Tiplu GmbH aus Harburg erkennt individuelle Gesundheitsrisiken dank KI – Das sagt Gründer Dr. Lukas Aschenberg.
Im Rahmen der exklusiven Diskussionsrunde B&Pimpact stellte sich Dr. Lukas Aschenberg den Fragen von B&P-Redakteur Wolfgang Becker zum Werdegang des Unternehmens (auch als Podcast im B&P-BusinessTalk zu hören). Der Mediziner gründete die Tiplu GmbH gemeinsam mit seinem Bruder Tim Aschenberg (IT) und Peter Molitor, der für die kaufmännische Seite steht. Bis heute zeichnet das Trio für das Unternehmen verantwortlich und hat mittlerweile ein digitales Frühwarnsystem für Ärzte entwickelt.
2017 hat B&P erstmals über Tiplu berichtet – damals ein halbes Dutzend Entwickler im hit-Technopark, dem heutigen Tempowerk. Stand heute haben Sie 120 Mitarbeiter, sitzen im Channel-Tower in Harburg und haben Niederlassungen in Berlin und Zürich. Wie ist das so schnell passiert?
Ich glaube, wir haben mit unseren Produkten einen Nerv getroffen. Es gibt im Krankenhaus-Sektor einen großen Teil an Nicht-Digitalisierung. Wenn man da mit Digitalisierung um die Ecke kommt, dann rennt man oft offene Türen ein.
Was macht Tiplu genau, was war die Idee?
Die ursprüngliche Idee kam aus einem sehr trockenen Gebiet, nämlich der Abrechnung. Die läuft in deutschen Krankenhäusern oft noch so, dass es riesengroße Aktenberge gibt, die pro Patient angelegt und anschließend von speziell ausgebildeten Personen gesichtet werden. Und daraus werden dann Abrechnungs-Codes erstellt, die zur Fakturierung an die Krankenkassen geschickt werden. Wenn der Abrechner aber vielleicht einmal einen kleinen Fehler macht oder kurz unkonzentriert ist, kann es sein, dass er bestimmte Dinge nicht erkennt und dass dem Krankenhaus somit am Ende Geld fehlt, das ihm eigentlich zusteht.
Wie sind Sie bei der Software-Entwicklung vorgegangen?
Wir haben zunächst eine Software geschrieben, die die manuelle Arbeit automatisiert hat, nämlich das Durchsuchen von Aktenbergen. Das war das System Momo. Daraus ist unsere erste Version entstanden, aber die hat nicht so funktioniert, wie wir dachten. Wir hatten also einen gewissen Druck, uns schnell zu verbessern. Die zweite Version hat dann aber funktioniert. Inzwischen sind wir bei der siebten und zählen mehr als 400 Kliniken zu unseren Kunden.
Momo läuft. Aber die Digitalisierung hat in den vergangenen fünf Jahren einen riesigen Schritt gemacht. Was ist Ihr nächstes großes Ding?
Das nächste große Ding ist Maia. Wir haben irgendwann gemerkt, dass wir manche Dinge nicht gut abbilden konnten, zum Beispiel konnten wir komplexe Texte nicht wirklich erfassen und deswegen auch nicht die entsprechenden Abrechnungs-Codes generieren. Aber dann kam ein alter Freund von uns aus Berlin, der Moritz Augustin, und mit dem haben wir uns zusammengesetzt. Er kannte sich als Fachdozent an der TU Berlin mit den Bereichen Künstliche Intelligenz (KI) und maschinelles Lernen bestens aus. Wir haben ihn also gefragt, ob er uns helfen kann. Das gelang, und dabei haben wir dann bemerkt, dass sich unser System nicht nur zur Abrechnung nutzen lässt, sondern auch für Vorhersagen von bestimmten Ereignissen, die gegebenenfalls im Verlauf eines Krankenhaus-Aufenthalts eintreten können.
Was bedeutet das genau?
Bisher kam unsere Software immer an dem Punkt zum Einsatz, wo der Patient schon entlassen wird, an dem man also nicht mehr eingreifen kann. Jetzt haben wir gesagt, dass man die Daten eigentlich schon dann nutzen müsste, wenn der Patient noch da ist. Dann kann man schon währenddessen darauf hinweisen, dass irgendwo ein bestimmtes Risiko besteht. Zum Beispiel, dass er eine Blutvergiftung bekommt oder ein Nierenversagen.
Wie viele Diagnosen lassen sich abbilden?
Letztendlich alle, das ist eine Frage der Modellierung. Ich muss mir also eine Erkrankung schnappen und anschließend das Modell darauf trainieren. Am besten mit ein paar Millionen Fällen, die ein bestimmtes Kriterium erfüllen. Und dann schaut sich das System die Daten an, die zuvor erhoben wurden. Es sucht also ein Muster, das überall aufgetreten ist. Als stark vereinfachtes Beispiel könnte man sagen: Menschen in einem bestimmten Alter mit einem bestimmten Geschlecht, die bestimmte Laborparameter aufgewiesen haben.
Das klingt so, als ob Tiplu eine Art Frühwarnsystem entwickelt.
Genau so ist es!
>> Web: tiplu.de
