{"id":33257,"date":"2026-02-26T09:23:00","date_gmt":"2026-02-26T08:23:00","guid":{"rendered":"https:\/\/fmd-insight.de\/?p=33257"},"modified":"2026-03-05T13:32:40","modified_gmt":"2026-03-05T12:32:40","slug":"chip-happens-podcast-staffel-3-folge-2-moderne-diagnostik-dank-ki","status":"publish","type":"post","link":"https:\/\/fmd-insight.de\/de\/news\/360-mikroelektronik\/chip-happens-podcast\/chip-happens-podcast-staffel-3-folge-2-moderne-diagnostik-dank-ki\/","title":{"rendered":"#Chip Happens-Podcast: Staffel 3, Folge 2<\/strong> | Moderne Diagnostik dank KI"},"content":{"rendered":"\n

Gro\u00dfe Probleme brauchen h\u00e4ufig ziemlich kleine Helfer. Der Podcast \u00bbChip Happens \u2013 Kleine Dinge, die alles ver\u00e4ndern\u00ab von Chipdesign Germany<\/strong> zeigt, wie Mikroelektronik und Chipdesign dabei helfen k\u00f6nnen, die dr\u00e4ngenden Fragen unserer Zeit anzugehen \u2013 jederzeit nachvollziehbar und alltagsnah. Das Format richtet sich an alle, die verstehen wollen, wie Technik im Hintergrund wirkt und dennoch zentrale Weichen stellt. Kluge K\u00f6pfe aus der Branche sprechen hierf\u00fcr mit Moderator Sven Oswald \u00fcber ihre faszinierenden Geschichten, geben \u00fcberraschende Einblicke und zeigen hautnah die vielen M\u00f6glichkeiten, die unser Fachbereich bietet.<\/p>\n\n\n\n

In der dritten Staffel \u00bbMikroelektronik for Life\u00ab dreht sich alles um die Anwendung im Gesundheitsbereich. Von intelligenter Diagnostik \u00fcber Wearables bis hin zu datengetriebener Medizin.<\/p>\n\n\n\n

\n \n
\n
\n
\n \n \n \"\"\n <\/picture><\/div><\/div><\/div>
©<\/span>Fraunhofer Mikroelektronik<\/div><\/div>\n<\/div><\/div>\n

Staffel 3, Folge 2 | Den Herzinfarkt erkennen, bevor er passiert<\/h2>

 <\/p>\n

In der zweiten Folge der aktuellen Staffel spricht Moderator Sven Oswald dar\u00fcber, wie Mikroelektronik und K\u00fcnstliche Intelligenz (KI) dabei helfen k\u00f6nnen, Herz-Kreislauf-Erkrankungen fr\u00fcher zu erkennen. Statt einzelner Momentaufnahmen in der Arztpraxis r\u00fcckt die kontinuierliche Datenerfassung in den Fokus, mit dem Ziel, Risiken bereits zu identifizieren, bevor akute Notf\u00e4lle entstehen.<\/p>\n

Thomas Ramge KI-Experte und Sachbuchautor, ordnet ein, warum Diagnostik im Kern immer Vorhersage ist und weshalb KI als \u00bbPr\u00e4diktionsmaschine\u00ab daf\u00fcr besonders geeignet ist.<\/p>\n

Darauffolgend berichtet Basel Adams, Elektrotechniker an der TU Berlin<\/a> und wissenschaftlicher Mitarbeiter am Fraunhofer IZM<\/a>, von einem KI-gest\u00fctzten Wearable-System zur Langzeit\u00fcberwachung<\/a> von Herzpatient:innen, das aktuell in Kooperation mit der Charit\u00e9 entwickelt wird.<\/p>\n<\/div><\/div><\/div>\n <\/div>\n <\/div>\n\n\n\n

Worum geht es in der Folge?<\/h2>\n\n\n\n
\n
\n \n
\n \n \n \n \n \n \n

Thomas Ramge \u00fcber KI als \u00bbPr\u00e4diktionsmaschine\u00ab in der Diagnostik<\/h3><\/span><\/th>\n <\/tr>\n \n

\n

Situation:<\/strong><\/p>\n\n <\/td>\n

\n

K\u00fcnstliche Intelligenz h\u00e4lt zunehmend Einzug in medizinischen Anwendungen. Besonders in der Diagnostik spielt sie ihre St\u00e4rken aus. KI-Systeme k\u00f6nnen gro\u00dfe Datenmengen analysieren, aus ihnen Muster erkennen und daraus Prognosen ableiten. Gerade bei bildgebenden Verfahren ist der Einsatz bereits etabliert, doch durch moderne Sensorik erweitert sich das Anwendungsspektrum.<\/p>\n\n <\/td>\n <\/tr>\n

\n

Problemstellung:<\/strong><\/p>\n\n <\/td>\n

\n

Diagnosen basiert h\u00e4ufig auf komplexen Zusammenh\u00e4ngen zwischen Symptomen, Patentenhistorie und Messdaten. F\u00fcr \u00c4rzt:innen ist es kaum m\u00f6glich, alle verf\u00fcgbaren Informationen gleichzeitig zu ber\u00fccksichtigen. Zur selben Zeit steigt die Datenmenge durch digitale Gesundheitsanwendungen und Wearables stetig an.<\/p>\n\n <\/td>\n <\/tr>\n

\n

L\u00f6sungsans\u00e4tze \/ Innovationspotenzial:<\/strong><\/p>\n\n <\/td>\n

\n

Thomas Ramge beschreibt KI-Konzepte als \u00bbPr\u00e4diktionsmaschine\u00ab. Sie analysieren Daten und erkennen Muster. Basierend darauf, treffen sie dann Wahrscheinlichkeitsaussagen \u00fcber Krankheitsverl\u00e4ufe. Durch die Zusammenf\u00fchrung verschiedener Datenquellen, wie etwa der Bildgebung, genetischen Informationen, Anamnesedaten, oder Sensorwerte, entsteht ein umfassendes Bild des Gesundheitszustandes. Je besser Datenquellen und Algorithmen werden, desto besser k\u00f6nnen Diagnosen ausfallen.<\/p>\n\n <\/td>\n <\/tr>\n

\n

Weiterer Forschungs-\/Entwicklungsbedarf<\/strong><\/p>\n\n <\/td>\n

\n

Mit wachsender Leistungsf\u00e4higkeit der Systeme stellt sich die Frage nach ihrer Rolle im medizinischen Alltag. Aktuell fungieren KI-Anwendungen, wenn, dann vor allem als Entscheidungsassistent. Perspektivisch k\u00f6nnte jedoch diskutiert werden, in welchen Bereichen maschinelle Prognosen dem Menschen \u00fcberlegen sind und wie Verantwortung sinnvoll verteilt wird.<\/p>\n\n <\/td>\n <\/tr>\n <\/table>\n <\/div>\n \n <\/div>\n <\/div>\n\n\n

\n
\n \n
\n \n \n \n \n \n \n

Basel Adams \u00fcber ein KI-gest\u00fctztes Wearable zur Langzeit\u00fcberwachung von Herzpatienten<\/h3><\/span><\/th>\n <\/tr>\n \n

\n

Situation:<\/strong><\/p>\n\n <\/td>\n

\n

Herz-Kreislauf-Erkrankungen z\u00e4hlen weltweit zu den h\u00e4ufigsten Todesursachen. Viele akute Ereignisse k\u00fcndigen sich jedoch bereits Tage oder Wochen vorher durch kleine Ver\u00e4nderungen an. Klassische Diagnostik basiert h\u00e4ufig auf kurzen Untersuchungen in der Praxis, ein Zeitpunkt, der nicht unbedingt mit den kritischen Momenten einer Erkrankung zusammenf\u00e4llt.<\/p>\n\n <\/td>\n <\/tr>\n

\n

Problemstellung:<\/strong><\/p>\n\n <\/td>\n

\n

Patient:innen erhalten oft nur begrenzte Messungen, w\u00e4hrend wichtige Symptome au\u00dferhalb der Arztpraxis auftreten k\u00f6nnen. Zudem erschweren lange Wartezeiten auf Facharzttermine eine fr\u00fchzeitige Diagnose. Momentaufnahmen reichen daher h\u00e4ufig nicht aus, um schleichende Ver\u00e4nderungen zuverl\u00e4ssig zu erkennen.<\/p>\n\n <\/td>\n <\/tr>\n

\n

L\u00f6sungsans\u00e4tze \/ Innovationspotenzial:<\/strong><\/p>\n\n <\/td>\n

\n

Basel Adams arbeitet an einem miniaturisierten Wearable-System, das in Kooperation zwischen Fraunhofer IZM, der TU Berlin und der Charit\u00e9 entwickelt wird. Das System kann als Textilweste oder als Pflaster eingesetzt werden und erfasst \u00fcber l\u00e4ngere Zeitr\u00e4ume zahlreiche medizinische Parameter gleichzeitig. Neben klassischen EKG-Daten werden beispielsweise Herzleistung, Atemmuster, Fl\u00fcssigkeitsansammlungen oder akustische Herzsignale analysiert. Durch kontinuierliche Messungen entsteht ein ganzheitliches Bild der Patientensituation. Die Rohdaten werden drahtlos \u00fcbertragen und mithilfe von KI ausgewertet. Dabei werden Messwerte aus Sensorik, \u00e4rztlichen Profilen sowie patienteneigenen Angaben kombiniert, um Risiken fr\u00fchzeitig zu erkennen.<\/p>\n\n <\/td>\n <\/tr>\n

\n

Weiterer Forschungs-\/Entwicklungsbedarf<\/strong><\/p>\n\n <\/td>\n

\n

Das Wearable befindet sich noch in der Forschungsphase. Die Entwicklung umfasst sowohl die Miniaturisierung der Mikroelektronik als auch das Training von KI-Modellen, die mit gro\u00dfen Datenmengen umgehen k\u00f6nnen. In den kommenden Jahren sollen klinische Studien folgen, um Genauigkeit und Zuverl\u00e4ssigkeit zu pr\u00fcfen. Ziel ist es, aus der Forschung ein marktf\u00e4higes medizinisches Produkt zu entwickeln.<\/p>\n\n <\/td>\n <\/tr>\n <\/table>\n <\/div>\n \n <\/div>\n <\/div>\n\n\n

KI in der Medizin bietet Chancen, doch verlangt Verantwortung<\/h2>\n\n\n\n

Neben den technischen Innovationen thematisiert die Folge auch die gesellschaftlichen und ethischen Fragen rund um KI-gest\u00fctzte Diagnostik. Einerseits k\u00f6nnen datengetriebene Systeme \u00c4rztinnen und \u00c4rzte unterst\u00fctzen und Diagnosen verbessern. Andererseits besteht die Herausforderung darin, die richtige Balance zwischen menschlicher Expertise und maschineller Entscheidung zu finden. Entscheidend wird sein, Transparenz, Sicherheit und medizinische Verantwortung auch in einer zunehmend automatisierten Diagnostik zu gew\u00e4hrleisten.<\/p>\n\n\n\n

<\/p>\n\n\n\n

Zur zweiten Folge der dritten Staffel – (Spotify):<\/h2>\n\n\n\n