Die versteckten Kosten fragmentierter diagnostischer Arbeitsabläufe
Warum Datenqualität zur Grundlage moderner klinischer Versorgung wird
Ein Messergebnis erscheint auf einem Bildschirm. Ein weiteres liegt als PDF bereit und wartet darauf, in das System übernommen zu werden. Ein EKG befindet sich in einer anderen Anwendung, die nur über einen separaten Login erreichbar ist. Alle Informationen sind vorhanden, aber nur selten an einem Ort gebündelt. Bevor eine klinische Entscheidung getroffen werden kann, muss jemand sämtliche Informationen zusammenführen. Immer wieder.
Die medizinischen Geräte selbst sind dabei nur selten das eigentliche Problem. Sie sind heute schneller, intelligenter und präziser als je zuvor. Die eigentliche Herausforderung liegt dazwischen: in voneinander getrennten Arbeitsabläufen, fragmentierten Daten und dem Zeitaufwand, der nötig ist, um einzelne Messwerte in verwertbare klinische Informationen zu verwandeln.
Diese Herausforderung gewinnt zusätzlich an Bedeutung, da künstliche Intelligenz zunehmend Einzug in den klinischen Alltag hält. Laut der AMA Physician Survey 2026 nutzen inzwischen 81 % der Ärztinnen und Ärzte in den USA KI in ihrer täglichen Praxis, gegenüber 38 % im Jahr 2023. Trotz dieser rasanten Entwicklung bleiben viele diagnostische Abläufe jedoch fragmentiert und verhindern, dass das Potenzial künstlicher Intelligenz vollständig ausgeschöpft werden kann.
Genau dieses Thema stand im Mittelpunkt des Vortrags „Rethinking Diagnostic Pathways in Modern Healthcare“, den Sven Jungmann auf der MESI Conference 2026 hielt. Der ausgebildete Arzt wechselte später in die digitale Gesundheitswirtschaft und leitet heute aiomics, ein Unternehmen, das künstliche Intelligenz und datenbasierte Systeme nutzt, um klinische Entscheidungsprozesse zu verbessern.
An der Schnittstelle von Medizin, Technologie und klinischen Arbeitsabläufen beschäftigt sich Jungmann mit einer zentralen Frage: Warum gelingt es dem Gesundheitswesen trotz hochwertiger Diagnostik noch immer nicht, aus guten Messdaten vernetzte klinische Entscheidungen abzuleiten?
Seine Botschaft war eindeutig:
Die Zukunft des Gesundheitswesens wird nicht davon abhängen, wie viele neue Technologien wir einführen, sondern davon, wie intelligent wir sie miteinander verbinden.
„Wie hätte ich meinen Workflow neugestalten können, wenn es ihn damals noch gar nicht gab?“
Gleich zu Beginn seines Vortrags erinnerte Jungmann an einen bekannten Satz:"A fool with a tool is still a fool."
Die Aussage dahinter ist klar: Technologie allein löst keine strukturellen Probleme. Ohne durchdachte Arbeitsabläufe, vernetzte Daten und eine klare klinische Logik können selbst modernste Diagnostiklösungen zusätzliche Komplexität schaffen, statt sie zu reduzieren.
Erfahren Sie mehr von Sven Jungmann
Die Keynote beleuchtete nur einen Teil des Themas.
In diesem exklusiven Interview, das auf der MESI Conference 2026 aufgezeichnet wurde, spricht Sven Jungmann ausführlicher über die Herausforderungen fragmentierter Diagnostik, die Bedeutung hochwertiger Daten, den Einsatz von KI und die Zukunft einer vernetzten Gesundheitsversorgung.
Interview mit Sven Jungmann auf der MESI Conference 2026
Bessere Geräte, dieselben Arbeitsabläufe
Seit vielen Jahren konzentriert sich die medizinische Innovation vor allem auf die Weiterentwicklung einzelner Diagnosegeräte. Leistungsfähigere EKG-Systeme, schnellere Spirometrie, intelligente Wearables und immer präzisere bildgebende Verfahren haben dazu beigetragen, Diagnostik genauer und datenreicher zu machen.
Während sich die Geräte stetig weiterentwickelt haben, sind die Prozesse, in die sie eingebunden sind, vielerorts nahezu unverändert geblieben.
Genau hier beginnt die eigentliche Komplexität, nicht bei der Messung selbst, sondern bei allem, was danach folgt.
In vielen Gesundheitseinrichtungen läuft Diagnostik noch immer fragmentiert ab. Ein Gerät liefert einen Messwert, ein anderes speichert Daten in einem separaten System. Ärztinnen, Ärzte und Pflegekräfte wechseln ständig zwischen unterschiedlichen Anwendungen, übertragen Informationen manuell und setzen die Krankengeschichte eines Patienten aus verschiedenen Datenquellen zusammen.
Jeder einzelne Schritt erscheint für sich genommen überschaubar. Zusammengenommen entsteht jedoch ein Arbeitsablauf, der deutlich komplexer ist, als er sein müsste.
So zeigt sich fragmentierte Diagnostik in der Praxis: Messwerte, Patientendaten und Befunde entstehen auf unterschiedlichen Geräten und in voneinander getrennten Systemen, ohne einen durchgängigen Informationsfluss.
Im Zentrum dieser Herausforderung steht die Interoperabilität, oder vielmehr ihr Fehlen. Ohne Interoperabilität verlieren Daten ihren Zusammenhang. Und ohne diesen Kontext werden klinische Entscheidungen langsamer und schwieriger.
Die Kosten der Fragmentierung bleiben oft unsichtbar
Die Folgen fragmentierter Prozesse fallen selten sofort auf, weil sie sich über den gesamten Arbeitsalltag verteilen.
Es sind die zusätzlichen Minuten für einen weiteren Login. Der ausgedruckte Befund, der noch eingescannt werden muss. Die manuelle Übertragung von Messergebnissen in die elektronische Patientenakte. Oder der Anruf, um zu überprüfen, ob ein Untersuchungsergebnis überhaupt im System angekommen ist.
Jeder einzelne dieser Schritte wirkt unbedeutend.
Zusammengenommen kosten sie jedoch wertvolle klinische Zeit, die eigentlich den Patientinnen und Patienten zugutekommen sollte.
In seiner Arbeit im Bereich Digital Health kommt Jungmann immer wieder auf einen zentralen Gedanken zurück: Innovation bedeutet nicht zwangsläufig, Neues zu lernen. Oft geht es vielmehr darum, überholte Prozesse und Gewohnheiten hinter sich zu lassen.
Wie er selbst formuliert:„Manchmal bedeutet Innovation, Reibungsverluste zu beseitigen, statt neue Funktionen hinzuzufügen.“
Gerade in der Diagnostik ist dieser Gedanke besonders relevant, denn viele Arbeitsabläufe stammen noch aus einer Zeit, in der Gesundheitsversorgung deutlich weniger vernetzt und wesentlich langsamer organisiert war.
Nicht die Daten sind das Problem. Sondern ihre Qualität.
Die Herausforderung besteht heute nicht mehr darin, noch mehr Daten zu sammeln. Das Gesundheitswesen erzeugt bereits enorme Datenmengen. Entscheidend ist vielmehr, dass diese Informationen genau dann verfügbar, nutzbar und aussagekräftig sind, wenn sie für eine klinische Entscheidung benötigt werden.
Wie Sven Jungmann betonte, entfaltet künstliche Intelligenz ihr Potenzial nur auf einer stabilen Datengrundlage. Genau hier wird eines der wichtigsten Prinzipien der digitalen Medizin deutlich: „Garbage in, garbage out.“ Sind die Eingangsdaten unvollständig oder fehlerhaft, gilt das zwangsläufig auch für die Ergebnisse.
In seinem Vortrag verwies Jungmann auf eine aktuelle Studie, die in JAMA Network Open veröffentlicht wurde. Darin wurde die diagnostische Entscheidungsqualität von Ärztinnen und Ärzten sowie von GPT-4 verglichen. Während Ärztinnen und Ärzte ohne Unterstützung eine Trefferquote von 73,7 % erreichten und mit Unterstützung von GPT-4 auf 76,3 % kamen, erzielte GPT-4 allein 92,0 %.
„Wenn Informationen überall verstreut sind, wird zwangsläufig ein wichtiger Schritt übersprungen.“
Sven Jungmann, MESI Conference 2026
Diese Ergebnisse sind beeindruckend. Gleichzeitig werfen sie eine entscheidende Frage auf: Was passiert, wenn künstliche Intelligenz zwar leistungsfähig ist, die zugrunde liegenden Daten jedoch unvollständig, fragmentiert oder widersprüchlich sind?
Ganz gleich, wie fortschrittlich ein KI-Modell, eine Analyseplattform oder ein klinisches Entscheidungsunterstützungssystem sein mag – die Qualität der Ergebnisse kann niemals besser sein als die Qualität der Daten, auf denen sie basiert.
Sind diagnostische Daten unvollständig, inkonsistent, manuell erfasst oder über mehrere voneinander getrennte Systeme verteilt, spiegeln auch die daraus gewonnenen Erkenntnisse genau diese Schwächen wider.
Damit handelt es sich längst nicht mehr nur um ein technisches Problem.
Es entwickelt sich zu einer der größten klinischen Herausforderungen im modernen Gesundheitswesen.
Datenqualität wird zur klinischen Infrastruktur
Mit der zunehmenden Nutzung von prädiktiver Analytik, Automatisierung und KI-gestützter Entscheidungsfindung gewinnen strukturierte und standardisierte Diagnosedaten immer mehr an Bedeutung.
Ohne diese Grundlage besteht die Gefahr, hochentwickelte digitale Lösungen auf einem instabilen Fundament aufzubauen.
Datenqualität darf deshalb nicht länger ausschließlich als IT- oder Verwaltungsaufgabe verstanden werden. Sie entwickelt sich zu einem wesentlichen Bestandteil der klinischen Infrastruktur.
Gleichzeitig bringt die rasche Verbreitung künstlicher Intelligenz neue Herausforderungen im Bereich Verwaltung und Regulierung mit sich. Jungmann verwies darauf, dass 40 % der Beschäftigten im Gesundheitswesen bereits auf nicht autorisierte KI-Anwendungen innerhalb ihrer Organisation gestoßen sind. Das zeigt, wie schnell sich technologische Entwicklungen vollziehen und wie schwer es vielen Gesundheitseinrichtungen fällt, geeignete Strukturen dafür zu schaffen.
Verlässliche, strukturierte und konsistente Daten verändern die medizinische Versorgung grundlegend.
Sie ermöglichen schnellere klinische Entscheidungen, verbessern die Kontinuität der Versorgung und erleichtern den Vergleich diagnostischer Ergebnisse über längere Zeiträume hinweg.
Darüber hinaus fördern sie die Zusammenarbeit zwischen verschiedenen Berufsgruppen, da alle Beteiligten auf dieselbe aktuelle und vollständige Informationsbasis zugreifen können.
Gerade in der Prävention ist dies von besonderer Bedeutung. Hochwertige Daten helfen dabei, Risiken früher zu erkennen und rechtzeitig Maßnahmen einzuleiten, noch bevor sich Erkrankungen weiterentwickeln.
Nicht alle Kosten lassen sich in Zeit messen
Doch die Folgen fragmentierter Diagnostik lassen sich nicht allein in verlorenen Minuten beziffern. Manche werden in einer noch wertvolleren Ressource sichtbar: unserer Aufmerksamkeit.
„Wir glauben oft, Zeit sei unsere knappste Ressource. Tatsächlich ist es jedoch unsere Aufmerksamkeit.“
Sven Jungmann, MESI Conference 2026
Jeder unterbrochene oder voneinander getrennte Arbeitsablauf verlangt den Beschäftigten im Gesundheitswesen zusätzliche Konzentration ab. Sie müssen sich merken, wo Daten gespeichert sind, prüfen, ob Ergebnisse korrekt übertragen wurden, feststellen, welche Version aktuell ist, und beurteilen, ob die vorliegenden Informationen überhaupt verlässlich sind.
Jeder einzelne dieser Schritte wirkt auf den ersten Blick unbedeutend. In ihrer Summe erzeugen sie jedoch eine permanente kognitive Belastung, die sich mit der Zeit zu mentaler Erschöpfung entwickelt.
Gerade in Gesundheitssystemen, die bereits heute unter erheblichem Druck stehen, gewinnt dieser Aspekt zunehmend an Bedeutung.
Burnout entsteht nicht ausschließlich durch hohe Arbeitsbelastung. Ebenso tragen komplexe Prozesse, ineffiziente Abläufe und der ständige mentale Aufwand dazu bei, sich in Systemen zurechtzufinden, die den Arbeitsalltag eigentlich erleichtern sollten.
Technologie sollte diese Belastung reduzieren und nicht zusätzlich verstärken.
Die Zukunft der Diagnostik ist vernetzt
Deshalb muss sich auch unser Verständnis von Diagnostik verändern.
Das Ziel sollte nicht darin bestehen, immer mehr Einzeltechnologien in den klinischen Alltag zu integrieren. Entscheidend ist vielmehr der Aufbau vernetzter diagnostischer Ökosysteme, in denen jede Messung zu einem vollständigen und konsistenten Gesamtbild des Patienten beiträgt.
Diagnostik sollte nicht länger aus isolierten Einzeluntersuchungen bestehen, sondern Teil einer integrierten klinischen Infrastruktur sein, die schnellere Entscheidungen ermöglicht, fundiertere Erkenntnisse liefert und die Zusammenarbeit zwischen allen Beteiligten verbessert.
Genau zu diesem Perspektivwechsel wollte Sven Jungmann die Teilnehmenden seiner Keynote bewegen.
Die entscheidende Frage lautet heute nicht mehr, ob das Gesundheitswesen noch mehr Daten erzeugen kann. Das kann es bereits.
Viel wichtiger ist, ob es gelingt, aus den bereits vorhandenen Informationen eine einheitliche und vertrauenswürdige Datenbasis zu schaffen und die umgebenden Systeme so zu gestalten, dass daraus konkrete klinische Entscheidungen entstehen können.
Denn die versteckten Kosten fragmentierter Diagnostik entstehen nur selten durch die Geräte selbst.
Sie entstehen durch verlorene Zeit zwischen verschiedenen Systemen, verzögerte Entscheidungen, steigenden administrativen Aufwand und verpasste Chancen, Erkrankungen früher zu erkennen und rechtzeitig zu handeln.
Und genau diese Kosten gehören heute zu den größten Herausforderungen moderner Gesundheitssysteme.
Über Sven Jungmann
Sven Jungmann arbeitet an der Schnittstelle von Medizin, künstlicher Intelligenz und digitalen Gesundheitssystemen. Mit seiner Arbeit bei aiomics sowie seinem Engagement im internationalen Gesundheitsinnovationsbereich hinterfragt er etablierte Ansätze im Umgang mit Daten, klinischen Arbeitsabläufen und medizinischen Entscheidungsprozessen.
Sein Vortrag auf der MESI Conference 2026 machte deutlich, was sich zunehmend als Realität abzeichnet: In einer Zukunft, die von künstlicher Intelligenz geprägt sein wird, hängt die Leistungsfähigkeit diagnostischer Verfahren nicht allein von einzelnen Technologien ab, sondern vor allem von den Systemen, die Daten, Prozesse und Menschen intelligent miteinander verbinden.