Folge 1:Simply Onno

Begrüßung: Wer ist Simply Onno?

Andreas Dahrendorf: Karen Hentschel und Marc Dantas Tiedemann haben Simply Onno gegründet, einen Dienst, der Arztbriefe und Befunde mit KI verständlich erklärt. Karen war Design Director bei IDEO, Marc hat Heartbeat Medical mit aufgebaut. 2025 hat Simply Onno den Deutschen KI-Preis der WELT als Bestes KI-Start-up gewonnen. Herzlich willkommen, Karen und Marc.

Karen Hentschel: Hallo.

Marc Dantas Tiedemann: Hi, schön, hier zu sein.

Andreas Dahrendorf: Die erste Frage zum Einstieg: Ihr seid vier Gründer an drei Orten. Wer von euch macht was?

Karen Hentschel: Inzwischen sind wir sogar an vier Orten: Ich bin in München, Marc in Berlin, Witold, unser Arzt, ist in Dresden, und Stephan sitzt in Neuseeland. Wir haben natürlich alle unterschiedliche Aufgabenbereiche. Weil ich jetzt schon angefangen habe zu sprechen, sage ich einfach, was ich mache.

Du hast richtig gesagt, dass ich zuletzt bei IDEO war, einer Designberatung. Mein Hintergrund ist das Design. Daher kennen Marc und ich uns auch: Wir haben gemeinsam in Potsdam Design studiert. Danach habe ich viel Produktdesign gemacht, aber auch Designteams aufgebaut. Deshalb verantworte ich bei uns vor allem Design und Strategie und alles, was mit Nutzerrecherche zu tun hat, also mit dem, was wir von den Menschen lernen können, die unsere Produkte nutzen oder künftig nutzen sollen.

Marc, ich überlasse dir gleich das Wort, aber ich sage noch kurz etwas zu Witold und Stephan. Witold arbeitet am Uniklinikum Dresden in der Neurochirurgie. Er macht bei uns alles, was medizinisch relevant ist, von der Qualitätssicherung bis zur Prüfung, ob der Output richtig ist. Außerdem kennt er sich fantastisch mit der Regulatorik aus und berät uns auch da. Und dann gibt es noch Stephan, unseren CTO. Er hat viel Erfahrung im Aufbau und in der Entwicklung digitaler Produkte und komplexer Plattformen und weiß, was es bedeutet, in unserem Kontext Services zu schaffen.

Marc Dantas Tiedemann: Meine Rolle ist ein bisschen alles. Wir sind nur vier Leute, da fällt überall eine Menge an. Das reicht vom Marketing, das sich stark mit Karens Bereich überschneidet, bis zur Produktentwicklung. Ich mache auch viel Prompting und versuche, alle Fäden zusammenzuhalten.

Wie du schon erwähnt hast, war ich vorher bei Heartbeat Medical, ebenfalls einem Digital-Health-Start-up. Das ist relativ groß skaliert, am Ende waren wir bis zu 50 Mitarbeitende. Wobei, am Ende: Die Firma gibt es ja immer noch. Ich bin nach zehn Jahren ausgestiegen, weil ich Lust hatte, noch einmal etwas Neues und Kleineres zu machen. Heartbeat war auf Krankenhausseite unterwegs, mit all den Problemen, die damit einhergehen, etwa im Krankenhausvertrieb. Ich wollte etwas Kleineres, Schnelleres machen, direkt für Patienten, etwas, das man rausbringt und das sofort Wirkung hat.

Andreas Dahrendorf: Die Gründungsgeschichte von Onno beginnt mit einem eigenen Befund bei dir, Marc, den du lesen konntest, aber nicht verstanden hast. Kannst du das erzählen?

Marc Dantas Tiedemann: Da kam einiges zusammen. Ich hatte mir beim Bouldern einen Riss im Fuß zugezogen und zwischendurch auch immer wieder Knieprobleme. Ich hatte also einige MRT-Befunde herumliegen.

Eigentlich ging es aber noch früher los, oder ungefähr zur selben Zeit: Karen und ich waren gleichzeitig frei. Wir kennen uns, wie gesagt, schon lange und verbindet eine lange Freundschaft. Wir fahren jedes Jahr zusammen snowboarden und reden dabei immer wieder. Was wir noch nicht erzählt haben: Schon im Studium haben wir recht erfolgreich coole Projekte zusammen gemacht. Lange haben wir gesagt, wir müssten eigentlich mal etwas zusammen machen, und dann war plötzlich der Moment da.

Ursprünglich wollten wir vielleicht etwas im Bereich Design Leadership zusammen machen. Wir haben über Jobsharing nachgedacht, also uns gemeinsam auf eine Stelle zu bewerben, oder über die Gründung einer Agentur. Und ganz aus der Lamäng haben wir dann gesagt: Wir haben zehn Jahre nicht zusammengearbeitet, das sollten wir erst einmal testen. Funktioniert das überhaupt noch? Wir hatten eine grobe Idee, das Thema Befunde schwirrte schon herum, und wir haben gesagt: Lass uns einfach ausprobieren, wie wir das machen würden. Der Rest ist Geschichte. Wir haben beschlossen, uns nicht mehr zu bewerben, sondern die Idee zu Ende zu bringen und unsere eigene Firma zu gründen.

Andreas Dahrendorf: Was passiert, wenn ich einen Arztbrief hochlade?

Karen Hentschel: Die meisten halten ein medizinisches Dokument in der Hand, einen Befund, einen Arztbrief, ein CT oder MRT, es gibt ja sehr viele komplizierte Dokumente. So war das damals auch bei mir. Darin stehen viele komplexe Dinge, und man ist sich nicht sicher, was sie bedeuten oder ob man die Ärztin oder den Arzt richtig verstanden hat. Dann googelt man die Begriffe, landet auf einer unserer vielen Seiten mit Begriffserklärungen und kann sich dort seinen Befund vollständig erklären lassen.

Konkret sagt man: Ich möchte meinen Befund erklärt bekommen. Dann macht man entweder mit dem Handy ein Foto oder lädt die Datei am Computer hoch. Man bekommt das Dokument noch einmal angezeigt und kann bestätigen, dass das genau das ist, was man erklärt haben will. Dann lässt man es sich erklären. Das dauert einen kleinen Moment, und wir informieren währenddessen darüber, was im Hintergrund passiert. Denn das geht nicht in zwei Sekunden: Wir erstellen die Erklärung und prüfen, ob sie medizinisch korrekt ist und unseren Qualitätsansprüchen entspricht, bevor wir sie anzeigen. Das Ergebnis erscheint auf dem Gerät, auf dem man das Dokument hochgeladen hat.

Was man dann bekommt, hängt davon ab, wofür man sich entschieden hat, denn wir haben zwei Produkte. Das eine ist die kostenlose Zusammenfassung. Die geht medizinisch inzwischen recht tief. Wir haben sie schon mehrfach iteriert, um sie noch besser und den Ansprüchen der Nutzenden noch gerechter zu machen. Sie sagt sehr klar, was eigentlich in deinem Dokument steht: Was ist die Diagnose, was wird im Großen und Ganzen gesagt? Die gibt es umsonst, und man bekommt sie innerhalb weniger Sekunden.

Oder man entscheidet sich für die bezahlte Version, die es inzwischen seit einem Jahr gibt: eine detaillierte Erklärung für einmalig 18,50 Euro pro Dokument. Die Erstellung dauert etwas länger, aber dann bekommt man einen mehrseitigen Bericht, in dem jedes einzelne Wort erklärt und die Diagnose erläutert und eingeordnet wird. Dazu kommt: Was sind mögliche medizinische nächste Schritte, was kann das bedeuten, was kannst du bei Ernährung oder Bewegung vielleicht schon selbst tun? Und ganz wichtig: Welche Fragen solltest du stellen, wenn du deine Ärztin oder deinen Arzt das nächste Mal triffst?

Ich sage “ganz wichtig”, weil genau das für die Leute, die uns nutzen, das Wichtigste ist: zu wissen, was noch unklar ist. Denn diese Fragen fallen einem meist erst nach dem Termin ein. Das kennst du vielleicht selbst von Arztbesuchen.

Um deine Frage zu beantworten: Im Großen und Ganzen lädst du dein Dokument hoch, und je nachdem, welchen Weg du wählst, bekommst du nach kürzerer oder längerer Zeit eine mehr oder weniger detaillierte Erklärung. Die kannst du dir als PDF speichern. Du musst keinen Account anlegen, wir wissen nicht, wer du bist. Du gibst uns nichts außer deinem Dokument. Das ist eine bewusste Entscheidung: Wir wollen die Hürden so niedrig wie möglich halten, damit es wirklich jeder schnell nutzen kann, und gleichzeitig sollen die Leute sicher sein, dass das, was sie uns geben, datenschutzkonform behandelt wird.

Karens Weg zu Simply Onno

Andreas Dahrendorf: Bevor wir weiter ins Produkt gehen, noch kurz zu dir, Karen. Vielleicht ist das eine verbindende Frage: Du hast vorher Projekte für Geflüchtete gemacht. Steckt etwas von dem, was du dort gelernt hast, auch in Onno?

Karen Hentschel: Ja, tatsächlich. Zur Einordnung: Ich habe während meiner Zeit bei IDEO mit Alight zusammengearbeitet, einer NGO, deren CEO früher CEO von IDEO.org war. IDEO.org ist der Non-Profit-Arm von IDEO und macht genau solche Projekte. Alight hat sich gemeldet, als der Krieg in der Ukraine losging, und nach Unterstützung gesucht. Ich habe mich bereit erklärt, an diesem Projekt mitzuarbeiten.

Das war sicher auch einer der Gründe dafür, dass ich im Laufe meiner Karriere gedacht habe: Was man tut, muss auch einen Mehrwert für alle anderen haben. Deshalb machen wir inzwischen B2C und nicht B2B wie Marc vorher.

Am meisten mitgenommen habe ich aus dem Projekt das Thema Trauma Research: Wie interviewst du Menschen, die schwer traumatisiert sind oder sich in einem solchen Kontext bewegen, und wie sprichst du mit ihnen? Das hat mir unglaublich geholfen. Denn in der Recherche und der Arbeit mit unseren Nutzenden bei Onno begegne ich Menschen, die schwere Diagnosen erhalten haben, und spreche mit ihnen, um etwas über unser Produkt zu lernen. Wie machst du das so respektvoll, dass sich alle Gesprächspartner gleichermaßen einbezogen fühlen, und so, dass du keinen weiteren Schaden anrichtest oder jemanden zusätzlich belastest? Dieses Bewusstsein dafür, in welchen Kontext man sich begibt, hat mir am meisten geholfen.

Andreas Dahrendorf: Damit verbunden ist die Frage: Wann ist eine Erklärung richtig und zugleich einfach? Wie macht ihr das?

Marc Dantas Tiedemann: Das ist bei uns immer wieder ein großes Streitthema. Na ja, Streitthema ist zu viel gesagt, aber es ist der Spagat zwischen medizinischer Genauigkeit und einfacher Erklärung. Das erfordert sehr viel Feinjustierung und immer wieder Reviews, und am Ende ist es zum Teil auch Bauchgefühl, zumindest was den Ton und die Einfachheit angeht. Es gibt natürlich auch Parameter, mit denen man das berechnen kann, aber letztlich muss man es selbst entscheiden. Und da gibt es immer wieder diese Spannung zwischen Einfachheit auf der einen Seite und einem Mediziner auf der anderen, der sagt: Das ist jetzt aber nicht genau genug. Dazwischen muss man die Balance finden.

Karen Hentschel: Daran haben wir aber auch intensiv gearbeitet. Gerade bei der Zusammenfassung gab es viele Iterationen, von der allerersten, eher leichten Version bis hin zu dem Bedürfnis der Menschen nach mehr medizinischer Tiefe, die aber gleichzeitig so einfach erklärt ist, dass alle sie verstehen. Welcher medizinische Begriff ist allgemein bekannt, und welchen muss man erklären? Wissen überhaupt alle, was ein MRT ist? Wir entscheiden uns dann lieber dafür, etwas einmal mehr zu erklären, als jemanden zu verlieren.

Das ist auf jeden Fall ein Großteil unserer Arbeit. Das eine ist die medizinische Qualität, aber ein riesiger Teil der Arbeit geht in die Frage, wie wir was kommunizieren und wie komplex oder einfach wir es halten. Und um auf die Situation zurückzukommen, in der Menschen unsere Erklärungen lesen: Wie müssen wir kommunizieren, damit sie Informationen, die sie im schlimmsten Fall zum ersten Mal in dieser Form hören, so verarbeiten können, dass wir keinen Schaden anrichten?

Nur kurz noch: Als wir die englische Version erstellt haben, haben wir festgestellt, dass das noch einmal etwas ganz anderes ist, weil Sprache im Englischen viel schneller komplex wird. Dankenswerterweise gibt es in England fantastische staatliche Services, die sehr designgetrieben sind und sich viele Gedanken darüber gemacht haben, wie man in solchen Kontexten mit Sprache umgeht. Daran kann man sich orientieren. Aber man muss trotzdem schauen: Wer ist unsere Zielgruppe, wer muss das verstehen, wie komplex darf es sein? Und dann gibt man den Text auch einfach mal jemandem zum Lesen und fragt: Weißt du jetzt, was da drinsteht? Außerdem bekommen wir natürlich Feedback von unseren Nutzenden.

Andreas Dahrendorf: Das wäre meine nächste Frage: das Feedback. Woran merkt ihr, dass die Leute das verstehen, zufrieden sind und euch vertrauen? Es ist ja immer noch KI.

Marc Dantas Tiedemann: Vor allem am Feedback. Wer Slack kennt: Das ist ein Kommunikationstool, in dem man verschiedene Channels anlegen kann. Bei uns läuft das Feedback in einen Channel, den wir Gute-Laune-Channel nennen, weil eigentlich durchweg positives Feedback kommt. Wie das funktioniert? Am Ende eines erklärten Befunds kann man, wie man das kennt, einen Daumen hoch oder runter geben und auch etwas dazuschreiben. Das machen tatsächlich nicht wenige Leute, ich würde sagen, um die fünf pro Tag.

Das reicht von kurzen Kommentaren wie “Danke, super” bis zu wirklich ausführlichen Geschichten. Die sind teilweise sehr berührend, weil man merkt: Wir haben hier in einem kritischen Moment wirklich Hilfestellung geleistet, für Klarheit gesorgt oder vielleicht auch einfach eine Angst genommen. Daran sieht man, dass es funktioniert hat und wir den richtigen Ton getroffen haben.

Ab und zu kommt natürlich auch ein negativer Kommentar, etwa: “Ich hätte es gern ausführlicher gehabt” oder “Das habe ich schon verstanden.” Das gab es vor allem bei der kurzen Zusammenfassung. Je nachdem, wie oft so etwas kommt, merkt man, dass man noch einmal nachjustieren muss. In der ganzen Zeit gab es, glaube ich, ein- oder zweimal den Fall, dass noch kleinere Fehler drin waren. Inzwischen haben wir 100.000 Dokumente erklärt, ich finde, das ist trotzdem eine ganz gute Quote. Aber auch dafür kommt über das Feedback natürlich wichtiger Input.

Karen Hentschel: Dafür gibt es zwei Wege. Zum einen bitten wir die Leute nach der Summary und nach dem Detailbericht ganz niederschwellig, uns zu sagen, ob das, was wir erstellt haben, hilfreich war. Zum anderen können sie dann „Ja, weil …“ oder „Nein, weil …“ angeben und ihre E-Mail-Adresse hinterlegen. Die Leute, die uns ihre E-Mail dalassen, kontaktieren wir und bitten sie um ein Gespräch oder schicken ihnen einen ausführlicheren Fragebogen, in dem sie verschiedene Dinge bewerten können.

Karen Hentschel: So versuchen wir, regelmäßig mit Nutzenden zu sprechen. Zum einen, um zu verstehen, ob sie zufrieden sind. Zum anderen ist das noch einmal eine zusätzliche Ebene der Qualitätssicherung: Wir erstellen ja keine neuen Informationen und müssen sichergehen, dass alle wissen, dass sie das mit ihrem Arzt oder ihrer Ärztin besprechen müssen.

Auf der anderen Seite zeigt uns das natürlich sehr deutlich, wohin wir uns mit dem Produkt entwickeln sollten. Was machen die Leute eigentlich mit den Informationen? Wofür brauchen sie Unterstützung? In diesen Gesprächen kann man viel detaillierter herausfinden, was funktioniert und was nicht, wofür die Leute diese Informationen brauchen und wie komplex ihre Geschichte ist. Ist das jemand, der sich das Knie gestoßen hat und einfach nicht drei Monate warten will, bis ihm der Hausarzt oder die Hausärztin das MRT erklärt? Oder ist das jemand, der schon eine längere Krankengeschichte hat, jetzt aktiver daran teilhaben will und verstehen möchte, ob das, was ihm kommuniziert wurde, ihm oder ihr hilft, die nächste Entscheidung zu treffen?

Andreas Dahrendorf: Ohne die Privatsphäre zu verletzen: Könnt ihr beschreiben, wer das bucht und bezahlt? Sind das bestimmte Gruppen, typische Menschen?

Karen Hentschel: Willst du, Marc?

Marc Dantas Tiedemann: Kann ich machen. Wenn man es verallgemeinert, ohne Namen zu nennen, geht das schon. Aktuell sind das vor allem Ältere, würde ich sagen. Älter heißt so 60, 65. Wie Karen schon gesagt hat, verschicken wir ja diese Fragebögen, und nach dem, was dort ausgefüllt wird, lag der Durchschnitt, glaube ich, bei 67. Die älteste Person war, Karen, korrigier mich, 92 oder 95?

Karen Hentschel: 94.

Marc Dantas Tiedemann: Genau, 94. Die Spanne ist also sehr groß, aber der Schwerpunkt liegt eher im älteren Bereich. Ich denke, das liegt auch daran, dass dann vermehrt Befunde kommen. Wenn ich mit Freunden spreche: Viele haben noch gar nicht groß Befunde und keine großen Arzttermine. Ab einem bestimmten Alter geht das dann rapide los.

Andreas Dahrendorf: Sicher.

Marc Dantas Tiedemann: Und wir haben unser Interface möglichst einfach gehalten. Kein Login, kein App-Download: Ich drücke einfach auf diesen Knopf und kann etwas hochladen. Das ist für alle einfach zu bedienen.

Karen Hentschel: Um das noch etwas genauer zu sagen: Es gibt verschiedene Gruppen. Da sind zum einen die Leute mit einer Dringlichkeit. So wie Marc damals mit seinem Fuß: Der hat gesagt, das tut jetzt weh, wurde zum MRT überwiesen, hat es bekommen und musste dann wieder warten, bis der Hausarzt oder die Hausärztin Zeit hatte, ihm das zu erklären.

Marc Dantas Tiedemann: Und vorher wollte ich noch schnell snowboarden gehen.

Karen Hentschel: Ich habe eine Freundin, die sich den Daumen gebrochen hatte. Der ist inzwischen wieder zusammengewachsen, aber nicht so, wie er sollte, weil es so lange gedauert hat, bis sie das MRT bekommen hat und dann aufgeklärt wurde. Das sind die Leute mit einer Dringlichkeit, und die haben natürlich auch eine höhere Zahlungsbereitschaft. Die sagen: Ich kann jetzt drei Wochen warten, oder ich lasse mir das übersetzen und weiß zumindest Bescheid. Dann kann ich mir auch selbst eine Physiotherapie besorgen oder ein bisschen Druck aufbauen.

Dann gibt es die Neudiagnostizierten, nenne ich sie mal, mit komplexen Diagnosen, die sagen: Ich möchte das jetzt in der Tiefe verstehen. Denn Arztbesuche sind sehr kurz, und tatsächlich wird von Menschen erwartet, dass sie sehr selbstbestimmt mit ihren Diagnosen umgehen, sobald sie davon erfahren, dass du also weißt, was das bedeutet und was jetzt auf dich zukommt. Da gibt es das Bedürfnis, die Sache in der Tiefe und in ihrer Gänze zu verstehen.

Und je mehr Diagnosen man hat, und zunehmend sind das tatsächlich chronische Erkrankungen mit wiederkehrenden Informationen, desto mehr wollen die Leute ihre Situation aktiv managen. Sie erhoffen sich Informationen, um die nächste anstehende Entscheidung zu treffen, das nächste Gespräch besser zu führen, zu wissen, was sie fragen sollen, oder auch um Informationen über einen bestimmten Zeitraum einzuordnen. Wir wissen auf jeden Fall, auch aus den Interviews, dass es Leute gibt, die mehrfach für unterschiedliche Dokumente bezahlen. Das sind also nicht nur Leute, die das einmal machen und nie wiederkommen, sondern wir haben tatsächlich Nutzende, die sich immer wieder neue Dokumente von uns ausführlich erklären lassen.

Kostenlos und bezahlt: das Modell

Andreas Dahrendorf: Ihr habt ein kostenloses Produkt, hast du gesagt, und eines für 18,50 Euro. Wir wollen hier nicht zu tief in Rentabilitätsdiskussionen einsteigen, aber wie sieht der Weg aus, bis genug Leute zahlen?

Marc Dantas Tiedemann: Rentabel ist das Ganze noch nicht. Wir sind tatsächlich noch „bootstrapped“, wie man auf Englisch sagt. Das heißt, wir haben aktuell keine Investoren an Bord, haben alles selbst finanziert und zahlen uns auch noch keine Gehälter aus. Das Ganze trägt sich zwar schon so weit, dass Server, Softwarelizenzen und die übrigen laufenden Kosten bezahlt sind. Aber Gehälter können wir uns davon noch nicht auszahlen. Profitabel ist es also noch nicht.

Wir haben aber auch gesagt, dass die kostenlose Version immer kostenlos bleiben soll. Zum einen hat das natürlich einen gewissen Marketing-Aspekt: Man kann es jedem guten Gewissens weitererzählen. Wir sind inzwischen mit verschiedenen Patientenvertretungen, Stiftungen, Krankenhäusern und ersten Versicherungen im Gespräch, und die können uns nur empfehlen, weil es diese kostenlose Variante gibt. Zum anderen wollen wir ein niederschwelliges Angebot schaffen, von dem möglichst viele Leute profitieren können. Da ticken Karen und ich und das ganze Team genau gleich. Und je weiter sich das verbreitet, desto häufiger fällt für uns natürlich auch einmal eine detaillierte Übersetzung, also ein Kauf, ab.

Dabei wollen wir natürlich nicht stehen bleiben. Wir haben noch viele Pläne, wie man das ausbauen kann. Gerade bauen wir eine App, damit es eben nicht nur darum geht, einen einzelnen Befund zu übersetzen. Das ist ja immer sehr punktuell: Man muss die Leute im Prinzip immer wieder neu akquirieren, um es in Business-Sprache zu sagen. Das ist auf Dauer schwer tragfähig und sehr mühsam.

Eine App ist aber auch inhaltlich viel spannender. Angenommen, ich habe mir fünfmal das Knie gestoßen und es ein paarmal operieren lassen. Das ist jetzt ein paar Jahre her, und jetzt tut es wieder ein bisschen weh, und ich will wissen: Was war damals eigentlich genau los? Dann muss ich die Akten wieder heraussuchen. Hätte ich das in einer App, könnte ich genau sehen: Stimmt, die Physiotherapie hat damals gesagt, ich soll diese und jene Übung machen, und die habe ich gar nicht mehr gemacht. Darum herum können wir dann weitere Dinge bauen. Uns schwebt ein Abo-Modell vor, und vielleicht kann man auch andere Partner einbinden. Es gibt also ganz viele Ideen, wie wir das weiterentwickeln, bis es dann auch für uns wirklich rentabel wird.

Andreas Dahrendorf: Ist die elektronische Patientenakte in irgendeiner Form ein Thema für euch?

Karen Hentschel: Auf jeden Fall. Sie unterstreicht vor allem, warum es unseren Service braucht. Wenn man überlegt, wo wir herkommen: Für uns gab es zunächst ein individuelles Bedürfnis, diese Informationen zu verstehen. Wir haben aber sehr schnell festgestellt, dass wir nicht die Einzigen sind, die damit allein gelassen werden. Deshalb wollten wir die Kompetenzen, die wir haben, nutzen, um eine Lösung dafür zu schaffen.

Und seit wir damit begonnen haben, ist die Lage eher schwieriger als besser geworden. Inzwischen gibt es die ePA, das heißt, noch mehr Leute haben Zugang zu solchen Informationen. Früher wurden die oft direkt an die Ärztinnen und Ärzte weitergegeben, inzwischen hat man selbst Zugriff darauf. Gleichzeitig verändert sich die Gesetzeslage dahingehend, dass es immer schwieriger wird, mit Spezialisten darüber zu sprechen. Man wird also immer mehr allein gelassen. Das ist auch ein Grund, weshalb wir gesagt haben, es braucht das kostenlose Produkt: Man soll sich Medizin nicht leisten können müssen. Wir wollen, dass alle in der Lage sind, die Informationen, die sie ohnehin haben, zu verstehen, um aktiv teilhaben zu können.

Deshalb ist die ePA natürlich ein Riesenthema. Wir sind auch in Gesprächen mit Krankenkassen, die sehen, dass es einen Bedarf gibt. Die sitzen ja genau an der Schnittstelle und könnten diese Informationen direkt für ihre Mitglieder verständlich machen, weil die dann viel eher ihren Behandlungsplänen folgen oder einschätzen können, was gerade passiert.

Wir suchen natürlich immer nach Zahlen, die belegen, warum das relevant ist. Und es gibt so verrückte Zahlen wie: Ich glaube, drei Viertel der Bevölkerung haben eine geringe Gesundheitskompetenz. Das heißt, sie verstehen solche Informationen überhaupt nicht. Oder: Ich glaube, die Hälfte der Menschen, die das Krankenhaus verlassen, hat die Diagnose, die ihnen erklärt wurde, nicht verstanden. Das ist doch verrückt. Und je mehr Zugang man zu diesen Zetteln hat, desto größer wird wahrscheinlich auch das Bedürfnis, sie zu verstehen. Wenn ich sie nicht habe, ist das vielleicht etwas anderes. Aber wenn ich mit diesen Informationen entlassen werde und jetzt quasi für mich selbst verantwortlich bin, will ich natürlich auch wissen, was das bedeutet.

Andreas Dahrendorf: Ich nehme an, viele Leute nutzen auch andere KIs. Habt ihr euch gefragt, worin sich eure Ergebnisse und Antworten unterscheiden? Privatsphäre ist im Vergleich zu den offenen, allgemeinen KIs sicherlich ein Thema.

Marc Dantas Tiedemann: Privatsphäre ist natürlich ein Riesenthema. Bei uns wird alles auf europäischen Servern gespeichert, sogar nur in Deutschland, und auch die Verarbeitung findet in Europa statt. Wir sind da ganz transparent und sagen: Deckt am besten noch euren Namen ab, wir wollen den gar nicht sehen. Trotzdem prüfen wir die Dokumente im Hintergrund noch einmal, um ganz sicherzugehen, dass nichts bei uns landet, wenn wir sie reviewen. Ob die großen amerikanischen Unternehmen das genauso machen, ist immer die Frage.

Man muss aber auch ganz ehrlich sein: Nach unserer Erfahrung machen wir uns sehr viele Gedanken über so etwas, die Nutzerinnen und Nutzer da draußen interessiert das aber meist gar nicht so sehr. Wir bekommen tatsächlich viel einfach per E-Mail zugeschickt, und wir sagen dann immer: Ladet das bitte auf der Seite hoch. Wir wollen das nicht haben, schon gar nicht mit deinem Namen und deiner Geschichte dazu. Die Leute da draußen sind also viel offener.

Dann geht es natürlich auch um medizinische Genauigkeit. Wir vergleichen das gern mit einem Schweizer Taschenmesser. So ein LLM wie ChatGPT kann wirklich alles Mögliche. Aber möchte ich vom Chirurgen mit einem Schweizer Taschenmesser operiert werden? Eher nicht. Dann hätte ich doch lieber das Skalpell, also das Werkzeug, das nur das eine kann, das aber sehr gut. Um es mal ganz bildlich zu sagen.

Da wir nur Befunde übersetzen und erklären, können wir uns ganz darauf konzentrieren. Es geht schon noch ein Stück weiter als eine reine Übersetzung, es erklärt auch einiges dazu, bleibt aber immer sehr eng am Kontext: Was hat der Arzt wirklich gesagt? Wir haben auch kein eigenes Modell trainiert, sondern arbeiten im Prinzip mit den großen Modellen, die es da draußen gibt. Die haben wir aber sehr eng eingegrenzt, und zusätzlich gibt es andere KIs, die das evaluieren, und Ärzte, die draufschauen und sicherstellen, dass es wirklich dabei bleibt. Es wird immer sehr klar unterschieden: Was hat der Arzt gesagt, was steht in dem Brief? Und wenn es ein Stück weitergeht: Was sind allgemeine Informationen? Das ist immer klar voneinander getrennt. Und auch diese weiterführenden Informationen stützen sich immer nur auf Leitlinien, Studien und deutschlandspezifische Quellen. Da hängt noch einiges mehr dran, aber das ist der Kern.

Karen Hentschel: Klar, wir sind Designer, deswegen haben wir dafür vielleicht ein besonderes Auge: Ein Chatbot ist auch nicht für jeden das richtige Interface. Ganz abgesehen davon, dass unsere Nutzenden, über deren Altersgruppe wir ja schon gesprochen haben, zumindest im Moment vielleicht noch nicht selbstverständlich mit Chatbots umgehen. Das wird sich sicherlich ändern. Aber es gibt eben unterschiedliche Interfaces für unterschiedliche Bedürfnisse. Bei einem Chatbot müsstest du genau wissen, was er dir erklären soll und in welcher Form, um dorthin zu kommen.

Wir haben uns mit viel Recherche Gedanken darüber gemacht, welche Inhalte unsere Nutzenden in dem Moment brauchen, wie die aufbereitet sein müssen und in welcher Form. Es gibt zum Beispiel einen Grund, warum das ein PDF ist: Die Leute wollen es ausdrucken, abheften und zu ihren Ärzten mitnehmen. Da gibt es ganz viele Designentscheidungen, die total wichtig sind und dazu führen, dass das Produkt so genutzt wird, wie es genutzt wird. Und die lassen sich mit den Chatbots dieser Welt nicht einfach replizieren.

Dazu kommt das Vertrauen, und das, was Marc eben schon angesprochen hat: Wir werden von Ärzten und Stiftungen empfohlen, die sagen: Weil ihr die Qualitätsansprüche erfüllt, die wir haben, kann ich euch guten Gewissens empfehlen. Die sind dankbar, wenn Patientinnen und Patienten nicht hereinkommen und sagen: „ChatGPT hat gesagt, ich sollte …“, und sie das in der viel zu knappen Zeit erst wieder auseinandernehmen müssen. Stattdessen kommen sie mit etwas, auf dem man aufbauen kann, weil man weiß, dass die Basis erst einmal stimmt.

Das ist gerade total spannend, weil erst gestern im New England Journal of Medicine AI eine Studie veröffentlicht wurde, die genau das nachgewiesen hat. Am Uniklinikum Dresden haben sie unsere Zusammenfassungen in der neurologischen Sprechstunde eingesetzt und untersucht, ob es die Kommunikation zwischen Patientinnen und Patienten und den Ärzten beeinflusst, wenn die Patienten vorher eine Zusammenfassung von uns lesen. Dafür wurden randomisiert 300 Patienten, die vorher eine Zusammenfassung von uns gelesen hatten, mit 300 verglichen, die das nicht getan hatten, und man hat geschaut, was in diesen Gesprächen eigentlich passiert.

Herausgekommen ist, dass die Patienten das Gefühl haben, besser teilhaben und bessere Entscheidungen treffen zu können, dass sich also die ganze Gesprächsqualität verändert. Und es ist natürlich total wichtig, so eine Basis zu schaffen, um in diesem Kontext funktionieren zu können und von all den Menschen anerkannt zu werden, die es braucht, um so eine Situation zu meistern.

Andreas Dahrendorf: Das ist natürlich spannend. Wollt ihr das noch vertiefen, oder wart ihr noch bei anderen Studien dabei?

Marc Dantas Tiedemann: Nein, das war jetzt die erste. Es gab, glaube ich, zwei Teile, einen im stationären und einen im ambulanten Kontext. Veröffentlicht wurde jetzt, glaube ich, der ambulante.

Karen Hentschel: Das ist für uns wirklich super. Wir können ja viel behaupten, aber dass man sich das einmal in einem klinischen Kontext anschaut, ist für uns total spannend: Stimmen die Annahmen, die wir haben? Stimmt das, was uns die Nutzenden erzählen? Und dann zu sehen, welche Auswirkungen das hat, das ist fantastisch. Es war eine kleine Gruppe in einem sehr bestimmten Kontext, und Neurologie ist sehr komplex. Deshalb kann man nicht sagen, dass sich das überall eins zu eins übertragen lässt. Aber ich denke, man kann schon sagen, dass Zusammenfassungen und verständliche Erklärungen komplexer medizinischer Dokumente dazu führen, dass sich Patientinnen und Patienten besser mit ihren Ärztinnen und Ärzten austauschen.

Man kennt das ja selbst: Du gehst zum Arzt oder zur Ärztin, die erklären dir erst einmal, was im Befund steht, und es ist total wenig Zeit. Im schlimmsten Fall musst du erst verarbeiten, was du gerade gehört hast. Dann gehst du nach Hause, und dann fallen dir all die Fragen ein, und du beginnst, dich damit auseinanderzusetzen. Wenn du vorher Zeit hattest, das zu verstehen, kannst du viel bewusster in so einen Termin gehen und fragen: Worüber sprechen wir hier eigentlich?

Das hilft uns jetzt auch. Wir hatten ohnehin schon Ärztinnen und Ärzte, die uns ihren Patientinnen und Patienten empfehlen. Aber die Studie hat tatsächlich auch herausgefunden, dass die Gespräche kürzer sind und sich die Patientinnen und Patienten trotzdem besser einbezogen fühlen. Das ist ein Anreiz für die Realität da draußen: Wenn man sagen kann, dass wir die Patientinnen und Patienten in kürzerer Zeit besser abholen und ihnen mehr mitgeben, dann haben alle gewonnen. Das ist natürlich super für uns, super spannend.

Marc Dantas Tiedemann: Das deckt sich auch mit dem, was wir am Anfang in der Research gehört haben, als wir viele Ärzte befragt haben. Als wir noch entwickelt haben, dachten wir, die Ärzte hauen uns das um die Ohren und sagen: Nein, das ist unser Bereich, lasst die Finger davon, ihr erklärt denen nichts. Es war genau das Gegenteil. Wir haben uns eine Woche lang mit Expertinnen und Experten unterhalten, was sie davon halten, und alle durch die Bank sagten: Oh mein Gott, super, dass ihr das macht! Wir wollen das erklären, aber wir haben keine Zeit, wirklich in die Tiefe zu gehen.

Im Durchschnitt hat jeder Arzt, glaube ich, sieben Minuten. Bei der Studie ging es um komplexere Fälle, da hatten sie, glaube ich, insgesamt schon 20, 30 Minuten. In der Regel ist es aber recht kurz. Und die Ärzte müssen gerade die Grundlagen immer wieder erklären, immer die gleiche Leier, das ist natürlich mühsam. Dazu wird die Hälfte doch wieder vergessen, und es wird noch einmal nachgefragt. Dann Raum und Zeit für die wirklich wichtigen Fragen zu haben, ist ein Riesenmehrwert.

Karen Hentschel: Was man auch nicht vergessen darf: Oft ist es nicht der Patient oder die Patientin allein. Da sind pflegende Angehörige, die vielleicht die Kommunikation übernehmen, aber gar nicht unbedingt dabei sind, wenn diese Informationen geteilt werden. Oder es sind Familienangehörige, die in die Entscheidungsfindung einbezogen werden. Wenn die alle auf derselben Grundlage das Gespräch führen können, ist das super. Oder ich gehe von einem Spezialisten zum nächsten und muss nicht jedes Mal von der Pike auf erklären, was passiert ist, weil es ein gemeinsames Verständnis gibt. Das darf man nicht unterschätzen: Sicher auch wegen unseres Altersdurchschnitts, aber generell, gerade bei komplexeren Diagnosen, betrifft das oft nicht nur die eigentliche Patientin.

Technik, KI und Datenschutz

Andreas Dahrendorf: Schauen wir auf die Technik: Welche KI steckt dahinter? Ihr habt schon gesagt, in Europa und Deutschland gehostet. Kannst du Details nennen, was funktioniert?

Marc Dantas Tiedemann: Man kann das tatsächlich alles in unseren Datenschutzbestimmungen nachlesen, ich verrate also keine Geheimnisse. Letztendlich nutzen wir die großen Modelle, die es aktuell gibt. Wir sind ein kleines Startup, das hat auch Kostengründe.

Karen Hentschel: Und auch Qualitätsgründe.

Marc Dantas Tiedemann: Genau, beides. Es gibt verschiedene Stufen, die ein Dokument durchläuft: Anonymisierung, Klassifikation, dann die Übersetzung und ein Prüfverfahren. Zum einen läuft das mit OpenAI-Modellen, die aber bei Microsoft in Europa gehostet sind, damit die Daten hier vor Ort bleiben. Und dann nutzen wir Anthropic, aber nur mit anonymisierten, geschwärzten Texten, weil Anthropic einfach die besten Modelle hat, vor allem sprachlich. Wir haben viel gegeneinander getestet, und das war der beste Mix. Der wird natürlich kontinuierlich evaluiert.

Mit Blick in die Zukunft arbeiten wir schon daran: Es kommen ja neue Open-Source-Modelle heraus, die immer besser werden. Da schauen wir schon ganz aktiv, welche Teile wir vielleicht doch komplett selbst hosten können. Das hat dann wieder andere Kostenfaktoren, von der Betreuung bis zur Lizenzierung. Aber wir schauen jetzt schon darauf, das nach und nach komplett umzuziehen.

Andreas Dahrendorf: Habt ihr euch auch Mistral angeschaut? Seid ihr da schon so weit?

Marc Dantas Tiedemann: Da müsste ich Stephan fragen. Ich glaube, Mistral hat leider nicht so gut abgeschnitten. Das sind dann eher die Qwen-Modelle und Ähnliches. Die medizinische Präzision klappt meistens sogar. Schwierig wird es immer bei den Texten selbst, dass sie auch vernünftig klingen. Wenn ich mit meiner Brille draufschaue, merkt man, dass etwas holprig formuliert, grammatikalisch falsch ist oder einfach nicht richtig klingt. Und das ist einer der großen USPs, das ist ja das Produkt. Deshalb müsste man da schwere Abstriche machen.

Andreas Dahrendorf: Und wie sieht die Qualitätskontrolle nach der Kaskade aus, die du angedeutet hast, damit nichts Falsches erklärt wird?

Marc Dantas Tiedemann: Erst einmal gibt es sogar eine ganze Kaskade davor. Bevor wir überhaupt etwas in Produktion schieben, gibt es große Evaluations- und Iterationsrunden. Ganz bildlich gesprochen: Man überlegt sich ein System oder einen Prompt für einen Teilbereich, setzt das um und testet es vielleicht an zehn Befunden. Wenn zum Beispiel Witold sagt, jetzt bin ich zufrieden, wir haben dieses eine Problem gelöst, dann geht es in die große Eval, vor der wir alle ein bisschen Angst haben, weil sie sehr aufwendig ist. Dann werden 50 Befunde querbeet, mit vielen Edge Cases, durchgeneriert und tatsächlich von uns Menschen bewertet.

Dafür haben wir Kriterien festgelegt: Es muss mindestens ein Arzt dabei sein und mindestens einer von uns, inzwischen haben wir, glaube ich, sogar zwei gesagt, die auf Readability schauen. Und wir haben verschiedene Scores: Medical Correctness und Compliance, die nur Ärztinnen und Ärzte beantworten. Dann Readability, also ob alles übersetzt wurde. Helpfulness hatten wir, glaube ich, auch noch als Score, und Form und Struktur.

Karen Hentschel: Und Personality und Empathy, solche Dinge. Das sind die Kriterien, nach denen wir testen.

Marc Dantas Tiedemann: Genau. Danach wird bewertet, und wenn etwas durchfällt, muss es noch einmal gemacht werden, bis es zumindest in dieser Menge einen gewissen Stand erreicht. Zusätzlich lassen wir sogenannte LLM-as-a-Judge obendrauf laufen, also andere, kleinere Modelle, die genau auf diese Scores trainiert sind und das Ganze noch einmal bewerten. Wir haben tatsächlich festgestellt, dass die teilweise sogar besser sind als wir Menschen, nicht in allen Fällen, aber weil sie einfach objektiver sind.

Bei mir ist es manchmal so, dass ich denke, ich will das jetzt einfach durchhaben. Oder je nachdem, zu welcher Tageszeit ich das lese, beurteile ich es anders. Das kommt durchaus vor. Oder es hängt davon ab, welches Gespräch man davor über bestimmte Themen geführt hat, ob man genauer hinschaut oder nicht. Das alles hat so ein Modell nicht. Es urteilt relativ objektiv und manchmal knallhart, und dann denkt man: Ach Mist, da hast du eigentlich recht. Daraus machen wir einen Mix, bis irgendwann eine Eval durchgeht und man sagt: Die Scores der Menschen und der Maschinen sind alle super, jetzt können wir es freischalten.

Im Live-System hängt es dann von der Stufe ab. Ganz am Anfang, als wir live gegangen sind, haben wir wirklich jeden Befund nachträglich angeschaut. Das machen wir inzwischen nicht mehr, wir haben mittlerweile über 200 Übersetzungen täglich. Da schauen wir stichprobenartig hinein. Im Live-System laufen außerdem diese LLM-Judges, die scoren, bewerten und auch eingreifen: Wenn die Übersetzung bestimmte Schwellenwerte unterschreitet und es auch nach dem zweiten Versuch nicht klappt, wird abgebrochen, und es wird tatsächlich nichts ausgeliefert. Dann kann man genau nachschauen, was schiefgelaufen ist.

Da kann ich kurz aus dem Leben plaudern: Wir hatten neulich einen Fall, in dem ein Verstorbener mit Du angesprochen wurde, und irgendwo stand auch noch „erfreulicherweise“. Das ist natürlich blöd. Da muss man eingreifen und nachschärfen. Und die Scores dazu sind alle monitorbar.

Karen Hentschel: Und davor gibt es noch einen ganz einfachen Schritt: Wir prüfen, was das eigentlich für ein Dokument ist, damit bestimmte Inhalte gar nicht erst bei uns landen. Ist das wirklich ein medizinisches Dokument und nicht irgendetwas anderes? Und dann übersetzen wir tatsächlich nicht alle Dokumente. Wir haben ja das Credo: Du bist anonym, wir haben keine Accounts, wir wissen nichts über dich. Und wir erklären nur, wir erstellen keine neuen Inhalte. Das bedeutet aber auch, dass wir zum Beispiel Blutbilder eigentlich nicht erklären können, weil sie nicht kontextualisiert sind. Ohne bestimmte Dinge über die Person zu wissen, kannst du nicht sagen, wie ein Wert einzuordnen ist. Deshalb machen wir die im Moment noch nicht.

Wenn wir irgendwann eine App mit Accounts haben, kann man sich überlegen, welche Informationen es dafür braucht. Aber unser Ziel ist ja nicht, die Ärzte zu ersetzen, sondern den Menschen die Möglichkeit zu geben, die richtigen Entscheidungen zu treffen, und ihnen die Werkzeuge an die Hand zu geben, die sie brauchen, um selbst handeln zu können, in welcher Form auch immer.

Andreas Dahrendorf: Wenn ihr auf Fehler zurückschaut, die später im Produkt aufgetreten sind oder zumindest abgefangen wurden, also nicht im Training, sondern im Betrieb: Sind das eher technische Fehler, ganz basic, dass etwas nicht lesbar ist? Oder sind das schon komplexere inhaltliche Fragen?

Marc Dantas Tiedemann: Tatsächlich beides. Teilweise wurde etwas nicht ganz im Detail übersetzt. Oder eben das Beispiel von eben, dass auf einmal ein Verstorbener mit Du angesprochen wird. Das liegt irgendwo dazwischen, eine Frage des inhaltlichen Verständnisses. Mit Kindern hatten wir so etwas auch: Kinder wurden mit Du angesprochen, obwohl sie offiziell gar keine Befunde hochladen dürfen und das bei einem dreijährigen Kind wirklich keinen Sinn ergibt. Solche Geschichten, und teilweise auch Fragen der medizinischen Genauigkeit, bei denen man genau hineingehen muss. Das hat wirklich lange gedauert, einige Iterationsschleifen, und ein paar Sachen sind auch in Production noch aufgetreten. Die sind jetzt alle behoben.

Aber es gab immer wieder Stellen, an denen das Modell doch noch eine Wertung hineingebracht hat, ein „erfreulicherweise“ oder ein „Ach, das ist nicht so schlimm“. Oder was ChatGPT und all diese Modelle ja so gern machen: dieses Bestätigen, „das ist nur etwas Leichtes, das hat mit dem Alter zu tun“. Da hat sich inhaltlich schon immer wieder etwas hineingemogelt, bei dem wir sagen mussten: Nein, da müssen wir nachschärfen.

Karen Hentschel: Das ist aber wie bei jedem Produkt, nur kritischer, weil wir es mit medizinischen Informationen und Befunden zu tun haben. Ansonsten sind wir ein digitales Produkt, das iterativ entwickelt wird. An bestimmte Dinge haben wir nicht gedacht, die hatten wir nicht auf dem Schirm, bis sie uns begegnet sind, und dann wird nachgeschärft. Auf medizinischer Ebene sind wir natürlich von Anfang an compliant. Deshalb machen wir diese Evaluation, und es wird überhaupt nur released, was dort korrekt ist.

Danach kommen Nuancen wie: Oh, warte mal. Wir haben gesagt, wir sind sehr nah an den Leuten, deshalb sprechen wir sie mit Du an. Aber in bestimmten Kontexten passt das eben nicht, und dafür müssen wir eine Lösung finden. Wenn uns so etwas begegnet, wissen wir, dass wir uns darüber Gedanken machen müssen, und gehen es sofort an. Wir haben am Anfang auch gedacht, wir seien ein Medizinprodukt, und haben das prüfen lassen. Deshalb entwickeln wir auch so: Alle Qualitätsstandards sind so, als wären wir ein Medizinprodukt. Das ist die Basis darunter.

Was dann noch passiert, sind eher kleinere Dinge, die für uns persönlich aber doch schwer wiegen, weil wir einen Anspruch an uns und unser Produkt stellen, dem wir gerecht werden wollen. Deshalb geht so etwas nicht, und deshalb arbeiten wir weiter daran. Wenn du die Leute fragst, die unseren Service nutzen, würden sie vieles davon wahrscheinlich gar nicht benennen. Gutes Design bewertest du ja nicht bewusst, das lässt sich oft schwer kommunizieren. Es funktioniert einfach wirklich gut.

Karen Hentschel: Daran messen wir uns: Bekommen wir Kritik, oder sagen die Leute, dass wir ihnen mit dem, was wir tun, helfen?

Veränderung, Regeln und Ausblick

Andreas Dahrendorf: Wie geht ihr mit der ständigen Veränderung um? Im Moment kommt gefühlt alle zwei Wochen ein neues Modell, das man anders prompten muss.

Marc Dantas Tiedemann: Zum Glück verändert sich unsere Software nicht eigenständig, sucht sich nicht selbst die neuesten Modelle aus und muss nicht ständig angepasst werden. Das ist fest eingestellt. Wir achten natürlich auf die Scores, damit uns die Qualität nicht wegdriftet. Aber klar, es verändert sich ständig, neue Modelle kommen, und die evaluieren wir auch laufend.

Dazu kommt, dass die Modelle, die wir im Einsatz haben, irgendwann abgeschaltet werden. Es ist Wahnsinn, wie schnell das geht. Das gibt es ja wirklich noch nicht lange: Unser Produkt ist seit anderthalb Jahren live, und jetzt werden schon die ersten Modelle abgeschaltet, die wir benutzen, ich glaube sogar über mehrere Generationen hinweg. Dann heißt es: Die sind jetzt alt, ihr müsst die neueren nutzen. Dann müssen wir tatsächlich wieder in die Iteration, obwohl wir eigentlich zufrieden waren mit dem Output. Das passiert gerade auch wieder. Man muss sich also ständig bewegen und schauen, dass man die Evaluationsprozesse schneller und automatisierter hinbekommt.

Ich glaube, das geht uns gerade allen so, egal in welcher Branche man unterwegs ist. Es bewegt sich so viel auf einmal. Das hat für uns aber auch viele positive Effekte. Wir sind zum Beispiel gerade im Fundraising, suchen also aktiv Investoren. Dafür müssen wir alle möglichen Dokumente fertig machen, von Finanzplänen über Modelle bis zu Reports. Was wir da inzwischen mit KI alles erstellen können, ist fantastisch. Auch da kommt sehr schnell immer wieder Neues, das man nutzen kann, etwa Bildbearbeitung für Social Media. Es bleibt also nicht aus, dass man an allen Ecken ständig am Ball bleiben muss.

Andreas Dahrendorf: Eine ähnliche Frage, diesmal zur Gesetzgebung und Verwaltung drumherum: Wo habt ihr Probleme, was hilft euch, und welche Veränderungen habt ihr über die Zeit erlebt? Ist die Gesetzgebung schon so weit, dass sie in diesem Bereich reagiert oder sogar agiert?

Marc Dantas Tiedemann: Ja. Zum einen gibt es das neue KI-Gesetz, den EU AI Act, als Rahmen. Diese Verordnung tritt jetzt nach und nach in Kraft und verlangt zumindest Transparenz. Ich will nicht zu sehr ins Detail gehen, aber es geht vor allem darum, ob man KI in einem Hochrisikobereich einsetzt und wie transparent man gegenüber seinen Nutzern ist. Da müssen wir natürlich genau schauen, was auf uns zutrifft, gerade weil wir vielleicht irgendwann ein Medizinprodukt sein werden.

Dazu kommt die schon angesprochene Medizinprodukteverordnung. Die ändert sich nicht so oft, aber auch da gibt es hin und wieder Updates. Witold ist da immer dran, er ist in seiner Klinik auch Medizinprodukteverantwortlicher und kennt sich sehr gut aus. Er beobachtet das alles für uns, damit wir sehen, was wir noch beachten müssen.

Es gibt ja viele, die sagen: schlimme Verordnungen, Europa und Deutschland, alles so kompliziert, und dann noch die DSGVO. Natürlich rollen wir auch manchmal mit den Augen, wenn unsere Anwältin wieder sagt, welche Texte in unseren Checkboxen stehen sollen und wie lang die sind. Das kann man eigentlich niemandem zumuten, und ob das immer sinnvoll ist, ist auch die Frage.

Auf der anderen Seite gibt es bisher keinen vergleichbaren Service in Europa, der auf Patientenseite erklärt und begleitet, zumindest wenn man sich ein bisschen umschaut. In den USA gibt es schon ähnliche Services. Eine unserer Vermutungen ist, dass sich viele hier nicht herantrauen, weil die Regulierung strenger ist: Man muss die MDR einhalten, man muss den AI Act einhalten. Als Startup, das sich damit auskennt, haben wir mit unseren Vorgeschichten viel Erfahrung, können das gut navigieren und haben dadurch auch einen Vorteil.

Wir streben im nächsten Jahr tatsächlich auch die Zertifizierung an, und zwar mit neuen Produkten, die wir gerade bauen und mit denen wir stärker in die Beratung gehen können. So etwas kann man zertifizieren lassen. Das ist dann auch ein Stempel, ein Siegel, das uns noch einmal von den Chatbots da draußen abhebt.

Karen Hentschel: Auf der anderen Seite, du hast vorhin die ePA angesprochen: Es wäre natürlich toll, wenn man schneller an diese Daten käme. Das ist höchst komplex. Aus rein innovativer Perspektive gibt es sicher viele Momente, in denen man denkt: Warum können wir da nicht schneller ran? Aus der Perspektive des Einzelnen ist es aber natürlich toll, dass man sich in einem geschützten Raum bewegt und gerade Gesundheitsdaten so behandelt werden, wie sie behandelt werden. Das ist ein ganz hohes Gut unseres Systems.

Einerseits haben wir also, wie Marc gesagt hat, einen Service, der in ganz Europa enorm relevant ist, weil er auf diesem Qualitätsstandard aufbaut. Andererseits müssen wir schauen, dass wir näher an diejenigen herankommen, die Innovation auf der systemischen Ebene vorantreiben, um dort schneller Lösungen voranzubringen. Da passiert auch viel. Es gibt tolle Initiativen wie die SPRIND, die ganz bewusst in Sprunginnovationen investiert und schaut, ob es Behörden gibt, die bereit sind zu sagen: Wir machen das jetzt. Das ist das Mindset. Wir haben inzwischen auch einen Digitalservice auf Bundesebene, und damit zumindest die Hoffnung, näher an das britische Modell heranzukommen und Innovationen bewusster und früher anzusiedeln.

Deshalb machen wir aber auch B2C: Die Leute brauchen jetzt Hilfe, und man kann nicht darauf warten, dass sich diese Probleme systemisch lösen. Also machen wir es jetzt. Im besten Fall beeinflusst das dann auch Dinge auf anderen Ebenen. So ist es ja meistens: Wenn Innovation eine Realität überschreibt, wird sie irgendwann vielleicht die neue Realität.

Andreas Dahrendorf: Und wenn ihr ein bisschen fantasiert, vielleicht sogar träumt: Wo steht ihr in einem Jahr?

Marc Dantas Tiedemann: Vielleicht können wir uns dann mal ein Gehalt zahlen. Das wäre schon ein guter Anfang.

Nein, ich habe es ja schon gesagt: Wir sind gerade aktiv im Fundraising. Lange wollten wir das nicht, aber jetzt suchen wir doch Investoren, die zu uns passen. Wir führen schon spannende erste Gespräche, auch mit Business Angels, zum Beispiel mit Ärzten, die einsteigen würden. Wenn das erledigt ist, haben wir mehr Kapital, um schneller entwickeln zu können. Wir haben sehr viele Pläne und wollen die natürlich umsetzen. Wir wollen die App herausbringen und mehr Nutzer erreichen. Mit unseren begrenzten Mitteln, zu viert, hat jeder seine Aufgabe, aber was die große Bewegung angeht, sind wir doch eingeschränkt. Da wollen wir einfach mehr Geschwindigkeit und mehr Reichweite bekommen.

Karen Hentschel: Und der Markt ist total spannend. Man sieht es links und rechts, gerade im präventiven Bereich passiert sehr viel. Es macht großen Spaß, gerade dabei zu sein. Ich würde mir wünschen, dass sich die Landschaft bis nächstes Jahr deutlich weiterentwickelt hat.

Mein Ziel wäre, dass wir im nächsten Jahr mit einer App Menschen ganzheitlicher begleiten können. Im Moment müssen sie zu uns kommen, sie haben dieses eine Dokument, und wenn sie die Übersetzung verlieren, müssen sie es noch einmal übersetzen lassen. Ich möchte, dass wir sie längerfristig begleiten, mehr leisten, enger mit ihnen zusammenarbeiten und dadurch einen ganzheitlichen Mehrwert schaffen, auch bei den großen Fragen des Systems. Das fände ich super. Und ich glaube, das ist drin, wenn man sieht, was gerade alles passiert. Im Moment gibt es ein riesiges Potenzial, etwas zu schaffen und zu verändern.

Marc Dantas Tiedemann: Genau. Um daran anzuschließen: Ein großes Ziel, an dem wir schon arbeiten, ist die Zusammenarbeit mit einer Krankenkasse. Aber gerade in dieser Ecke mahlen die Mühlen langsam. Wir sehen die Kassen als wirklich starke Partner, weil wir die gleiche Mission haben. Eine Kasse hat mal gesagt: Gesunde Patienten sind gute Patienten. Und unser Credo ist: Gesundheit fängt mit Verstehen an. Da ergänzt man sich sehr gut.

Außerdem kommen nur Ärzte und Kassen an die ePA heran. Mit einer Kasse könnten wir viel gezielter ansetzen, etwa im Patientenportal direkt an der ePA, und dort übersetzen und erklären, was drinsteht. Das ist auch für die Kassen spannend, weil die ePA dann überhaupt erst sinnvoll wird. Nur wenn man versteht, was darin steckt, wird sie auch angeschaut. Aber das dauert. Wenn wir das bis Ende nächsten Jahres geschafft haben, wäre das ein toller Erfolg.

Andreas Dahrendorf: Habe ich etwas vergessen? Gibt es ein Thema, das ihr noch loswerden wolltet?

Karen Hentschel: Ich habe vorhin gedacht: Wir sind ja hier im EU AI Talk. Gerade weil wir in diesem komplexen Medizinbereich unterwegs sind, muss man sagen, dass wir in dieser Form überhaupt nur existieren können, weil es inzwischen KI mit diesen Möglichkeiten gibt. Nur deshalb konnten wir die Lösung erschaffen, die wir jetzt haben, und das in unserem kleinen Team. Was wir jetzt machen, hätte man früher nur mit einer Hundertschaft von Menschen mit verschiedenen Aufgaben und Verantwortlichkeiten realisieren können. Das finde ich total spannend: bei aller Kritik an der Zeit zu schauen, was man diesen Tools abgewinnen kann. Und dann mit Blick auf den Markt hier zu fragen, wie wir Innovationen schneller vorantreiben können. Das wäre natürlich super.

Andreas Dahrendorf: Herzlichen Dank für das Gespräch.

Karen Hentschel: Danke dir. Schön, dass wir da sein durften.

Marc Dantas Tiedemann: Danke dir. Hat sehr viel Spaß gemacht.