In modernen OP-Sälen unterstützen Roboter und Sensoren schon jetzt die Arbeit von Ärztinnen und Ärzten. Mit Hilfe Künstlicher Intelligenz könnten daraus intelligente Assistenzsysteme werden – davon ist die Informatikerin Stefanie Speidel überzeugt. Die Professorin am Nationalen Centrum für Tumorerkrankungen Dresden und stellvertretende Direktorin der Zuse School of Embedded Composite Artificial Intelligence (SECAI) erklärt im Interview, wie Behandlungen dadurch besser werden könnten, wo noch Hürden liegen und warum eine internationale und interdisziplinäre Forschung so wichtig ist.

Frau Professorin Speidel, Ihr Forschungsschwerpunkt dreht sich um robotergestützte Chirurgie. Ist das mit Geräten wie dem Da-Vinci-Operationssystem nicht längst Realität?

In der Tat wird das Da-Vinci-System vielfach eingesetzt. Es verbessert die Ergonomie für die Operateurin oder den Operateur, weil die Instrumente per Joystick an einer Konsole gesteuert werden. Für das Behandlungsergebnis bleibt aber die Expertise des OP-Teams von entscheidender Bedeutung. In meiner Forschung geht es darum, Robotersysteme intelligenter zu machen – und sie zu echten Assistenzsystemen auszubauen. 

Warum ist das wichtig?

Postoperative Komplikationen sind die dritthäufigste Todesursache weltweit. Ein Teil gilt als vermeidbar. Technologien, die chirurgisches Erfahrungswissen systematisch erfassen und während eines Eingriffs verfügbar machen, könnten dazu beitragen, die Behandlungsqualität zu verbessern und gleichzeitig das medizinische Personal zu entlasten.

Wie kann das konkret aussehen?

Der OP-Saal der Zukunft steckt voller vernetzter Sensoren und Aktoren, also zum Beispiel Robotersystemen. Die Daten werden in Echtzeit analysiert. Operateurinnen und Operateure erhalten hilfreiche Informationen zum passenden Zeitpunkt – etwa in der Konsole des OP-Roboters, per Sprachausgabe oder Datenbrille. Das reicht von visuellen Markierungen von Ziel- und Risikostrukturen im Gewebe über konkrete Handlungsempfehlungen und Komplikationsvorhersagen bis dahin, dass der Roboter assistierende Aktionen selbst ausführt: Er kann zum Beispiel auch Instrumente oder eine Kamera gezielt führen, Bewegungen absichern oder perspektivisch einzelne klar definierte Aufgaben übernehmen.

Welche Rolle spielt dabei Künstliche Intelligenz? 

Wir brauchen maschinelles Lernen, um aus den Sensordaten – dazu zählen auch die Videostreams und die Daten des Roboters – zu verstehen, was während einer Operation gerade passiert: Welche anatomischen Strukturen sind sichtbar, welche Instrumente werden eingesetzt, was geschieht mit dem Gewebe und welche Risiken entstehen? Die KI kann diese Situation mit Erfahrungen aus vergangenen Operationen abgleichen und daraus ableiten, welche Unterstützung gerade sinnvoll ist.

Profitiert Ihr Forschungsgebiet von den rasanten KI-Fortschritten, die man in Chatbots bestaunen kann?

Der KI-Boom hilft enorm. Es gibt sehr gute Modelle, die wir als Basis nutzen können. Die große Herausforderung liegt darin, sie für die chirurgische Anwendung zu trainieren. Die Datenbasis ist sehr dünn. Kliniken zeichnen nur wenige Operationen auf. Und dann müssen Fachleute diese Videos mühsam annotieren, also mit Hintergrundinformationen anreichern. Über allem schweben hohe Datenschutzanforderungen.

Einen Lösungsansatz erforschen Sie gerade in einem Projekt, das sich um synthetische Trainingsdaten dreht. Wie funktioniert das?

Der Kerngedanke ist, mögliche Szenen im Operationsverlauf kontrolliert nachzustellen. Medizinische Simulationsprogramme können dabei bestimmte Aspekte wie Anatomie, Gewebedeformation oder Instrumentenbewegungen modellieren und haben den großen Vorteil, dass die zugrundeliegenden Informationen und Annotationen direkt verfügbar sind. Allerdings können sie bislang weder die Komplexität realer Operationen noch deren visuelles Erscheinungsbild ausreichend realistisch wiedergeben. Wir wollen Diffusionsmodelle mit Simulation kombinieren, um daraus realitätsnahe Bilder und Videosequenzen zu erzeugen, die dann in das Training der Assistenz-KI einfließen.

Wenn Deutschland an der Spitze der KI-Entwicklung mitmischen will, muss es Talente gewinnen und langfristig halten. Helfen die Zuse Schools dabei?

Ja, über SECAI und den DAAD können wir Top-Nachwuchstalente weltweit rekrutieren. Eine Besonderheit der Zuse Schools ist es, dass man sehr interdisziplinär arbeitet und ganz unterschiedliche Forschungsfelder zusammenbringt. Für internationale Wissenschaftlerinnen und Wissenschaftler ist das hochattraktiv.

Was bremst den Weg von universitären Innovationen in den klinischen Alltag?

Der Knackpunkt sind die hohen Anforderungen, die es für eine Validierung in der Praxis gibt. Ich habe das in meinem Forschungsprojekt CoBot erlebt. Wir hatten schon vor drei Jahren einen gut funktionierenden Algorithmus für die robotergestützte Rektumchirurgie, also operative Eingriffe am Enddarm. Um diesen jedoch im Rahmen einer klinischen Studie bei realen Operationen untersuchen zu können, mussten wir einen erheblichen Teil der regulatorischen Anforderungen für ein Medizinprodukt erfüllen. Für solche Prozesse haben Unternehmen ganze Abteilungen. Hochschulen fehlen dafür die Ressourcen. Das ist mitunter frustrierend.

Bereuen Sie es manchmal, dass Sie sich als Informatikerin ausgerechnet für den hochregulierten medizinischen Bereich entschieden haben?

Nein, überhaupt nicht. Ich hatte auch überlegt, Medizin zu studieren, mich dann aber doch für etwas Technisches entschieden. Schon während der Promotion hatte ich dann die Möglichkeit, beide Gebiete zu verbinden. Mich reizt das interdisziplinäre Arbeiten: Ich bin überzeugt davon, dass es verschiedene Perspektiven braucht, um große Herausforderungen zu lösen. Das erfordert manchmal mehr Anstrengung. Aber es ist sehr erfüllend, an Systemen zu arbeiten, die das Potenzial haben, die medizinische Versorgung zu verbessern.

Steffen Ermisch (15. September 2026)