KI in der Radiologie: eine Plattform vereinfacht klinische Workflows

12.05.2026

Künstliche Intelligenz ist dabei, das Gesundheitswesen grundlegend zu verändern. Doch was bedeutet ihr Einsatz im klinischen Alltag konkret? Eine Frage, mit der sich auch das Münchner Health-Tech-Unternehmen deepc beschäftigt. Das Scale-up hat mit deepcOS eine cloudbasierte, herstellerunabhängige Plattform für die Radiologie entwickelt, mit welcher es möglich ist, eine Vielzahl von KI-gestützten Bild- und Befundungstools nahtlos in bestehende Workflows zu integrieren. Das Ergebnis: optimierte Arbeitsabläufe, präzise Diagnosen und mehr Patientensicherheit. Im Gespräch mit Bayern Innovativ erklärt Co-Founder ​und CTO ​Dr. Julia Moosbauer, wie das funktioniert, welche Hürden es noch gibt – und warum es bei KI längst nicht mehr nur um Algorithmen geht. 

Frau Moosbauer, wie würden Sie Leserinnen und Lesern, die deepc noch nicht kennen, die Mission Ihres Unternehmens in wenigen Worten beschreiben? 

Julia Moosbauer: Bei deepc entwickeln wir eine ​technologische​​ ​Infrastruktur​, mit der Krankenhäuser KI in der Radiologie sicher, einfach und skalierbar nutzen können​​.​ Unser Ziel ist es, Gesundheitsdienstleistern zu ermöglichen, KI-Lösungen einfach in den klinischen Alltag zu integrieren, zu verwalten und zu skalieren. ​​Damit schaffen wir die technologische Basis, um klinische Workflows in Krankenhäusern nachhaltig zu transformieren und KI vom einzelnen Tool in eine echte Infrastruktur für den täglichen Einsatz zu überführen.​​ 

KI wird oft sehr abstrakt diskutiert. Was kann sie im radiologischen Alltag konkret verändern?

Julia Moosbauer: Das hängt sehr stark vom jeweiligen Anwendungsfall ab. KI kann Radiologinnen und Radiologen beispielsweise dabei helfen, ihre Arbeit zu priorisieren. Indem Bilddaten von Untersuchungen bereits vorab mit KI ausgewertet und Auffälligkeiten hervorgehoben werden, können sie schneller abschätzen, welche Fälle vorrangig ​befundet​ werden sollten. Teilweise unterstützt KI auch beim Schreiben von Befunden oder ​be​füllt diese sogar vor. Insgesamt kann KI also an vielen verschiedenen Punkten im ​klinischen A​lltag unterstützen. 

Können Sie das an einem greifbaren Beispiel veranschaulichen? 

Julia Moosbauer: Stellen Sie sich einen jungen Assistenzarzt vor, wenn er nachts allein Dienst hat und die Notaufnahme überfüllt ist. Was soll er sich zuerst anschauen? Hier kann KI ihm helfen, Fälle zu priorisieren. Sie kann eine zweite Einschätzung liefern, etwa indem sie gezielt nach Frakturen sucht, sodass auch subtile Befunde in stressigen Situationen nicht übersehen werden. Auch beim Schreiben des Befunds kann KI ihn unterstützen, indem sie Teile bereits vorbereitet. Ich denke, das ist ein sehr greifbares Beispiel für den Nutzen von KI im Klinikalltag. 

Sie setzen auf eine Plattform mit Zugang zu verschiedenen KI-Tools statt auf ein einzelnes Modell. Warum ist das für Krankenhäuser der bessere Ansatz? 

Julia Moosbauer: Krankenhäuser arbeiten mit verschiedenen bildgebenden Verfahren. Da wären Röntgenaufnahmen, CT-Scans und MRT-Untersuchungen, und das für viele verschiedene Anwendungsfälle und Körperregionen. Deshalb braucht es verschiedene Modelle für unterschiedliche Anwendungsfälle. Außerdem entwickelt sich der Markt extrem schnell. Ein Modell, das heute führend ist, kann in ein oder zwei Jahren bereits überholt sein. 

Unsere Plattform ist bewusst neutral aufgebaut. Sie ermöglicht es, verschiedene KI-Modelle zu evaluieren, zu vergleichen, zu integrieren und zu überwachen. Und das alles ​mit einer einzigen Installation​. Damit haben Kliniken die Flexibilität, immer die beste verfügbare Technologie zu nutzen. 

Was sind Ihrer Meinung nach die größten Hürden, mit denen sich Krankenhäuser konfrontiert sehen, wenn sie KI in den klinischen Alltag integrieren möchten? 

​​Julia Moosbauer: ​​Es gibt mehrere Hürden, die Krankenhäuser bewältigen müssen.​​​ 

Erstens: Regulierung. Im Gesundheitswesen gelten strenge Anforderungen, etwa beim Datenschutz. Mit dem AI Act wird das noch komplexer. 

​​Zweitens: die Integration in bestehende IT-Systeme. Radiologinnen und Radiologen wollen keine zusätzlichen Klicks oder Umwege, das heißt KI muss sich nahtlos in den Arbeitsablauf einfügen.​​​ 

​​​Drittens: der menschliche Faktor. Am Anfang muss man gemeinsam an einem Tisch sitzen und klar definieren: Welches Problem wollen wir eigentlich lösen? Es geht nicht darum, KI einfach auf alles anzuwenden, sondern gemeinsam mit den Nutzerinnen und Nutzern die konkreten klinischen Herausforderungen zu verstehen. Erst dann kann man Vertrauen aufbauen und die Menschen, die später mit der Technologie arbeiten, wirklich mitnehmen.​​ 

​​​Unsere Aufgabe ist es, sie dabei nicht nur technologisch zu unterstützen, sondern diese Hürden gemeinsam mit ihnen zu nehmen.​​ 

Vertrauen ist ein zentrales Thema in der medizinischen KI. Wie stellen Sie sicher, dass KI Ärztinnen und Ärzte unterstützt, ohne dass sie sich zu sehr darauf verlassen? 

Julia Moosbauer: Das ist ein sehr wichtiger Punkt. Hier spielt das Monitoring nach der Einführung eine entscheidende Rolle. KI muss in der klinischen Anwendung kontinuierlich überwacht werden, sei es hinsichtlich Nutzung, Leistung, möglicher Verzerrungen oder Veränderungen über die Zeit. 

​​Ü​bermäßiges Vertrauen​ in KI, der sogenannte “Automation Bias”, ​​ist hier ein zentraler Aspekt. ​​Denn es geht nicht nur um die Leistung eines Algorithmus, sondern um die Interaktion zwischen Mensch und KI im klinischen Alltag. Ein wichtiger Aspekt ist deshalb das Training der Nutzerinnen und Nutzer im Umgang mit der Technologie. Sie müssen verstehen, wie KI-Systeme unterstützen, wo ihre Grenzen liegen und wie Ergebnisse richtig einzuordnen sind. ​Gleichzeitig arbeiten wir daran, kontinuierlich weitere messbare Kriterien zu schaffen, die uns dabei helfen, zu überprüfen, ob KI im klinischen Alltag sicher und verantwortungsvoll eingesetzt wird.​​ 

Welche Falschannahmen gibt es Ihrer Ansicht nach in der breiten Öffentlichkeit, wenn es um KI in der medizinischen Bildgebung geht? 

Julia Moosbauer: Viele denken, Fortschritt bedeutet vor allem bessere Algorithmen. In Wirklichkeit liegt die größere Herausforderung darin, KI in klinische Arbeitsabläufe zu integrieren, eine reibungslose Zusammenarbeit mit dem medizinischen Fachpersonal sicherzustellen und die KI wirksam zu überwachen. 

Es geht nicht rein um die Leistung eines Modells, sondern darum, die richtigen Informationen zur richtigen Zeit im richtigen System bereitzustellen und damit menschliche Entscheidungsprozess zu unterstützen.

Wird Ihre Technologie bereits eingesetzt? 

Julia Moosbauer: Ja, unsere Lösung wird in zahlreichen Kliniken in Deutschland, Großbritannien und den USA eingesetzt. Unsere Nutzer, hauptsächlich Krankenhäuser und Universitätskliniken, arbeiten aktiv mit mehreren KI-Tools über unsere Plattform. 

Was könnten für die Radiologie echte Fortschritte in den kommenden Jahren sein? 

Julia Moosbauer: Wir erleben gerade den Übergang von einzelnen Pilotprojekten hin zu KI als festen Bestandteil des Klinikalltags. 

Fortschritt bedeutet in meinen Augen, messbare Verbesserungen zu erzielen, etwa durch kürzere Wartezeiten, schnellere Diagnosen oder eine frühere Erkennung von Krankheiten, zum Beispiel in der Krebsfrüherkennung. Gleichzeitig kann KI helfen, strukturelle Probleme wie Personalmangel oder Kostendruck abzufedern. Hier bietet KI enormes Potenzial. 

Vielen Dank für das Gespräch, Frau Moosbauer! 

Die deepc GmbH ist Partner im Partnernetzwerk Gesundheit von Bayern Innovativ. Als Innovationsagentur bringt Bayern Innovativ Akteurinnen und Akteure aus Wissenschaft, Wirtschaft und Praxis zusammen und schafft so Räume für Austausch und Wissenstransfer. Im Auftrag des Freistaats Bayernunterstützt sie Unternehmen und Start-ups dabei, Orientierung im komplexen Innovationsökosystem zu gewinnen. Auf diese Weise werden vielversprechende Ansätze nachhaltig in marktfähige Lösungen überführt und der Standort Bayern als Innovationsregion gestärkt.