Mehrfaches Umkreisen von Landestellen erhöht bei Rettungseinsätzen Sicherheitsrisiken, verzögert die Patientenversorgung und erhöht den Treibstoffverbrauch. Das gemeinsam mit XITASO entwickelte Assistenzsystem ENGEL erfasst die Umgebung sensorbasiert und berechnet daraus optimale Landetrajektorien. Dadurch verkürzt sich die Einsatzflugzeit um rund 10 Prozent, die Erstversorgung erfolgt schneller und die Emissionen sinken.
KI-gestützte Prognose von Urlaubsrückstellungen bei Vetter Pharma
Personalcontroller kalkulierten Urlaubsrückstellungen bislang manuell über Durchschnittswerte, was die Genauigkeit der Personalbudgetierung einschränkte. Die als R-Shiny-App umgesetzte Lösung nutzt Machine Learning auf Basis von Zeitreihenanalyse, um die Rückstellungen je Kostenstelle präziser vorherzusagen.
KI-Sprachbot entlastet Leitstelle der Münchner Feuerwehr bei Krankentransporten
In der Integrierten Leitstelle der Branddirektion München erfasst ein Azure-basierter Sprachbot strukturiert Anfragen für planbare Krankentransporte, während Notrufe weiterhin höchste Priorität behalten. Die Bearbeitungszeit pro Anruf sinkt um durchschnittlich 3,5 Minuten, Wartezeiten für Klinikpersonal entfallen, und das System kann rund 400 Anfragen täglich verarbeiten. Nach einer Pilotphase im Februar 2026 ist ein schrittweiser Roll-out geplant.
Patient21 automatisiert klinische Dokumentation in Zahnarztpraxen mit generativer KI
Patient21 betreibt über 50 Zahnkliniken in Deutschland und setzt generative KI auf Basis von Amazon SageMaker und Amazon Bedrock ein, um Verwaltungsaufgaben wie Dokumentation und Behandlungsplanung zu automatisieren. Die KI-generierten klinischen Notizen und Code-Zuordnungen erreichen eine Genauigkeit von 95 Prozent, wodurch Zahnärzte sich stärker auf die Patientenbetreuung statt auf Dokumentation konzentrieren können.
KI-gestütztes 3D-Scansystem für die objektive Analyse chronischer Wunden
cureVision erfasst chronische Wunden per 3D-Scan und KI-Bildauswertung und dokumentiert Größe, Tiefe und Gewebearten automatisiert statt durch manuelle Vermessung. Das Unternehmen wurde 2024 mit dem 2. Hauptpreis des Innovationspreis Bayern ausgezeichnet; laut Anbieter reduziert die Lösung den Zeitaufwand der Wunddokumentation deutlich.
Kinemic-Sensorstift: KI-gestützte Handschrifterkennung bei STABILO
Der von STABILO gemeinsam mit dem KIT-Spin-off Kinemic sowie den Fraunhofer-Instituten IPA und ISIT entwickelte Sensorstift erfasst Schreibbewegungen auf beliebigem Papier und soll künftig mit Machine-Learning-Modellen und Hidden-Markov-Modellen ausgewertet werden; dieser KI-Teil befindet sich laut Quelle noch in der Entwicklung und wird aktuell noch nicht vertrieben. Bereits im Markt sind die (noch ohne KI arbeitenden) Produkte ErgoPen, das Ergotherapeuten bei der individuellen Schreibförderung von Kindern unterstützt, und EduPen für den Schuleinsatz, die künftig durch die KI-Sensorik erweitert werden sollen.
FAST 3D Camera: KI-gestützte Patientenpositionierung im CT
Die manuelle Positionierung von Patienten für CT-Scans ist zeitaufwendig, fehleranfällig und hängt stark von der Erfahrung des Personals ab. Die ‚FAST 3D Camera‘ erkennt Körperform und -lage optisch und berechnet mit KI-Algorithmen die präzise Zentrierung. Dadurch sinkt die Abweichung von durchschnittlich 19±10 mm bei manueller Positionierung auf 5±3 mm, was die Strahlenexposition reduziert und Scans schneller sowie konsistenter macht.
Genolator: KI-System der Uniklinik Aachen macht Genomdaten in natürlicher Sprache durchsuchbar
Genolator kombiniert genomische Sequenz-Repräsentationen, Proteinstruktur-Informationen und Natural Language Processing und wurde durch groß angelegtes Modelltraining auf Microsoft Azure realisiert. Forschende der Uniklinik RWTH Aachen können damit codierende Sequenzen in natürlicher Sprache abfragen und potenzielle biologische Prozesse, molekulare Funktionen sowie zelluläre Rollen erkunden.
TOXPR: KI-gestützte Toxizitätsvorhersage ohne Tierversuche
Das TOXPR-System analysiert chemische Strukturen neuer Wirkstoffkandidaten mit Machine-Learning-Modellen und klassifiziert deren Gefährlichkeit automatisch. Dadurch werden bis zu 40 externe In-vivo-Studien pro Jahr vermieden und über 200.000 Euro jährlich eingespart. Gleichzeitig verbessert sich die Arbeitssicherheit im Labor, da weniger gefährliche Substanzen physisch getestet werden müssen.
Azure OpenAI reduziert Dokumentationsaufwand in der Notaufnahme um 90 Prozent
Das 218-Betten-Klinikum Landsberg am Lech setzt gemeinsam mit Partner Pexon Consulting eine Echtzeit-Spracherkennung auf Basis von Azure OpenAI ein, die Arzt-Patienten-Gespräche in der Kindernotaufnahme automatisch transkribiert und relevante Informationen wie Allergien und Medikationspläne direkt ins Krankenhausinformationssystem überträgt. Der Dokumentationsaufwand sank um über 90 Prozent, was rund zehn Minuten pro Konsultation bzw. zwei Stunden täglich einspart. Seit Einführung wurden bereits über 1.300 Gespräche und eine Million Wörter transkribiert, die Kosten für Nachbearbeitung und Archivierung sanken um rund 25 Prozent.