Wir wollen das Leben unserer Patienten verbessern.

Jeden Tag. An jedem Ort.

Unser Ziel ist es, das Leben von Patienten mit chronischem Nierenversagen nachhaltig zu verbessern — mit Daten, Algorithmen und Künstlicher Intelligenz.

Als globale Innovationseinheit der Fresenius Medical Care nutzen wir den Zugang zu einem einzigartigen Datenschatz. Nur bei uns ist von der Entwicklung über den Betrieb der Geräte bis hin zur Anwendung in der Dialyse alles unter einem Dach vereint und ermöglicht den Zugang zu umfassenden technischen und medizinischen Daten.

Wir entwickeln innovative Lösungen für Patienten, Ärzte und Kliniken. Hierfür machen wir unsere Dialysegeräte intelligenter, mit dem Ziel, künftig bessere Therapien für alle Menschen weltweit zugänglich zu machen.

Unser Team

Dr. Matthias Kuss Dr. Matthias Kuss Leitung
Sabine Jesse Sabine Jesse Assistentin
Sebastian Kehrlein Sebastian Kehrlein Director Portfolio Management
Dr. Felix Brockherde Dr. Felix Brockherde Senior Data Scientist
Dr. Jamie Ye Dr. Jamie Ye Data Scientist
Lena Scherer Lena Scherer Doktorandin
Max Botler Max Botler Data Scientist
Nathan Warren Nathan Warren Data Scientist
Radomir Popovic Radomir Popovic Data Scientist

Interviews

Dr. Matthias Kuss Leitung
Diagnosen werden heute unter Berücksichtigung einer relativ geringen Anzahl an Faktoren gestellt. Künftig wird es möglich sein, die optimale Behandlung anhand einer Vielzahl von Faktoren zu bestimmen und die jeweiligen Behandlungsfolgen zu automatisieren.
Sabine Jesse Assistentin
Mein Job kombiniert Freiheit und Verantwortung in einem. Kein Tag gleicht dem anderen und es wird somit nie langweilig. Jeder erhält die Möglichkeit sich Weiterzuentwickeln, eigene Ideen einzubringen, Erfahrungen zu machen und selbständig Entscheidung zu treffen.
Sebastian Kehrlein Director Portfolio Management
Mit unseren Lösungen tragen wir dazu bei die Maschinen intelligenter und die Prozesse individueller zu machen. Zudem Therapien bestmöglich mit den neuesten Technologien zu kombinieren. Jede unserer Lösung zahlt auf unterschiedliche Weise darauf ein erfolgreich dieser DNA gerecht zu werden.
Dr. Felix Brockherde Senior Data Scientist
Erstens analysieren wir inwiefern wir die Therapie weiter individualisieren können, indem wir z.B. dem Klinikpersonal intelligente Vorschläge für Therapieparameter machen oder mit Hilfe von Sensordaten aus vorherigen Therapien Thrombose frühzeitiger erkennen. Zweitens nutzen wir Sensordaten, um den klinischen Ablauf zu analysieren und so die Therapie für die Patient*innen angenehmer zu gestalten.
Dr. Jamie Ye Data Scientist
Wir initiieren smarte KI-Projekte für die industrielle Weiterentwicklung von Dialyseverfahren. Ich mag, wie unsere Teammitglieder zusammenarbeiten. Wir unterstützen uns gegenseitig und teilen unser Wissen und unsere Erfahrungen miteinander. Informationen sind immer transparent. Alle Teammitglieder sind hochmotiviert und arbeiten auf die gleichen Ziele hin.
Lena Scherer Doktorandin
Wer viele Ideen hat, wie die medizinische Versorgung von Morgen aussehen soll und die Lust hat, neue Ansätze einfach auszuprobieren, ist hier richtig. Vor allem die Verknüpfung von Hardware und Data Science, der kontinuierliche Austausch und das Involvieren von Patient*Innen bieten viele Möglichkeiten, wirklich etwas zu verändern und weiterzudenken.
Max Botler Data Scientist
Auf der technischen Ebene arbeiten wir entlang der gesamten Pipeline, von den ersten Konzepten bis hin zur Implementierung fertiger Produkte. Unsere Arbeit geht also weit darüber hinaus, Machine Learning Modelle zu evaluieren und wird daran gemessen, welcher Impact für die Patient*innen entsteht. 
Nathan Warren Data Scientist
Ich genieße es, selbstständig an meinen Projekten arbeiten zu können und zu wissen, dass ich Lösungen schaffe, die zu einer besseren Versorgung von Patienten beitragen. Wir haben enorme Freiheiten, da wir ermutigt werden, mit der Unterstützung von Teamkollegen eigene Lösungen zu entwickeln.
Radomir Popovic Data Scientist
Einige neuere Entwicklungen im Bereich der natürlichen Sprachverarbeitung (NLP), die den Mechanismus der Aufmerksamkeit nutzen, scheinen auch in vielen anderen Bereichen des maschinellen Lernens sehr leistungsfähig zu sein. Da diese Modelle und Algorithmen immer ausgefeilter und genauer werden, finde ich die Herausforderung interessant, wie man die Lücke zwischen ihnen und dem tatsächlichen medizinischen Personal optimal überbrücken kann.