Please use this identifier to cite or link to this item: https://hdl.handle.net/10419/308610 
Year of Publication: 
2022
Citation: 
[Journal:] HMD Praxis der Wirtschaftsinformatik [ISSN:] 2198-2775 [Volume:] 59 [Issue:] 6 [Publisher:] Springer Fachmedien Wiesbaden GmbH [Place:] Wiesbaden [Year:] 2022 [Pages:] 1527-1544
Publisher: 
Springer Fachmedien Wiesbaden GmbH, Wiesbaden
Abstract: 
Das Training von Künstliche Intelligenz (KI)-Modellen, die auf maschinellem Lernen (ML) beruhen, erfordert eine große Menge qualitativ hochwertiger Daten. Besonders im Gesundheitswesen mit seinen hochsensiblen Daten und hohen Anforderungen an den Datenschutz besitzen einzelne Akteur:innen oft jedoch nicht ausreichend hochwertige Daten. Datenmarktplätze für KI zielen darauf ab, dieses Problem zu lösen, indem sie Datenanbieter und Datenkonsumenten miteinander verbinden und den Handel von Daten ermöglichen. Allerdings haben sich Datenmarktplätze im Gesundheitswesen, trotz erster technischer Konzepte und einiger Pilotprojekte, bisher noch nicht erfolgreich durchsetzen können. Im Rahmen der vorliegenden Studie wurden daher Interviews mit einer Reihe von relevanten Expert:innen und Akteur:innen durchgeführt, um Potenziale, Herausforderungen und mögliche Strategien zur Bewältigung der Herausforderungen zu identifizieren. Die Ergebnisse der Studie verdeutlichen anhand der drei Dimensionen des Technology-Organization-Environment-Frameworks spezifische Potenziale von Datenmarktplätzen für KI im Gesundheitswesen, aber gleichzeitig auch eine Reihe von Herausforderungen, die es zu adressieren gilt. Die erarbeiteten Bewältigungsstrategien liefern hierbei erste Ansätze zur Beseitigung der identifizierten Herausforderungen, zeigen jedoch auch die Notwendigkeit der weiteren Forschung auf diesem Gebiet auf.
Subjects: 
Digitalisierung
Gesundheitswesen
Künstliche Intelligenz
Datenmarktplätze
Herausforderungen
Digitalization
Healthcare
Artificial intelligence
Data markets
Challenges
Persistent Identifier of the first edition: 
Creative Commons License: 
cc-by Logo
Document Type: 
Article
Document Version: 
Published Version

Files in This Item:
File
Size





Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.