KI-Funktionen im Medizinprodukt versprechen echten Mehrwert, von intelligenter Assistenz bis hin zu automatisierten Auswertungen. Spätestens beim Einsatz beim Kunden stellen sich jedoch zentrale Fragen: Was passiert, wenn Cloud-Nutzung ausgeschlossen ist? Wie lässt sich KI lokal betreiben auch ohne leistungsfähige Infrastruktur? Und wie viel Hardware ist tatsächlich erforderlich?

Viele Medizinprodukte werden in Umgebungen eingesetzt, in denen weder Rechenzentrum noch IT-Abteilung vorhanden sind, etwa in Arztpraxen oder kleineren Einrichtungen. Gleichzeitig gelten höchste Anforderungen an Datenschutz, IT-Sicherheit, Verfügbarkeit und regulatorische Konformität. KI muss hier nicht nur funktionieren, sondern wirtschaftlich, wartbar und robust integrierbar sein.

In diesem Vortrag teilen wir unsere Erfahrungen aus einem Projekt, in dem wir untersucht haben, wie sich KI-Modelle mit begrenzter Hardware zuverlässig in solchen Umgebungen betreiben lassen. Wir zeigen, welche Setup-Strategien sich bewährt haben, welche Modellarten ohne große GPU-Ressourcen realistisch sind, für welche Aufgaben lokale KI besonders geeignet ist und welche operativen sowie regulatorischen Entscheidungen frühzeitig getroffen werden sollten.

Der Vortrag richtet sich an Fach- und Führungskräfte aus Entwicklung und Produktverantwortung: Wie kann KI datenschutzkonform, robust und praktikabel direkt im Produkt oder in der Kundensystemumgebung betrieben werden – auch mit begrenzten Ressourcen?