Sven, stell dich und aiomics doch kurz vor – was genau macht ihr und welches Problem löst ihr im Klinikalltag?
Ich bin Arzt. Ich habe früher in Notaufnahmen und auf einer onkologischen Station gearbeitet, bevor ich angefangen habe, an digitalen und KI-gestützten Innovationen zu arbeiten. Und was mich dazu gebracht hat, war eine sehr einfache Beobachtung: Klinisches Personal in deutschen Krankenhäusern verbringt bis zu 40 Prozent seiner Arbeitszeit mit Dokumentation. Das sind bei einer Ärztin in Vollzeit rund 13,5 Stunden pro Woche — nicht mit Patient:innen, sondern mit Arztbriefen, Aufnahmeberichten, Kodierung, Faxen, Kostenträgeranfragen und dem Zusammensuchen von Informationen, die irgendwo in zwanzig verschiedenen Dokumenten stecken. Das hat mich selbst maximal frustriert und es treibt viele weg von dem eigentlich begehrten Arztberuf.
Aiomics löst genau dieses Problem. Unsere Plattform erfasst sämtliche Patienteninformationen — egal ob gescannte Vorbefunde, handschriftliche Notizen, Laborwerte, Radiologiebefunde oder Gesprächsinhalte —, strukturiert sie automatisch und führt eine Qualitätsprüfung durch: Ist alles vollständig? Konsistent? Widerspruchsfrei? Diese geprüften Daten werden dann dem behandelnden Team zur Validierung vorgelegt. Erst danach generiert das System daraus alles, was im Klinikalltag gebraucht wird: Arztbriefe, Entlassungsberichte, Reha-Anträge, Antworten an den Medizinischen Dienst.
Wichtig ist: aiomics ist kein Werkzeug für eine einzelne Berufsgruppe. Die Plattform wird von Ärzt:innen, Pflegekräften, Patientenmanager:innen, Kodierfachkräften, Controller:innen und Compliance-Beauftragten genutzt. Es ist Dokumentationsinfrastruktur für das gesamte Krankenhaus.
Wie bist du auf die Idee gekommen, aiomics zu gründen – gab es ein Schlüsselerlebnis?
Es gab nicht den einen Moment, sondern eine schleichende Erkenntnis über Jahre. In der Notaufnahme erlebst du Nachtschichten, in denen du weißt, dass du eigentlich bei den Patient:innen sein solltest — aber du sitzt vor dem Rechner und tippst. Die Patient:innen fragen zu Recht: „Wann kommt eigentlich endlich mal der Doktor?“ Die Antwort ist: Sobald er Druckerpapier gefunden hat, um endlich ein Fax aus einer anderen Klinik zu empfangen, damit er weiß, was sein Patient an Vorerkrankungen hat.
Irgendwann habe ich mich gefragt: Warum akzeptieren wir das? Warum gibt es keine Technologie, die Ärzt:innen von dieser Arbeit entlastet, ohne gleichzeitig die Qualität der Dokumentation zu gefährden? Und als ich angefangen habe, mich tiefer damit zu beschäftigen, wurde mir klar: Das Problem ist nicht, dass es keine technologische Lösung dafür gibt. Das Problem ist, dass kaum jemand, der mit den richtigen Lösungen etwas daran ändern könnte, die klinische Realität in deutschen Krankenhäusern wirklich versteht und gleichzeitig die technische und regulatorische Kompetenz mitbringt, um eine Lösung zu bauen, der Krankenhäuser tatsächlich vertrauen.
Mein Mitgründer Dr. Nikita Tarasov ist promovierter Physiker und hat über zehn Jahre Erfahrung im Bau intelligenter Systeme. Unser dritter Gründer, Stefan Tertan, ist Softwareentwickler und hat jahrelange Erfahrung mit medizinischer Software. Medizin, Datenwissenschaft, Software-Entwicklung im regulierten Bereich — diese drei Perspektiven zusammen gibt es in der Form bei kaum einem anderen Team in diesem Markt.
Gerade gibt es einen großen Hype um Transkriptions-Apps, die Arzt-Patienten-Gespräche automatisch dokumentieren. Was macht ihr da anders?
Zunächst mal sind Transkriptionslösungen aus unserer Sicht einfach das neue Interface, über das wir mit Maschinen interagieren. Dass man daraus ein eigenes Produkt oder gar eine eigene Firma aufbaut, sehen wir nicht als gerechtfertigt — die Spracherkennungslösungen der großen Spieler sind so gut und so leicht zu implementieren, dass wahrscheinlich viele der Startups in dem Bereich nicht mehr lange überleben werden. Dennoch: Die Aufmerksamkeit ist berechtigt — automatische Gesprächsdokumentation ist ein echtes Bedürfnis. Aber die meisten Lösungen auf dem Markt machen im Kern das Gleiche: Sie nehmen ein Gespräch auf, verschriftlichen es und generieren daraus eine Notiz. Das ist ein guter Anfang. Aber es löst das Problem nur an der Oberfläche.
Stell dir vor, eine Patientin kommt zur Aufnahme. Sie bringt einen Stapel Unterlagen mit — Vorbefunde von der Hausärztin, Labore aus einer anderen Klinik, einen Radiologiebericht, handschriftliche Notizen vom Facharzt. Die Transkriptions-App weiß nichts davon. Sie kennt nur das, was im Gespräch gesagt wird.
Was aiomics anders macht: Wir beginnen nicht beim Gespräch. Wir beginnen bei der gesamten Datenlage. Alles, was an Information über eine Patientin oder einen Patienten existiert, wird erfasst und zu einer geprüften, konsolidierten Fallübersicht zusammengeführt — bevor das Gespräch überhaupt stattfindet. Wenn die Ärztin dann das Gespräch führt, hat sie diese aufbereitete Übersicht bereits vorliegen. Und danach werden nicht nur Gesprächsnotizen generiert, sondern sämtliche Dokumente, die der Klinikalltag erfordert — fachlich strukturiert und auf formale Vollständigkeit geprüft, jeweils im Stil der behandelnden Ärztin oder des behandelnden Arztes.
Dazu kommt unsere Architektur: Integros arbeitet nicht mit einem einzelnen KI-Modell, sondern mit unterschiedlichen Generatoren, gegnerischen Kritikern und gegebenenfalls auch einem Synthese-Schiedsrichter. Das bedeutet: Jedes Ergebnis wird intern gegengeprüft, bevor ein Mensch es sieht. Das ist ein grundlegend anderer Qualitätsanspruch als das, was die meisten Transkriptions-KIs leisten können.
Alle Informationen zum Patienten werden in einer Quelle gebündelt.
Warum ist es so wichtig, dass eine KI auch einen Qualitäts-Check der mitgebrachten Dokumente und Vorbefunde von Patient:innen macht?
Viele Menschen — auch in der Technologiebranche — gehen naiv davon aus, dass das, was in Arztbriefen und Befunden steht, zu hundert Prozent der Realität entspricht. Aber die Karte ist nicht das Gelände. Was in Dokumenten steht, ist oft unvollständig, manchmal widersprüchlich, und gelegentlich schlicht falsch.
Ärzt:innen beschreiben das so: Man schüttet erstmal die Mülltonne an Vorbefunden aus und sucht dann, wo sich die Fehler befinden. Nur: Wer hat dafür die Zeit? Im Klinikalltag kommen Patient:innen mit Dutzenden Seiten an Unterlagen. In einem Acht-Minuten-Aufnahmegespräch ist es schlicht nicht leistbar, zwanzig Seiten wirklich durchzuarbeiten. Die Konsequenz: Informationen, die in den mitgebrachten Unterlagen stehen, tauchen nicht im Aufnahmebericht auf und Fehler werden nicht entdeckt — weil niemand die Zeit hatte, alles zu lesen. Das betrifft alles: von dokumentierten Unverträglichkeiten über Medikamentenlisten bis hin zu Vordiagnosen. Und was nicht dokumentiert ist, fließt auch nicht in die Kodierung ein — was am Ende Erlöse kostet.
Unsere Qualitätsprüfung arbeitet auf vier Dimensionen: Vollständigkeit, Genauigkeit, Konsistenz und Granularität. Das System erkennt zum Beispiel, wenn in den eingehenden Dokumenten Informationen enthalten sind, die in der bisherigen Fallakte fehlen — etwa ein Laborbefund, der in keinem anderen Dokument referenziert wird, oder ein Medikament, das in einer Auflistung auftaucht, aber in einer anderen nicht. Diese Auffälligkeiten werden dem behandelnden Team als strukturierte Zusammenfassung der Datenlage präsentiert. Das Team validiert, die KI unterstützt. Diese Mensch-im-Regelkreis-Architektur ist bei uns kein Schlagwort, sondern ein technisches Grundprinzip.
Was steckt hinter eurem Slogan „Zurück zur Berufung“ genau?
Der Slogan beschreibt, warum die meisten Ärzt:innen ihren Beruf gewählt haben — und warum so viele daran zweifeln, ob es die richtige Entscheidung war. Niemand studiert sechs Jahre Medizin, um Formulare auszufüllen und sich mit Krankenkassen zu streiten. Menschen gehen in die Medizin, weil sie heilen wollen, weil sie in Momenten da sein wollen, in denen es zählt. Und dann verbringen sie einen Großteil ihres Tages mit Verwaltung.
„Zurück zur Berufung“ ist unser Versprechen: Wir übernehmen die administrative Last, damit das klinische Team sich auf das konzentrieren kann, wofür es ausgebildet wurde. Es ist kein Werbespruch. Es ist die Kurzfassung unserer Gründungsmotivation und unserer Produktphilosophie. Jede Funktion, die wir bauen, muss die Frage beantworten: Gibt das den Menschen im Krankenhaus Zeit zurück für das, was wirklich zählt?
Viele Health-Startups scheitern daran, dass sich „bessere Versorgung“ schwer in Euro messen lässt – Kliniken sagen, sie hätten kein Budget, wenn kein finanzieller Mehrwert sichtbar ist. Wie geht ihr damit um?
Dieses Argument kennen wir gut, und es ist berechtigt. Krankenhäuser in Deutschland stehen unter enormem wirtschaftlichem Druck. Wir haben deshalb von Anfang an darauf geachtet, dass aiomics nicht nur Zeit spart, sondern direkt messbare Erlöswirkung hat.
Drei konkrete Hebel: Erstens prüft unsere Plattform die Dokumentation fortlaufend auf Vollständigkeit im Sinne der Anforderungen des Medizinischen Dienstes. In einem Piloteinsatz konnte eine Klinik ihr Rückforderungsrisiko durch den MD um 90 Prozent senken — das entspricht rund 180.000 Euro —, weil die Dokumentation von Anfang an vollständig und prüfungssicher war. Zweitens beschleunigt aiomics die Kommunikation mit Kostenträgern — Antworten auf MD-Anfragen, die vorher Tage dauerten, werden in Minuten generiert, was die Bearbeitungszeit um rund 80 Prozent reduziert. Drittens verbessern wir die Aufnahmesteuerung: Wenn eine Klinik Zuweiseranfragen schneller und vollständiger beantworten kann, erhöht das die Belegungsrate.
Das sind keine weichen Kennzahlen. Das ist Erlössicherung und Umsatzsteigerung, die sich in jeder Quartalsabrechnung zeigt. Und das ist auch der Grund, warum wir bei Gesprächen mit Geschäftsführer:innen nicht über „bessere Versorgung“ reden, sondern über konkrete betriebswirtschaftliche Auswirkungen. Die bessere Versorgung kommt als Konsequenz — wenn Ärzt:innen mehr Zeit für Patient:innen haben und die Dokumentation trotzdem besser ist.
Die technische Integration in alte, komplexe Krankenhaussysteme gilt als größtes Hindernis für Startups – teilweise dauert es 18 Monate und kostet zehntausende Euro. Warum ist das für euch keine Hürde?
Weil wir bewusst so gebaut haben, dass die Integration keine Voraussetzung ist. aiomics läuft browserbasiert. Für den Pilotstart braucht eine Klinik keinen Zugang zum KIS, keine Schnittstelle, kein IT-Projekt. Innerhalb von zwei Wochen kann eine Station produktiv arbeiten — indem sie ihre bestehenden Dokumente einfach in die Plattform lädt: Scans, PDFs, Exporte, sogar Fotos von handschriftlichen Notizen.
Das ist eine bewusste architektonische Entscheidung. Wir wissen, dass die tiefen Integrationen — HL7 FHIR, openEHR, bidirektionale KIS-Anbindung — langfristig kommen. Wir unterstützen diese Standards. Aber wir machen sie nicht zur Bedingung für den Einstieg. Das unterscheidet uns grundlegend von Lösungen, die als Modul in ein bestehendes KIS eingebettet werden müssen.
In der Praxis bedeutet das: Die Klinik kann den Mehrwert erleben, bevor sie eine IT-Entscheidung treffen muss. Das senkt die Einstiegshürde erheblich und beschleunigt unseren Vertriebszyklus auf Wochen statt auf Quartale.
Eigentlich mögen VC-Investoren Krankenhäuser gar nicht als Haupt-Kundengruppe. Wie habt ihr eure Investoren überzeugt, dass euer Modell in den typischen VC-Case passt?
Die Sorge ist nachvollziehbar: Krankenhäuser gelten als langsam, preissensibel und schwer skalierbar. Das stimmt auch — wenn man ihnen ein klassisches Software-Abonnement verkauft, das ein IT-Projekt erfordert.
Unser Argument war ein anderes. Erstens: Der europäische Krankenhausmarkt ist riesig. Allein in Deutschland gibt es über 1.700 Kliniken, die zusammen rund 20 Millionen stationäre Fälle pro Jahr abwickeln. Die klinische Dokumentation ist ein Milliardenproblem, das bisher von niemandem technologisch gelöst wurde. Zweitens: Unser Ansatz — browserbasiert, kein IT-Projekt nötig, Wertnachweis in Wochen — beseitigt genau die Reibungspunkte, die den typischen Krankenhaus-Vertriebszyklus so lang machen. Und drittens: Unser Preismodell ist volumenbasiert und skaliert mit der Fallzahl. Je mehr Fälle eine Klinik durch die Plattform verarbeitet, desto mehr Umsatz generieren wir — und desto mehr Erlöse sichert die Klinik. Das ist ein Gleichlauf der Interessen, den Investor:innen sofort verstehen.
Unsere Geldgeber:innen — darunter Vorwerk Ventures, Norrsken und weitere europäische und internationale Investor:innen — haben investiert, weil sie erkannt haben, dass die Infrastrukturschicht der klinischen Dokumentation ein Markt ist, in dem sich ein dominanter Anbieter durchsetzen wird. Wer diese Schicht einmal besetzt, wird nicht mehr ausgetauscht.
Wie sieht euer Geschäftsmodell konkret aus – zahlen die Kliniken pro Nutzung, per Lizenz oder anders?
Unser Modell besteht aus zwei Komponenten: einer monatlichen Plattformgebühr und einer variablen Gebühr pro verarbeitetem Patientenfall.
Die Plattformgebühr deckt die Infrastruktur, unbegrenzte Nutzerkonten, Betreuung und Regelkonformität ab. Die Fallgebühr deckt die tatsächliche KI-Verarbeitung — von der Dokumentenerfassung über die Strukturierung bis zur Dokumentengenerierung. Das ist bewusst so gewählt: Wir wollen, dass möglichst viele Mitarbeitende die Plattform nutzen — Ärzt:innen, Pflege, Verwaltung, Kodierung. Deshalb gibt es bei uns keine Einzelplatzlizenz. Jedes Preismodell, das die Nutzerzahl begrenzt, würde die Verbreitung im Haus bremsen. Und genau diese Verbreitung ist der Schlüssel zum Mehrwert.
Die Klinik zahlt also proportional zu ihrem tatsächlichen Volumen. Eine kleine Klinik mit 3.000 Fällen pro Jahr zahlt deutlich weniger als ein Maximalversorger mit 30.000 Fällen. Aber beide haben dieselbe Plattform und unbegrenzte Zugänge. Das ist fair, transparent und für Einkäufer:innen nachvollziehbar — und das ist uns wichtig, weil wir nicht wollen, dass unsere Preisgestaltung ein Verhandlungshindernis wird.
Könnt ihr ein konkretes Beispiel nennen, wie viel Zeit oder Geld eine Klinik durch aiomics tatsächlich spart?
Ein konkretes Szenario: Eine Klinik mit 1.400 stationären Fällen pro Jahr, in der die Dokumentation pro Fall im Schnitt 90 Minuten ärztlicher Arbeitszeit bindet. Aiomics kann einen erheblichen Teil dieser Zeit übernehmen — die Erfassung und Strukturierung der Vorbefunde, die Erstgenerierung von Arztbriefen und Berichten, die Kodierungsunterstützung.
Auf der Erlösseite ist der Effekt oft noch spürbarer: Wenn durch unvollständige Dokumentation auch nur bei einem Prozent der Fälle Erlösrückforderungen durch den MD drohen und der durchschnittliche Fallwert bei rund 4.000 Euro liegt, reden wir schnell von sechsstelligen Beträgen, die auf dem Spiel stehen. Über unsere KI-gestützte Kanban-Lösung können Kliniken viel schneller auf Zuweisungen von ambulanten Ärztinnen und Ärzten reagieren und somit mehr Patient:innen aufnehmen.
In unserem Piloteinsatz hat eine Klinik die Rückforderungsquote um 90 Prozent gesenkt. Gleichzeitig sank die Bearbeitungszeit für Kostenträgeranfragen um rund 80 Prozent und es mussten keine Fristverlängerungen mehr beauftragt werden. Das sind keine theoretischen Werte — das sind Ergebnisse aus dem laufenden Einsatz.
Dazu kommt: Die Charité Berlin begleitet den Einsatz unserer Plattform derzeit mit einer unabhängigen wissenschaftlichen Evaluation. Das heißt, wir lassen unsere Wirksamkeit nicht von uns selbst, sondern von einer der renommiertesten Universitätskliniken Europas überprüfen. Weitere Ergebnisse werden in den kommenden Monaten veröffentlicht.
Wie stellt ihr sicher, dass eure KI mit sensiblen Patientendaten DSGVO-konform und sicher umgeht?
Datenschutz ist in unserem Bereich keine Zusatzfunktion, sondern eine Existenzvoraussetzung. Wir haben die Plattform von Tag eins für die strengsten europäischen Anforderungen gebaut.
Konkret: Alle Daten werden auf EU-Servern verarbeitet und gespeichert, die den Anforderungen des BSI-C5-Katalogs entsprechen. Wir sind auf ISO 27001 ausgerichtet und haben die DSGVO-Konformität nicht nachträglich aufgesetzt, sondern in die Architektur eingebaut. Dazu gehören vollständige Prüfprotokolle für jeden Verarbeitungsschritt, rollenbasierte Zugriffskontrollen und Auftragsverarbeitungsverträge, die den Anforderungen deutscher Krankenhäuser entsprechen.
Außerdem: Wir haben unsere Plattform bewusst so konzipiert, dass sie keine klinischen Entscheidungen trifft. aiomics ist ein Dokumentations- und Kommunikationswerkzeug — kein diagnostisches Instrument und keine Software zur klinischen Entscheidungsunterstützung.
Wie sieht euer Team heute aus und welche Kompetenzen waren beim Aufbau am wichtigsten?
Unser Gründerteam bringt drei Perspektiven zusammen, die in Kombination selten sind: Ich komme aus der klinischen Praxis und verstehe, wie Krankenhäuser wirklich arbeiten — nicht, wie Technologieunternehmen glauben, dass sie arbeiten. Nikita Tarasov ist promovierter Physiker und hat unsere KI-Architektur entwickelt, die mit mehreren parallel arbeitenden KI-Modellen und einem internen Gegenlese-Verfahren eine Qualitätsstufe erreicht, die mit einfachen Einzelmodell-Ansätzen nicht möglich ist. Stefan Tertan bringt langjährige Erfahrung in der Entwicklung medizinischer Software und im regulierten Umfeld mit. Inzwischen haben wir ein Team von zehn Personen mit unterschiedlichen Expertisen.
Was beim Aufbau am wichtigsten war: Die Fähigkeit, gleichzeitig in drei Sprachen zu denken — medizinisch, technisch und regulatorisch. Im deutschen Krankenhausmarkt reicht es nicht, ein gutes KI-Modell zu haben. Du musst die DRG-Logik verstehen, die Anforderungen des BSI kennen, die Erwartungen von Betriebsräten antizipieren und trotzdem ein Produkt bauen, das eine Ärztin in der Nachtschicht intuitiv bedienen kann.
Wo steht aiomics gerade – wie viele Kliniken nutzen eure Lösung bereits?
Wir arbeiten aktuell mit Kliniken aus drei der größten privaten Klinikgruppen in Deutschland — sowie mit niedergelassenen Ärzten in Deutschland, der Schweiz und Schweden. Wir sind also nicht mehr in der Phase, in der wir beweisen müssen, dass das Produkt funktioniert. Wir sind in der Phase, in der wir skalieren und natürlich auch kontinuierlich entlang des Bedarfs unserer Anwenderinnen und Anwender weiterentwickeln.
Der Gesundheitsmarkt in Deutschland gilt als regulatorisch komplex. Was war bisher eure größte Hürde und wie habt ihr sie gemeistert?
Mit der Regulatorik kommen wir eigentlich erstaunlich gut klar, denn inzwischen sind die Leute ja auch erfahren damit, und es gibt einfach einen starken Wunsch, Dinge nach vorne zu bringen, auch wenn die Rahmenbedingungen durchaus widrig sind. Das größte Problem, das wir momentan haben, ist, dass viele Menschen in den Krankenhäusern es nicht gewöhnt sind, echte Software präsentiert zu bekommen. Die meisten sind PowerPoint-Händler, aber die Kluft zwischen PowerPoint und Realität ist klaffend groß. Und viele haben noch nicht ein volles Verständnis dafür, wie sie ihre Arbeitsprozesse wirklich tiefgreifend verändern sollten, sodass sie auch das meiste rausholen aus der KI. Dann ist es ein bisschen so, als würde man einen Porsche fahren, ohne zu wissen, wie eine Gangschaltung funktioniert. Ich denke, hier wird sich in den kommenden Monaten viel tun und habe das Gefühl, dass viele Ärztinnen und Ärzte, aber auch Menschen in der Therapie und der Pflege sehr schnell lernen und verstehen, dass es an der Zeit ist, viele Prozesse, die man bisher einfach hingenommen hat, zu hinterfragen.
Wo soll aiomics in drei Jahren stehen – was ist eure Vision?
Wir wünschen uns, dass niemand in der Medizin mehr ernsthaft darüber nachdenkt, den Beruf wegen der Bürokratie aufzugeben.
Und wir hoffen, dass das nicht erst in drei Jahren passiert, sondern schon in den nächsten zwölf Monaten. Das ist die eigentliche Messlatte. Alles andere — Umsatz, Märkte, Nutzerzahlen — sind Mittel, um dahin zu kommen.
Steckbrief
Unternehmen: aiomics GmbH
Gründer: Dr. med. Sven Jungmann (CEO), Dr. Nikita Tarasov (CTO), Stefan Tertan
Gründungsjahr: 2025
Standort: Berlin
Branche: Healthcare AI, Klinische Dokumentation
Investoren: Vorwerk Ventures, Norrsken, weitere europäische und Silicon-Valley-Investoren
Besonderheit: Unabhängige wissenschaftliche Evaluation durch die Charité Berlin
Website: www.aiomics.io