SAFER · Forschungsprojekt am Universitätsklinikum Jena

Fehler erkennen,
bevor sie passieren.

SAFER verbindet Künstliche Intelligenz mit der Expertise aus Pflege, Medizin und Patientenvertretung zu einem Frühwarnsystem, das schwerwiegende, vermeidbare Ereignisse in der Patientenversorgung verhindert.

Gefördert durch den Innovationsfonds des G-BA

Patientenmonitor mit Vitalparametern während einer Operation Kontinuierliches Monitoring im OP
Förderdauer
3 Jahre
Laufzeit des Projekts
Fördersumme
846.000 €
Innovationsfonds des G-BA
Förderkennzeichen
01VSF26022
Versorgungsforschung
Standort
Universitätsklinikum Jena
Klinik für Anästhesiologie und Intensivmedizin

01 Das Projekt

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.

22.000 CIRS-Meldungen werden gemeinsam mit Beschwerde- und Klagedaten ausgewertet

?Was ist ein „Never Event“?

Ein schwerwiegendes Ereignis in der medizinischen Versorgung, das durch geeignete Präventionsmaßnahmen vollständig vermeidbar wäre – und daher niemals eintreten sollte.

?Was ist CIRS?

Das Critical Incident Reporting System ist ein anonymisiertes Berichtssystem, über das Klinikmitarbeitende kritische Ereignisse und Beinahe-Fehler melden.

?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.

02 Unser Ansatz

Zwei Arten von Intelligenz – ein Mosaik

Die methodische Besonderheit von SAFER liegt in der Verbindung zweier komplementärer Erkenntnisformen, die ihre jeweiligen blinden Flecken wechselseitig ausgleichen.

Maschinell

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.

Menschlich

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 Kontext, prüfen die Befunde und übersetzen sie in wirksame Präventionsmaßnahmen. Keine der beiden Erkenntnisformen könnte dies allein leisten.

03 Projektablauf

Das Vorgehen in vier Schritten

01

Daten zusammenführen

Meldungen aus strukturierten Meldesystemen (CIRS) sowie unstrukturierte Dokumente wie Patientenbeschwerden und Klagedaten werden unter strengen Datenschutzvorgaben aufbereitet und harmonisiert.

02

KI-gestützt analysieren

Die KI-Pipeline wertet die Texte automatisiert aus, klassifiziert Risikosituationen und identifiziert Kontextfaktoren, die zur Entstehung kritischer Ereignisse beitragen.

03

Expertise einbinden

In Soziallabor-Workshops validieren Fachleute aus Pflege und Medizin gemeinsam mit Patientenvertretungen die KI-Befunde und leiten konkrete Präventionsstrategien ab.

04

Frühwarnsystem erproben

Aus der Synthese beider Perspektiven entsteht ein Frühwarnsystem, das Risiken früh anzeigt – konzipiert als Modell, das auf Krankenhäuser in ganz Deutschland übertragbar ist.

04 Ziele & Nutzen

Was SAFER erreicht

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 wird gefördert – als Grundlage einer lernenden, resilienten Krankenhausorganisation.

05 Projektbeteiligte

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.

Projektleitung / Konsortialführung

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 · FSU Jena
Prof. Dr. Mona Weiss Organisationspsychologie · FSU Jena
Dr. Ramshorn-Zimmer & Dr. Johanna Martin Risikomanagement · Universitätsklinikum Leipzig
Prof. Dr. Felix Walcher Public Health in der Akutmedizin · Universitätsklinikum Magdeburg

06 Kontakt

Sie haben Fragen zum Projekt?

Wir freuen uns über Ihr Interesse an SAFER – aus Wissenschaft, klinischer Praxis, Patientenvertretung oder Presse.

Prof. Dr. med. Dr. phil. Petra Dickmann
Universitätsklinikum Jena
Klinik für Anästhesiologie und Intensivmedizin
Kastanienstraße 1, 07747 Jena