Healthcare-IT-Modernisierung – eine Operation am offenen Herzen

Hinzu kommt, dass Veränderungen im Gesundheitswesen schwerer zu implementieren sind als in anderen Branchen. Schließlich gibt es hier keinen Neustart am Wochenende. Jede Veränderung muss im laufenden Betrieb funktionieren, ohne Versorgungsrisiken.

Gartner-Prognose-Update

KI-Boom beschleunigt sich: Gartner hebt IT-Prognose deutlich an

Keine Modernisierung startet auf der grünen Wiese. Eine erfolgreiche Modernisierung folgt deshalb einem schrittweisen Vorgehen: Zunächst werden besonders kritische Altkomponenten abgelöst und die Sicherheitsbasis gestärkt. Anschließend werden Systeme entkoppelt, Integrationsschichten aufgebaut und klare Domänengrenzen definiert. Neue Funktionen entstehen parallel zum Bestand, während Altsysteme schrittweise ersetzt werden.

Parallel dazu müssen Daten strukturiert und als klar definierte Datenprodukte aufgebaut werden. Transparente Datenherkunft, Qualitätsmetriken und klare Verantwortlichkeiten schaffen die Grundlage für KI-Anwendungen. Ergänzt wird dies durch einen professionalisierten Betrieb mit klarer Serviceverantwortung, durchgängiger Beobachtbarkeit und strukturierten Incident- und Change-Prozessen. Die digitalen Fähigkeiten von Organisationen müssen in gleichem Maße wachsen wie deren technologische Möglichkeiten und letztendlich deren Ambitionen.

An dieser Stelle wird offenkundig, dass Technologie allein nicht reicht. Kultur, Kompetenzaufbau und Governance sind mindestens genauso wichtig und diese Prozesse müssen parallel gedacht und geplant werden.

Hybride und souveräne Cloud als strategische Grundlage

Kommen wir zur Herausforderung Cloud: In vielen Gesundheitseinrichtungen ist die Cloud-Landschaft nicht das Ergebnis einer klaren strategischen Entscheidung, sondern einer schrittweisen Entwicklung mit den bekannten Problemen, der fehlenden FinOps, der fehlenden Kosten-Nutzen-Kontrolle der stetig wachsenden Cloud Umgebungen neben bestehenden On-Premises-Umgebungen. Anwendungen wurden ausgelagert, neue Services ergänzt, bestehende Systeme angebunden – und so weiter. Was damit entstanden ist, sind hybride Strukturen, die zwar funktionieren, aber selten aus einem konsistenten Architekturkonzept hervorgegangen sind.

Eine tragfähige hybride Architektur muss bewusst gestaltet werden. Sie legt fest, welche Workloads aus fachlichen, regulatorischen oder sicherheitsrelevanten Gründen lokal betrieben werden und welche in einer Cloud-Umgebung sinnvoll aufgehoben sind. Dabei geht es nicht nur um Skalierbarkeit oder Kosten, sondern vor allem um Datenkontrolle und eben auch Kosten- oder vielmehr Wertekontrolle.

Es geht hier um das Thema Souveränität, also die Kontrolle über Datenresidenz, Verschlüsselung, Schlüsselmanagement und Anbieterabhängigkeiten und ein definiertes Werteversprechen. Einrichtungen müssen jederzeit nachvollziehen können, wo sensible Gesundheitsdaten gespeichert sind, wie sie verarbeitet werden und wer Zugriff erhält. Ebenso wichtig sind klare Exit-Strategien, um technologische Abhängigkeiten beherrschbar zu halten. Erst eine bewusst konzipierte hybride und souveräne Cloud-Architektur wird zum strategischen Enabler für KI. Andernfalls droht sie „nur” zu einer zusätzlichen Komplexitätsschicht zu werden. Steigende Risiken und Kosten wären die unmittelbare Folge.

Resilienz als Grundvoraussetzung für KI

Mit jeder neuen KI-Anwendung steigt die Abhängigkeit von einer stabilen technischen Basis. Datenpipelines müssen zuverlässig funktionieren. Identitäts- und Berechtigungssysteme dürfen keine Schwachstellen aufweisen. Integrationsdienste müssen hochverfügbar sein. Fällt eines dieser Elemente aus, wirkt sich das unmittelbar auf klinische Abläufe aus.

Resilienz bedeutet daher mehr als reine Ausfallsicherheit. Es geht um die Fähigkeit, Störungen frühzeitig zu erkennen, ihre Auswirkungen zu begrenzen und Systeme schnell wieder in einen stabilen Zustand zu versetzen. Dazu gehören klar definierte Sicherheitsarchitekturen, kontinuierliches Schwachstellenmanagement, getestete Wiederanlaufprozesse sowie ein durchgängiges Monitoring von Infrastruktur, Datenqualität, Modellverhalten und letztendlich auch geplante Latenz oder zeitnahe Verfügbarkeit, also auch deren Reaktionsfähigkeit.

Gerade im Zusammenspiel mit regulatorischen Anforderungen und zunehmenden Cyberrisiken wird deutlich, dass KI nur auf einer robusten Plattform nachhaltig funktionieren kann. Wer Resilienz systematisch aufbaut, schafft die Voraussetzung dafür, dass neue digitale Lösungen nicht zum zusätzlichen Risiko werden, sondern verlässlich zur Entlastung beitragen.

Fazit: KI beginnt im Fundament

Die größte Hürde für KI im Gesundheitswesen ist nicht die Rechenleistung, sondern die Infrastruktur. Wer Entlastung schaffen will, muss zuerst das Fundament stärken. Moderne Architekturen, interoperable Datenstrukturen, klare Governance und resiliente Betriebsmodelle sind die Voraussetzung dafür, dass KI im klinischen Alltag wirksam wird.

Dieses Fundament sollte und kann rechtzeitig geplant und aufgebaut werden. Das geht parallel zu ersten KI-Anwendungsfällen und ist heutzutage ebenso „agile” möglich und nötig, wie einst in der Softwareentwicklung, wenn eine Richtung definiert und eine Strategie entwickelt wird, die sich Stück für Stück der digitalen, KI gestützten Gesundheitsökonomie nähert und den Fokus auf die nachhaltige Entwicklung und langfristigen Wert dahinter legt.

Erst wenn diese strukturellen Grundlagen stimmen, kann künstliche Intelligenz ihr Potenzial entfalten und tatsächlich das liefern, was sie verspricht: Spürbare Entlastung für Fachkräfte und bessere Versorgung für Patientinnen und Patienten. Mit anderen Worten: Zeit für das, was wirklich zählt.

Whitepaper des Fraunhofer IAIS

Krankenhaus-KI braucht Strategie

Studie

KI macht Kliniken verwundbarer

(ID:50835926)