Künstliche Intelligenz bedeutet viel mehr als nur Algorithmen. Der Machine Learning-Code ist nur ein kleiner Teil eines gewaltigen, komplexen Ökosystems. KI in der realen Welt erfordert daher Systemwissen und Erfahrungen über die Funktionsweise von Machine Learning-Algorithmen, um diese erfolgreich implementieren zu können. Dies gilt insbesondere für KI im Gesundheitswesen, da diese in einem stark regulierten Umfeld mit vielen Herausforderungen konfrontiert ist, wie z.B. der Notwendigkeit von Big Data und Cloud-Konnektivität auf der einen Seite und dem Schutz von sensiblen Patientendaten auf der anderen Seite.

In dem Vortrag werden mögliche Lösungsansätze aus der Systems Engineering-Perspektive vorgestellt. Es werden Engineering Strategien aufgezeigt, mit deren Hilfe Safety, Security und Privacy in medizinischen Systemen, in denen KI-Technologie zum Einsatz kommt, sichergestellt werden können. Als konkretes Beispiel hierzu wird ein personalisiertes Patienten-Monitoring-System präsentiert, in dem KI-Technologie angewandt wird, um Auffälligkeiten im EKG eines Patienten nahezu in Echtzeit zu detektieren.