Die Wissenschaft hinter Loretta

Nahezu alle Gesundheits-KI-Systeme sind prädiktiv. Sie erstellen Risikobewertungen wie „Diese Person hat eine 62%ige Wahrscheinlichkeit, Typ-2-Diabetes zu entwickeln.“ Sie können aber die eigentlich entscheidende Frage nicht beantworten: Was sollen wir dagegen tun? Prädiktive Modelle erkennen Korrelationen, keine Ursachen. Sie könnten beobachten, dass häufige Hausarztbesuche mit höheren Diabetesraten korrelieren, aber die Besuche verursachen keinen Diabetes. Allein auf Korrelationen zu handeln kann irreführend oder schädlich sein.

Loretta nutzt kausale Inferenz, einen Zweig der Statistik, der die tatsächliche Wirkung einer Intervention auf ein Ergebnis schätzt und echte Ursachen von Störfaktoren unterscheidet. Statt Durchschnittseffekte über Populationen zu schätzen, berechnet Loretta den personalisierten Nutzen einer spezifischen Intervention für jede einzelne Person und liefert Empfehlungen, die robust und klinisch aussagekräftig sind.

Dies verwandelt Loretta von einem passiven Risikobewertungstool in eine Interventionsempfehlungs-Engine. Statt einfach „hohes Risiko“ zu melden, kann Loretta ein spezifisches Programm empfehlen, das das 5-Jahres-Diabetesrisiko einer Person um einen messbaren Betrag reduziert. Diese Empfehlungen basieren auf kausaler Evidenz, nicht auf Korrelation.

Gesundheitsdaten in Deutschland gehören zu den am stärksten regulierten der Welt. Daten der gesetzlichen Krankenversicherung müssen in zertifizierten Treuhandstellen verbleiben, und die DSGVO klassifiziert Gesundheitsdaten als besondere Kategorie mit strengen Verarbeitungsanforderungen. Effektive KI braucht große, vielfältige Datensätze, aber der Rechtsrahmen verbietet deren Zentralisierung. Jeder Ansatz, der auf das Sammeln von Daten an einem Ort setzt, stößt im europäischen Markt an diese Grenze.

Föderiertes Lernen kehrt den traditionellen Ansatz um. Statt Daten zu einem zentralen Modell zu bewegen, bringt Loretta das Modell zu den Daten. Das Modell trainiert lokal innerhalb jeder Treuhandstelle, und Patientenakten verlassen nie den sicheren Bereich. Nur verschlüsselte, datenschutzgeschützte Modell-Updates werden geteilt. Das Ergebnis ist ein sich kontinuierlich verbesserndes Modell, trainiert über vielfältige Populationen, mit vollständigen Audit-Trails und ohne zentralisierte Datenexposition.

Jeder neue Versicherer oder jedes Krankenhaus, das sich dem Netzwerk anschließt, verbessert das Modell für alle anderen Teilnehmer, ohne dass einer von ihnen Rohdaten teilt. Je mehr Organisationen beitreten, desto besser wird die Intelligenz für alle. Das ist der Netzwerkeffekt von Daten ohne die Haftung der Datenzentralisierung.

Viele Gesundheits-KI-Unternehmen entwickeln beeindruckende Technologie, kämpfen aber damit, sie in großen, konservativen Institutionen bereitzustellen. Ihre Lösungen erfordern tiefe Integrationsarbeit, maßgeschneiderte Bereitstellungen und Monate des IT-Projektmanagements. Für deutsche Krankenkassen mit komplexen Legacy-Umgebungen ist dieser Ansatz nicht umsetzbar, da ihre IT-Teams bereits überlastet sind.

Loretta ist als API-First-Infrastruktur konzipiert. Jede Fähigkeit, einschließlich Risikobewertung, Interventionsempfehlungen und Fairness-Audits, ist als sicherer, dokumentierter Endpunkt verfügbar. Es gibt keine Plattform zum Installieren. Versicherer verbinden sich über ein standardisiertes Gateway und integrieren über einfache API-Aufrufe, was eine typische Pilotbereitstellung in vier bis sechs Wochen statt zwölf bis achtzehn Monaten ermöglicht.

API-First-Architektur komprimiert traditionelle Bereitstellungszeiten drastisch. Sie wandelt große Vorabinvestitionen in vorhersagbare Betriebskosten um, mit transparenter, nutzungsbasierter Preisgestaltung, sodass Versicherer nur für das bezahlen, was sie nutzen.

Deutschlands Gesundheitsdatennutzungsgesetz (GDNG) schafft einen neuen Rechtsrahmen für Gesundheitsdaten in Forschung und KI. Der EU AI Act klassifiziert Gesundheits-KI als „Hochrisiko“ und löst verbindliche Anforderungen an Transparenz, Bias-Auditing und menschliche Aufsicht aus. Die meisten Anbieter von Gesundheits-KI bauen erst und kümmern sich später um Compliance. Dieser Nachrüstungsansatz ist langsam, fragil und teuer.

Loretta ist GDNG-nativ. Die Architektur wurde von Anfang an um regulatorische Anforderungen herum entworfen. Loretta läuft nativ innerhalb der Treuhandstellen-Infrastruktur und stellt sicher, dass keine patientenbezogenen Daten die sichere Umgebung verlassen. Vollständige Audit-Trails zeichnen jede Modellentscheidung und jeden Datenzugriff auf. Alle Ausgaben enthalten robuste Erklärungen, die den Anforderungen des EU AI Act für Hochrisiko-KI-Systeme entsprechen.

Statt Spezialistenteams zusammenzustellen und souveräne KI-Infrastruktur von Grund auf zu bauen, greifen Versicherer auf vorzertifizierte Endpunkte zu, die Datensouveränität, Kausalität, Gerechtigkeit und Prüfbarkeit von Grund auf gewährleisten. Für Versicherer mit regulatorischen Fristen macht Loretta Compliance im großen Maßstab möglich.