Mehr Einsatz Wagen Folge 71: Versorgungsforschung neu denken: Mit Dr. Stefan Hess über Daten, Versorgung und die Zukunft der Medizin

In Folge 71 des Podcasts „Mehr Einsatz Wagen“ sprechen wir mit Dr. Stefan Hess, dem Leiter des neuen Forschungsdatenzentrums am BfArM. Das Gespräch wurde im HealthCare MakerMobil auf der DMEA 2025 aufgezeichnet und führt uns mitten hinein in die Chancen und Herausforderungen rund um Gesundheitsdaten, Digitalisierung, Forschung und die elektronische Patientenakte (ePA).

Im Zentrum steht die Frage, wie wir die Vielzahl an Versorgungsdaten – von Abrechnungsdaten über Laborwerte bis hin zu Wearables – nutzbar machen können: für bessere Forschung, präzisere Versorgung und eine informierte Gesellschaft.

Schwerpunkte der Episode:

• Forschungsdatenzentrum am BfArM:
  Ziel, Funktionsweise und Datenarten – von Abrechnungsdaten bis ePA-Inhalten.
• Elektronische Patientenakte (ePA):
  Welche Daten fließen hinein? Was bedeutet das Opt-Out-Prinzip?
• Strukturierte vs. unstrukturierte Daten:
  Warum strukturierte Daten leichter auswertbar sind und wie KI bei der Erschließung hilft.
• Verknüpfung von Datenquellen:
  Wie pseudonymisierte Daten aus verschiedenen Sektoren sinnvoll zusammengeführt werden können.
• Neue Formen von Evidenz:
  Ergänzung klassischer Studien durch reale Versorgungsdaten – was wir über Subgruppen, Kontexte und Entscheidungen lernen können.
• Nutzenbewertung & Datengleichheit:
  Gleicher Datenzugang für Industrie und Bewertungsbehörden – und was das für Preis- und Bewertungslogik bedeutet.
• Demokratisierung von Forschung:
  Wie offene Datenräume Transparenz und Teilhabe fördern – auch für Patient:innen und Organisationen.
• Synthetische Daten und Statistik:
  Wie neue mathematische Methoden Datenlücken schließen und Forschung robuster machen können.
• Dirty Data und Signale:
  Warum verrauschte oder subjektive Daten wichtig für die Hypothesengenerierung sind.
• Gamification & Citizen Science:
  Wie man Menschen motiviert, Daten zu spenden – und was sie als Rückmeldung brauchen.
• Patient Reported Outcomes & Biografieforschung:
  Warum subjektives Erleben in der Forschung einen festen Platz braucht.
• Europäischer Gesundheitsdatenraum:
  Wie sich Deutschland in ein dezentrales, aber vernetztes System einfügt.
• Prävention & Beteiligung:
  Was die zunehmende Datenverfügbarkeit für die individuelle Gesundheitsvorsorge bedeutet – und welche Rolle Ärzt:innen dabei spielen.

Fazit:
Diese Folge zeigt, wie ein neuer Umgang mit Gesundheitsdaten eine Brücke schlagen kann zwischen Wissenschaft, Versorgung und Beteiligung. Sie macht deutlich, wie relevant Transparenz, intelligente Nutzung und gesellschaftliche Kommunikation für eine zukunftsfähige Gesundheitsforschung sind.

Aufgezeichnet im HealthCare MakerMobil auf der DMEA 2025.

Schreibt uns Eure Kommentare gerne an MehrEinsatzWagen@healthcarefuturists.com und vernetzt euch mit uns auf unseren Social Media Kanälen.

Transcript

Ja, herzlichen willkommen in unserem Mobil- und Podcast-Studio auf der Edie Meer 2025 in unserem Healthcare-Maker-Mobil, unserem Meer-Einsatzwagen. Eine neue Folge des Podcasts Meer-Einsatzwagen heute freue ich mich sehr Herrn Dr. Stefan Hess vom Buchbarn, im Meer-Einsatzwagen zu haben. Heres, das Wort, gebe ich erst mal Ihnen, stellen Sie sich doch bitte kurz vor. 

Ja, mein Name ist Stefan Hess, ich leite das Forschungsdatenzentrum am Buchbarn. Da ist unsere Mission, die Gesundheit saten erst mal aller Gesetz sich versicherten und dann auch der Ehepaar zur Verfügung zu stellen, vor allem mit dem Hintergrund, dass wir diesen Wert vor ein Datensatz an auch für die Forschung zur Verfügung stellen wollen. Aber letztlich eigentlich immer mit auf langes Sicht, dass was eigentlich auch auf die Strecke bringen in der Versorgung verbessern. 

Wie funktioniert das? Also die Ehepaar. Das haben wir jetzt gehört, die wird jetzt ausgerolt. Ich hatte neulichen Gespräch mit jemand von einer größeren Kasse, der sagt dann, ja, wir müssen dann jetzt mal ein bisschen langsamer tun, weil die sich in den Region erst mal daran gewöhnen müssen. Aber es scheint jetzt nicht irgendwas zu sein, wo wir den Geist mit in die Flasche zurückbekommen, sondern das wird sich jetzt ausrollen. Das heißt, alle gesetzlich versicherten und alle privat versicherten, haben Zugang zu unter elektronischen Patientenakte dort werden, dann erst mal die Daten gespeichert. Die zum Beispiel bei erzlichen Besuchen anfallen. 

Das sind die Momente PDF's, hab ich gehört. Ja, genau. Also vielleicht das noch mal zur Klarstellung. Wir machen das Forschungsdatenzentrum. Wir möchten dann die Daten, die sowieso anfallen, in der Versorgung, ohne dass da jetzt doppelt auf, wenn in den Dokumentationen entstehen, einfach für die Forschung dann nachnutzbar machen, das ist unsere Mission. Und dann möchten wir natürlich jetzt ungen PDFs nutzen. Ja, aus. 

Genau. Das ist wegen meiner provokante Frage. Ja, weil ... Der Kollege von der EBM war da. Und dann, ich fragte, ja, das ist doch hier so ein Data World, also so 'n ... Ja, und da schmeiß man dann Daten rein. Ja, was sind denn das für Daten? PDFs, dann sage ich ja, Gradulation. Handgeschriebener Zettel, Apotheografiert, als PDF umgewandelt, ist ja wahrscheinlich eher schwerer, den jetzt für die Forschung zugänglich zu machen. Genau. 

Also, ich würde sagen, nicht unmöglich und mit KI kann man dafür machen, aber man kann es natürlich auch Strukturell richtig aufsetzen. Und wir sind eigentlich schon froh, ein von strukturierten Daten. Wir bekommen dir ja auch von den Abrichtungsdaten der Krankenkassen. Da haben wir einfach sehr sehr viele Daten und da hilft es einfach, wenn die schon strukturiert kommen. Also, man muss natürlich immer ein bisschen gucken, wenn man die strukturiert, verliert man dann für ein paar ... Randanwendungsgebiete dann doch irgendwie die Notbarkeit. Das kann passieren, das muss man ein bisschen augebehalten. Deswegen sind quasi die Freitexte doch manchmal noch interessant. Ich würde aber denken, für die Großteil der wissenschaftlichen Forschungsinstrukturierte Daten einfach viel schneller zugreifbar, mit sehr viel weniger Aufwand direkt zu den wissenschaftlichen Erkenntnissen zu kommen. Es ist ja leichter, wenn Sie in Kassen-Daten-Satz haben, also Verordnung, Abrechnung und so weiter. 

Das ist ja auch nicht das, was der Bürger, die Bürger in der EPA dann sieht. Sondern da sieht man ja seine eigene Daten, was sich Laborwerte ergeben sie von dröntgen, Untersuchungen und so weiter. Bringen Sie das dann zusammen, ist das dann sozusagen scheidenumisierte, dass sie diese Daten sozusagen übereinanderlegen, und dass sie dann schauen können. Z. B. ist das die Therapie Leidliniengericht gewesen oder bringt es, was sich an Leidlinien zu halten oder müssen wir möglicherweise Leidien noch mal repetieren? Ja, genau. 

Das ist genau das, was gemacht werden soll. Also die Daten kommen halt direkt aus der Versorgung und werden auch für Versorgung zwecker hoben. Das manh mal, muss man ein bisschen als Wissenschaftler eben Hinterkopf behalten, dass die Daten halt verdienstwecker oben wurden und dementsprechend haben die auch an der einen oder an den Stelle noch eine Lücke. Das muss man im Hinterkopf behalten. Jetzt kommen die Daten, die kommen tatsächlich pseudonymisiert zu uns und zwar beide Datenquellen. Das eine ist, was wir schon haben, sind die Abrichtungsdaten, alle gesetzlich versicherten auch ab 2009. Unseres Klar, die sind schützenswert, weil es einen Gesundheitsdaten, unsere Wandelungsmuster sind relativ schnell einzigartig. Aber wir haben eben nicht klarnahmen, wir haben auch keinen Geburtssatt um so eine nur Geburtsjahr, und wir bekommen eben über unsere Vertrauensstelle, die uns im Fall beim RKI, da bekommen wir immer die Jahresübergreifen zur Öltennüme so nennen wir das und das ist auch der Hauptzweck, das wir die versicherten über die verschiedenen Sektoren verfolgen können, aber halt auch über die Zeit. Das heißt, wenn jemand im gesetzlichen Versicherungssystem bleibt, dann können wir auch bis 2009 zurückschauen. Und dann kann man so Dinge wie, was in Langzeit riesigen, was in Langzeit folgen, die kann man einfach sehr gut untersuchen und das natürlich in den Feld, dass man in der klinischen Forschung so nicht bearbeiten kann. Und das ist jetzt noch, um das Bild noch ein bisschen vollständig zu machen, das sind jetzt die Abrichtungsdaten. Die Abrichtungsdaten beispielsweise Labore, da steht dann drin Labore Untersuchung beantragt und wurde abgerechnet. Dann weiß man aber noch nicht, was waren in die Werte. Und das ist genau das, was noch fehlt, die Details und die hoffen, dass wir die aus elektronischen Patientenakte bekommen. Da kommen die Daten dann auch pseudonymisiert, das heißt auch ohne Klanar werden dann über dieselbe Vertrauenschecks bekommen, die dieselben pseudonymisiert, pseudonymen, das heißt wenn die bei uns landen, sind die schon verboten. Und wir können einerseits die breite der Daten nutzen in der Abrichtungsdaten, wo wir alle haben. Und auf der anderen Seite die Tiefe der Information in der EEPA, wo wir dann eben Laboregegennisse haben, beispielsweise bald hoffentlich. Und haben dann natürlich hier und da Datenlücken, weil wir damit rechnen müssen, dass wir einige das auch dautziehen. Aber wenn wir das verbinden können, die Repräsentativität auf der einen Seite und die Details die für auf der anderen Seite und dann können wir sich wie so ein T-Modell vorstellen, wo man dann einfach auch tiefgehende Forschung machen kann. 

Bevor ich dann gleich meinen Herz springen, lasse er es arzt, der diese Potenziale alle sieht, wenn wir endlich mal die Daten strukturiert vorliegen haben. Und dann großer Freund von Ergebnis nice, wie ihr gibt es das der Framming, hier am Studie beispielsweise, wo ja viele Dinge erkannt haben. Das rauchen was mit Lungenklebs-Zutunnen, das High Sugar Intake, also viel Zucker, was mit Diabetes-Zutunnen, das war ja vorher nicht klar. Müssten wir nicht, wir haben es gedacht, es können zu sein, aber da sind die Nachweise erbracht worden. Vielleicht die Frage nochmal, ist ja noch mal, obtaut, obtaut. Ja und Lordebach hat das ja auch mal gesagt, das ist die EEPA, aber da kann man obtaut machen. In meinen Gesprächen mit Kassenvertretern, hier sind wir das ja 5% machen obtaut. Ja man hat ja mehr erwartet, möglicherweise 5% machen obtaut. Was ist denn das für ein Obtaut? Ist das das Obtaut, dass man sagt, ich will keine EEPA haben, oder ich will meine Daten nicht teilen? Oder ich will meine Daten mit dem B-Farm nicht teilen? 

Ja genau, also das ist tatsächlich mehrfaches Obtaut, dass man ziehen kann, man kann sagen, man möchte überhaupt keine Akte. Dann kann man sagen, man möchte nicht das bestimmte Erzter drin was reinschreiben, und man kann eben auch in der letzten Stufe sagen, man möchte das für die eigene Versorgung alles nutzen, man möchte aber nicht, dass das solche Nimmisiert für die Forschung genutzt wird. Das kann man auch machen, und dann kommen die Daten eben nicht zu uns. Wenn man jetzt aber keine diese Aktion gezogen hat, dann kommen die Standermessung zu uns, das ist eben das Obtautprinzip. 

Ich kann nur dafür werben, ich denke, man kann sich das immer nicht vorstellen, meine Daten, aber wenn die halt von allen versicherten oder von allen Menschen mit EEPA zusammenkommen, dann steht das schon sehr wertvolle Datensatz. Und gerade wie ich es gerade gesagt habe in der Verlinkung, mit den anderen Datenquellen, kann man richtig gute Forschung machen. 

Also mein Herzbegeister ist ja wirklich, ich habe 2015 mal einen Tat-alk machen dürfen, da ging es darum, why we need to empower patients? Also um die Befähigung von Patienten, Krugewentscheidungen zu treffen, ich habe damals gesagt, wir gehen von der Eminensbasierten-Medizin, also gibt ein Schäfer als er sagt, so ist es richtig, so machen wir das, weil ich schon immer so gemacht habe, wenn man es so gelernt habe, in die Evidence-Basierte-Medizin, wo wir uns eine Gesamtheit, oder eine größere Gesamtheit angucken, ich nenne das so, mag falsches Wort sein, in die Immergensbasierte-Medizin, wo wir ganz viel haben. Also wie beim Vogelschwahm, ich gucke nur einen an, ich gucke nur 1.000 oder 5.000 an, ich gucke mal den gesamten Schwahm an und verstehe dann eben auch die Dynamik innerhalb dieser Schwarm, zur Innerhalb dieses Geschehens, das wird doch jetzt möglich werden. Wenn man wirklich Big Data hat, 2015 war das ja das Vorläufer von KI, Big Data Machine Learning und so weiter, aber genau darauf passiert ja auch das, was wir jetzt mit KI nutzen. 

Ja genau, also ich denke, was auf jeden Fall möglich sein wird, also bisher sind viele Zulassung oder Entscheidungen im Gesundheitssystem eigentlich auf Klinische Studien, passieren auf schiklinischen Studien, das ist auch in Ordnung, also das Level an Evidence, das man da erreichen kann, das wird nicht zu unrecht relativ hochgehängt. 

Also der Arschit-Tiden, wenn man das kontrollierbar ist. 

Aber, was man nicht vergessen darf, ist, dass es einfach unzündig ist, so sagen, wenn wir keinen, aus verschiedenen Gründen keinen NCT machen können, dann machen wir einfach gar nichts. Und das zweite ist, dass man, das liegt auch in der tudi-klinischen Studie, dass man eigentlich eine Aussage für die Gesamtbevölkerung trifft, dass Medikament ist entweder wirksam oder es ist nicht wirksam. Warnsteist wird's all, das sind wir wieder bei den Filmagendermitizen zum Beispiel. Und wenn man guckt, wie sind die Einschusskriterien für klinische Studien, dann hat man junge Männer ohne Medikation. Und wenn man dann guckt, wie wird das in der Praxis wirklich benutzt, das Medikament, dann ist das auf eine ganz andere Patientenpopulation. Und das mag in den meisten Fällen, geht das gut, weil die Ergebnisse einfach übertragbar sind, auf alle Bevölkerung schichten. Manchmal habe ich eben nicht. Und erste Schritt ist jetzt erst mal hinzuschauen und genau das machen wir mit den Versorgungsarten. Wir haben die Daten aus der Versorgung. Wir können gucken, wir können das wirklich so wie das in der klinischen Studie auch gefunden wurde, wirkt das für alle so wie es in der klinischen Studie gefunden wurde. Und da können wir jetzt für besser hinschauen. Und das markt dann sein, dass das Evidenzen, wo dann nicht an die klinische Studie rankt, aber es ist eine Zusatzinformation. Wo man dann als Arzt oder das Patient einfach weiß, okay, dass war die klinische Studie, aber es gibt die Zusatzinformationen für meine Sobgruppe, wer vielleicht ein anderes Medikament besser. Und dann kann man einfach viel informiertere Entscheidungen treffen, ohne dass man jetzt den ganzen Weg doch läuft, klinische Studie, Leitlinen, Generierung, und irgendwann viele Jahre später hat man vielleicht was, was in die Versorgungspraxis auch ankommt. Das ist der andere Respekt, dass wir auch viel schneller sein können. Also wir müssen diesen ganzen Zyklus mit Konsensbildung, der ist gut, aber wenn man die Zeit nicht hat, weil man als Arzt jetzt eine Entscheidung treffen muss, dann kann man ja auch Daten getrieben entscheiden schon viel früher. 

Das wird aber ja durchaus auch komplexer werden für Ärzt, Innen und Ärzte oder auch für Formatzeuten. Also mein Hintergrund dieses Gedanken ist der, wir hatten vor knapp 10 Jahren angefangen, mit dem Davidu von Medikamenten und zu beschäftigen, warum. Weil wir gesagt haben, die Anallgesee tritt möglicherweise nicht das bei 100 mg auf, sondern bei 73,2 mg. Wenn ich jetzt einen Finacetien zum Beispiel nehme, dann hab ich ein Exzess, diese Runabout 20 mg, die Nierenschädigen sind, ich nicht brauche für meine Anallgesee. Plus die Tatsache der Kombin jetzt der Medikamentenname. Wenn man in einem Pflegeheim schaut, daneben man dann die Leute 10,15 Tabletten, das ist schon schwierig. Also und diese Idee eben, das so zu adaptieren und zu sammeln zu drucken, dass man halt dann zum Beispiel eine metapolische Poli Pill hat. In deren Lipizenker drin ist, zwei Blutdrucksenker, und zwar so dosiert, dass es zu dem Menschen passt. Also angepasst an Zyutokrom P450-Induczion oder andere Dinge. Genetics Setup, epigenetics Setup, was auch immer. Dinge, die ja jetzt zu außen andere ecke kommen über diese Health & longevity-Bewegung, aber die Leute dann ja epigenomen kennen und äh und so weiter. Aber das erhöht ja doch massiv die Komplexität. Wenn Sie sich vorstellen, Markuma war ja so ein Präparat, dass man vor den neuen Antikorbulanzieren auf den Menschen anpassen musste, wo man dann den Krieg wert genommen hat. Aber auch da sind ja einige nicht so recht gekommen. Jetzt aber die Komplexität, ich kann praktisch basierend auf Studien und auf den Studien, die praktisch die Sekunde, dann machen und weffan. Aber auch bei diesen Menschen, mit dem Alter der Vorgeschichte, der Vorerkrankung, müsste ich vielleicht sogar ein bisschen ein Off-Label gehen, weil ich höher do sieere. Wie gehen wir damit um? 

Ich würde, glaube ich, die sprechen ich würde gar nicht sagen, dass es die Komplexität erhöht. Ich glaube, die Komplexität war schon immer da. Man hat nur beschlossen, man filt das über die klinische Studie und alles andere ignoriert man. Und jetzt hat man eben die Chance hinzukucken. Und ja, das erfordert dann vielleicht mehr Aufwand, man braucht vielleicht auch mehr Helz Deiter Literacy bei den Ärzten. Bei den Patienten werden wir auch gut, aber bei den Ärzten sollte man den gestarten. Und das hatte man ja bisher bei den Ärzten auch schon. Also gerade bei den Fachärzten, wenn die Gesäne haben, bestimmte Medikamente in bestimmten Satzings funktioniert nicht so richtig, dann haben die ihre Schlussfolgungen ja auch schon getroffen. Und das ist ja auch schon beobachtungsbasierte Entscheidungen. Und aber halt eben nur auf die Kohorte in der eigenen Praxis. Und in die juristischen Grauzone? Auch das. Und da können wir jetzt halt eben auf eine viel verlässliche Redatenbasis gehen, die irgendwo zwischen den klinischen Studien und das habe ich an meinen drei Patienten gesehen. Da können wir jetzt einfach einen Schritt professionell daran gehen. 

Ich finde das super, ich unterstütze das auch total. Ich denke mir nur diese Überlegung, wenn sie dann Fachärzt sind und dann sagen, ich muss den Patienten jetzt mit dem Medikamente auftilt reden, und dann soll man überschauen, wie wirklich das andere Medikament, wie welche Ergebnisse habe ich aus der elektronischen Patientnakte, wenn der mal irgendwelche Inziumaktivierungenstests gemacht hat oder sowas. Das dann zusammenzubauen, dann geht es in die Erstattung, dann kommt der MDK und sagt, Moment mal, so läuft es einfach nicht. Dann, wenn sie rundes zu drehen über den... nee, aber der bei der Befahrung habe ich geguckt, da haben die diese Studie... Wahrscheinlich aber wir detektieren gerade diese Komplexität, von der wir vor gedacht haben, aber ist auch alles easy, ja. So, wie wir aus mehr schauen und sagen, es flach, aber da drunter lebt halt ganz viel gittier und und und und, es gibt und tief in unser weiter. Aber eben, ich hör schon meine Kollegen sagen, um Gottes willen, das ist ja so komplex, ich muss mich jetzt auch noch mal um das kümmern und um jenes kümmern. Wie gehen wir daran, ist da zum Beispiel, ich insinuier das jetzt mal, ist da so ein Kupilot hilfreich. Wir sagt, KI gesteuert, guck mal, das sind die Neuesten Erkenntnisse, die vom Befarm kommen, das sind die Neuesten Arctitis, das ist die neuesten Literatur vom Landsat, New England Journal. Hier, die elektronische Patientenakte und die Daten, die ich analysiert habe, dieses Patienten bedeuten auf das und das hin, eigentlich müsstest du jetzt das uns mal an. 

Ja, ich denke, da kann technologisch sicher helfen. Ich würde jetzt, also, auch da brauchen wir, da glaube ich, die Bildung der Anwendung der Erster, weil also in der ersten Stufe wird es ja auf jeden Fall so sein, dass diese Assistenzsysteme immerhin human in der Loop haben werden, oder im Reinesberatungssysteme sein werden. Und dann braucht man halt bei den Anwändern, dass man ja Hauptsicht dann die Erster sein, die müssen das natürlich einschätzen können. Ist da jetzt Quatsch rausgekommen oder kann ich den Vertrauen und da denke ich, würde es nicht ohne zusätzliche Weiterbildung auch geben. 

Und die Zeit. Weil das Erhöhne in die komm, ich sehe da auch wieder, früher, wenn sie jemanden hatten, der Diabetes hatte, dann hüllen wir mit von Ihnen, tschüss, ja, wir sehen uns in Monat wieder oder im nächsten Quartal am besten. Ja, ich bin ja ganz praktisch hier, ja, das ist jetzt nicht akademische Hochleistungsmedizin, sondern was kommt bei den Leuten an, weil ich glaube, er auch, das wird man da irgendwie dann beweisen müssen, diesen Aufwand, den man macht mit der EPA und das Geld, das da rein fließt, unter und unter, also diese ressourcen Allohration, das bei der Bevölkerung ankommt ja das war sinnvoll. Also erst wenn die ersten Berichte kommen, von Männern, hier in dem Fall, die sagen, das hat mir geholfen, deswegen lebe ich noch, weil mein Doktor deswegen schneller, mein Prostlatarkrebserkant hat zum Beispiel, weil mir bestimmte Datenkonstellation da war. Jetzt auch mal meinen Beispiel, wenn ich mit meinem Vater, Diskutiere oder anderen älteren Männer, es sind weiß, ein ältere Männer, das kann dir helfen, wenn du da deine Daten te equal hast. Aber wir müssen ja auch die Ärzliche Seite sehen, ich habe für einen Patienten 300 Minuten oder sowas. Und jetzt soll ich hier noch eine komplette Analyse dadurch gehen, mich mit meiner KI auseinandersetzen, ob die jetzt nicht halluzioniert und dem Patienten richtig behandeln. 

Ja, also ich sehe das schon so, ich denke schon, dass man da ein bisschen Contabilität haben muss, wir bauen da jetzt ganz viel auf und wir müssen dann auch liefern, bin ich völlig dabei. Man sollte aus meiner Sicht aber den Spies nicht umdrehen. Wenn man erst die Beweise fordert, man ist ja gar nicht im Rollen und kann die Beweise gar nicht liefern, also das geht nicht. Also wir müssen schon jetzt auch an vielen Stellen auch die Infrastruktur und die Voraussetzungen schaffen, dass das ins Rollen kommen kann, aber das wird dann beweisen müssen, dass das auch hilft auf jeden Fall, bin ich voll dabei. 

Und ich meine das ist Thema Kommunikation. Wir haben ja ein paar Telemedizinprojekte gemacht, wo wir immer gedacht haben, super, wir haben top-notge Telemedizin, dieses Gerät mit dem Bingen, das kann hier alles. Und es muss doch eingängig sein, dass man da die Prozesse dann erleichtert und dass man den Patienten dann schneller behandeln kann. Und am Ende passt immer Kommunikation. Es war immer, man setzt sich mit den Leuten hin, spricht darüber, erklärt nochmal, erklärt es den Patienten, erklärt es der Pflegekraft, erklärt es dem Arzt, erklärt es der Kassenerzlichen Vereinigung, es ist nicht mit Technologie getan. Sondern wirklich diese kommunikative Geschichte, wie gehen Sie daran? Es kann nicht, das Spezetgear sein. 

Ja, genau, also ich muss ein bisschen tiefer durchhatmen, weil wir können natürlich als kleines Forschungsstatentrum, da auch nicht die Welt retten komplett. Aber ich denke für unseren Bereich, denke ich, gehen wir das schon an, also wir versuchen zu sagen, was machen wir, was ist unser Anteil, was machen wir mit dem Forschungsstatentrum? Und versuchen jetzt erstmal aufzuklären, wie bauen wir das auf, worum sind die Daten sicherer und so weiter. Und das zweite, was ich auch gesagt habe, wir hatten jetzt zum ganz kleines Projekt an der Uni, das war keine repräsentative Umfrage, aber die waren alle sehr pro Datennutzung. 

Mit dem Hinweis, ne, ja, es kommt ja darauf an, was hinten bei rauskommt. Das war jetzt relativ simpel, aber das trifft's natürlich ganz gut. Also wir müssen schon zeigen, was kommt denn hinten bei raus? Und was kommt hinten bei uns raus? Das gute Forschung gemacht werden kann mit den Daten und mit den Systemen des Forschungsstatentrums. Und dann können wir natürlich auch eine balanciierte Diskussion führen, dass wir sagen, ja auf der einen Seite muss man schon auf die Daten aufpassen, aber auf der anderen Seite kann man auch sehen, dass sie Superforschung rauskommt. Und wenn wir nicht beide Seiten haben, dann wird es auch keine vernünftige Diskussion. 

Aber ich müssen halt auch erzählen, wenn die Superforschung im Länsel publiziert wird, dann kennt Lizzyn Müller in Schwerbeschmünter es halt nicht. 

Das sehen wir dann schon, das würde ich dann schon bei uns auch sehen, dass wir das ein bisschen vor uns her tragen und dass wir dann ein bisschen mit Werben ein gutes tunentrum reden, so ein bisschen. 

Es ist aber halt dann auch nur ein kleiner Teil Aspekt im Gesundheitssystem nur, das sollte dann schon eingebettet sein in viele Bausteine. Beispielsweise die IPA und drin zu bleiben, nicht rauszuobtieren, warum das dann voll sein kann. Forschung, gute Forschung haben Sie erwähnt. 

Ich weiß nicht, ich habe einen guten Bekannten, der ist an der University of Yale und der betreutene Datenbank. Der ist juda und da geben die Farmaunternehmen ihre Daten rein. Also die machen dann ihre Clinical Trials und legen dann rein. Sie kennen Müller within diese Datenbank und da dafür hier eine Frage stellen. Also dann gibt es ein Gremium, das wäre dann aussagt, ja ist diese Frage berechtigt, aber es darf, da wird nicht unterschieden zwischen, ist das jetzt Industrie oder ist das jetzt akademia. Sondern, da ist man Fragen hinstellen, willst du was auch geben? Das ist genau der Fall bei uns. 

Das ist ein ganz guter Punkt. Das bisher ist halt so ein deutschen Gesundheitssystem, dass es, es gibt verschiedene Daten sieht los, die können auch nicht miteinander ausgewählte werden, das ist aber eine andere Punkt. Der zweite Punkt ist nämlich, dass die Entscheidung wer darf an die Daten, die sind manchmal, wenn man sie in die Indresparäne, man muss man nicht kennen, der jemanden kennt, man muss man auch. Wenn man dann eine Forschungsfrage hat, die vielleicht nicht, wo das Ergebnis nicht so richtig in den Krampaß von den Daten halte, dann kriegt man die Daten auch nicht. Also es ist so ein bisschen Interessens gesteuert und das ist das, wo wir jetzt wegkommen. Der Gesetzgeber hat entschieden für bestimmte Zwecke, überwiegt einfach, dass öffentliche Interesse, wenn die Daten genutzt werden, gegenüber den Schutz der Daten. Das ist ja demokratisch legitimiert worden. Das haben wir entscheidend nicht, wie er als BF haben. Wir gucken nur, ist das eine der Zwecke, wo eben die Gesellschaft beschlossen hat, dafür ist es, die Daten zu nutzen. Und dann dürfen die Daten auch genutzt werden. Und dann ist es auch egal, wo die Person herkommt. 

Und ja wir bauen das System jetzt nicht für die Durchschnittsbürgerinnen, die dann bei uns Daten nutzt das System für Experten. Aber theoretisch kann jeder bei uns, wenn er einen sinnvollen Zweck hat oder man ist eine Patientenvereinigung und möchte bei uns forschen, das geht jeder Zeit. Und das ist natürlich, das ist schon ein Schritt hin zu einer Demokratisierung dieser Daten, dieses Datensatzes. Und schafft natürlich einerseits eben diese Demokratisierung. Und auf der anderen Seite er aber auch Qualität für die Forschung. Weil jeder Forscher ja weiß, wenn ich mit den Daten forsche, kann natürlich die Konkurrenzgruppe im Morgen beweisen, dass ich irgendwo misgebaut habe. Und der Schaf zum Transparenz und Reproduzipkeit ist also allein von den Anreizern, von der Struktur her schon Demokratisierung, Profisionalisierung, würde ich sagen. 

Ja, also in dem ja Demokratisierung und Gesundheit betriebszweck hier, weil den Oscar Futures ist, finde ich das super. Ich will mal nur ein bisschen so in der Praxis denken, wenn ein neues Farmer kommt, in den Markt kommt, dann sagt er, der gemeinsame Bundesauschuss, das ist das Zäckmesiegelvergleichstherapie ZVT. Und dann geht man halt hin, in dem Farmer Montenämer und sagt dann, dann guck mal mal durch, als gibt es ein paar Studiendaten, ich muss mal ganz einfach, die jemanden bringt ein neues medicalrijgen Kopfwerk auf den Markt und die ZVT sei Paracetamol. Denn dann ist das gut publiziert und dann guck man dadurch. Aber wenn es dann an den Nutzenbewertungen geht, kann er der Gesetzgeber, kooperiert durch den GBA zum Beispiel, oder das Eekwig, Institut für Qualität und Wirtschaftlichkeit um Gesundheitswesen in Köln. Ja, hingehen, auf ihren Datensatz zu greifen zu dem, dass es Farmer dem gar kein Zuggriff hat. Das muss ja geregelt werden, wenn jemand sagt, ich krieg eine ZVT, die gut dokumentiert ist und ich möchte da auch zu greifen. Und könnte dann am Tag der Entscheidung ja hingehen und sagen, ja, ja, sehr schöne, gut wäre das also im Lennzehd und in einen Journal fölffentlich das. Aber wir haben hier jetzt mal wirklich Populationsdaten, der Population, die uns interessiert. Also, nicht Leute in Massachusetts, sondern in Bayern oder in Sachsen-Anhalt und die schon anders aus. Und deswegen ist eure Value-Proposition. Also, also sozusagen der Abstand, der neuen Therapie gegen über der Zvegeniesin, der gleichste Riegel ist, wie er eigentlich denkt. Was sich natürlich da wieder im Preis äußert möglicherweise? Ich weiß, es ist nicht ihr Törf, aber möglicherweise, was natürlich dann für die pharmateutsche Unternehmen noch mal größeres Risiko darstellt. Weil die machen ja viele Klugerechnungen mit vielen Klugenköpfen, wo wir dann beim Land im Preis kaufen wir dann da, über das Jahr. Und was macht das mit dem Rackziehenkurs? Das fühlt ja nochmal zu einer erhöhten Komplexität, oder? Minder stimmt das, ich sage nicht. 

Nein, weiß ich gar nicht. Also, was wir auf jeden Fall merken, ist, dass in Nutzenbewertungsverfahren, also das gesamte Nutzenbewertungsverfahren hat die Daten für sich entenkt. So, sowohl auf kranken Kassenseite, als auch auf Seiten der pharmatotischen Hersteller. Die haben jetzt beide die Möglichkeit, auf derselben Datenbasis ihre Argumente aufzubauen. 

Das heißt, es wäre eine Validefrage-Stelle. Das heißt, wenn ich als der pharmateutsche Unternehmer, der dieses Bügel in den Verkehr bringen will, sagt, wir haben die ZVT Paracetamol bekommen. Bitte liebe Freunde vom Beefam, lasst uns auf diese Datenbankschauen. Das heißt also die Späres sind dann gleich lang. Das ist dann nicht so, dass man da sein, haha, ich als, sag mal, staatliche Behörde, GBA oder I-Quick vom GBA beauftragt. Ich hab ein Informationsvorteil, weil ich da über die Kunden Dienstweg drauf zugreifen kann. 

Genau, also Informationsgleichheit ist auf jeden Fall da. Die Staaten dann beide von der gleichen Datenbasis, das das Ende des Streits ist, glaube ich nicht. Aber sprechen ist noch gut, also dann oder alle was. Genau, und man kommt dann vielleicht ein bisschen mehr in die Tiefe, weil wenn die eine Seite die Argumente ganz anders aufbaut und noch dazu die Datenbasis unterschiedlich ist, dann kommt man ja gar nicht mehr übereinander. Dann rede man völlig andereinander vorbei und jetzt ist die Basis schon mal gleich und muss man sehen. Wie gesagt, ich bin mir sicher, da wird's nach wie vor Diskussionen geben, aber man kann dann vielleicht das Ganze noch ein bisschen noch mehr abjektivieren, wenn man einfach auf das eben Basis startet. 

Ich finde es super spannend, und ich möchte mal diese sehr wissenschaftliche Basis, also die klassische wissenschaftliche Basis verlassen. An Daten, die aus Labor werden, kommen die standardisierter Hoben worden sind, an Daten, die aus EKG's kommen, wo wir Bestimmungen haben. Für mehr Daten, aber hatte ich mir ja, eigentlich auch so Apps und Variables und Gadgets und UnitedMid. Also Dinge, wo die Leute dann in der Schweiz sich ein geentes kaufen oder 5 ml Spuke nach USA schicken und was ist davor gesehen. Und dann gibt es einen App link zu Fitbit, Apple Watch, Pelleton, 20th Realme jetzt nicht mehr. 

Das ist so ein bisschen, müssen wir glaube ich den Blick nach Europa in die nächsten vier Jahre richten, also in der europäische Gesundheitsdatenraum, die Rechtswoordnung ist jetzt unterschrieben. Wir haben jetzt vier bis sechs Jahre Umsetzungseiten, klingt erstmal viel, wenn man sich als Patient hinstellt und möchte dir gerade in die Verbesserung. Von unserer Seite, wenn man sich die Gesundheitsdatenlandschaft in Deutschland anschaut schon ganz schöne Herausforderungen und wir treffen uns tatsächlich schon mit den anderen Datenquellen. Wie kommen wir denn so eine Zielbild? Also es gibt schon so eine Vision, wie das aussehen könnte in Deutschland und muss jetzt näher ausdefiniert werden. Wer kann jetzt hier, welche Rolle übernehmen, wird vermutlich ein dezentrales System bleiben, dass das werden jetzt nicht alle Daten zum B-Varm kommen, sondern die Daten der Netzwerk-Universitätsmedizin, die haben werden dann ihre eigene Struktur haben, indem sie sich dann über die Datentzugangskoordinierungstelle, die schon am B-Varm ist, die wird quasi das ganze koordinieren, das Netzwerk. Aber dass die Daten eigentlich an den Orten, beim wo sie jetzt sind und die Player, die jetzt schon Daten zur Verfügung stellen, eben dann eingebunden werden. Und dann haben wir hier in die europäische Gesetzgebung erstmal als großen Ansporen für Deutschland hier die Daten verlinkt, nutzbar zu machen, weil das immer noch ein Stück weit weg. Wir machen jetzt die ersten Schritte, wir dürfen erst seit letztes Jahr, seit dem Gesundheitsdaten-Nutzungsgesetz, fangen jetzt an mit dem Kreptriggissan, die Daten zu verlinken, aber da gibt es natürlich noch ganz viele Daten verählen, die wir dann Schritt für Schritt. Also Kreptriggissan Daten liegen auch auf der Hand, das Technisch leicht und hat gleichzeitig wahrscheinlich auch sehr große Vorteile für die Forschung direkt, also gleichen Impact. Und dann gibt es dann Daten, die ein bisschen schwieriger anzubilden sind und wo der Forschung-Universität nutz noch nicht so ganz klar ist, wenn es dann richtig um Variables und diese Dinge geht. 

Ich sage da ganz dizitiert nach, aus eigenem Intesse gewissermaßen, ich bin 50 geworden, habe ich einen T-Shirt geschrieben bekommen, da stand auf zweiter Halbzeit, also dann eigentlich auch gut eigentlich. Und da habe ich mir eben auch was tun, also habe ich mir gesagt, ich mache jetzt ein sportliches Challenge, ich will Triathlon machen, und da gibt mir zwei Jahre Zeit, Trainier auf und Triathlon. Trainier auch jeden Tag, sammeln meine Daten mit Apps, Gadgets, Variables usw. Mama sind das Schott-Daten, manchmal ist das spannend. Ich sehe auch Pro-Cress, also Gewichtsreduktion, Muskel aufbau und so weiter. Spannend, aber ich habe gar keine Plattform für ich das speichern kann, also weil das ist immer proprätiert, da braucht ich dann die Software dieses Herstellers, das läuft dann vielleicht über den Apple Health Kit irgendwie zusammen, aber auch nicht so genau wie ich das will, weil jeder Hersteller wieder irgendwas hat. Ich würde mir ja wünschen, deswegen kloppt ich mal bei den Apothekern an, ich würde mir ja wünschen, dass es irgendjemand gibt, der sich mal der Daten annimmt, der die Sedaten strukturiert sammelt. Und mir dann immer mal wieder eine Auswertung darüber fahren lässt, basierend auf den Auswertungen, die anderen gemacht haben, weil das ist ja die Spannende. Wenn nicht nur Männer, die ist unser Alt, die das und das gemacht haben, man hört das universell, das und das zu haben, deswegen gehen Sie nicht nur einmal im Jahr zum Kaltilogen, sondern vielleicht zwar mal im Jahr zum Kaltilogen. Evidence passiert, zum Beispiel. Das wäre ja spannend. Ist es eine Hoffnung, die wir an die Epa und an das was sie tun, irgendwie vielleicht jetzt nicht mittelfristig. 

Ja, es ist ja jetzt schon so, dass es nicht in der Breiter, aber es gibt ja schon vereinzelt Patienten, die ihre Smartwatch nutzen und dann ihren EKG-Piericht Richtung Vorhoflimmern mit zum Arzt nehmen. Und der Arzt auch auf der Bars ist ja schon entscheidend. 

Ja, es ist ja jetzt schon so, es ist nicht in der Breiter, aber es gibt ja schon vereinzelt Patienten, die ihre Smartwatch nutzen und dann ihren EKG-Piericht Richtung Vorhoflimmern mit zum Arzt nehmen. Und der Arzt auch auf der Bars ist ja schon Entscheidung in Trift. Muss die Person vielleicht ein bisschen öfter zum Screening. Das ist ja jetzt schon so. Und ich glaube da brauchen wir ja vermutlich Mittel bis langfristig. Brauchen wir eine Chance, wie kriegen wir die Daten dann in die Epa rein erst mal für die Primärversorgung? Und der zweite Schritt ist dann natürlich, wollen wir das natürlich auch gerne für die Forschung dann auch nutzbar machen, damit man eben sieht, wie viel Mehrwert ist da da, wie viel Risiko ist es, wenn die Smartwatch ständig piepst. Und man weiß ja oft, als Patient schon, okay, ich habe ein hohes Risiko und wenn die Udancewusel sich jetzt gibt es was, ne, möchte man schon wissen, was bedeutet das. So man braucht beides. Ich glaube, man muss eineseits gucken, dass man das in die Versorgung besser integriert und auf der anderen Seite dann aber auch in der Forschung das macht nutzen kann. 

Ich finde das ja spannend. Ist auch von diesen behavioral sciences daran zu gehen. Ich glaube ja, der Mensch ist so ein super Kooperator eigentlich. Wir kooperieren gerne. Aber da müssen wir auch verstehen, warum wir kooperieren. Also nicht mit irgendwas, was sie nicht verstanden haben, sondern es muss dann irgendwie klar sein. Aber wir haben eine Datenbank gemacht, Ende 2019, wo wir Menschen gebeten haben, ihre Corona-Daten zu spenden. Also wie geht's dir, hast du einen Test gemacht, was hast du Temperatur, wie wir wissen wollten, gibt's irgendwie prädiktiven Faktoren dafür, jenseits von Alter und Vorerkrankungen und Fettleibigkeit, die ja immer Prädiktoren sind für einen schlechten Ausgang eigentlich. Also deswegen sind sie nicht besonders senzativ, wenn man den Leuten halt sagt, bis alt vorer krank und dick ist immer schlecht. Das wollte man machen und wir haben sehr hohen Zulauf bekommen. Wir teilen diese Daten. Aber ich wollte noch einmal, dass wir das Ergebnis bekommen. Und wir konnten aber kein Ergebnis geben, weil wir nicht genug Daten hatten. Also haben wir halt noch abgefragt, wie häufig waschen sich die Hände mit Postleizahl. Und haben dann den Leuten es vorgeschickt und gesagt, also du bist unter den Top 10 Prozent in deiner Region mit Hände waschen zum Beispiel. Ja, das ist völlig irrelevant wahrscheinlich, aber es hat den was gebracht, dass sie hatten so ein Ergebnis. Und ich frag mich halt auch, ob man das nicht auch mit dieser ganzen Digitalisierung zusammen spielen kann, weil Digitalisierung spielt doch eigentlich nur Reloge gesehen auf das dopaminärgessystem. Oder ich mach auf LinkedIn oder TikTok oder YouTube oder auch immer, und immer im Hirn passiert dopamin. 

Ob man nicht auch eine Art der Tiktokisierung eine Kontribuzion in der Patientmarkt, der andenken könnte. Also ich speise meine Workout-Daten da ein. Und ich krieg was dafür. Ja, ich ich gucke mal, wie sind die Homies in meinem Bereich unterwegs, wo stehe ich da? Aber ich habe das Gefühl, ich trage bei Forschung bei. Oder ich kann mich für Studien einschreiben, deutsche Sporthochschule das. Aber ich kann hier aus München mitmachen, nämlich meine Daten teile. Ist sowas angedacht oder... Ich glaube, dann würde wirklich dieses akademische, schwere, grauel Thema in der Bevölkerung angucken und sagen ja, das ist spannend. Das ist mein, da mach ich mit. Ja, also ich glaube, dass das schon angedacht. 

Dass man eh parweit dann auch suchen kann. Wer könnte denn die Einschlusskritärin für Studien erfüllen? Das ist glaube ich von der Konzeption fehlen da auch noch ein paar Elemente. Aber das ist ja schon ein Ort, wo die Informationen alle zusammenfließen und wo man dann eben auch diese Interaktion schaffen kann. Ist das eine echte Gamification? Ich glaube, fehlt noch ein bisschen was in der E-Bahn. 

Ja, das Bundesministerium für Computerspiele fehlt noch. Aber ich meine, das PvM ist ja nicht weit weg vom Köln, wo die Gamescom stattfindet. Und man sollte nicht meinen. Ich besucht da jedes Jahr zu sein. Es gibt ganz viele Spiele, die sich mit Healthcare beschäftigen. Level Sciences oder dann So Metbewerbspiele, Sportthemen. Also da passiert was. Und ich glaube wirklich, dass man das zusammenbringen kann. Weil dann, dann, dann macht's auch Spaß. Und dann habe ich auch Accountability. Und ich glaube, das braucht man für jede Art der Demokratisierung, wie diese Accountability, weil ich sagen, ist nur, dass ich mir nur wo ist, damit ich weit weg von Demokratisierung und von Teil habe. Vielleicht noch einen anderen Fragenteil, der jetzt wieder ein bisschen akademisch scherbert. Und zwar, wir sind alle Superbegeister von CHGPT. Und Ding, so brak, Crazy Magic. Aber das ist ja nicht Magic, das ist Matte. Also so, ja, das hat Advanced Matte Matte. Aber es ist Matte, der hinter steht. Und und fortschrittige Statistik, die da dahinter steht. Es ist die Frage, wenn wir Daten auswerten, hat sie auch mal was mit Statistik zu tun. Wenn wir sagen, das Konfidentien sind der Wald definieren wir so, dann ist es ja nicht das Mose von Back gestiegen ist. Und es ist übrigens ein effes Gebot hier unten. Ja, der Pi ist nur immer nur 5 oder so was. Sondern das definieren wir. Sehen Sie da in dem Zugang zu mehr Daten, ja, also größeres Datenvolumen. Längere Daten, Sammelzeiträume, mehr Entwicklung der Mathematik, die entwickelt sich ja weiter. Ich habe Mathematik im Team, ich dachte mal, matte sei fertig. Nein, ist nicht fertig. Also es gibt immer noch Probleme, die wir nicht gelöst haben, die dann irgendwann plötzlich löst und wir kommen da weiter. Sehen Sie es so, dass wir uns bewegen. Wie ich vorher gesagt habe, bis zu von der Hime in ins Basierte Medizin zur Evidence passiert in Medizin zu. Wie auch immer man sie nennen mag, immer ins Basierte Medizin, dass wir auch neue mathematischen Betruten überlegen müssen. Zum Beispiel auch das Thema synthetische Daten, wo wir ja sagen, da ist jetzt die Studie abgebrochen wegen Cross-Overthematik. Man kann es ethisch nicht vertreten, weil das wehr, um halt so viel besser ist als das Placebo, das wir den Placebo genommen haben, es sich vorantheiten konnten. Gleichzeitig gelten aber die Primärn-N-Pointe nicht als erreicht. Die Studie gilt als Failure, was dann der Pharmatolische Unternehmer eben auch blöd findet, dass man mit neuen Methoden mal weiter nach vorne geht, also Studien, weiterrechnen bei synthetischen Daten oder voldschere statisticalischen Methoden

für die Nutzen-Bewertung, zum Beispiel. 

Ja, genau, also das ist würde ich auf jeden Fall unterstützen. Man könnte jetzt sagen, mit neuen Datenquellen kommen neue Herausforderungen. Es ist in natürlich ein Stück weit so, also wenn man bei den ACT, wenn man anfängt, dann hat man vor allem auch gute Datenqualität halt per Design. Also man gibt sich sehr viel mehr, korretiert die Daten direkt bei Datenerhebung, dann kann man sich bisschen darauf verlassen. Ich wollen jetzt ja aber alle die anderen Daten auch nutzen. Und die werden immer irgendwo welche Limitationen haben, die man dann mit statistischen Methoden attressieren muss. Und ich sage explizit muss, also man sollte schon wissen, was man tut. Es gibt aber ja auch schon Jahrzehnte lang gute Forschung, mit Sekundärdaten gibt es gute Praxis, Dokumente und so weiter. Das geht jetzt aber noch viele Schritte weiter. Wir haben das auch in den Zulassungsstudien, 

gerade bei Indikationen, wo es schwer ist, in klinische Studien einzuschließen, seit der Erkrankung, spezifische Krebs subtypen, wo jetzt mehr und mehr die format supportische Industrie gerne auch sortitische Studienarme beispielsweise nutzen möchte. 

Das liegt natürlich auf der Hand, was der Vorteil ist. Und da muss natürlich aber auch die Methodik, muss natürlich auch so verlässlich sein, wie man das bisher gewohnt ist. Da denke ich sind wir noch im Prozess. Das ist das eine. Und auf der anderen Seite ist es ganz witzig, so ein tätiger Daten ist tatsächlich eine, aber da könnte ich es lange darüber reden, aus verschiedenen Gründen. Also wir haben jetzt im Forschungsartenszentrum schon ein tätiger Daten, ich sage jetzt mal Version 1.0. Einfach damit wir möglichst niedrigschwellig den Zugang ermöglichen können. Also aus einer Datenschuss-Perspektive raus. Das wir Daten, die anonym sind, dann einfach schon den Forschern zur Verfügung stellen können. Die natürlich aber die sehr verlässlichen Informationen trotzdem auf den Originaldaten haben möchten. Das ist der eine Punkt, aber sortitisch Daten haben wir noch ganz viele andere Möglichkeiten. Wenn man Datensätze hat, die aus irgendwelchen Gründen verzeit sind, 

beispielsweise, keine Ahnung, man hat zu wenig Frauen im Datensatz, dann kann man versuchen, über sortitisierung, diesen Beiers-Correction auch vorzunehmen. Und teilweise, wenn man guckt, wie werden große Sprachmodelle trainier, die verwenden teilweise auch sortitische Daten. Auch hier gibt es Möglichkeiten, einfach wenn man für KI nicht genug Daten hat, dass man über die sortitisierung weitergeht. Also ich glaube, das ist auch ein Nachwives von Unterschätzsystem an. Ich habe in den letzten Tagen hier einiges gehört, aber ich würde trotzdem sagen noch unterschätzt des Thema. Und ich glaube, wir brauchen hier mehr Forschung zu guten syntetischen Daten, weil Datensynthetisierung ist einfach. Aber gute syntetischen Daten, dann müssen wir noch ein bisschen graz gehen. 

Das gibt mir noch einen Stichwort, das ist gut. Was wir bei dieser Studie Wiener, die Phase der Corona haben, weil wir gedacht haben, die Leute spenden ihre Daten und wir kommen dann Corona zuvor. Es ist ein bisschen euphemistisch. Aber was wir gelernt haben, ist, gibt Dirty Data. Also es gibt Daten, die berichten, die Menschen selber die racing portet out comes, die haben aber eine gewisse Art von Dirty näs, oder die Daten, die aus irgendwelchen Veribuss rauskommen, also was. Weil man halt nicht weiß, was war da los, ja, ist bald ja trocken, oder ist der wirklich Tachikart, die ganze Zeit, wenn ich mich weitere Daten habe. Aber spannende Daten sind das doch. Und wenn man sowas auf so ein Skaterplot aufträgt, dann hat man so eine Cloud, und man sieht dann so Tendenzen. Das kann aber auch konfirmation-beirst sein. Ja, ich hätte gern diese Tendenz, ja. Also wissen wir alle, kennen alle, die sie Studien... Das ist da immer irgendwelche Beier, das drin sind. Aber werden solche Dirty Data, solange wir nicht eine mathematisch bedingte Daten via Lyse haben und wir sie aufreintigen können, 

werden die benutzt werden, ja, dass man nicht als ARCT ersatz, sondern als ARCT Ergänzung. Ja, ich stämme es immer so vor, wie jemand macht Luftbildarchiologie und fliegt damit seinem Flugzeug rum. Und sieht dann da irgendwie, ja, da ist irgendwas seltsam mit der Wiese. Da weiß ich, wenn ich es von den Röhmern, es aus Mittelalter oder diesen Artifakt, da muss man noch einen Archäologe hin. Aber man hat ein Muster-Arkant. Was zumindest diese Dinger Muster erkennen können, die wir dann sekundär noch mal beforschen können. 

Ja, auf jeden Fall. Also es ist natürlich ein Datenqualität extrem wichtig und sollten wir auch dahin kommen, dass die Qualität besser wird, aber solange wir in den Bereichen, wo man sehr viele Daten hat, und wenn die Daten eben auch die Muster enthalten, dann ist es eben so, wie wir es gerade gesagt haben, die statistischen Methoden entwickeln sich ja weiter. Und die können dann die Signale in den Daten und wenn sie sehr verrausscht sind, aus welchen Gründen auch immer, unter Umständen, die Daten, die Signale trotzdem finden. Also... 

Also, von "Neust" bis "Signal". Der Weg wird schneller. 

Der Weg wird schneller. Der wird präzise wird verlässlicher durch neue Methodik. Das heißt, wir brauchen also gleichzeitig zum akquirieren neue Datenquellen, die dann liegt in ein Natur der Sache, dass die Qualität hochwertigen, die sind ja schon in Mindöhnung und alles, was jetzt zusätzlich kommt, ist unter Umständen noch nicht ganz so weit. Und dann kann man natürlich mit gute Methodik, die trotzdem auch auswerten. Also, ich denke, da brauchen wir weit, es brauchen mehr Daten, bessere Methodik. Und dann können wir trotzdem zu den Schussfolgerungen kommen. 

Ich möchte zum Abschluss kommen, ist so ein bisschen Blick in die Zukunft. Ich stelle meine Stalle These auch. Ich glaube, technologische Entwicklungen haben immer dazu geführt, dass da neue wissenschaftliche Herausforderungen entstanden. Also, der Buchdruck z. B. unter das neue Felder entdeckt worden. Der Buchdruck findet dazu, dass die Leute brillenbrauchten. Also, in der agällische Gesellschaft braucht keine Brille. Schlägt man sich irgendwann mal den Kopf an, wenn man nicht gesehen hat. Aber man braucht keine Brille. So, wenn man Bücher lesen, wir brauchen eine Brille. Und diese Brille, die sind Glänzen, und die Leute haben die Glänzen damit miteinander kombiniert, haben sich hier blätter angeguckt und haben gesehen. Oh, der gibt so was, das ist gut aus wie Zimmer, Cellular, Cellbiologie oder die, die es hier standen, anguckt, planeten. Und dann entsteht eben die Astronomie beispielsweise. Durch die KI würde ich behaupten, entstehen jetzt auch neue Wissenschaftsfelder. Nicht nur, dass sie statistik sich weiterentwickelt, sondern dass wir auch Daten, die wir bisher hatten, anders verwenden können. Beispiel. Wir haben etwas entwickelt. Dadiktieren Menschen ihre Biografie. Wenn dann mit Fragen befragt, wo hast du gewohnt, wie war deine Kindheit? Erzähl doch mal über deinen Haustier, welche Geschichte und so weiter. Dann entsteht eine Biografie. Da freuen die Leute sich auch. Weil sie es gewissermassen, sich ausgespeichert haben. Jetzt haben wir aber festgestellt, mit einer gewissen Anzahl an Biografien. Wir können Versorgungsvorstellungen blagen. Wir können nämlich die Biografien, die sehr so bektiv sind. Es ist keine historieografie. Aber wir können die befragen. Wie habt ihr das erlebt? Wie habt ihr das erlebt? Wie war auch im medizinischen Versorgung? Wie häufig war der krank? Was waren die Einschreibungerkrankungen? Was ist ein gelungenes Leben? Was würdest du nicht mehr machen bei einem Leben? Das heißt, es scheint so zu sein, dass sich da langsam so eine qualitative Art der Versorgungsforschung draußen pickeln. Ist so was auch eine möglicherweise Teil einer Datenbank, die dann eben auch in so eine elektronische Patientnakte einfließen kann. Also diese Narrativforschung dieses, dieses, bei das sind wir ja sehr eine an diesen Patient and Reported Outcomes. Ja, wenn ich die einer Mülleverfragen finde, wie wir stufen, kann sie noch laufen, wie wir Kissen brauchen und dann beim Schlafen eigentlich. Das sind ja wichtige Sachen, die ja auch der Gesetzgeber haben möchte. 

Ja, also ich denke, zwei Gedanken dazu, das erste ist, ich denke gerade mit den Large Language Models. Ich denke, ich würde aus meiner Sicht einen Trend entstehen, der also in den letzten Jahrzehnten hatten wir den Trend, dass es mehr und mehr Spezialisierung gab. Und die Large Language Models sind indeziziell per Design. Ich glaube, dass das wird noch mal einen Trend starten, dass es einfach Disziplinensech leichter vernetzen kann, als das bisher möglich war. Und zu dem anderen Punkt Patient Reports Outcomes sind extrem wichtig, müssen wir gucken, dass wir den unserer Daten Ökosystem reinkriegen. 

Weil wir gerade gesagt haben, also klinische Studien bilden oft nur eine Teil der Realität, aber der andere Aspekt ist ja, es sind ja manchmal auch Subjektive Eintrücke. Also vielleicht ist der Blutdruck 1% besser, aber Patient fühlt sich sehr verschlechter. Und das wird mehr und mehr in Forschung genutzt, aber dann gibt es noch Luft nach oben. 

Aber nur Luft nach oben, das würde dann sozusagen auch jetzt wieder die letzten Fragen einleuten. Wo gehen wir hin? Das ist sehr spannend, als die Zukunft ist ja was auf uns zukommt. Aber wo denken sie sind wir jetzt mal kurzfristig zu den nächsten drei bis fünf Jahre und mittelfristig. Langfristig frage ich gar nicht, weil da kann man auch dieses Mal besser sein, Fickchenbücher wahrscheinlich. Aber wo denken sie jetzt hin, also kurzfristig und mittelfristig? 

Genau, also kurzfristig denke ich, wird das Forschungsdatentzentrum starten im Sommer. Da freuen wir uns sehr darauf, gibt es großen Antragen und haben wir endlich eine Plattform, wo gute Forschung ermöglich zu werden kann. Und mittelfristig denke ich schon, dass mit den neuen Methodik, wo wir jetzt viel darüber geredet haben, dass wir einerseits eine professionale Sierung kriegen, abseits von klinischen Studien und auf der anderen Seite vermutlich insgesamt im gesamten Gesundheitsdaten und auch Gesundheitsforschungsbereiche, däutliche Beschleunigung. Wenn die modernen Methoden alle genutzt werden, sollte die Innovation sehr viel schneller und hoffentlich auch schneller wirklich auch bei den Patienten ankommen. 

Genau, das wäre auch ein Superstichwort, nämlich dieses Waskund beim Patienten an. Also ich nehme zum Beispiel wahr und das Thema Prävention ist etwas, was beim Patienten ankommen. Also wie verhalte ich mich? Für viele ist das sehr erartisch, wenn man dann sagt, du brauch 'ne Schädlich, dann sag ich mir, guck mal Him und Schmidt, das ist 92 geworden. Aber Prävention ist ja was Individuelles und da haben wir ja auch angefangen. Das ist ja nicht dieses 1.2. Fitz-All, Sacken, sondern sehr individuell. Auch wenn das Gesundheitswesen jetzt in den Schuladen ist, der nur drei Großen hat, dann habe ich Glück, wenn mir der Schuhe passt, im Hinsehen 3. Großen, aber wenn jetzt viel mehr Großen werden. Was wird das für die Bürgerinnen, Bürger bedeuten? Wie kann die das in ihre Prävention einbauen? Wie können die das Haftisch machen? Wo geht's dahin zukünftig? 

Ich denke, es muss ja ... Also ich denke, es ist schon so, dass bei den Bürgerinnen und Bürgerinnen da ein bisschen mehr auf die zukommt. Es gibt einfach viel mehr Möglichkeiten, dann sollte man sich auch mit Beschäftigten und ich denke, das sollte dann auch in Interaktion mit der Erzöschaft sein, die dann auch das ein bisschen mit anbieten und den Weg auch mitgehen müssen. 

Aber ich glaube, wenn wir jetzt anfangen, über Prävention zu sprechen, dann sitz wir in noch eine Stunde. Also da seh ich schon noch. 

Das ist dann die Vorortsetzung und unsere Prävention, weil ich finde das ja spannend rein, in Ordnungspolitisch, wenn wir Spanien das B-Farm macht das, was mir gerade besprochen haben, aber hier überhaupt die Diga ist. Also sagen die Ankoppelung dieser digitalen Welt, also ich habe eine Diga, die macht irgendwas für mich, vielleicht bei Depressionen oder so. Und ich kann das aber Koppeln mit anderen Daten setzen und kann vielleicht dann die Diga herstellen auch mal hinweisen. Wenn man sich eben sagen, guck mal dahin oder das hat sich bewährt, das finde ich spannend. Das alles hier in dieser Bundesobberwöhrde, das betrachtet ein bisschen Bundesobberde. Das ist bei dieser Bundesobberbehaltung zusammen läuft. Ich habe da Hoffnung, dass wir wirklich die Kurve kriegen, bis wir immer in Deutschland bin, ja ja, hat kein Internet und der Handy empfangen, bricht ab, und so weiter und digitale müsste. Aber mir macht sowas Hoffnung, dass wir hier zusammensitzen und ja, das ist jetzt vielleicht auch wirklich digital vorangeht und dass es bei der Bevölkerung ankommt, dass es spürbar wird. Dass digital hat nicht nur ein Anstand fachsschick mit ein E-Mail, sondern wir machen die Prozesse wirklich neu, wir denken die Dinge wirklich neu. Genau, das wäre natürlich dann auch wichtig. 

Ich denke, da ist viel in Bewegung, müssen dann ein bisschen mehr tun, damit bei den Leuten auch sagen, es ist wirklich in Bewegung, weil uns dann wirklich mit dem Finger drauf zeigen. Wir brauchen da wirklich, müssen die Beispiele, wo es wirklich nach vorne geht, müssen wir auch ein bisschen stärker in den Vordergrund rücken. 

Dafür ist ja unser Podcast da, unser mehr Einsatzwagen, aber auch das Auto. Wir machen ja die Demokratisierung oder die Digitalisierung, der gesundheit, affarbar, das Schöne, wir können nur überall rumfallen, wo es in Strasse gibt, da können wir hin. Und ich bedanke mich sehr, dass sie heute da waren, waren spannendes Gespräch, habe mir viel Spaß gemacht, viel gelernt, viele Einsichten und ich würde mich freuen, wie wir das fortsetzen würden. Und zum müssen Zeitpunkt, wo wir sagen, jetzt haben wir schon was erreicht, was haben wir damals angenommen, was dann sein wird und was am wir oben investieren. am Abend in den letzten. Ja, sehr gerne. 

Ich freue mich drauf. 

Vielen Dank.