Das Know-Center hilft Unternehmen dabei, datengetriebene Geschäftsmodelle zu entwickeln (Credit: Christina Morillo/Pexels).

Big Data und Artificial Intelligence (AI) sind in aller Munde. Aber wie generiert man daraus konkret einen Mehrwert für das eigene Life-Science-Unternehmen? Wo fängt man an? Antworten von Stefanie Lindstaedt, Leiterin des Know-Centers und David Garcia, Head of Digital Life Science, im Interview.

Welche Services bietet das Know-Center für Life-Science-Unternehmen an?

Stefanie Lindstaedt: Wir unterstützen Unternehmen dabei, datengetriebene Geschäftsmodelle zu entwickeln. Dazu braucht man einerseits Fachwissen und viel Erfahrung, aber auch ein starkes internationales Expertennetzwerk, das wir uns über 20 Jahre aufgebaut haben. Wir sind die erste Anlaufstelle für Unternehmen, die das Potenzial ihrer Daten besser ausschöpfen wollen oder Lösungen für konkrete Problemstellungen suchen – abseits von „Stangenprodukten“. Gerade im Life-Science-Bereich braucht es solche Speziallösungen, die wir mit unseren rund 140 Mitarbeitern entwickeln. Wir sehen uns dabei als Dienstleister, der die Unternehmen von der Potenzial- bzw. Datenanalyse bis hin zum Umsetzen der Lösungen begleitet. Darüber hinaus vermitteln wir auch Know-how in unseren Trainings für Unternehmen.

Wie läuft eine Kooperation mit Ihnen ab? Wo startet man?

Stefanie Lindstaedt: Ein möglicher erster Schritt ist ein Data Value Check. Dieser dient der Analyse und Einschätzung der verfügbaren Daten: Wie gut ist die Datenqualität? Was kann ich aus den Daten herauslesen? Welche Use Cases lassen sich ableiten? Dabei berücksichtigen wir neben den technischen natürlich auch wirtschaftliche und rechtliche Einflussfaktoren. Uns ist dabei besonders wichtig, die Herausforderungen in den Life-Science-Unternehmen zu verstehen. Unsere Kompetenz liegt im Entwickeln von datengetriebenen Geschäftsmodellen, die fachliche Life-Science-Kompetenz liegt in den Unternehmen.

Welche Lösungen für den Life Science Bereich hat das Know-Center bereits entwickelt?

David Garcia: Ein aktuelles Beispiel aus dem Life-Science-Bereich ist die Visualisierung und Analyse von EKG-Signalen. Wir haben dazu in Kooperation mit dem Computational Cardiology Laboratory der Med Uni Graz unsere Software TimeFuse eingesetzt und weiterentwickelt, um kritische EKG Verläufe zu identifizieren und in einem großen Datenbestand suchen zu können.

Ein Tool, das Life-Science-Forschenden hilft, den Überblick zu relevanten wissenschaftlichen Veröffentlichungen zu behalten, ist med360. Man kann sich seinen individuellen News-Feed zusammenstellen und bekommt laufend genau jene Life-Science-Fachartikel angezeigt, die für den individuellen Arbeits- und Forschungsbereich wichtig sind. med360 durchsucht dazu tausende Fachjournale und Publikationen. Auch für die Suche in Fachartikeln kann das Tool genutzt werden.

Auch zur Bekämpfung der COVID-19-Pandemie tragen Sie mit Ihren Lösungen bei.

David Garcia: Ja, wir haben eine Corona Heatmap auf Basis simulierter Daten entwickelt. Die Softwarelösung zeigt, wo sich Corona-Patienten aufgehalten haben, um Infektionen besser nachvollziehen zu können. Den Datenschutz gewährleistet dabei eine neuartige homomorphe Verschlüsselung. Verwendet werden zwei Datensätze: die Handynummer des Patienten und die Standortdaten, über welche der Mobilfunkanbieter verfügt. Die Handynummer wird verschlüsselt, bevor sie zum Mobilfunkanbieter gesendet wird. So kann dieser die Bewegungsprofile anonym zusammenfassen, Rückschlüsse auf einzelne Personen sind nicht möglich.

Datensicherheit spielt gerade im Medizinbereich eine zentrale Rolle.

David Garcia: Auf jeden Fall, ja. Wir beschäftigen uns damit im Rahmen des mit 4 Millionen Euro dotierten COMET-Projekts namens „DDAI – Data Driven Artificial Intelligence“. Moderne datengetriebene AI ist hochkomplex, der Weg von den Daten zum Analyseergebnis schwer verständlich und schwer verifizierbar, und ihre Anwendung erfordert Expertenwissen, welches nicht in jedem Unternehmen verfügbar ist. Hinzu kommt, dass die Vertraulichkeit der Daten Unternehmenspartner daran hindert, Analyseergebnisse miteinander zu teilen. Ziel des Projekts ist, an all diesen Punkten anzusetzen und Methoden und Technologien für eine sichere, verifizierbare und erklärbare AI zu entwickeln.

Mehr zum Life-Science-Schwerpunkt des Know-Centers: www.know-center.at