Ein Forschungsprojekt am Universitätsklinikum Jena
Ein Frühwarnsystem für mehr Patientensicherheit
Das Projekt SAFER entwickelt ein datengestütztes Frühwarnsystem, das schwerwiegende, vermeidbare Ereignisse in der Patientenversorgung frühzeitig erkennt – durch die Verbindung von Künstlicher Intelligenz mit der Expertise aus Pflege, Medizin und Patientenvertretung.
Gefördert durch den Innovationsfonds des Gemeinsamen Bundesausschusses (G-BA)
Hintergrund und Zielsetzung
Die Sicherheit der Patientinnen und Patienten ist ein zentrales Anliegen moderner Gesundheitssysteme. Dennoch treten trotz etablierter Melde- und Qualitätssicherungssysteme weiterhin schwerwiegende, grundsätzlich vermeidbare Ereignisse auf – sogenannte „Never Events“. Hierzu zählen beispielsweise Eingriffe an der falschen Körperstelle oder gravierende Medikationsfehler. Derartige Ereignisse haben nicht nur schwerwiegende gesundheitliche Folgen für die Betroffenen, sondern verursachen auch erhebliche Kosten und beeinträchtigen das Vertrauen in die Gesundheitsversorgung.
Bislang werden solche Vorfälle überwiegend retrospektiv und isoliert betrachtet. Wertvolle Hinweise auf systemische Schwachstellen finden sich jedoch verteilt über unterschiedliche Quellen: in Meldesystemen für kritische Ereignisse, in Patientenbeschwerden und in juristischen Auseinandersetzungen. An dieser Stelle setzt SAFER an und verknüpft diese Datenquellen erstmals systematisch miteinander.
Ziel des Projekts ist ein datengestütztes Frühwarnsystem, das Muster und Schwachstellen identifiziert, bevor daraus schwerwiegende Ereignisse entstehen – und das daraus konkrete, praxistaugliche Präventionsmaßnahmen ableitet.
Was ist ein „Never Event“?
Als Never Events werden schwerwiegende Ereignisse in der medizinischen Versorgung bezeichnet, die durch geeignete Präventionsmaßnahmen vollständig vermeidbar wären – und daher niemals eintreten sollten.
Was ist CIRS?
Das Critical Incident Reporting System (CIRS) ist ein anonymisiertes Berichtssystem, über das Klinikmitarbeitende kritische Ereignisse und Beinahe-Fehler melden. Im Rahmen des Projekts werden rund 22.000 dieser Meldungen ausgewertet.
Warum jetzt?
Moderne KI-Verfahren ermöglichen es erstmals, auch große Mengen unstrukturierter Texte – etwa Beschwerden und Klageschriften – automatisiert auszuwerten und mit strukturierten Meldedaten zu verknüpfen.
Zwei Arten von Intelligenz – ein Mosaik
Die methodische Besonderheit von SAFER liegt in der Verbindung zweier komplementärer Erkenntnisformen, die sich – wie die Mosaiksteine im Projektlogo – zu einem Gesamtbild zusammenfügen und ihre jeweiligen blinden Flecken wechselseitig ausgleichen.
Künstliche Intelligenz
Eine KI-Pipeline mit moderner Sprachverarbeitung (NLP) und Anomalieerkennung wertet rund 22.000 CIRS-Meldungen sowie Beschwerde- und Klagedaten automatisiert aus. Sie klassifiziert Risikosituationen und identifiziert Kontextfaktoren wie Schichtwechsel, Teamzusammensetzung oder technische Ausfälle, deren Zusammenwirken bei isolierter Betrachtung verborgen bliebe.
Menschliche Gruppenintelligenz
In moderierten Soziallabor-Workshops bringen erfahrene Fachpersonen aus Pflege und Medizin sowie Patientenvertretungen ihre Expertise ein. Strukturierte Denkschritte leiten den kollektiven Reflexionsprozess: Die KI-Befunde werden validiert, kontextualisiert und in kreative Präventionsansätze überführt, die auf rein algorithmischem Weg nicht zu gewinnen wären.
Das epistemische Mosaik
Erst das Zusammenspiel beider Ebenen macht komplexe, mehrdimensionale Risiken sichtbar: Die KI identifiziert verborgene Muster in großen Datenbeständen – die beteiligten Expertinnen und Experten verstehen den Entstehungskontext, prüfen die Befunde und übersetzen sie in wirksame, alltagstaugliche Präventionsmaßnahmen. Keine der beiden Erkenntnisformen könnte dies allein leisten.
Das Vorgehen in vier Schritten
Daten zusammenführen
Meldungen aus strukturierten Meldesystemen (CIRS) sowie unstrukturierte Dokumente wie Patientenbeschwerden und Klagedaten werden unter strengen Datenschutzvorgaben aufbereitet und harmonisiert.
KI-gestützt analysieren
Die KI-Pipeline wertet die Texte automatisiert aus, klassifiziert Risikosituationen und identifiziert Kontextfaktoren – etwa Schichtwechsel, Teamzusammensetzung oder technische Ausfälle –, die zur Entstehung kritischer Ereignisse beitragen.
Expertise einbinden
In Soziallabor-Workshops validieren Expertinnen und Experten aus Pflege und Medizin gemeinsam mit Patientenvertretungen die KI-Befunde, identifizieren fördernde und hemmende Faktoren und leiten daraus konkrete Präventionsstrategien ab.
Frühwarnsystem erproben
Aus der Synthese beider Perspektiven entsteht ein Frühwarnsystem, das Risiken frühzeitig anzeigt und priorisierte Maßnahmen vorschlägt – konzipiert als Modell, das auf Krankenhäuser in ganz Deutschland übertragbar ist.
Ziele des Projekts
Never Events verhindern
Schwerwiegende, vermeidbare Ereignisse werden frühzeitig erkannt, bevor Patientinnen und Patienten zu Schaden kommen.
Bundesweite Skalierbarkeit
Das Frühwarnsystem wird so konzipiert, dass es auf Krankenhäuser in ganz Deutschland übertragen werden kann.
Kosten reduzieren
Die Vermeidung von Komplikationen und Haftungsfällen entlastet das Gesundheitssystem auch in ökonomischer Hinsicht.
Fehlerkultur stärken
Ein offener, konstruktiver Umgang mit Fehlern und Beinahe-Fehlern wird gefördert – als Grundlage einer lernenden, resilienten Krankenhausorganisation.
Team & Partner
SAFER wird am Universitätsklinikum Jena durchgeführt – federführend an der Klinik für Anästhesiologie und Intensivmedizin (KAI), in Kooperation mit Partnern aus Wissenschaft und klinischer Praxis.
Prof. Dr. med. Dr. phil. Petra Dickmann
Fachärztin für Anästhesiologie und promovierte Sozialwissenschaftlerin, Oberärztin in der Zentralen Notaufnahme des Universitätsklinikums Jena. Sie leitet den Public Health Hub der Klinik für Anästhesiologie und Intensivmedizin und bringt langjährige Erfahrung in Patientensicherheit, Risikokommunikation und internationalen Forschungsverbünden ein.
Dr. Jonas Brock
Biometrie & Künstliche Intelligenz
Klinik für Anästhesiologie und Intensivmedizin, UKJ
Harald Lux
Quantitative Analysen & KI
Klinik für Anästhesiologie und Intensivmedizin, UKJ
Ralf Maisel, MBA
Medizinisches Risikomanagement
Stabsstelle Qualitätsmanagement, UKJ
Kooperationspartner
- Prof. Dr. Volker Gast – Lehrstuhl für Linguistik, Friedrich-Schiller-Universität Jena
- Prof. Dr. Mona Weiss – Lehrstuhl für Organisationspsychologie, Friedrich-Schiller-Universität Jena
- Dr. Ramshorn-Zimmer & Dr. Johanna Martin – Risikomanagement, Universitätsklinikum Leipzig
- Prof. Dr. Felix Walcher – Institut für Public Health in der Akutmedizin, Universitätsklinikum Magdeburg
Sprechen Sie uns an
Sie haben Fragen zum Projekt?
Wir freuen uns über Ihr Interesse an SAFER – aus Wissenschaft, klinischer Praxis, Patientenvertretung oder Presse. Nehmen Sie gerne Kontakt mit uns auf.
Universitätsklinikum Jena
Klinik für Anästhesiologie und Intensivmedizin
Kastanienstraße 1, 07747 Jena