„AI4Health“ ist eine vom Land Bremen geförderte Initiative im Leitprojekt Künstliche Intelligenz der U Bremen Research Alliance. Ziel des Vorhabens ist die nachhaltige Weiterentwicklung der KI-gestützten Gesundheitsforschung in Bremen und im Nordwesten.
Vier Research Areas bilden den wissenschaftlichen Kern von AI4Health: "AI4Prevention", "Biosignal Interpretation 4 Health", "Effective Digital Prevention" und "Small Data". Sie gehen aus dem AI Center for Health Care, dem Peer-to-Peer-Netzwerk Künstliche Intelligenz sowie den Scoping Workshops 2025 hervor und bündeln die KI- und Gesundheitskompetenzen des Standorts.
AI4Prevention
AI4Prevention verfolgt die Idee, ein umfassendes Technologie-Framework zu entwickeln, das Künstliche Intelligenz (KI) nutzt, um Präventionsmaßnahmen im Gesundheitsbereich über alle Stufen des Präventions-Kontinuums hinweg zu optimieren. Anstatt isolierte KI-Modelle für jede Präventionsstufe einzusetzen, wird ein integriertes System entwickelt, das die Synergien zwischen den Präventionsstufen nutzt und optimiert. Der nahtlose Austausch von Daten zwischen den Stufen und der flexible Einsatz von KI in allen Phasen ermöglichen eine dynamische Anpassung und Optimierung der Präventionsstrategien. Das Projekt baut auf vielversprechenden KI-Anwendungen auf, die bisher in spezifischen Bereichen wieder Früherkennung oder der Ansprache von Risikogruppen genutzt wurden, und erweitert diese Ansätze zu einem umfassenden System, das präventive Maßnahmen über das gesamte Kontinuum hinweg verbessert. Langfristig könnte dieses System dazu beitragen, den Gesundheitszustand derBevölkerung zu verbessern, Ressourcen effizienter zu nutzen und Gesundheitskosten zu senken.
Ansprechpartnerin: Dr. Annika Gerken
Projektverantwortliche:
Biosignal Interpretation 4 Health
Zielstellung ist die Erfassung und Analyse individueller Biosignalen mithilfe von KI, um medizinische Erkenntnisse zu gewinnen und kognitive Systeme an individuelle Bedürfnisse anzupassen. Dazu zeichnen unauffällig tragbare Geräte Biosignale, Sozial-, Lebensstil- und Kontextinformationen auf, die Menschen im täglichen Leben erzeugen. Dafür wird der „Biosignals-HUB – Biosignal Sensors for Human-centered AI at University of Bremen“ eingesetzt, der aktuell mit EFRE-Mitteln aufgebaut wird. Diese Daten und ihre Interpretationen können zur frühzeitigen Prädiktion von Erkrankungen genutzt werden und individualisierte Interventionen oder Therapien ermöglichen, um nur einige Einsatzmöglichkeiten zu nennen. Ein besonderer Schwerpunkt des Themenbereichs liegt auf der Sicherstellung von Privatsphäre und Datenschutz sowie der ethischen Datenerhebung. Einige relevante Vorarbeiten wurden im Rahmen der Projekte des AICHC entwickelt.
Anprechpartnerin: Dr. Lena Wollschläger
Projektverantwortliche:
Effective Digital Prevention
In dem Projekt „Effective Digital Prevention“ steht populationsbasierte Prävention im Fokus. Dabei geht es vor allem um die Frage: „Welche Präventionsmaßnahmen wirken für wen unter welchen Bedingungen?“ Die dazu vorliegenden Erkenntnisse sind bisher noch fragmentarisch, in dem Projekt wird daran gearbeitet, die Effektivität von Präventionsmaßnahmen besser beschreiben, bewerten und modellieren zu können. Dazu arbeiten ca. 30 Wissenschaftler:innen vorwiegend aus Bremen und Oldenburg mit komplementären Profilen in Public Health und Informatik zusammen. Die Vorarbeiten wurden im Rahmen des LSC Campus Digital Public Health und des AICHC entwickelt.
Ansprechpartnerin: Dr. Maren Emde
Projektverantwortliche:
Small Data
Im Gesundheitssektor und bei der Verarbeitung von neuronalen Daten verspricht der Einsatz von maschinellem Lernen und Künstlicher Intelligenz Potenzial, um Diagnosen zu unterstützen und Therapieempfehlungen zu geben. Eine große Herausforderung besteht jedoch darin, dass Gesundheitsdaten oft in kleiner Menge und unvollständig vorliegen, nicht genügend divers sind oder nicht ausreichend durch Standardmerkmale beschreibbar sind. Dieses Projekt fokussiert sich auf die Entwicklung lernbarer Datenrepräsentationen, die Robustheit, Erklärbarkeit, Fairness und Generalisierbarkeit unterstützen. Die Vorarbeiten dieses Projekts wurden in der Arbeitsgruppe „Small Data“ des Peer-to-Peer-Netzwerks entwickelt.
Ansprechpartnerin: Dr. Lena Wollschläger
Projektverantwortliche:
Dr. Maren Emde
Wissenschaftliche Geschäftsführung Health Sciences Bremen
Universität Bremen
UNICOM – Haus Turin
Mary-Somerville-Straße 3
28359 Bremen
emde@uni-bremen.de
Tel.: +49 421 218 58519
Dr. Annika Gerken
Senior Scientist Medical Image Analysis, Artificial Intelligence
Fraunhofer Institut für Digitale Medizin MEVIS
Max-von-Laue-Str. 2
28359 Bremen
annika.gerken@mevis.fraunhofer.de
Tel.: +49 421 17879 2139
Dr. Lena Wollschläger
Research Area Managerin "Small Data" & "Biosignal Interpretation 4 Health"
U Bremen Research Alliance
c/o Universität Bremen
UNICOM 2 – Haus Oxford
Mary-Somerville-Straße 2
28359 Bremen
lena.wollschlaeger@vw.uni-bremen.de
Tel.: +49 421 218 60023
Prof. Dr.-Ing. Horst Hahn
Institutsdirektor Fraunhofer-Institut für Digitale Medizin MEVIS
horst.hahn@mevis.fraunhofer.de
Weiteres zur Person:
https://www.mevis.fraunhofer.de/en/employees/horst-hahn.html
Prof. Dr. Frank Kirchner
Geschäftsführender Direktor Deutsches Forschungszentrum für Künstliche Intelligenz DFKI Bremen Robotics Innovation Center
Weiteres zur Person:
https://www.dfki.de/web/ueber-uns/mitarbeiter/person/frki01
Prof. Dr.-Ing. Tanja Schultz
Direktorin Cognitive Systems Lab, Universität Bremen
Weiteres zur Person:
https://www.uni-bremen.de/csl/institut/direktorin
Dr.-Ing. Monika Michaelis
stellvertretende Leitung / Künstliche Intelligenz
c/o Universität Bremen
UNICOM – Haus Oxford
Mary-Somerville-Straße 2
28359 Bremen
monika.michaelis@vw.uni-bremen.de
Tel.: +49 421 218 60045
In der U Bremen Research Alliance kooperieren:
