An der Universitätsmedizin Magdeburg wurde durch das dortige Datenintegrationszentrum (DIZ) eine selbst gehostete On-Premise-Plattform für die Nutzung von Large Language Models (LLMs) aufgebaut. Eine aktuelle Publikation aus dem MIRACUM-Umfeld untersucht, wie die Plattform von Beschäftigten aus Krankenversorgung, Forschung und Verwaltung genutzt und bewertet wird.
Large Language Models werden im universitätsmedizinischen Arbeitsalltag zunehmend für Aufgaben wie Informationsrecherche, Entscheidungsunterstützung, Texterstellung oder Datenanalyse eingesetzt. Bei der Verarbeitung sensibler beziehungsweise personenbezogener Daten stellen Datenschutz und Informationssicherheit jedoch besondere Anforderungen an die technische Infrastruktur. Selbst gehostete On-Premise-Systeme ermöglichen es, LLMs innerhalb der eigenen geschützten IT-Umgebung zu betreiben und damit eine wichtige Voraussetzung für ihren Einsatz im Krankenhaus zu schaffen.
Die am DIZ der Universitätsmedizin Magdeburg entwickelte, auf Open-Source-Software und Large Language Models basierende AI-Plattform wurde im März 2025 für die Beschäftigten der Universitätsmedizin bereitgestellt. Zwei Monate nach der Einführung führten die Forschenden eine Onlinebefragung unter den registrierten Nutzerinnen und Nutzern durch. Ziel war es, die Benutzerfreundlichkeit, typische Anwendungsszenarien und mögliche Optimierungspotenziale der Plattform zu untersuchen.
Von insgesamt 322 registrierten Nutzerinnen und Nutzern nahmen 98 Personen an der Befragung teil. Nach Ausschluss unvollständiger Angaben konnten die Antworten von 91 Teilnehmenden ausgewertet werden. Sowohl die Geschwindigkeit als auch die Qualität der Plattform wurden insgesamt positiv bewertet. 57 der Befragten – entsprechend 62,6 Prozent – nutzten die Plattform mindestens einmal pro Woche. 40 Personen beziehungsweise 44 Prozent gaben an, durch den Einsatz der AI-Plattform wöchentlich mindestens 30 Minuten Arbeitszeit einzusparen.
Die Auswertung zeigte zudem ein breites Spektrum berufsspezifischer Anwendungsszenarien. Beschäftigte aus Krankenversorgung und Forschung verwendeten die Plattform häufiger für Erstellungs- und Analyseaufgaben als Mitarbeitende aus der Verwaltung. Insgesamt weisen die Ergebnisse darauf hin, dass ein selbst gehostetes On-Premise Large Language Model die unterschiedlichen Anforderungen verschiedener Berufsgruppen in einem Universitätsklinikum unterstützen und zur Entlastung bei zeitaufwendigen Aufgaben beitragen kann.
Gleichzeitig machen die Autorinnen und Autoren deutlich, dass insbesondere die Qualität der generierten Inhalte und die Geschwindigkeit der Plattform weiter optimiert werden können. LLMs sollen die Beschäftigten dabei nicht ersetzen, sondern sie bei komplexen und administrativen Tätigkeiten unterstützen und dadurch perspektivisch zu effizienteren Arbeitsabläufen in der Universitätsmedizin beitragen.
Die vollständigen Ergebnisse wurden am 15. April 2026 in „JMIR AI“ veröffentlicht:
Grünig A, Kriebel J, Varghese J, Herrmann T, Sandmann S, Bruns C. Implementation and User Evaluation of an On-Premise Large Language Model in a German University Hospital Setting: Cross-Sectional Survey. JMIR AI. 2026;5. doi: 10.2196/84362. PMID: 41984850; PMCID: PMC13082445.
Zur Publikation: https://ai.jmir.org/2026/1/e84362
An der Universitätsmedizin Magdeburg wurde durch das dortige Datenintegrationszentrum (DIZ) eine selbst gehostete On-Premise-Plattform für die Nutzung von Large Language Models (LLMs) aufgebaut. Eine aktuelle Publikation aus dem MIRACUM-Umfeld untersucht, wie die Plattform von Beschäftigten aus Krankenversorgung, Forschung und Verwaltung genutzt und bewertet wird.
Large Language Models werden im universitätsmedizinischen Arbeitsalltag zunehmend für Aufgaben wie Informationsrecherche, Entscheidungsunterstützung, Texterstellung oder Datenanalyse eingesetzt. Bei der Verarbeitung sensibler beziehungsweise personenbezogener Daten stellen Datenschutz und Informationssicherheit jedoch besondere Anforderungen an die technische Infrastruktur. Selbst gehostete On-Premise-Systeme ermöglichen es, LLMs innerhalb der eigenen geschützten IT-Umgebung zu betreiben und damit eine wichtige Voraussetzung für ihren Einsatz im Krankenhaus zu schaffen.
Die am DIZ der Universitätsmedizin Magdeburg entwickelte, auf Open-Source-Software und Large Language Models basierende AI-Plattform wurde im März 2025 für die Beschäftigten der Universitätsmedizin bereitgestellt. Zwei Monate nach der Einführung führten die Forschenden eine Onlinebefragung unter den registrierten Nutzerinnen und Nutzern durch. Ziel war es, die Benutzerfreundlichkeit, typische Anwendungsszenarien und mögliche Optimierungspotenziale der Plattform zu untersuchen.
Von insgesamt 322 registrierten Nutzerinnen und Nutzern nahmen 98 Personen an der Befragung teil. Nach Ausschluss unvollständiger Angaben konnten die Antworten von 91 Teilnehmenden ausgewertet werden. Sowohl die Geschwindigkeit als auch die Qualität der Plattform wurden insgesamt positiv bewertet. 57 der Befragten – entsprechend 62,6 Prozent – nutzten die Plattform mindestens einmal pro Woche. 40 Personen beziehungsweise 44 Prozent gaben an, durch den Einsatz der AI-Plattform wöchentlich mindestens 30 Minuten Arbeitszeit einzusparen.
Die Auswertung zeigte zudem ein breites Spektrum berufsspezifischer Anwendungsszenarien. Beschäftigte aus Krankenversorgung und Forschung verwendeten die Plattform häufiger für Erstellungs- und Analyseaufgaben als Mitarbeitende aus der Verwaltung. Insgesamt weisen die Ergebnisse darauf hin, dass ein selbst gehostetes On-Premise Large Language Model die unterschiedlichen Anforderungen verschiedener Berufsgruppen in einem Universitätsklinikum unterstützen und zur Entlastung bei zeitaufwendigen Aufgaben beitragen kann.
Gleichzeitig machen die Autorinnen und Autoren deutlich, dass insbesondere die Qualität der generierten Inhalte und die Geschwindigkeit der Plattform weiter optimiert werden können. LLMs sollen die Beschäftigten dabei nicht ersetzen, sondern sie bei komplexen und administrativen Tätigkeiten unterstützen und dadurch perspektivisch zu effizienteren Arbeitsabläufen in der Universitätsmedizin beitragen.
Die vollständigen Ergebnisse wurden am 15. April 2026 in „JMIR AI“ veröffentlicht:
Grünig A, Kriebel J, Varghese J, Herrmann T, Sandmann S, Bruns C. Implementation and User Evaluation of an On-Premise Large Language Model in a German University Hospital Setting: Cross-Sectional Survey. JMIR AI. 2026;5. doi: 10.2196/84362. PMID: 41984850; PMCID: PMC13082445.
Zur Publikation: https://ai.jmir.org/2026/1/e84362