Wie findet man einen Patienten in 20 verschiedenen Klinik-Systemen?

Worum es in dieser Folge geht

Gunnar Hoffmann ist Chief Data Officer der Sana Kliniken AG — vom Bodensee über ein VWL-Studium in Konstanz und die Wirtschaftsinformatik in die Business-Intelligence-Welt, mit Stationen in Beratung, bei Versicherungen und bei ProSiebenSat.1, bevor er vor fast 17 Jahren ins Gesundheitswesen wechselte. Seit rund vier Jahren verantwortet er als CDO das Daten-Ökosystem des Konzerns — direkt am Vorstand angesiedelt.

Diese Folge ist Teil 2 der Sana-Doppelfolge. Während Stefanie Kemp in Folge 335 die Transformation aus der Konzernperspektive beschreibt, gehen Gunnar und ich hier unter die Oberfläche: Wie kommt man an die Daten, die aus Dutzenden Systemen ein gemeinsames Fundament machen?

Die Storyline

Gewachsen durch Zukäufe: das Insel-Problem

Sana ist über die letzten 20 Jahre vor allem durch Wachstum groß geworden — Krankenhäuser, Arztsitze, medizinische Versorgungszentren, Dienstleister. Und mit jeder Übernahme kam eine eigene IT mit ins Haus.

Es geht dabei längst nicht nur um klinische Daten: Auch Einkauf und Logistik, Finanzen und HR erzeugen hochrelevante Daten für die Konzernsteuerung. Der Schwerpunkt liegt aber zunehmend auf den klinischen Daten — dort ist der Wertbeitrag am größten.

Warum Klinik-Daten anders sind: KISS, HL7 und FHIR

Ein Clinical Data Repository (CDR) ist im Kern eine analytische Datenplattform — aber mit Besonderheiten, die es sonst nirgends gibt. Um Daten überhaupt aus den Primärsystemen zu bekommen, braucht man Schnittstellen-Standards, die im Gesundheitswesen entstanden sind: HL7 und das modernere, web-nahe FHIR.

Statt sich ein eigenes Datenmodell zu bauen, nutzt man etablierte, standardisierte klinische Modelle — die Komplexität wäre sonst nicht beherrschbar. Der Grundgedanke bleibt vertraut: Extract, Transform, Load und das Bronze-Silber-Gold-Prinzip.

Ein Patient, viele Systeme: der Master Patient Index

Jedes Krankenhaus hat ein zentrales Klinisches Informationssystem — das KISS, das Primärsystem. Darum herum liegen spezialisierte Systeme: Labor, Radiologie, Herzkatheter. In einer Notaufnahme werden Stammdaten, Versicherung, Anamnese, Diagnose und Vitalparameter erhoben — und wandern durch diese Systemlandschaft, am Ende zurück ins KISS, weil dort abgerechnet wird.

Genau hier setzt der Master Patient Index an: Er erkennt, dass „Jonas" in zwei Kliniken und davor in einer ambulanten Praxis war — und macht die gesamte Behandlungshistorie (Longitudinal-Daten) nutzbar. Für die Behandlung selbst, aber auch für die Sekundärverwendung: Behandlungspfade optimieren, Qualität verbessern, Forschung ermöglichen.

Ohne Daten keine KI — und die 95-Prozent-Falle

Als ich die McKinsey-Zahl einwerfe, dass rund 95 Prozent der KI-POCs ohne Impact bleiben, bringt Gunnar den Mechanismus auf den Punkt: Man kauft ein cooles Tool, dreht sich um — und stellt fest, dass die passenden Daten fehlen.

Deshalb dreht Sana den Ansatz um: erst die standardisierte Datengrundlage im CDR schaffen — über alle Kliniken hinweg oder gezielt pro Fach-Use-Case — und dann die KI-Tools aufsetzen. Datenqualität setzt dabei nicht bei den Ärzten an (die sind für die Gesundheit da, nicht für die Data Scientists), sondern bei den Prozessen und Systemen: strukturierte Eingabe, Spracherfassung, die per KI ins KISS übersetzt wird.

Governance positiv verkaufen — und der Rat an den Data Engineer

Ein Punkt, der eng an meine eigenen Meetup-Diskussionen anschließt: Governance nicht als Regelwerk, sondern als Wertversprechen.

Und sein Rat an jeden, der morgen anfängt, Daten aus unterschiedlichen Systemen zusammenzuführen — ob Klinik oder Mittelstand:

Konzentrier dich auf einen Technologie-Stack, statt fünf halb auszuprobieren — aber vergiss über der Technik nie die Daten. Und wenn etwas „nicht geht", liegt es selten an der Technik, sondern an Zeit und Geld.

Warum mich das besonders umtreibt

Was ich mitnehme, ist die Universalität hinter dem Klinik-Spezialfall. Das Insel-Problem — jede zugekaufte Einheit bringt ihre eigene IT mit — sitzt in fast jedem gewachsenen Konzern. Und die 95-Prozent-Falle bei KI-POCs ist für mich kein Klinik-Thema, sondern der Beleg für meinen Kernsatz: erst die Daten, dann die KI.

Am meisten bleibt Gunnars Marsianer-Bild hängen: ein Riesenproblem in kleine, datenbasierte Schritte zerlegen — und trotzdem das große Ganze im Blick behalten. Genau so baut man ein Datenfundament, das am Ende auch KI trägt. Wer die ganze Sana-Geschichte will, hört Teil 1 mit Stefanie Kemp in Folge 335.

Jetzt reinhören