3. Industrie-Symposium zu „KI in den Life Sciences und der Medizin“

Vom 29. bis 30. September 2026 findet auf Schloss Birlinghoven in Sankt Augustin die dritte Ausgabe des Industrie-Symposiums „KI in den Life Sciences und der Medizin“ statt. Das Symposium wird vom Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI und dem Institut für Digitale Medizin des Universitätsklinikums Bonn organisiert. Es bringt Forscherinnen und Forscher sowie Fachkräfte aus der Industrie zusammen, die an der Schnittstelle von Life Sciences, Medizin und Informatik arbeiten.

Zu den Organisatoren gehören Prof. Dr. Holger Fröhlich, Leiter des Geschäftsfelds Biomedical Data Intelligence und der Abteilung Biomedical AI & Data Science am Fraunhofer SCAI sowie Principal Investigator im Lamarr-Forschungsbereich Life Sciences & Health, und Prof. Dr. Martin Hofmann-Apitius, Leiter des Geschäftsfelds Biomedical Data Intelligence und der Abteilung Bioinformatik am Fraunhofer SCAI. Die Veranstaltung dient als einzigartige Brücke zwischen akademischer Forschung, industrieller Anwendung und interdisziplinärer Zusammenarbeit über die Fachbereiche Life Sciences, Medizin und Informatik hinweg.

Ins Leben gerufen im Anschluss an das 20-jährige Jubiläum des Studiengangs Life Science Informatics (LSI) am Bonn-Aachen International Center for Information Technology (b-it), hat sich das Symposium zu einem jährlichen Treffpunkt entwickelt, der akademische, industrielle und translationale Perspektiven verbindet. Ziel ist es, den interdisziplinären Austausch zu fördern und aktuelle Herausforderungen sowie aufkommende Technologien im Bereich der biomedizinischen KI zu diskutieren.

Tag 1: Daten bereit machen für KI

Der Eröffnungstag konzentriert sich auf eine Schlüsselvoraussetzung für erfolgreiche KI-Anwendungen: die Datenbereitschaft. Mangelnde Datenbereitschaft führt häufig zu Fehlschlägen in Projekten, verzerrten Modellen und Compliance-Risiken. Mit dem Fortschreiten von KI-Workflows gewinnen gut durchdachte Datenarchitekturen, die qualitativ hochwertige, konsistent strukturierte und gut dokumentierte Daten unterstützen, zunehmend an Bedeutung. Eng verknüpft mit den FAIR-Prinzipien kann Datenbereitschaft eine essenzielle Grundlage für effektive KI-Anwendungen schaffen.

Tag 1 wird die technischen, rechtlichen und ethischen Aspekte der Datenbereitschaft beleuchten, die für moderne LLMs und Echtzeit-KI-Agenten erforderlich sind. Führende Expertinnen und Experten aus Forschung und Praxis stellen praktische Beispiele für den Aufbau KI-fähiger Infrastrukturen und die Umsetzung von Datenstrategien in reale Anwendungen vor.

Tag 2: Transformative KI-Anwendungen in der Biomedizin

Der zweite Tag widmet sich transformativen Forschungsbereichen an der Spitze der biomedizinischen KI und schlägt die Brücke zwischen theoretischen Fortschritten und klinischer Entscheidungsfindung. In der Eröffnungssession zu Foundation Models in den Life Sciences wird Prof. Dr. Jürgen Bajorath, Lamarr Area Chair Life Sciences & Health, eine Keynote mit dem Titel „Foundation Models and Artificial Intelligence Agents for the Life Sciences and Medicine“ halten. Sein Vortrag wird untersuchen, wie Foundation Models die KI-gestützte Wirkstoffforschung verändern, und das Potenzial von KI-Agenten in den Life Sciences und der Medizin erörtern.

Darauffolgende Sessions widmen sich kausalem maschinellem Lernen, digitalen Zwillingen und der klinischen Translation. Fachleute werden demonstrieren, wie kausales Schlussfolgern über prädiktive Korrelationen hinausgeht, wie skalenübergreifende digitale Zwillinge personalisierte Vorhersagen ermöglichen und welche Schritte erforderlich sind, um KI-Systeme aus Forschungsumgebungen in die klinische Praxis zu übertragen.

Zusammen deckt das zweitägige Programm den gesamten Weg von der Erstellung verlässlicher Datengrundlagen über die Entwicklung fortschrittlicher KI-Modelle bis hin zu deren Übertragung in die biomedizinische und klinische Praxis ab. Damit greift es Fragestellungen auf, die auch die Forschung im Lamarr-Bereich Life Sciences & Health prägen – von vertrauenswürdigem und erklärbarem maschinellem Lernen bis hin zu Präzisionsmedizin und KI-gestützter Wirkstoffentwicklung.