Was geschah

Auf der KH-IT-Herbsttagung 2026 in Berlin — der Bundesverband der Krankenhaus-IT-Leiter feierte dieses Jahr sein 30-jähriges Bestehen — traten sechs Start-ups im Rahmen eines Pitches gegeneinander an. Gewinner: DaphOS, ein österreichisches Healthtech-Unternehmen, das KI-gestützte Prognosen für Personal-, Betten- und Ressourcenplanung in Krankenhäusern entwickelt. Aber auch die anderen Teilnehmer zeigen, wohin die Reise in der Krankenhaus-IT geht: Digitale Zwillinge, lokale KI für Anamnese und Dokumentation, Transportroboter-Plattformen und elektronische Etiketten für die Stationslogistik.

Platz 1: DaphOS — KI-Prognosen für Personal- und Bettenmanagement

DaphOS wurde 2022 in Österreich gegründet und hat nach eigenen Angaben 5,8 Millionen Dollar Seed-Funding erhalten. Das Unternehmen gibt an, dass über 2.400 organisatorische Einheiten die Plattform bereits nutzen. Vorgestellt wurde die Lösung auf dem Pitch von Sarah Peuling.

Was die Plattform macht

DaphOS führt Daten aus Personalmanagementsystemen (PVS), Krankenhausinformationssystemen (KIS) und weiteren Quellen in einem zentralen Data Warehouse zusammen. Daraus werden Prognosen abgeleitet: Wie viele Pflegekräfte werden auf einer Station benötigt? Wann drohen Bettenengpässe? Welche Patientenaufnahmen sind zu erwarten?

Die Plattform ist modular aufgebaut:

• Dienstplanung: Automatisierte Planungsvorschläge, Personalampel die anzeigt ob die Besetzung zum erwarteten Bedarf der kommenden Tage passt. Bei kurzfristigen Ausfällen erhalten Verantwortliche Hinweise, ob eine Nachbesetzung nötig ist und welche Mitarbeitenden infrage kommen.
• Bettenmanagement: Ein Modul, das laut Pitch im August in einer österreichischen Privatklinik live gegangen ist.
• Weitere Module: Kompetenzmanagement, Prozessoptimierung, Demografieprognosen, Identifizierung von Aufwandstreibern, Einsatzplanung.

Externe Daten einfließen lassen

DaphOS kann zusätzlich externe Umgebungsdaten einbeziehen — Wettervorhersagen, Pollen- und Feinstaubbelastung, saisonale Effekte. Ob diese Faktoren im einzelnen Haus einen relevanten Zusatznutzen liefern, müsste sich in der Praxis zeigen. Interessant ist der Ansatz aber: Wetter und Luftqualität können tatsächlich Aufnahmezahlen beeinflussen (Hitzewellen → mehr Notfälle, Feinstaub → respiratorische Probleme), auch wenn der Effekt je nach Region und Kliniktyp variieren wird.

Referenzdaten und Benchmarking

Ein zentraler Bestandteil ist ein Referenzdatensatz mit anonymisierten Daten von über 150 Gesundheitseinrichtungen. Dieser wird für Benchmarking genutzt und zum Training KI-Modelle verwendet. Das bedeutet: Eine Klinik die DaphOS nutzt, profitiert nicht nur von ihren eigenen Daten, sondern von Mustern die sich über viele Einrichtungen hinweg zeigen. Gleichzeitig wirft das Datenschutzfragen auf — anonymisierte Daten sind nicht automatisch nicht-identifizierbar, besonders im Gesundheitssektor wo kleine Populationen spezifische Merkmale aufweisen können.

Stand und Roadmap

• ISO-27001-Zertifizierung läuft
• Wissenschaftliche Evaluation der Software ist in Arbeit
• Derzeit Standalone-Version, künftig Integration via API in bestehende Systeme
• DaphOS erfüllt die Förderfähigkeitskriterien des KHVVG-Transformationsfonds

Streamedics — Digitale Zwillinge für den Krankenhausbetrieb

Streamedics ist ein Joint-Venture von Folivora Solutions, vorgestellt von Julio Schneider (Bodensee-Institut) und Dr. Maximilian Roth. Der Ansatz ist ambitionierter und datenhungriger als bei DaphOS: klinisches Prozesswissen wird mit digitalen Zwillingen, Prognosemodellen und Optimierungsalgorithmen kombiniert.

Was geplant ist

Krankenhäuser sollen damit bettenbelegung, Personalplanung, OP-Steuerung, Logistik und Energieversorgung datenbasiert planen und steuern. Folivora bringt Erfahrung aus der Modellierung und Echtzeitoptimierung komplexer Energie- und Materialflüsse mit — laut TU Darmstadt wurde Streamedics gegründet um diese Entscheidungsalgorithmen auf Krankenhäuser zu übertragen.

Der Ansatz des digitalen Zwillings ist im Industrieumfeld etabliert — ein virtuelles Abbild des realen Systems, an dem Szenarien durchgespielt werden können, bevor man sie in der Realität umsetzt. Im Krankenhaus ist das deutlich komplexer, weil menschliche Faktoren (Personalverfügbarkeit, Patientenzustände, Notfälle) schwerer vorherzusagen sind als Maschinendurchsätze. Aber gerade bei der OP-Steuerung und Bettenbelegung gibt es berechenbare Muster, die sich optimieren lassen.

Lowcloud — Baukasten für KI-Agenten auf europäischer Cloud

Lowcloud, vorgestellt von Fabian Sander, positioniert sich als Plattform für KI-Agenten und IT-Prozess-Automatisierung mit Fokus auf europäische beziehungsweise deutsche Cloud-Infrastruktur. Das ist im Krankenhaus-Umfeld relevant: DSGVO und Datensouveränität schließen viele der großen US-Cloud-Anbieter für sensible Daten aus.

Was die Plattform bietet

• Gemanagte Plattform: Anwendungen aus Quellcode oder Container-Images bereitstellen
• Load Balancer, TLS-Zertifikate, Container-Registry und Netzwerkabgrenzung je Projekt vom Anbieter übernommen
• Interne Netzwerke verbinden Webdienste und Datenbanken (PostgreSQL, MariaDB) innerhalb eines Projekts
• Kein Cloud-Account nötig, nichts zu provisionieren

Der Ansatz richtet sich an Teams die KI-Agenten oder Automatisierungen bauen wollen, ohne sich um Infrastruktur zu kümmern. Im Krankenhaus-Kontext könnte das bedeutet: Eine Klinik entwickelt einen KI-Agenten für Dokumentationsautomatisierung und deployt ihn auf Lowcloud statt auf AWS oder Azure — mit der DSGVO-konformen europäischen Infrastruktur als Basis.

ClioAssist — Lokale KI für Anamnese und Dokumentation

ClioAssist aus Berlin ist eine KI-Plattform für Praxen, MVZ und Kliniken, die medizinische Teams von der Patientenaufnahme bis zur Entlassung unterstützen soll. Der zentrale Punkt: lokaler Betrieb.

Funktionsumfang

• Prä-Anamnese: Strukturierte Erhebung per KI-Gespräch, Text-Chat oder interaktivem Fragebogen — mehrsprachig, inkl. Live-Übersetzung
• Arztgespräch-Transkription: Ambient Listening transkribiert das Gespräch in Echtzeit
• Dokumentation: Automatisch generierte Befundberichte, Arztbriefe, Aktenzusammenfassungen — konfigurierbar über individuelle KI-Workflows
• Integration: Übernahme von Stammdaten aus PVS, Direktübertragung der Dokumentation ins Praxisverwaltungssystem

Warum lokal?

Patientendaten und KI-Modelle verbleiben in der Einrichtung oder einer Private Cloud. Ein Training externer Modelle mit Kundendaten wird ausgeschlossen. Das ist der richtige Ansatz für Gesundheitsdaten — und passt zu dem, was wir in der KW38-Bedrohungsübersicht gesehen haben: Exponierte KI-Instanzen und Infostealer die KI-Agent-Daten jagen sind reale Bedrohungen. Wer KI lokal betreibt, minimiert die Angriffsfläche.

ClioAssist wird in Zusammenarbeit mit der Universitätsmedizin Mainz wissenschaftlich evaluiert. Die Zahlen die das Unternehmen nennt — 90% wiederholte Anamnese, 50% Dokumentationsanteil der Arbeitszeit, 30% Sprachbarrieren — sind plausibel und beschreiben echte Engpässe im klinischen Alltag.

Elvio Robotics — Transportroboter-Plattform für Krankenhäuser

Elvio Robotics (Mitgründer Johannes Drexler) baut keine einzelnen Roboter, sondern eine Orchestrierungsplattform die verschiedene Robotermodelle zentral steuert und in die Krankenhausinfrastruktur einbindet.

Was die Plattform macht

• Anbindung an Aufzüge, Türen, WLAN, Brandmeldeanlagen
• Integration in Logistik- und Warenwirtschaftsprozesse
• Transport von Medikamenten, Verbrauchsmaterialien, Blutproben, Betten
• Künftig: Roboter reagieren direkt auf Bestellungen von Stationen und liefern aus der zentralen Logistik

Der Ansatz ist richtig: Das Problem bei Krankenhaus-Robotern war nie der Roboter selbst, sondern die Integration in die bestehende Infrastruktur. Einzelne Roboter die nur in einem Korridor fahren und an jeder geschlossenen Tür scheitern sind Insellösungen. Eine Plattform die verschiedene Modelle steuert und mit Aufzügen, Türen und Warenwirtschaft spricht, ist der Weg zu echter Automatisierung der Krankenhauslogistik.

Moyaflow — Elektronische Etiketten für Stationslogistik

Moyaflow zeigt „elektronische Etiketten" für die Stationslogistik: Displays am Lagerplatz die Materialbestellungen mit einem Klick auslösen. Sie zeigen an ob ein Artikel bereits bestellt wurde und informieren über Lieferverzögerungen, Ersatzartikel oder veränderte Verpackungseinheiten.

Änderungen an Artikelstammdaten werden zentral auf alle Etiketten im Haus übertragen. Das System soll an bestehende Warenwirtschafts- oder Shopsysteme angebunden werden. Ziel: Bestände transparenter machen, Doppelbestellungen und abgelaufene Lagerware reduzieren, Pflegekräfte von Logistikaufgaben entlasten.

Was der Pitch zeigt

Die KH-IT-Herbsttagung ist 30 Jahre alt geworden — und die Themen die 2026 auf dem Pitch stehen zeigen einen klaren Trend: KI und Automatisierung kommen im Krankenhaus an, aber mit Fokus auf Datensouveränität.

DaphOS gewinnt mit KI-Prognosen für Personal- und Bettenplanung — ein Problem das jedes Krankenhaus hat und das mit Daten lösbar ist. ClioAssist setzt auf lokale KI für Anamnese und Dokumentation — mit On-Premise-Betrieb als DSGVO-konformere Alternative zu Cloud-KI. Lowcloud bietet die Infrastruktur dafür an. Elvio Robotics und Moyaflow automatisieren Logistik — der unglamouröseste aber reellste Hebel für Effizienz.

Und Streamedics zeigt, dass der digitale Zwilling als Konzept aus der Industrie ins Krankenhaus migriert — mit allen Chancen (ganzheitliche Optimierung) und Risiken (komplexeres System, mehr Daten, mehr Abhängigkeiten).

Der Sieger DaphOS trifft den Nerv: Die Daten sind meistens da. Die Herausforderung ist, sie zu verknüpfen und in Zusammenhang zu stellen. Genau das ist 2026 die Aufgabe — nicht nur im Krankenhaus.