Datenmigration ist mehr als ein technischer Transfer

Wenn Migrationen scheitern

In der schwedischen Region Västra Götaland wurde 2018 ein neues regionales System für elektronische Patientenakten beauftragt. Nach Jahren der Vorbereitung, Integration und Datenmigration ging es Ende 2024 in Betrieb. Schon drei Tage später wurde die Einführung gestoppt. Grund waren Probleme mit der Datenqualität und Bedenken hinsichtlich der Patientensicherheit.

In Finnland sollte ein groß angelegtes Programm dutzende Altsysteme aus dem Gesundheits- und Sozialwesen durch eine einheitliche Akte für die Region Helsinki ersetzen. Hunderte ÄrztInnen reichten jedoch eine formelle Beschwerde ein. Sie warnten, das System gefährde die Patientensicherheit. Kritische Informationen seien schwer auffindbar oder schienen in der Praxis zu verschwinden. Die Übertragung bestehender Daten und Abläufe machte das Projekt selbst zu einem neuen Sicherheitsrisiko.

Im Vereinigten Königreich realisierte der Manchester University NHS Foundation Trust eine der größten Einführungen eines elektronischen Patientendatensystems in Europa. Ausgangspunkt waren mehr als 1.000 einzelne klinische Informationssysteme. Allein die Vorbereitung dauerte zwei Jahre. Noch heute werden Altsysteme schrittweise außer Betrieb genommen. Das zeigt, wie aufwendig es ist, jahrzehntelang fragmentierte klinische Informationen zunächst zu verstehen, dann sicher zu migrieren und schließlich die bisherigen Systeme kontrolliert abzuschalten.

Deutschlands kostspielige Altlasten

Digitale Gesundheitsprojekte treffen in Deutschland auf tief verwurzelte Altsysteme und etablierte Routinen. HausärztInnen nutzen noch immer häufig Telefon, Fax und Briefpost, um klinische Informationen auszutauschen – selbst wenn neue Systeme eingeführt werden. Das zeigt die Studie „The Role of the Installed Base in Information Exchange Among General Practitioners in Germany: Mixed Methods Study“ im Journal of Medical Internet Research.

Nationale Analysen des Fraunhofer ISI kommen zu einem ähnlichen Ergebnis. Jahrzehntelang gewachsene, fragmentierte IT-Infrastrukturen, unterschiedliche Praxissysteme und papierbasierte Akten haben zu einem vergleichsweise wenig digitalisierten, zugleich aber besonders kostenintensiven Gesundheitssystem geführt. Es fehlt nicht in erster Linie an neuen digitalen Werkzeugen. Die eigentliche Herausforderung besteht darin, Daten und Arbeitsabläufe aus tief verankerten Altsystemen zu migrieren und zu integrieren.

Wie groß diese Aufgabe ist, zeigt Deutschlands wichtigstes Programm zur Datenintegration. Das Bundesministerium für Forschung, Technologie und Raumfahrt, vormals BMBF, hat den vier Konsortien der Medizininformatik-Initiative, ihren Datenintegrationszentren und konsortienübergreifenden Anwendungsfällen in zwei Förderphasen von 2018 bis 2026 mehr als 400 Millionen Euro bereitgestellt. Rechnet man die „Digitalen FortschrittsHubs Gesundheit“ hinzu, die den Transfer der Lösungen in die regionale Routineversorgung erproben, beläuft sich die Förderung auf rund 500 Millionen Euro. Ein wesentlicher Teil der Mittel floss in den Aufbau und Betrieb der Datenintegrationszentren. Sie harmonisieren, extrahieren und konsolidieren klinische Routine- und Forschungsdaten über die Standorte der Universitätskliniken hinweg.

Das sind keine Einzelfälle. Sie stehen für ein Muster, das seit Jahrzehnten dokumentiert ist. Eine 2023 veröffentlichte, begutachtete Studie im Government Information Quarterly, die im Rahmen des ISA²-Programms der Europäischen Kommission entstand, zeigt: Altsysteme bilden institutionelles Wissen, Geschäftsprozesse und regulatorische Vorgaben ab. Genau deshalb lassen sie sich nur schwer ersetzen. Die zentrale Herausforderung besteht nicht darin, neue Systeme zu entwickeln. Sie liegt darin, die in bestehenden Systemen verankerten Daten, Arbeitsabläufe und Compliance-Anforderungen sicher zusammenzuführen und zu migrieren.

Komplexität unter der Oberfläche

Altdaten blockieren nahezu jedes größere IT-Vorhaben im Gesundheitswesen. Analyseplattformen können nicht auf vollständige Krankengeschichten zugreifen. KI-Anwendungen benötigen strukturierte, standardisierte Daten, erhalten sie aber nicht in verlässlicher Qualität. Regionale Interoperabilitätsprojekte geraten ins Stocken, weil jede Organisation ihre Daten anders abbildet. Das ist mehr als ein technisches Ärgernis. Und das Problem lässt sich nicht mit einem Standardverfahren lösen.

Große Krankenhäuser betreiben häufig hunderte klinische und administrative Anwendungen. Darin befinden sich unzählige technische Datenfelder, die tausende klinisch relevante Datenelemente repräsentieren. Vor jeder Migration müssen die Verantwortlichen klären, wofür diese Felder stehen. Sie müssen ihre Beziehungen untereinander verstehen und festlegen, wie sie auf moderne Standards wie openEHR oder HL7 FHIR abgebildet werden. Meist fehlt jedoch eine gemeinsame Data Governance, die eine einheitliche Ausrichtung über Abteilungen und Systeme hinweg sicherstellt.

Die größte Herausforderung besteht deshalb nicht darin, Daten technisch von einem Ort an einen anderen zu verschieben. Entscheidend ist, ihre ursprüngliche Bedeutung im Versorgungskontext zu bewahren. Feldnamen sind häufig kryptisch. Geschäftslogiken sind nicht dokumentiert. Die klinische Bedeutung steckt oft in lokalen Konventionen, Freitexten und Arbeitsabläufen, die über Jahrzehnte gewachsen sind. Sobald eine Organisation mit der Migration beginnt, treten jahrelang angesammelte Inkonsistenzen und Qualitätsprobleme zutage.

Bisher begegneten Gesundheitseinrichtungen dieser Aufgabe vor allem mit menschlicher Facharbeit. Erfahrene Integrationsteams analysieren Altsysteme manuell. Sie bilden Daten auf moderne Standards wie openEHR oder HL7 FHIR ab und entwickeln Transformationspipelines, die diese Daten nutzbar machen. Das funktioniert – ist aber langsam, teuer und nur schwer übertragbar. Zudem hängt der Erfolg stark von einzelnen Personen ab. Verlassen diese SpezialistInnen die Organisation, geht auch ihr Wissen verloren.

Wo KI helfen kann

Künstliche Intelligenz wird zunehmend als Antwort auf die Datenprobleme des Gesundheitswesens präsentiert. Teilweise ist dieser Optimismus berechtigt. Teilweise beruht er jedoch auf einem Missverständnis darüber, worin die eigentliche Herausforderung besteht.

Ihre Stärke zeigt KI bei den analytischen Aufgaben, die die Integration von Altsystemen so zeitaufwendig machen. Sie kann Datenbankschemata lesen und interpretieren, Beziehungen zwischen Datenfeldern erkennen und strukturierte Modelle komplexer Altsysteme erstellen. Zudem kann sie erste Vorschläge für das Mapping generieren. Ein typisches Krankenhausinformationssystem umfasst tausende Tabellen, klinische Konzepte, individuelle Formulare und Value Sets. KI hilft dabei, diesen Datendschungel zu kartieren. Aufgaben, für die SpezialistInnen früher mehrere Wochen benötigten, lassen sich mit gut konzipierten KI-Werkzeugen innerhalb weniger Tage erledigen.

Entscheidungen über klinische Datenflüsse darf KI jedoch nicht allein treffen. Der vollständige klinische Kontext existiert mitunter nur im kollektiven Wissen einer Organisation. Dieses implizite Wissen lässt sich nicht vollständig aus Dokumentationen, Datenbanken und Formularkonfigurationen ableiten. Die Verantwortung muss deshalb bei SpezialistInnen bleiben, die die klinische Bedeutung der Daten verstehen. Daten, die in Analyseplattformen, KI-Anwendungen oder Versorgungssysteme fließen, müssen korrekt, reproduzierbar und lückenlos nachvollziehbar sein.

Mappings von einer KI erzeugen und ohne menschliche Kontrolle ausführen zu lassen, würde ein Risiko schaffen, das Gesundheitseinrichtungen nicht eingehen sollten. Genau solchen Gefahren soll auch der EU AI Act begegnen. Für Hochrisiko-KI verlangt er unter anderem menschliche Aufsicht, Nachvollziehbarkeit und ein robustes Risikomanagement.

Das richtige Modell setzt daher auf Zusammenarbeit. KI übernimmt die aufwendige Analyse und verschafft SpezialistInnen mehr Zeit für die klinische und technische Beurteilung. Die Ausführung erfolgt anschließend in einer deterministischen, transparenten Engine – ohne Beteiligung der KI. Nur dieser Ansatz ist schnell genug, um einen praktischen Nutzen zu schaffen, und zugleich sicher genug, um im klinischen Umfeld Vertrauen zu verdienen.

Quellen
_{Irani Z, et al. The impact of legacy systems on digital transformation in public administration. Government Information Quarterly. 2023. link}

_{Manchester University NHS FT. 1000+ legacy systems, 10 hospitals, one electronic patient record. PubMed Central. link}

_{Yle News. Doctors file complaint with health watchdog over Apotti data system. link}

_{The Register and Heise Online. Coverage of Millennium rollout and halt in Västra Götaland. link}

_{Fraunhofer ISI. E‑Health in Germany. link}

_{JMIR. The Role of the Installed Base in Information Exchange Among General Practitioners in Germany: Mixed Methods Study. link}

_{Massachusetts Institute of Technology, Secondary Analysis of Electronic Health Records. link}