Logo des Repositoriums

Auflistung nach Autor:in "Hennel, Phil"

1 - 1 von 1
  • Zeitschriftenartikel
    Datenmarktplätze für Künstliche Intelligenz im Gesundheitswesen: Potenziale, Herausforderungen und Strategien zur Bewältigung
    (HMD Praxis der Wirtschaftsinformatik: Vol. 59, No. 6, 2022) Guse, Richard; Thiebes, Scott; Hennel, Phil; Rosenkranz, Christoph; Sunyaev, Ali
    Das Training von Künstliche Intelligenz (KI)-Modellen, die auf maschinellem Lernen (ML) beruhen, erfordert eine große Menge qualitativ hochwertiger Daten. Besonders im Gesundheitswesen mit seinen hochsensiblen Daten und hohen Anforderungen an den Datenschutz besitzen einzelne Akteur:innen oft jedoch nicht ausreichend hochwertige Daten. Datenmarktplätze für KI zielen darauf ab, dieses Problem zu lösen, indem sie Datenanbieter und Datenkonsumenten miteinander verbinden und den Handel von Daten ermöglichen. Allerdings haben sich Datenmarktplätze im Gesundheitswesen, trotz erster technischer Konzepte und einiger Pilotprojekte, bisher noch nicht erfolgreich durchsetzen können. Im Rahmen der vorliegenden Studie wurden daher Interviews mit einer Reihe von relevanten Expert:innen und Akteur:innen durchgeführt, um Potenziale, Herausforderungen und mögliche Strategien zur Bewältigung der Herausforderungen zu identifizieren. Die Ergebnisse der Studie verdeutlichen anhand der drei Dimensionen des Technology-Organization-Environment-Frameworks spezifische Potenziale von Datenmarktplätzen für KI im Gesundheitswesen, aber gleichzeitig auch eine Reihe von Herausforderungen, die es zu adressieren gilt. Die erarbeiteten Bewältigungsstrategien liefern hierbei erste Ansätze zur Beseitigung der identifizierten Herausforderungen, zeigen jedoch auch die Notwendigkeit der weiteren Forschung auf diesem Gebiet auf. Training artificial intelligence (AI) models requires a large amount of high-quality data. However, especially in healthcare with its highly sensitive data and high privacy requirements, individual stakeholders often do not own sufficient high-quality data. Data marketplaces for AI aim to solve this problem by connecting data providers and data consumers and enabling data trading. However, despite initial technical concepts and some pilot projects, data marketplaces have not yet been successful in the healthcare sector. Within this study, expert interviews were therefore conducted with a number of relevant experts and stakeholders to identify potentials, challenges and possible strategies for overcoming the challenges. Based on the three dimensions of the technology, organization and environment framework, the results of the study highlight specific potentials of data marketplaces for AI in healthcare, but at the same time also a number of challenges that need to be addressed. The mitigation strategies developed here provide initial approaches for eliminating the challenges identified, but also highlight the need for further research in this area.