Sehr geehrte Mitarbeitende in den KIP-Projekten,

heute erhalten Sie den monatlichen Newsletter des Begleitprojektes ProKIP.

Newsletter Header

ProKIP-Newsletter

KIP-Projekte auf der 4th International Conference of the German Society for Nursing Science in Berlin

Am 8. und 9. Mai 2025 präsentierten KIP-Projekte in mehreren Sessions Ergebnisse und Erfahrungen aus den vergangenen drei Jahren Forschung zum Thema KI in der Pflege. In der Oral Session zum Thema Technology hielt Dr. Kathrin Seibert von ProKIP den Vortrag zum Thema AI Readiness in Nursing Care: A Comprehensive Tool for Project Development and Evaluation und präsentierte damit aktuelle Forschungsergebnisse aus dem Begleitprojekt.

Im Symposium Artificial Intelligence in Nursing Care – Perspectives on Repositories and AI Systems, welches vollständig von den KIP-Projekten gestaltet wurde, eröffnete Dr. Kathrin Seibert das Thema KI in der Pflege und moderierte das Symposium. Dominik Domhoff vom Institut für Public Health und Pflegeforschung (IPP) der Universiät Bremen fasste Erkenntnisse aus ProKIP zum Gelingen der Zusammenarbeit zwischen dem wissenschaftlichen Begleit- und Vernetzungsprojekt und den KIP-Projekten zusammen. Neun Thesen zu gelingender Kollaboration zwischen Begleitforschung und Einzelprojekten liefern Impulse für zukünftige Begleitforschung in Förderprogrammen zum KI-Einsatz in der Pflege. Anne Gebert vom Deutschen Institut für angewandte Pflegeforschung (DIP) berichtete im Vortrag ViKI pro: AI for Decision Support in Long-Term Nursing Care – Approach and Data Modelling Challenges Ergebnisse und Herausforderungen der Arbeiten zur Entwicklung der Datenmodelle für das KI-System in ViKi pro, das eine web-basierte Anwendung zur web-based AI decision support system (AI-DSS) for digitally assisted care planning in long-term care (LTC) settings. Dr. Armin Hauß von der Charité Universitätsmedizin Berlin stellt in seiner Präsentation zum Thema How to use Data and AI systems for Fall Prediction aus dem KIP-SDM Projekt wichtige Indikatoren in den pflegegeleiteten Patient*innendaten (Sturzrisikoeinschätzung) und zusätzliche Risikoindikatoren aus den medizinischen Daten im KIS vor. Die Ergebnisse des Projekts verdeutlichen das Potenzial von datengestützter Evidenz in der Pflege. Khalid  Majjouti vom Universitätsklinikum Essen stellte das Projekt KIADEKU: Determining wound types reliably with AI vor und demonstriert, dass ein Mixed-Method Ansatz dazu beitragen kann, Komplexität im Kontext von KI zu bewältigen und die Pflegeperspektive effektiv in den gesamten KI-Entwicklungsprozess zu integrieren.

Darüber hinaus führte das ProKIP Team einen Workshop mit dem Titel Barcamp AI in Nursing Care in Action: A Workshop for Open-Minded Collaboration durch. Dieser präsentierte die von in der Förderlinie erfolgreich eingesetzte Methode des Barcamps und ließ die Teilnehmenden das kollaborative Format erproben.

Termine für die KIP-Projekte

Montag, 16. Juni 2025, 11:30-13:00 Uhr: Lab-übergreifender Workshop

Wir beschäftigen uns vor allem mit den Fragen "Was lief gut? Was weniger? Und was nehmen wir für zukünftige Projekte mit?". In unserer Learning Session schauen wir gemeinsam auf vergangene Erfahrungen, reflektieren Erfolge und Herausforderungen und sammeln wertvolle Learnings für kommende Vorhaben.

Teilnahme hier: https://uni-bremen.zoom-x.de/j/62031377291 pwd=cURlUcJ3T6ldpjkzyJ1HPOMeSRZtW3.1

Meeting-ID: 620 3137 7291
Kenncode: 762388

Quick-Tips

Veröffentlichung des KIADEKU Projekts: Fine-Grained Classification of Pressure Ulcers and Incontinence-Associated Dermatitis Using Multimodal Deep Learning: Algorithm Development and Validation Study

Ziel dieser Studie ist die Entwicklung und Einführung eines robusten multimodalen Deep-Learning-Frameworks für die Klassifizierung von Dekubitus und IAD zusammen mit der detaillierten Kategorisierung der jeweiligen Wundschweregrade, um die diagnostische Genauigkeit zu verbessern und die klinische Entscheidungsfindung zu unterstützen.

Hier finden Sie die gesamte Publikation.

Projektmanager*in (m/w/d) Menschenzentrierte Data Governance in gesundheitlicher Versorgung

Ziel dieser Studie ist die Entwicklung und Einführung eines robusten multimodalen Deep-Learning-Frameworks für die Klassifizierung von Dekubitus und IAD zusammen mit der detaillierten Kategorisierung der jeweiligen Wundschweregrade, um die diagnostische Genauigkeit zu verbessern und die klinische Entscheidungsfindung zu unterstützen.

Weitere Informationen unter: https://www.ducah.de/jobs-projektmanager

Sollten Sie auch interessante Informationen für unseren Newsletter haben, so teilen Sie diese gern mit uns: prokip@uni-bremen.de.

Viele Grüße vom ProKIP-Team!