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
Kontinuierliches Monitoring im OP
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.
?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.
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.
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.
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
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, die zur Entstehung kritischer Ereignisse beitragen.
Expertise einbinden
In Soziallabor-Workshops validieren Fachleute aus Pflege und Medizin gemeinsam mit Patientenvertretungen die KI-Befunde und leiten konkrete Präventionsstrategien ab.
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.
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.
Kooperationspartner
06 Kontakt
Sie haben Fragen zum Projekt?
Wir freuen uns über Ihr Interesse an SAFER – aus Wissenschaft, klinischer Praxis, Patientenvertretung oder Presse.
Klinik für Anästhesiologie und Intensivmedizin
Kastanienstraße 1, 07747 Jena