ANONY-MED 2: Wie Deutschland KI-Diagnosen datenschutzkonform macht
Veröffentlicht am: 17.08.2026 um 07:01 Uhr | Redaktion boerse-global.de
Die Integration künstlicher Intelligenz in die medizinische Diagnostik gilt als einer der wesentlichen Treiber für die Effizienzsteigerung im Gesundheitswesen.
Ein zentrales Hindernis bleibt jedoch die datenschutzkonforme Verarbeitung sensibler Patientendaten. Das im August 2026 vorgestellte Projekt ANONY-MED 2 adressiert diese Herausforderung durch die Entwicklung spezialisierter Anonymisierungstechnologien.
In einer Kooperation zwischen Forschungseinrichtungen und der Privatwirtschaft sollen Lösungen geschaffen werden, die den Schutz der Privatsphäre mit den Anforderungen moderner KI-Systeme in Einklang bringen.
Multilaterale Kooperation unter Förderung des Bundesministeriums
Hinter der Initiative ANONY-MED 2 steht ein Konsortium aus namhaften Partnern der Wissenschaft und Industrie. Zu den beteiligten Akteuren gehören das Fraunhofer-Institut für Angewandte und Integrierte Sicherheit (AISEC), die Charité – Universitätsmedizin Berlin sowie das Unternehmen Smart Reporting.
Das Vorhaben wird durch das Bundesministerium für Forschung und Technik (BMFTR) gefördert, was die strategische Bedeutung des Projekts für den deutschen Forschungsstandort unterstreicht.
Ziel der Zusammenarbeit ist es, technologische Barrieren abzubauen, die bisher eine flächendeckende Nutzung von Patientendaten für das Training und die Anwendung von KI-Modellen erschwert haben. Dabei steht insbesondere die Wahrung der Patientensouveränität im Fokus, ohne die diagnostische Präzision der Algorithmen zu beeinträchtigen.
Die technologische Entwicklung im Gesundheitswesen erfordert die Einhaltung komplexer neuer Regularien wie dem EU AI Act. Dieser kostenlose Download verschafft Ihnen den Überblick über Fristen, Pflichten und Risikoklassen, den Ihre Rechts- und IT-Abteilung jetzt dringend braucht. EU AI Act in 5 Schritten verstehen
Technologische Synergien für die Datensicherheit
Ein wesentliches Merkmal von ANONY-MED 2 ist der Einsatz eines breiten Spektrums an Sicherheits- und Verschlüsselungstechnologien. Anstatt sich auf eine einzelne Methode zu verlassen, kombiniert das Projekt verschiedene Ansätze, um einen umfassenden Schutzmechanismus zu etablieren. Zu den zentralen Säulen gehören:
- Datensynthese und Differential Privacy: Durch die Erzeugung synthetischer Datensätze und die Anwendung statistischer Rauschverfahren wird sichergestellt, dass Rückschlüsse auf Einzelpersonen nahezu ausgeschlossen sind.
- Confidential Computing und Trusted Execution Environments (TEE): Diese Technologien ermöglichen die Verarbeitung von Daten in gesicherten Hardware-Umgebungen, auf die selbst Administratoren keinen Zugriff haben.
- Homomorphic Encryption: Dieses Verfahren erlaubt Berechnungen direkt auf verschlüsselten Daten, wodurch eine Entschlüsselung während des Analyseprozesses überflüssig wird.
- Federated Learning: Hierbei verbleiben die Daten an ihrem Ursprungsort, beispielsweise in der Klinik, während lediglich die Modellparameter der KI zentral zusammengeführt werden.
Die Verknüpfung dieser Methoden soll eine Umgebung schaffen, in der medizinische Einrichtungen Daten sicher austauschen und für die Forschung nutzbar machen können.
Wer sich mit der Implementierung neuer Technologien befasst, muss auch die rechtlichen Rahmenbedingungen der EU-KI-Verordnung beachten. Dieser kostenlose Umsetzungsleitfaden klärt über relevante Übergangsfristen auf und hilft Compliance-Verantwortlichen, rechtlich auf der sicheren Seite zu bleiben. Kostenlosen Leitfaden zur KI-Verordnung herunterladen
Anwendungsbeispiel Schlaganfalltherapie und Transferleistungen
Um die Praxistauglichkeit der entwickelten Technologien zu demonstrieren, nutzt das Projekt die Schlaganfalltherapie als konkreten Anwendungsfall. Die Behandlung von Schlaganfällen ist zeitkritisch und erfordert hochpräzise diagnostische Verfahren, bei denen bildgebende Daten eine entscheidende Rolle spielen.
Die Anonymisierung dieser komplexen Datenstrukturen stellt eine besondere Herausforderung dar, deren Lösung als Referenz für andere medizinische Fachbereiche dienen kann.
Über die reine Forschung hinaus verfolgt ANONY-MED 2 einen klaren Transferansatz. Die Projektergebnisse sollen nicht nur den beteiligten Partnern zugutekommen, sondern der breiten Fachöffentlichkeit zugänglich gemacht werden.
Geplant ist die Bereitstellung eines Werkzeugkastens als Open Source, der es anderen Institutionen ermöglichen soll, die entwickelten Anonymisierungsverfahren in eigene Systeme zu integrieren. Flankiert wird dieses Angebot durch ein Praxishandbuch, das rechtliche und technische Leitlinien für die Implementierung datenschutzkonformer KI-Lösungen im medizinischen Sektor bietet.
