KI im Krankenhaus: Fraunhofer-Projekte und Studien im Überblick

Fraunhofer arbeitet an KI für nahezu jeden Abschnitt eines Krankenhausaufenthalts: von der Aufnahme und Dokumentation über Bilddiagnostik und Operationsplanung bis zur Entlassung. Hinzu kommen Personalplanung, Materialversorgung, Dateninfrastruktur und die Prüfung medizinischer KI. Die Arbeiten verteilen sich auf zahlreiche Institute, häufig in Verbünden mit Kliniken, Hochschulen und Unternehmen.

Ein früher Ausgangspunkt ist das Projekt LOTTE des Fraunhofer IAIS zur Versorgung Schwerverletzter. Seither sind weitere Forschungsprojekte, technische Erprobungen und Leistungsangebote hinzugekommen. Auch die wissenschaftliche Literatur enthält inzwischen kontrollierte Untersuchungen einzelner Anwendungen mit Fraunhofer-Beteiligung.

Dieser Überblick ordnet öffentlich dokumentierte Aktivitäten nach ihrem Einsatz im Krankenhaus. Er verbindet Projektbeschreibungen mit einer PubMed-Recherche vom 12. Oktober 2026. Bei jedem Beispiel ist entscheidend, ob die Quelle ein Forschungsziel, eine verfügbare Anwendung oder ein untersuchtes Ergebnis beschreibt. Ein vollständiges Verzeichnis sämtlicher laufender und vertraulicher Fraunhofer-Aufträge lässt sich daraus nicht ableiten.

LOTTE: Sechs Einsatzfelder in der Notfallversorgung

Im Projekt LOTTE untersuchte das Fraunhofer IAIS gemeinsam mit klinischen und rechtswissenschaftlichen Partnern, wie KI die Erstversorgung Schwerverletzter unterstützen könnte. Die 2020 veröffentlichte Darstellung beschreibt sechs Szenarien:

• Informationen aus der Alarmierung automatisch erfassen und weitergeben.
• Mündliche Übergaben und Behandlungsgespräche strukturiert dokumentieren.
• Die voraussichtliche Komplexität und den weiteren Verlauf eines Falles einschätzen.
• Fallbezogen auf medizinische Leitlinien zugreifen.
• Relevante wissenschaftliche Literatur erschließen.
• Individuelle Risiken eines operativen Eingriffs abschätzen.

Die Seite kennzeichnet diese Szenarien ausdrücklich als mögliche Anwendungen in einem künftigen Krankenhaus. Ihr Beitrag liegt in der Beschreibung konkreter Aufgaben und Voraussetzungen; für die sechs Szenarien wird dort kein gemeinsamer klinischer Wirksamkeitsnachweis vorgelegt. Fraunhofer IAIS: LOTTE.

Die Arbeit an der Notfallversorgung wurde unter anderem mit TraumAInterfaces weitergeführt. Die beschriebenen Prototypen verarbeiten gesprochene Informationen, ordnen sie dem Behandlungskontext zu und unterstützen die strukturierte Darstellung sowie das Ausfüllen von Dokumentationsformularen. Das IAIS beschreibt daraus hervorgegangene KI-Agentensysteme für den Schockraum. Wie viel Prüfaufwand verbleibt und welche Wirkung sie auf die Versorgung haben, muss in der jeweiligen Anwendung untersucht werden. KI im Schockraum.

Dokumentation: Arztbriefe, Kodierung und Gesprächserfassung

Beim Fraunhofer IAIS bildet die Verarbeitung klinischer Texte einen eigenen Schwerpunkt. Das Angebot HospitAI bündelt unter anderem die Erstellung von Arztbriefentwürfen, die Extraktion von Befundinformationen, Kodierunterstützung, Formularbearbeitung und Abfragen von Patientenakten. Die Beschreibung sieht Quellenbezüge und eine ärztliche Prüfung vor. Das sind angebotene Funktionen; die Leistungsbeschreibung liefert für sich genommen keinen unabhängigen Nachweis einer bestimmten Zeitersparnis. IAIS-Angebot zur klinischen Dokumentation.

Zur Vorgeschichte gehört die gemeinsam mit GSG entwickelte Kodierunterstützung RICO. Sie soll dokumentierte Diagnosen und Leistungen für den Kodierprozess erschließen. Fraunhofer berichtete 2020 über den Einsatz in mehreren Krankenhäusern. Aussagen über zusätzlich erzielbare Erlöse wären gesondert anhand geeigneter Vergleichsdaten zu prüfen. Fraunhofer zur Kodierunterstützung.

Bei der Gesprächsdokumentation waren die Institute IBMT und IDMT an ADAPI beteiligt. Eine 2025 veröffentlichte Untersuchung beschreibt die Einbindung automatischer Spracherkennung und semantischer Informationsextraktion in das Krankenhausinformationssystem einer Augenklinik. In der prospektiven Untersuchung mit 50 Patient:innen bemerkten 70 Prozent keine Veränderung der Gesprächsqualität, 26 Prozent eine Verbesserung. Die Autor:innen fanden insgesamt keinen relevanten Unterschied in der Gesprächsqualität. Die kleine Untersuchung belegt vor allem eine konkrete technische und organisatorische Erprobung. ADAPI-Untersuchung.

Die Textforschung untersucht auch Auslassungen

Eine Arbeit mit IAIS-Beteiligung verglich 2025 verschiedene Verfahren zur Extraktion klinischer Angaben aus 2.013 pathologischen und 413 radiologischen Befunden. Speziell auf die Aufgabe angepasste Modelle schnitten besser ab als die untersuchten großen Sprachmodelle. Bei Letzteren gingen viele relevante Angaben verloren: Die ausgegebenen Informationen waren häufig zutreffend, aber unvollständig. Das Ergebnis gilt für die untersuchten Modelle, Aufgaben und Daten. Es zeigt, weshalb eine Prüfung klinischer Textverarbeitung auch erfassen sollte, welche Informationen fehlen. Vergleich zur Befundextraktion.

Auch die Wahl eines einfacheren Verfahrens wird untersucht. Eine Veröffentlichung mit Beteiligung des Fraunhofer IAO verglich 2025 die Erkennung von Verneinungen in deutschen Entlasstexten. Das getestete Sprachmodell erreichte eine etwas höhere Genauigkeit als das regelbasierte Vergleichssystem, benötigte jedoch erheblich mehr Rechenzeit. Für eine klar abgegrenzte Aufgabe gehören solche Vergleichsverfahren deshalb in die Bewertung. Untersuchung zur Erkennung von Verneinungen.

Entlassung: Verständliche Informationen für Patient:innen

Ein 2026 veröffentlichter Versuch mit Beteiligung des Fraunhofer ISST untersuchte patientengerecht formulierte Entlassinformationen. In einer randomisierten Studie an einem Krankenhaus in Wuppertal erhielten 128 Erwachsene entweder die übliche Entlasszusammenfassung oder eine durch GPT-4o erzeugte, von der behandelnden Ärztin beziehungsweise dem behandelnden Arzt geprüfte Fassung.

Die Patient:innen mit der überarbeiteten Fassung erzielten bei Entlassung höhere Werte auf einem Fragebogen zu Wissen, Fähigkeiten und Zutrauen im Umgang mit der eigenen Gesundheit. Der geschätzte Unterschied betrug 9,6 Punkte; das 95-Prozent-Konfidenzintervall reichte von 4,3 bis 15,1 Punkten. Die Studie untersuchte einen Standort und einen bestimmten Arbeitsablauf einschließlich ärztlicher Prüfung. Weniger Wiederaufnahmen oder eine niedrigere Sterblichkeit lassen sich aus diesem Ergebnis nicht ableiten. Randomisierte Studie zu Entlassinformationen.

Für die Umsetzung ist gerade die Kombination aus verständlicher Sprache und fachlicher Kontrolle interessant. Eine patientengerechte Darstellung braucht dieselbe Sorgfalt bei Dosierungen, Zeitpunkten und Nachsorgehinweisen wie der zugrunde liegende Arztbrief.

Bilddiagnostik: Radiologie, Tumorverlauf und digitale Pathologie

Fraunhofer MEVIS hat einen ausgeprägten Schwerpunkt in der medizinischen Bildverarbeitung. Ein Beispiel ist die Unterstützung von Verlaufskontrollen bei Krebserkrankungen. Die Anwendung OncoChange soll die Vermessung von Tumorherden und die Bewertung des Therapieansprechens erleichtern. MEVIS zur KI-gestützten Verlaufskontrolle.

Eine zugehörige internationale Auswertungsstudie von 2026 untersuchte Aufnahmen von 212 Patient:innen, die 23 Ärzt:innen unter unterschiedlichen Bedingungen beurteilten. Mit KI-Unterstützung sank die Bearbeitungszeit durchschnittlich um 36 Sekunden pro Patient:in. Die Übereinstimmung bei der Einordnung des Therapieansprechens nahm zu. Gleichzeitig stieg die Streuung bei Messungen einzelner Tumorherde etwas an. Vorbereitete Messungen durch andere Ärzt:innen waren ein zusätzlicher Vergleich und erzielten eine noch höhere Übereinstimmung. Die rückblickende Untersuchung zeigt damit einen möglichen Nutzen für die Befundung und zugleich einen verbleibenden Zielkonflikt. Studie zur Tumorvermessung.

Weitere Arbeiten reichen von der Erkennung von Bauchspeicheldrüsenkrebs in Computertomografien bis zur Brustkrebsdiagnostik in der Magnetresonanztomografie. Die internationale PANORAMA-Studie mit MEVIS-Beteiligung untersuchte die Erkennungsleistung anhand vorhandener Aufnahmen und im Vergleich mit Radiolog:innen. Sie liefert diagnostische Vergleichsdaten; ein Vorteil für Überleben oder Lebensqualität wurde damit nicht nachgewiesen. PANORAMA.

In der digitalen Pathologie entwickelt das Fraunhofer IIS Verfahren zur Auswertung von Gewebebildern, unter anderem im Umfeld der Software MIKAIA. Das Institut bietet außerdem Entwicklung für endoskopische und weitere medizinische Bildanalysen an. Medizinische Bildanalyse am IIS.

Die Initiative EMPAIA mit MEVIS-Beteiligung bearbeitet die Einbindung solcher Anwendungen in den Laborbetrieb. Eine Veröffentlichung von 2024 beschreibt die Integration von 14 KI-Anwendungen aus acht Unternehmen über eine gemeinsame Schnittstelle sowie die Zusammenarbeit mit 14 pathologischen Laboren. Das adressiert eine praktische Voraussetzung: Bildanalyse muss mit den vorhandenen Geräten, Bildverwaltungssystemen und Arbeitsabläufen zusammenpassen. EMPAIA-Veröffentlichung.

Operationssaal: Abläufe erkennen, Risiken untersuchen, Robotik erproben

Die Arbeit am Operationssaal umfasst mehrere technische Ebenen:

• Das Fraunhofer HHI beteiligt sich an der automatischen Erkennung von Operationsphasen aus Videoaufnahmen. Eine Studie von 2025 zur Gallenblasenentfernung zeigte, dass die Übertragung eines Modells auf einen weiteren Standort von zusätzlichen lokalen Trainingsdaten profitierte. Studie zur Übertragbarkeit.
• Das Fraunhofer IPA untersucht im Projekt DAIOR verteiltes Lernen aus Operationsdaten und KI für roboterassistierte Telechirurgie. Die Projektbeschreibung formuliert Entwicklungsziele, etwa die Verarbeitung verschiedener Datenarten und den Umgang mit Übertragungsverzögerungen. DAIOR.
• Das Fraunhofer IMTE betreibt seit März 2026 den Forschungsoperationssaal LIROS. Er bietet eine Umgebung zur Entwicklung und Erprobung robotischer und KI-gestützter Verfahren. Beim Vorhaben TINUSA geht es um die Erkennung von Hirntumorgewebe mithilfe von Ultraschall und KI. Fraunhofer zu LIROS, TINUSA.
• Fraunhofer MEVIS übernimmt im Vorhaben KIPeriOP die technische Koordination. Untersucht wird, wie Routinedaten und KI die Einschätzung von Risiken rund um eine Operation unterstützen können. Eine Verringerung von Komplikationen ist das formulierte Ziel. KIPeriOP.

Auch neue Verfahren zur Gewebeerkennung gehören dazu. Eine Untersuchung mit Beteiligung des Fraunhofer ILT beschrieb 2025 die Kombination aus Raman-Mikroskopie und maschinellem Lernen zur Unterscheidung zweier Arten von Hirntumoren anhand von Operationsmaterial. Solche begrenzten Validierungen bilden einen frühen Schritt auf dem Weg zur klinischen Anwendung. Studie zur Gewebeerkennung.

Krankenhausbetrieb: Transporte, Material und Personal

Am Fraunhofer IML stehen logistische und betriebliche Abläufe im Mittelpunkt. Die veröffentlichten Beispiele reichen von der Transportdisposition mit KIK.Dispo über die automatische Materialanforderung im Projekt AI4Demand bis zu sensorbasiert erfassten Pflegetätigkeiten im abgeschlossenen Projekt Eingabefreie Station. Eine 2025 veröffentlichte Übersichtsarbeit ordnet diese Ansätze nach Funktion und Automatisierungsgrad ein. Sie beschreibt Anwendungen und Einführungshürden; aus ihr lässt sich keine einheitliche Einsparquote für Krankenhäuser ableiten. IML zur Digitalisierung im Krankenhaus, wissenschaftliche Übersicht.

Mit 5G-RemRob untersuchte das IML automatisierte Transporte im Krankenhaus. Im Projekt CICERO, dessen Laufzeit bis Oktober 2028 reicht, werden sprachlich ansprechbare Assistenzroboter für Versorgungsaufgaben entwickelt. Erprobung automatisierter Transporte, CICERO.

Fraunhofer ISST bearbeitete im Projekt ICON gemeinsam mit dem Universitätskrankenhaus Aarhus zwei Vorhersageaufgaben: die Dauer von Operationen und das zu erwartende Aufkommen in der Notaufnahme. Die angegebene Projektlaufzeit endete im August 2025. ICON.

Fraunhofer IKS arbeitet mit ATOSS an Verfahren für die Personaleinsatzplanung. Weitere Arbeiten mit der Universitätsmedizin Mainz betreffen die Vorhersage des Personalbedarfs auf einer Station. Hier wäre im praktischen Einsatz zu untersuchen, wie sich Prognosefehler, kurzfristige Ausfälle und unterschiedliche Qualifikationen auf die tatsächlich nutzbare Planung auswirken. Fraunhofer zu Personalplanung und Krankenhausmanagement.

Individuelle Verläufe: Herzgesundheit, Neurologie und Rehabilitation

Ein weiterer Schwerpunkt liegt auf der Verbindung unterschiedlicher Daten zu patientenbezogenen Modellen. Das vom Fraunhofer IGD koordinierte Vorhaben MED²ICIN erarbeitete einen digitalen Patientenmodellansatz, der beispielsweise Krankengeschichte, Bilddaten und weitere Befunde zusammenführt. Die öffentlich beschriebenen Anwendungen sind als Forschung und prototypische Entwicklung einzuordnen. Fraunhofer IGD zum digitalen Patientenmodell.

Im Projekt CERTAINTY entwickelt ein Verbund unter Leitung des Fraunhofer IZI einen virtuellen Zwilling für die Behandlung mit Krebsimmuntherapien. Ausgangspunkt ist das Multiple Myelom. Molekulare Merkmale und klinische Verlaufsdaten sollen gemeinsam ausgewertet werden, um individuelle Behandlungsverläufe zu modellieren. CERTAINTY.

Bei der Herzgesundheit während und nach einer Krebsbehandlung laufen unterschiedliche Vorhaben: Im europäischen Projekt COMPASS verantwortet das Fraunhofer IKS ein Arbeitspaket zur Risikoeinteilung und Entwicklung von Vorhersagemodellen. Das Fraunhofer IMS untersucht mit I-CHECK-HEART die KI-gestützte Auswertung von Vitaldaten in der kardioonkologischen Nachsorge. Beide Beispiele stehen für laufende Entwicklung; die angestrebte Verbesserung der Versorgung braucht eigene klinische Nachweise. COMPASS am IKS, I-CHECK-HEART.

Das Fraunhofer SCAI ist am Vorhaben ACCESS-AD beteiligt, das für den Zeitraum 2026 bis 2030 daten- und biomarkergestützte Ansätze für die Alzheimer-Versorgung untersucht. In Psych-STRATA geht es um Modelle, die das Ansprechen auf Behandlungen bei schweren psychischen Erkrankungen vorhersagen sollen. ACCESS-AD, Psych-STRATA.

Am Fraunhofer IMTE gehören KI-gestützte Bewegungsanalysen zur Arbeit an Rehabilitation und Funktionsdiagnostik. Damit reicht die Forschung auch in die Versorgung vor und nach dem stationären Aufenthalt. Bewegungsanalyse am IMTE.

Dateninfrastruktur: Informationen strukturieren und gemeinsam auswerten

Ein Teil der Fraunhofer-Arbeit schafft die Voraussetzungen für spätere KI-Anwendungen. Im Projekt FHIR-Starter entwickelt das Fraunhofer IESE mit Partnern Verfahren, die medizinische Freitexte in ein standardisiertes Austauschformat überführen. Zur Entwicklung gehören ausdrücklich auch Methoden gegen erfundene oder fehlerhaft übernommene Angaben. Als Ergebnis ist ein Demonstrator vorgesehen. FHIR-Starter.

Fraunhofer ISST arbeitet unter anderem an der Zusammenführung klinischer Forschungsdaten in Bochum und an IDERHA. An letzterem Vorhaben beteiligt sich auch das Fraunhofer ITMP; anhand des Anwendungsfeldes Lungenkrebs sollen unterschiedliche Gesundheitsdaten für Forschung und Bewertung zusammengeführt werden. Fraunhofer MEVIS ist außerdem technischer Partner des radiologischen Forschungsnetzwerks RACOON und bringt Verfahren zur Aufbereitung und Analyse von Bilddaten ein. Fraunhofer zu Gesundheitsdaten.

Für das Lernen über mehrere Standorte hinweg gibt es sowohl methodische als auch anwendungsbezogene Arbeiten. Eine 2026 veröffentlichte Arbeit mit FIT-Beteiligung beschreibt mit TrainTracks einen Ansatz, um Datenstände, Rechenschritte und Änderungen beim verteilten Lernen nachvollziehbar festzuhalten. Eine Studie mit MEVIS-Beteiligung erprobte 2025 die gemeinsame Entwicklung von Modellen zur Brustkrebsdiagnostik in mehreren Ländern, während die Bilddaten vor Ort verblieben. Das sind Beiträge zur technischen Zusammenarbeit und Überprüfbarkeit. Nachvollziehbares verteiltes Lernen, internationale Studie zur Brustbildgebung.

Sicherheit und Zusammenarbeit mit klinischem Personal

Fraunhofer IKS beteiligt sich an KI-MED, einem Vorhaben zur Bewertung medizinischer KI-Modelle und ihrer Datensätze über den gesamten Lebenszyklus. Im europäischen Projekt INDICATE geht es um die Vernetzung intensivmedizinischer Daten und vertrauenswürdige KI. Beide Aktivitäten verbinden die Entwicklung von Anwendungen mit Fragen ihrer Prüfung und verantwortlichen Nutzung. IKS-Projektübersicht.

Eine IKS-Veröffentlichung von 2026 leitet Gestaltungsregeln für die Zusammenarbeit zwischen Ärzt:innen und diagnostischer KI aus einer systematischen Gefährdungsanalyse ab. Sie berücksichtigt unter anderem das übermäßige Vertrauen in automatische Vorschläge und missverständliche Erklärungen. Die Arbeit liefert eine Methode zur Sicherheitsgestaltung; eine Verringerung von Behandlungsfehlern im Klinikbetrieb wurde damit nicht belegt. Studie zur sicheren Mensch-KI-Interaktion.

Bei medizinischen Robotern begleitet das Fraunhofer IIS im Projekt REGINA mehrere Vorhaben wissenschaftlich. Dazu gehören Fragen der Sprachinteraktion, Zusammenarbeit und Bewertung. Beispiele mit weiterer Fraunhofer-Beteiligung sind MAPPLE am IFF zur Unterstützung bei pflegerischen Verrichtungen sowie SURREAL am IMTE und IDMT zur sprachgesteuerten robotischen Ultraschalluntersuchung. Die Projekte untersuchen jeweils klar umrissene Aufgaben. REGINA und die begleiteten Projekte, SURREAL.

Einführung in der Klinik: Strategie, Qualifizierung und Veränderung

Mit SmartHospital.NRW arbeiteten Fraunhofer IAIS und MEVIS in einem von der Universitätsmedizin Essen geführten Verbund an der Einführung von KI im Krankenhaus. Dazu gehörten Anwendungserprobungen, die Bewertung der eigenen Voraussetzungen und die Begleitung organisatorischer Veränderungen. Die Projektergebnisse umfassen auch Materialien zur Qualifizierung und Umsetzung. SmartHospital.NRW.

Ein im April 2026 vorgestellter IAIS-Leitfaden beschreibt die Entwicklung einer klinikspezifischen KI-Strategie: Ausgangslage erfassen, geeignete Anwendungen auswählen, Zuständigkeiten und Umsetzung planen sowie den Einsatz fortlaufend bewerten. Diese Arbeit an Einführung und Betrieb ergänzt die Entwicklung einzelner Verfahren. IAIS zur KI-Strategie im Krankenhaus.

Was wir bei aiomics daraus für sinnvolle KI-Nutzung ableiten

Aus unserer Sicht verdienen drei Größen eine gemeinsame Betrachtung: die tatsächlich verbleibende Arbeitszeit, die Verlässlichkeit der verarbeiteten Informationen und der nachweisbare Nutzen für die Versorgung und den Krankenhausbetrieb.

Bei einer Dokumentationsanwendung bedeutet das: Entwurf, Prüfung, Korrektur und Freigabe gehören in dieselbe Zeitmessung. Bei der inhaltlichen Bewertung sollten zutreffende Angaben, erfundene Inhalte, Widersprüche und relevante Auslassungen getrennt erfasst werden. Die Untersuchung zur Befundextraktion zeigt, wie ein System bei ausgegebenen Angaben zuverlässig wirken und zugleich wichtige Informationen übersehen kann.

Die Vergleichsgruppe hängt von der Aufgabe ab. Infrage kommen der bisherige Ablauf, eine überarbeitete Vorlage, regelbasierte Verarbeitung oder ein anderes KI-Verfahren. Auch eine vorgesehene Schutzmaßnahme, etwa die ärztliche Prüfung, sollte untersucht werden: Welche Fehler werden unter realistischen Arbeitsbedingungen tatsächlich erkannt? Wie viel zusätzliche Arbeit entsteht?

Für die wirtschaftliche Bewertung zählen anschließend die gesamten Aufwände einschließlich Anbindung, Schulung und fortlaufender Qualitätssicherung. Nach Änderungen am Modell oder an den Datenquellen ist zu prüfen, ob die bisherigen Ergebnisse noch gelten. Unsere Überlegungen dazu vertiefen wir im Beitrag zur unabhängigen Bewertung klinischer KI.

Wir entwickeln selbst Software für klinische Dokumentation. Die hier dargestellten Fraunhofer-Projekte und Studien dienen der fachlichen Einordnung; aus ihnen lassen sich keine Leistungsnachweise für unsere eigenen Anwendungen ableiten.

Wie die Recherche entstanden ist

Stand: 12. Oktober 2026. Ausgangspunkt war die LOTTE-Seite des Fraunhofer IAIS. Ergänzend wurden die institutsübergreifenden Fraunhofer-Themenseiten, einzelne Projekt- und Angebotsseiten sowie wissenschaftliche Veröffentlichungen geprüft.

Die PubMed-Suche verband Fraunhofer in der institutionellen Zuordnung mit Begriffen zu künstlicher Intelligenz, maschinellem Lernen, neuronalen Netzen und Sprachmodellen. Der abgefragte Veröffentlichungszeitraum reichte vom 1. Januar 2024 bis zum 12. Oktober 2026. Aus den Treffern wurden Titel, Zusammenfassungen und Institutszuordnungen mit Bezug zu stationärer Versorgung und angrenzenden Versorgungsschritten ausgewertet. Die beschriebenen Studien sind eine thematisch ausgewählte Ergänzung, keine systematische Literaturübersicht. Eine Fraunhofer-Zuordnung bei Autor:innen belegt die Beteiligung, ohne automatisch eine Leitung des gesamten Projekts zu bedeuten.