SlideShare ist ein Scribd-Unternehmen logo
HOCHSCHULE	OSNABRÜCK	
University	of	Applied	Sciences	
	
	
	 	 FAKULTÄT	WIRTSCHAFTS-	UND	SOZIALWISSENSCHAFTEN	
	
Masterprogramm	
MBA	HEALTHMANAGEMENT	
	
	
	
Masterarbeit	
	
	
	
Thema:	 BIG	DATA-Management	im	Gesundheitswesen	
	 Strategien,	Geschäftsmodelle,	Perspektiven	
	
	
	
	
	
Erstprüfer	 Prof.	Dr.	rer.	pol.	habil.	Christoph	Rasche	
	 	
Zweitprüfer	 Prof.	Dr.	Manfred	Haubrock	
	
	
	
Vorgelegt	von	 Daniel	Schnelting	
Matrikelnummer	 594249	
	
	
	
Ausgabedatum	 17.07.2015	
	 	
Abgabedatum	 17.11.2015
II	Management	Summary	
Management	Summary	 	
Die	Big	Data-Revolution	im	Gesundheitswesen	entwickelt	sich	langsam,	das	Potenzial	ist	riesig.	Es	
geht	 dabei	 nicht	 allein	 um	 die	 reine	 Datenmenge.	 Entscheidend	 ist,	 den	 richtigen	 Einblick	 und	
Durchblick	über	eine	heterogene,	ungeordnete	und	große	Datenmenge	zu	erhalten.	Mit	den	ak-
tuellen	Analysetools	lassen	sich	feingranulare	Verhaltens-	und	Behandlungsprognosen	erstellen.	
Die	Genauigkeit	der	Vorhersagen	steht	dabei	im	direkten	Zusammenhang	mit	den	zur	Verfügung	
stehenden	Daten,	deren	Aktualität	und	der	kontextbezogenen	Analyse.	Wichtig	ist	dabei	eine	ge-
zielte	 Darstellung	 der	 wichtigsten	 Analyseergebnisse	 für	 die	 Zielgruppe.	 Eine	 Datenkooperation	
zwischen	 Forschung,	 Leistungserbringern	 und	 Kostenträgern	 ermöglicht	 neue	 medizinische	 Er-
kenntnisse	 sowie	 kostenoptimierte	 und	 gezieltere	 Behandlungsmethoden.	 Die	 datenschutzkon-
forme	 Zusammenführung	 der	 Daten	 stellt	 eine	 Herausforderung	 dar.	 Mithilfe	 von	 wirksamen	
Anonymisierungsverfahren	und	einem	Datendiskriminierungsverbot	ist	diese	Aufgabe	jedoch	zu	
bewältigen.	Der	moderne	Patient	bewegt	sich	hinsichtlich	seines	Gesundheitsverhaltens	und	sei-
ner	-daten	immer	weiter	in	die	digitale	Welt	und	erzielt	dadurch	persönliche	Mehrwerte.	
Abstract	 	
The	Big	Data-Revolution	in	Healthcare	is	developing	slowly,	however	the	possibilities	are	huge,	
and	It's	not	just	about	the	total	amount	of	data.	The	key	is	to	get	the	right	insight	and	perspective	
on	a	heterogeneous,	disordered	and	large	amount	of	data.	The	current	analysis	tools	can	create	
fine-grained	behaviour	and	treatment	prediction.	The	prediction	accuracy	is	in	direct	correlation	
with	the	data,	in	context	analysis	and	the	actuality	of	the	available	data.	It	is	important	to	present	
the	key	analysis	findings	in	an	accurate	way	for	the	target	group,	to	get	the	best	out	of	it.	Data	col-
laboration	between	researchers,	providers	and	payers,	enables	new	medical	findings	as	well	as	
cost-savings	and	targeted	treatments.	Nevertheless,	maintaining	privacy	in	a	compliant	manner	
whilst	merging	the	data	will	be	a	challenge.	Using	effective	anonymisation	processes	and	a	ban	on	
discrimination	is	how	to	manage	it.	The	modern	patient	receives	more	added	values	by	data	shar-
ing	and	therefore	the	patient	will	integrate	more	and	more	with	health	behaviour	and	data	within	
the	digital	world.
III	Inhaltsverzeichnis	
Inhaltsverzeichnis	 	
MANAGEMENT	SUMMARY	........................................................................................................................	II	
ABSTRACT	..................................................................................................................................................	II	
INHALTSVERZEICHNIS	...............................................................................................................................	III	
ABBILDUNGSVERZEICHNIS	........................................................................................................................	V	
TABELLENVERZEICHNIS	...........................................................................................................................	VII	
1	 EINLEITUNG	........................................................................................................................................	1	
2	 GRUNDLAGEN	DES	BIG	DATA-MANAGEMENTS	...................................................................................	2	
2.1	 DATENYPEN	............................................................................................................................................	2	
2.1.1	 Strukturierte	Daten	......................................................................................................................	2	
2.1.2	 Unstrukturierte	und	semistrukturierte	Daten	...............................................................................	3	
2.1.3	 Interne	Daten	...............................................................................................................................	4	
2.1.4	 Externe	Daten	...............................................................................................................................	4	
2.2	 IDENTIFIZIERUNG	DER	DATENLAGE	UND	-BEDÜRFNISSE	....................................................................................	5	
2.3	 NEUE	DATENFORMEN	...............................................................................................................................	6	
2.4	 DIE	ANATOMIE	VON	BIG	DATA	–	DAS	6-V-KONZEPT	...................................................................................	10	
2.5	 ENTWICKLUNG	DER	DATENANALYSE	...........................................................................................................	14	
2.5.1	 Textdatenanalyse	.......................................................................................................................	14	
2.5.2	 Audiodatenanalyse	.....................................................................................................................	16	
2.5.3	 Bild-	und	Videodatenanalyse	......................................................................................................	16	
2.5.4	 Sensordaten	...............................................................................................................................	18	
2.5.5	 Kombinierte	Datenanalyse	(Medizin)	.........................................................................................	18	
2.6	 DATENVISUALISIERUNG	...........................................................................................................................	19	
2.6.1	 Darstellung	von	Karten	...............................................................................................................	20	
2.6.2	 Darstellung	von	Text	..................................................................................................................	20	
2.6.3	 Darstellung	von	Daten	................................................................................................................	21	
2.6.4	 Darstellung	von	Verhaltensmustern	...........................................................................................	22	
2.6.5	 Darstellung	von	Emotionen	........................................................................................................	22	
2.6.6	 Darstellung	von	Zusammenhängen	............................................................................................	23	
2.7	 WERTSCHÖPFUNGSIMPLIKATIONEN	DES	BIG	DATA-PARADIGMAS	..................................................................	24	
2.8	 TRACING,	TRACKING,	PROFILING,	PREDICATION	(TTPP):	FEINGRANULARE	VERHALTENSPROGNOSEN	......................	27	
3	 BIG	DATA-OPTIONEN	IM	GESUNDHEITSWESEN	.................................................................................	31	
3.1	 VON	ISOLIERTEN	PATIENTENDATEN	ZU	TRANSSEKTORALEN	INFORMATIONSFLÜSSEN	.............................................	31	
3.2	 DATENSCHUTZ	UND	PRIVATSPHÄRE:	GRENZEN	DES	TTPP-PARADIGMAS	...........................................................	34
IV	Inhaltsverzeichnis	
3.2.1	 Die	Grundprinzipien	des	Datenschutzes	.....................................................................................	35	
3.2.2	 Technische	Umsetzung	der	Datensicherheit	..............................................................................	39	
3.2.3	 Zukunft	des	Datenschutzes	innerhalb	der	EU	.............................................................................	40	
3.3	 STATUS	QUO	UND	PERSPEKTIVEN	DER	HEALTHCARE-DIGITALISIERUNG	..............................................................	41	
3.3.1	 Quantified	Self-Tracking	.............................................................................................................	41	
3.3.1.1	 PATIENTSLIKEME.COM	.........................................................................................................................	42	
3.3.1.2	 TREATO	.................................................................................................................................................	44	
3.3.1.3	 ASTHMAPOLIS	.........................................................................................................................................	45	
3.3.2	 IBM	–	Big	Data-Analytics	............................................................................................................	46	
3.3.3	 Google	X	–	Baseline	....................................................................................................................	52	
3.3.4	 SAP/Hasso-Plattner-Institut	–	HANA	..........................................................................................	55	
3.3.5	 Apple	–	ResearchKit	....................................................................................................................	56	
3.3.6	 Pharma-	und	Krankenkassen-Apps	............................................................................................	58	
3.3.7	 The	Disease	Map	........................................................................................................................	60	
3.3.8	 Health	Care	Cost	Institute	..........................................................................................................	61	
3.4	 KRITISCHE	WÜRDIGUNG	DES	STATUS	QUO	..................................................................................................	62	
4	 ENTWICKLUNG	EINES	BIG	DATA-KONZEPTES	FÜR	DAS	GESUNDHEITSWESEN	....................................	64	
4.1	 PATIENTEN	...........................................................................................................................................	65	
4.2	 LEISTUNGSERBRINGER	.............................................................................................................................	68	
4.3	 VERSICHERUNGEN	..................................................................................................................................	71	
4.4	 FORSCHUNG	..........................................................................................................................................	74	
4.4.1	 PHARMA-INDUSTRIE	......................................................................................................................	76	
4.5	 GESUNDHEITSPOLITIK	..............................................................................................................................	77	
4.5.1	 Zulassung	von	neuen	Arzneimitteln	...........................................................................................	79	
4.6	 KONZEPTZUSAMMENFÜHRUNG	.................................................................................................................	80	
5	 FAZIT	UND	AUSBLICK	........................................................................................................................	83	
EIDESSTATTLICHE	ERKLÄRUNG	................................................................................................................	85	
LITERATURVERZEICHNIS	..........................................................................................................................	86	
ANHANG	.................................................................................................................................................	92	
ANHANG	A:	RECHTSNORMENKATALOG	–	DATENVERARBEITUNG	IM	GESUNDHEITSWESEN	..............................................	93

Weitere ähnliche Inhalte

Ähnlich wie Daniel Schnelting, Masterarbeit MBAHM, 17112015

Management im Gesundheitswesen III: eHealth
Management im Gesundheitswesen III: eHealthManagement im Gesundheitswesen III: eHealth
Management im Gesundheitswesen III: eHealth
2kd1
 
6 Hans Wormann - Therapiepotentiale für den Patienten optimal ausschöpfen - g...
6 Hans Wormann - Therapiepotentiale für den Patienten optimal ausschöpfen - g...6 Hans Wormann - Therapiepotentiale für den Patienten optimal ausschöpfen - g...
6 Hans Wormann - Therapiepotentiale für den Patienten optimal ausschöpfen - g...
WelldooPanorama
 
Therapiepotentiale für den Patienten optimal ausschöpfen - gemeinsam neue Mög...
Therapiepotentiale für den Patienten optimal ausschöpfen - gemeinsam neue Mög...Therapiepotentiale für den Patienten optimal ausschöpfen - gemeinsam neue Mög...
Therapiepotentiale für den Patienten optimal ausschöpfen - gemeinsam neue Mög...
Laura Henrich
 
Dr. Hager 2018 presentation Roche media event ESMO
Dr. Hager 2018 presentation Roche media event ESMODr. Hager 2018 presentation Roche media event ESMO
Dr. Hager 2018 presentation Roche media event ESMO
Dr. Martin Hager, MBA
 
InfoSocietyDays2016_Micha_Kämpfer
InfoSocietyDays2016_Micha_KämpferInfoSocietyDays2016_Micha_Kämpfer
InfoSocietyDays2016_Micha_Kämpfer
InfoSocietyDays
 
Feedback informed treatment (german)
Feedback informed treatment (german)Feedback informed treatment (german)
Feedback informed treatment (german)
Scott Miller
 
Clinical_Decision_Support_2018
Clinical_Decision_Support_2018Clinical_Decision_Support_2018
Clinical_Decision_Support_2018
PatrickScheidt3
 
JP│KOM News-Service 4/13
JP│KOM News-Service 4/13 JP│KOM News-Service 4/13
JP│KOM News-Service 4/13
JP KOM GmbH
 
Dr. Hager 2020 Interview VISION (page 21)
Dr. Hager 2020 Interview VISION (page 21)Dr. Hager 2020 Interview VISION (page 21)
Dr. Hager 2020 Interview VISION (page 21)
Dr. Martin Hager, MBA
 
Gesundheitsinformation.de_Wie_unsere_Informationen_entstehen.pdf
Gesundheitsinformation.de_Wie_unsere_Informationen_entstehen.pdfGesundheitsinformation.de_Wie_unsere_Informationen_entstehen.pdf
Gesundheitsinformation.de_Wie_unsere_Informationen_entstehen.pdf
unn | UNITED NEWS NETWORK GmbH
 
Patientenedukation kann Menschen retten und Kosten senken
Patientenedukation kann Menschen retten und Kosten senkenPatientenedukation kann Menschen retten und Kosten senken
Patientenedukation kann Menschen retten und Kosten senken
kalaidos-gesundheit
 
BINT Best of eHealth: Integrieren, kooperieren, optimieren
BINT Best of eHealth: Integrieren, kooperieren, optimierenBINT Best of eHealth: Integrieren, kooperieren, optimieren
BINT Best of eHealth: Integrieren, kooperieren, optimieren
BINT GmBH
 
Patienten als Forschungspartner (Deutsche KrebsKonferenz 2016, Jan Geissler)
Patienten als Forschungspartner (Deutsche KrebsKonferenz 2016, Jan Geissler)Patienten als Forschungspartner (Deutsche KrebsKonferenz 2016, Jan Geissler)
Patienten als Forschungspartner (Deutsche KrebsKonferenz 2016, Jan Geissler)
jangeissler
 
«Den Wert von Daten beleben» - Datenbasierte Gesundheitswirtschaft in der Sch...
«Den Wert von Daten beleben» - Datenbasierte Gesundheitswirtschaft in der Sch...«Den Wert von Daten beleben» - Datenbasierte Gesundheitswirtschaft in der Sch...
«Den Wert von Daten beleben» - Datenbasierte Gesundheitswirtschaft in der Sch...
Handelskammer beider Basel
 
ICF Praxis rehaKIND
ICF Praxis rehaKINDICF Praxis rehaKIND
ICF Praxis rehaKIND
Olaf Kraus de Camargo
 

Ähnlich wie Daniel Schnelting, Masterarbeit MBAHM, 17112015 (20)

Management im Gesundheitswesen III: eHealth
Management im Gesundheitswesen III: eHealthManagement im Gesundheitswesen III: eHealth
Management im Gesundheitswesen III: eHealth
 
6 Hans Wormann - Therapiepotentiale für den Patienten optimal ausschöpfen - g...
6 Hans Wormann - Therapiepotentiale für den Patienten optimal ausschöpfen - g...6 Hans Wormann - Therapiepotentiale für den Patienten optimal ausschöpfen - g...
6 Hans Wormann - Therapiepotentiale für den Patienten optimal ausschöpfen - g...
 
Therapiepotentiale für den Patienten optimal ausschöpfen - gemeinsam neue Mög...
Therapiepotentiale für den Patienten optimal ausschöpfen - gemeinsam neue Mög...Therapiepotentiale für den Patienten optimal ausschöpfen - gemeinsam neue Mög...
Therapiepotentiale für den Patienten optimal ausschöpfen - gemeinsam neue Mög...
 
Dr. Hager 2018 presentation Roche media event ESMO
Dr. Hager 2018 presentation Roche media event ESMODr. Hager 2018 presentation Roche media event ESMO
Dr. Hager 2018 presentation Roche media event ESMO
 
InfoSocietyDays2016_Micha_Kämpfer
InfoSocietyDays2016_Micha_KämpferInfoSocietyDays2016_Micha_Kämpfer
InfoSocietyDays2016_Micha_Kämpfer
 
Feedback informed treatment (german)
Feedback informed treatment (german)Feedback informed treatment (german)
Feedback informed treatment (german)
 
BMWI Branchenreport Medizintechnik
BMWI Branchenreport MedizintechnikBMWI Branchenreport Medizintechnik
BMWI Branchenreport Medizintechnik
 
Clinical_Decision_Support_2018
Clinical_Decision_Support_2018Clinical_Decision_Support_2018
Clinical_Decision_Support_2018
 
BMWI Branchenreport Kurorte und Heilbäder
BMWI Branchenreport Kurorte und HeilbäderBMWI Branchenreport Kurorte und Heilbäder
BMWI Branchenreport Kurorte und Heilbäder
 
JP│KOM News-Service 4/13
JP│KOM News-Service 4/13 JP│KOM News-Service 4/13
JP│KOM News-Service 4/13
 
Dr. Hager 2020 Interview VISION (page 21)
Dr. Hager 2020 Interview VISION (page 21)Dr. Hager 2020 Interview VISION (page 21)
Dr. Hager 2020 Interview VISION (page 21)
 
BMWI Branchenreport Kliniken
BMWI Branchenreport KlinikenBMWI Branchenreport Kliniken
BMWI Branchenreport Kliniken
 
Gesundheitsinformation.de_Wie_unsere_Informationen_entstehen.pdf
Gesundheitsinformation.de_Wie_unsere_Informationen_entstehen.pdfGesundheitsinformation.de_Wie_unsere_Informationen_entstehen.pdf
Gesundheitsinformation.de_Wie_unsere_Informationen_entstehen.pdf
 
Patientenedukation kann Menschen retten und Kosten senken
Patientenedukation kann Menschen retten und Kosten senkenPatientenedukation kann Menschen retten und Kosten senken
Patientenedukation kann Menschen retten und Kosten senken
 
BMWI Branchenreport Gesundheitsregionen
BMWI Branchenreport GesundheitsregionenBMWI Branchenreport Gesundheitsregionen
BMWI Branchenreport Gesundheitsregionen
 
BINT Best of eHealth: Integrieren, kooperieren, optimieren
BINT Best of eHealth: Integrieren, kooperieren, optimierenBINT Best of eHealth: Integrieren, kooperieren, optimieren
BINT Best of eHealth: Integrieren, kooperieren, optimieren
 
BMWI Branchenreport Flächendestinationen
BMWI Branchenreport FlächendestinationenBMWI Branchenreport Flächendestinationen
BMWI Branchenreport Flächendestinationen
 
Patienten als Forschungspartner (Deutsche KrebsKonferenz 2016, Jan Geissler)
Patienten als Forschungspartner (Deutsche KrebsKonferenz 2016, Jan Geissler)Patienten als Forschungspartner (Deutsche KrebsKonferenz 2016, Jan Geissler)
Patienten als Forschungspartner (Deutsche KrebsKonferenz 2016, Jan Geissler)
 
«Den Wert von Daten beleben» - Datenbasierte Gesundheitswirtschaft in der Sch...
«Den Wert von Daten beleben» - Datenbasierte Gesundheitswirtschaft in der Sch...«Den Wert von Daten beleben» - Datenbasierte Gesundheitswirtschaft in der Sch...
«Den Wert von Daten beleben» - Datenbasierte Gesundheitswirtschaft in der Sch...
 
ICF Praxis rehaKIND
ICF Praxis rehaKINDICF Praxis rehaKIND
ICF Praxis rehaKIND
 

Daniel Schnelting, Masterarbeit MBAHM, 17112015

  • 1. HOCHSCHULE OSNABRÜCK University of Applied Sciences FAKULTÄT WIRTSCHAFTS- UND SOZIALWISSENSCHAFTEN Masterprogramm MBA HEALTHMANAGEMENT Masterarbeit Thema: BIG DATA-Management im Gesundheitswesen Strategien, Geschäftsmodelle, Perspektiven Erstprüfer Prof. Dr. rer. pol. habil. Christoph Rasche Zweitprüfer Prof. Dr. Manfred Haubrock Vorgelegt von Daniel Schnelting Matrikelnummer 594249 Ausgabedatum 17.07.2015 Abgabedatum 17.11.2015
  • 2. II Management Summary Management Summary Die Big Data-Revolution im Gesundheitswesen entwickelt sich langsam, das Potenzial ist riesig. Es geht dabei nicht allein um die reine Datenmenge. Entscheidend ist, den richtigen Einblick und Durchblick über eine heterogene, ungeordnete und große Datenmenge zu erhalten. Mit den ak- tuellen Analysetools lassen sich feingranulare Verhaltens- und Behandlungsprognosen erstellen. Die Genauigkeit der Vorhersagen steht dabei im direkten Zusammenhang mit den zur Verfügung stehenden Daten, deren Aktualität und der kontextbezogenen Analyse. Wichtig ist dabei eine ge- zielte Darstellung der wichtigsten Analyseergebnisse für die Zielgruppe. Eine Datenkooperation zwischen Forschung, Leistungserbringern und Kostenträgern ermöglicht neue medizinische Er- kenntnisse sowie kostenoptimierte und gezieltere Behandlungsmethoden. Die datenschutzkon- forme Zusammenführung der Daten stellt eine Herausforderung dar. Mithilfe von wirksamen Anonymisierungsverfahren und einem Datendiskriminierungsverbot ist diese Aufgabe jedoch zu bewältigen. Der moderne Patient bewegt sich hinsichtlich seines Gesundheitsverhaltens und sei- ner -daten immer weiter in die digitale Welt und erzielt dadurch persönliche Mehrwerte. Abstract The Big Data-Revolution in Healthcare is developing slowly, however the possibilities are huge, and It's not just about the total amount of data. The key is to get the right insight and perspective on a heterogeneous, disordered and large amount of data. The current analysis tools can create fine-grained behaviour and treatment prediction. The prediction accuracy is in direct correlation with the data, in context analysis and the actuality of the available data. It is important to present the key analysis findings in an accurate way for the target group, to get the best out of it. Data col- laboration between researchers, providers and payers, enables new medical findings as well as cost-savings and targeted treatments. Nevertheless, maintaining privacy in a compliant manner whilst merging the data will be a challenge. Using effective anonymisation processes and a ban on discrimination is how to manage it. The modern patient receives more added values by data shar- ing and therefore the patient will integrate more and more with health behaviour and data within the digital world.
  • 3. III Inhaltsverzeichnis Inhaltsverzeichnis MANAGEMENT SUMMARY ........................................................................................................................ II ABSTRACT .................................................................................................................................................. II INHALTSVERZEICHNIS ............................................................................................................................... III ABBILDUNGSVERZEICHNIS ........................................................................................................................ V TABELLENVERZEICHNIS ........................................................................................................................... VII 1 EINLEITUNG ........................................................................................................................................ 1 2 GRUNDLAGEN DES BIG DATA-MANAGEMENTS ................................................................................... 2 2.1 DATENYPEN ............................................................................................................................................ 2 2.1.1 Strukturierte Daten ...................................................................................................................... 2 2.1.2 Unstrukturierte und semistrukturierte Daten ............................................................................... 3 2.1.3 Interne Daten ............................................................................................................................... 4 2.1.4 Externe Daten ............................................................................................................................... 4 2.2 IDENTIFIZIERUNG DER DATENLAGE UND -BEDÜRFNISSE .................................................................................... 5 2.3 NEUE DATENFORMEN ............................................................................................................................... 6 2.4 DIE ANATOMIE VON BIG DATA – DAS 6-V-KONZEPT ................................................................................... 10 2.5 ENTWICKLUNG DER DATENANALYSE ........................................................................................................... 14 2.5.1 Textdatenanalyse ....................................................................................................................... 14 2.5.2 Audiodatenanalyse ..................................................................................................................... 16 2.5.3 Bild- und Videodatenanalyse ...................................................................................................... 16 2.5.4 Sensordaten ............................................................................................................................... 18 2.5.5 Kombinierte Datenanalyse (Medizin) ......................................................................................... 18 2.6 DATENVISUALISIERUNG ........................................................................................................................... 19 2.6.1 Darstellung von Karten ............................................................................................................... 20 2.6.2 Darstellung von Text .................................................................................................................. 20 2.6.3 Darstellung von Daten ................................................................................................................ 21 2.6.4 Darstellung von Verhaltensmustern ........................................................................................... 22 2.6.5 Darstellung von Emotionen ........................................................................................................ 22 2.6.6 Darstellung von Zusammenhängen ............................................................................................ 23 2.7 WERTSCHÖPFUNGSIMPLIKATIONEN DES BIG DATA-PARADIGMAS .................................................................. 24 2.8 TRACING, TRACKING, PROFILING, PREDICATION (TTPP): FEINGRANULARE VERHALTENSPROGNOSEN ...................... 27 3 BIG DATA-OPTIONEN IM GESUNDHEITSWESEN ................................................................................. 31 3.1 VON ISOLIERTEN PATIENTENDATEN ZU TRANSSEKTORALEN INFORMATIONSFLÜSSEN ............................................. 31 3.2 DATENSCHUTZ UND PRIVATSPHÄRE: GRENZEN DES TTPP-PARADIGMAS ........................................................... 34
  • 4. IV Inhaltsverzeichnis 3.2.1 Die Grundprinzipien des Datenschutzes ..................................................................................... 35 3.2.2 Technische Umsetzung der Datensicherheit .............................................................................. 39 3.2.3 Zukunft des Datenschutzes innerhalb der EU ............................................................................. 40 3.3 STATUS QUO UND PERSPEKTIVEN DER HEALTHCARE-DIGITALISIERUNG .............................................................. 41 3.3.1 Quantified Self-Tracking ............................................................................................................. 41 3.3.1.1 PATIENTSLIKEME.COM ......................................................................................................................... 42 3.3.1.2 TREATO ................................................................................................................................................. 44 3.3.1.3 ASTHMAPOLIS ......................................................................................................................................... 45 3.3.2 IBM – Big Data-Analytics ............................................................................................................ 46 3.3.3 Google X – Baseline .................................................................................................................... 52 3.3.4 SAP/Hasso-Plattner-Institut – HANA .......................................................................................... 55 3.3.5 Apple – ResearchKit .................................................................................................................... 56 3.3.6 Pharma- und Krankenkassen-Apps ............................................................................................ 58 3.3.7 The Disease Map ........................................................................................................................ 60 3.3.8 Health Care Cost Institute .......................................................................................................... 61 3.4 KRITISCHE WÜRDIGUNG DES STATUS QUO .................................................................................................. 62 4 ENTWICKLUNG EINES BIG DATA-KONZEPTES FÜR DAS GESUNDHEITSWESEN .................................... 64 4.1 PATIENTEN ........................................................................................................................................... 65 4.2 LEISTUNGSERBRINGER ............................................................................................................................. 68 4.3 VERSICHERUNGEN .................................................................................................................................. 71 4.4 FORSCHUNG .......................................................................................................................................... 74 4.4.1 PHARMA-INDUSTRIE ...................................................................................................................... 76 4.5 GESUNDHEITSPOLITIK .............................................................................................................................. 77 4.5.1 Zulassung von neuen Arzneimitteln ........................................................................................... 79 4.6 KONZEPTZUSAMMENFÜHRUNG ................................................................................................................. 80 5 FAZIT UND AUSBLICK ........................................................................................................................ 83 EIDESSTATTLICHE ERKLÄRUNG ................................................................................................................ 85 LITERATURVERZEICHNIS .......................................................................................................................... 86 ANHANG ................................................................................................................................................. 92 ANHANG A: RECHTSNORMENKATALOG – DATENVERARBEITUNG IM GESUNDHEITSWESEN .............................................. 93