Ihr unterstützt mit Data4Life medizinische Studien durch digitale Lösungen. Dafür habt ihr kürzlich über 150 Patient:innen mit Sensoren ausgestattet. Könnt ihr uns kurz etwas über diese aktuelle Entwicklung erzählen? Inwieweit sind hier auch Erkenntnisse aus den Design Thinking Projekten an der HPI d-school eingeflossen?
In der Sensor-S-Studie begleiten wir bis zu 156 Patient:innen mit Wearables und der D4L Collect App. Ziel ist es, alltagsnahe, kontinuierliche Messwerte datenschutzkonform und wissenschaftlich nutzbar zu erfassen. Vorgehen und Lösung sind stark durch unsere Zusammenarbeit mit der HPI d-school geprägt: Gemeinsam mit Klinikteams und Patient:innen wurden Anforderungen kartiert, Service-Blueprints erstellt und das Onboarding iterativ getestet. Besonders wertvoll war dabei der Beitrag des Studierendenteams, das konkrete Use Cases für die eingesetzten Sensoren entwickelt hat. Diese Konzepte wurden in der Praxis validiert und nach kleineren Anpassungen in das Studienprotokoll integriert.
Unser Vorgehen kombiniert Wearables mit digitalen Tools, um Gesundheitsdaten in Alltagsumgebungen zu erfassen – einfach, sicher und nutzerzentriert. Dabei steht im Mittelpunkt, die Perspektive von Patient:innen und Fachpersonal zu vereinen: eine technische Lösung, die sich nahtlos in Versorgungsabläufe integrieren lässt und gleichzeitig Forschung auf einem neuen Niveau ermöglicht. Das Ergebnis ist ein Prozess, der sowohl in der Klinik als auch zu Hause zuverlässig funktioniert – mit hoher Datenqualität und Akzeptanz.
Was waren die größten Herausforderungen für die Beteiligten bei dieser neuen Art der Datenerhebung?
Die größten Herausforderungen zeigten sich im Alltag der Beteiligten. Patient:innen sollen sich sowohl in der Klinik als auch zu Hause sicher fühlen – vom Auspacken der Sensoren über das Koppeln bis zur kontinuierlichen Messung. Gleichzeitig mussten Klinikteams neue Rollen und Abläufe etablieren: Wer ist zuständig für welche Schritte? Wie wird die Qualität der Messungen überwacht? Wie funktioniert die Geräte-Logistik?
Eine weitere Herausforderung liegt im Spannungsfeld zwischen technischer Innovation und praktischer Umsetzbarkeit. Sensoren müssen präzise sein, aber auch komfortabel tragbar. Datenschutz und Nutzerfreundlichkeit müssen ebenso gewährleistet sein, insbesondere bei der Kopplung der Geräte und der digitalen Einwilligung.
Wir haben darauf mit klaren, bebilderten Anleitungen, Testläufen vor dem Roll-out und enger Abstimmung zwischen Medizin, Data Science und Softwareentwicklung reagiert. Gleichzeitig monitoren wir aktiv Reibungspunkte – wie etwa Verbindungsabbrüche oder fehlende Messfenster – und verbessern Prozesse iterativ. Das Ergebnis: stabiles Datenmanagement, intuitive App-Nutzung, verständliches Onboarding zu Hause und ein Supportprozess, der auch für Laien funktioniert. So bleibt die Datenqualität hoch – bei gleichzeitiger Entlastung aller Beteiligten.
Inwiefern bringen Digital-Health-Lösungen wie ihr sie anbietet eine Transformation von bestehenden Abläufen und Gewohnheiten im Gesundheitswesen mit sich?
Digitale Lösungen wie D4L Collect führen zu spürbaren Veränderungen: Fragebögen, Einwilligungen und Anleitungen können digital erfolgen, Monitoring wird teilweise in den Alltag der Patient:innen verlagert, was Wege spart und Transparenz schafft. Gleichzeitig ermöglicht kontinuierliche Erfassung von Sensordaten – kombiniert mit PROMs-Daten (Patient-Reported Outcomes) – ein dichteres, longitudinales Verlaufsbild. Statt punktueller Kontakte entsteht ein ganzheitliches Bild des Patient:innenzustands.
Für Studienzentren bedeutet das gezieltere Rückmeldungen und effizientere Follow-ups. Für Patient:innen entsteht mehr Autonomie, für Studienabläufe weniger Papier, mehr digitale Dokumentation und eine optimierte Betreuung. Solche Lösungen schlagen eine Brücke zwischen realer Versorgung und moderner Forschung – evidenzbasiert, datengestützt und menschenzentriert. Der Schlüssel liegt darin, Prozesse gemeinsam mit Klinikteams neu zu denken. Dann wird aus „Digitalisierung“ echte Entlastung – und ein echter Qualitätssprung für Forschung mit Real-World-Daten.
Wie agil, wie flexibel kann man solche Transformationen in einem doch relativ stark reglementierten Bereich wie dem Gesundheitswesen gestalten? An welchen Stellen ist es besonders wichtig, agil vorzugehen, wo haben sich eher weit vorausplanende Herangehensweisen bewährt?
Agilität im Gesundheitswesen heißt nicht „Move fast and break things“, sondern: schnell lernen und sicher verbessern. Es braucht zwei Geschwindigkeiten: schnelle Lernschleifen dort, wo Nutzer:innen-Nutzen, Verständlichkeit und Nutzerführung im Vordergrund stehen – etwa bei UX, Onboarding-Flows oder Supportprozessen. Und strikte Planung dort, wo Sicherheit, Datenschutz und Nachvollziehbarkeit zentral sind, zum Beispiel bei Interoperabilität oder regulatorischen Anforderungen.
Unsere Plattform ist darauf ausgerichtet: Sie erlaubt eine flexible Studienkonfiguration und unterstützt gleichzeitig die Einhaltung aller relevanten Vorgaben: DSGVO, Ethikvorgaben, klinische Standards. Wir arbeiten mit einem risikobasierten Ansatz, nutzen etablierte Datenschutzstandards (Pseudonymisierung, Verschlüsselung, Audit-Trails) und setzen auf klare Rollenverteilungen in der Studienleitung, IT-Sicherheit und Qualitätssicherung.
Gleichzeitig wird immer deutlicher: Agilität allein genügt nicht, solange regulatorische Rahmenbedingungen stark auf klassische Studiendesigns ausgerichtet bleiben. Um das Potenzial von Real-World-Daten und digitalen Studien wirklich zu heben, braucht es eine moderne, wissenschaftlich fundierte Regulatorik. Sie sollte digitale Evidenz aktiv unterstützen – durch klar definierte Qualitätsstandards, interoperable Datenmodelle und flexible Zulassungswege. Nur so lassen sich Innovation und Patient:innensicherheit langfristig miteinander in Einklang bringen.
Danke an Tim Walz, Anne Leopold und Daniela Wilberg für das Gespräch.
