere in drei Bereichen:

  • Fragmentierung: Daten liegen in isolierten Systemen (z. B. Klinik, Wearables, Forschung) ohne durchgängige Verknüpfung
  • Fehlende Standardisierung: Uneinheitliche Datenmodelle und Metadaten erschweren die Interpretation und Weiterverarbeitung
  • Regulatorische Unsicherheit: Organisationen agieren vorsichtig im Spannungsfeld zwischen Datennutzung und Datenschutz

Für Entscheider bedeutet das: Der Aufbau einer integrierten und interoperablen Datenbasis ist kein vorbereitender Schritt mehr, sondern Voraussetzung, um KI im Gesundheitswesen überhaupt skalieren zu können.

Daten integrieren und nutzbar machen: Ein Praxisbeispiel

Vor diesem Hintergrund werden Lösungen wie AIVI (AI for Vital Insights) weniger zum isolierten Anwendungsfall, sondern zum Beispiel dafür, wie sich diese Anforderungen konkret umsetzen lassen.

Wie solche Systeme aufgebaut und sicher eingesetzt werden können, wird zunehmend konkret, etwa anhand von Ansätzen, wie sie Capgemini unter anderem auf der DMEA 2026 in Berlin gezeigt hat. AIVI ist eine anpassungsfähige, hochmoderne agentische KI für die föderierte und datenschutzkonforme Verarbeitung von personenbezogenen Daten im Gesundheitsökosystem vor. Sie ermöglicht personalisierte Präventionbasierend auf der Analyse föderierter Daten aus vielen verschiedenen Quellen wie beispielsweise Smart Watches, Smart Rings, elektronischen Patientenakten oder der Bildgebung. Mit ihrer Hilfe können die Behandlung und Medikation auf die individuellen Bedürfnisse der Patientinnen abgestimmt und optimiert werden. Ziel ist dabei stets, medizinisches Personal zu unterstützen und Patientinnen und Patienten stärker einzubinden und nicht, menschliche Entscheidungen zu ersetzen. Im Zentrum stehen die Kontrolle und die Abstufung des Datenzugriffs durch Patientinnen und Patienten, sodass Informationen auch nur in Teilen oder anonymisiert weitergegeben und verarbeitet werden können. Die Grundlage dafür sind standardisierte und verständliche Metadaten. Durch eine föderale und souveräne Datenbearbeitung könnten Daten für KI besser nutzbar gemacht und die Prävention verbessert werden.

Damit wird deutlich: Ohne eine klare Datenstrategie bleibt auch der Mehrwert von KI-Agenten begrenzt. Investitionen in Datenarchitektur, Governance und Interoperabilität sind daher kein vorbereitender Schritt, sondern entscheidend dafür, ob KI im Gesundheitswesen ihr Potenzial tatsächlich entfalten kann.

Weitere Informationen zu AIVI sowie Ansprechpartner finden Sie hier: https://go.capgeminigroup.com/aivi

Mit AIVI zu besseren Insights: Polina Sphudeiko gibt einen Einblick