Gemeinsame Produktentwicklung aus medizinisch-wissenschaftlicher Expertise

Amelie bringt ihre medizinisch-wissenschaftliche Expertise, ihre akademische Ausbildung auf Promotionsniveau sowie Forschungserfahrung im Bereich Onkologie, Nuklearmedizin und translationaler Krebsforschung ein. Dadurch kann sie Problemfelder aus wissenschaftlicher Arbeit, Laboralltag und medizinisch geprägten Kontexten fachlich einordnen.

Norbert bringt die Produkt-, Technologie- und Business-Perspektive ein. Er hilft dabei, aus fachlichen Beobachtungen klarere Fragestellungen, mögliche Nutzerbedarfe, erste Produktideen und umsetzbare nächste Schritte abzuleiten.

Die Zusammenarbeit ist dabei breiter gedacht als ein einzelnes Produkt. Die AI-gestützte Forschungsassistenz ist ein erstes Beispiel. Die gleiche Arbeitsweise kann später auch für andere digitale Tools, Workflows, Dokumentationshilfen oder Assistenzsysteme genutzt werden.

Amelie bringt die medizinisch-wissenschaftliche Grundlage ein. Ihre akademische Ausbildung auf Promotionsniveau, ihre Forschungserfahrung und ihr Schwerpunkt in Onkologie, Nuklearmedizin und translationaler Krebsforschung helfen dabei, fachliche Problemfelder einzuordnen und mit Blick auf reale Labor- und Entscheidungsprozesse zu schärfen.

Norbert bringt die Produkt-, Technologie- und Business-Perspektive ein. Dazu gehören langjährige IT-Erfahrung, offizielle SAP-Zertifizierungen, ERP- und Full-Stack-Kompetenz sowie Erfahrung mit Automatisierung, AI-gestützter Produktentwicklung, Business Development und komplexen Business-Compliance- und Litigation-Projekten.

Wenn aus der Idee ein echtes gemeinsames Vorhaben wird, müssen einige Dinge sauber geklärt werden: Wie treten wir nach außen auf? Welche Rolle übernimmt wer? Wie verbindlich soll die Zusammenarbeit werden? Und wem gehören später Konzept, Produkt, Marke oder technische Umsetzung?

Diese Fragen müssen am Anfang nicht final beantwortet werden. Sie sollten aber früh sichtbar sein, damit fachliche Arbeit, Produktentwicklung und unternehmerischer Aufbau nicht durcheinanderlaufen.

Die Arbeitsweise beginnt bei Amelies fachlicher Realität. Welche Abläufe kosten unnötig viel Aufmerksamkeit? Wo entstehen wiederkehrende Reibungen? Welche Aufgaben werden immer wieder manuell, verstreut oder stark aus Erfahrung heraus gelöst?

Solche Beobachtungen werden zuerst gesammelt und sortiert. Danach wird gemeinsam geschaut, ob dahinter ein einzelner Sonderfall steht oder ein Muster, das auch für andere relevant sein könnte.

Norbert betrachtet diese Themen aus Produkt-, Technologie- und Business-Sicht: Lässt sich daraus ein kleiner Test ableiten? Wäre eher ein digitales Tool, ein strukturierter Workflow, ein Assistenzsystem, eine Dokumentationshilfe oder ein anderes Format passend?

So bleibt die Zusammenarbeit offen für unterschiedliche Richtungen. Die AI-gestützte Forschungsassistenz für Laborentscheidungen ist ein erstes Beispiel, aber nicht der Mittelpunkt der gesamten Zusammenarbeit.

MVP steht für Minimum Viable Product.

Gemeint ist die kleinste Version einer Idee, mit der sich ihr Kern sinnvoll testen lässt.

Für die gemeinsame Arbeit heißt das: Eine Produktidee muss nicht direkt als fertige App, Plattform oder vollständiges Angebot gebaut werden. Zuerst wird geklärt, welcher Teil der Idee überhaupt geprüft werden soll.

Ein MVP kann deshalb sehr klein anfangen: als skizzierter Ablauf, klickbarer Prototyp, strukturierter Fragenprozess, Beispiel-Workflow oder manuell begleiteter Test mit anonymisiertem Material.

So lässt sich früh erkennen, ob eine Idee verständlich ist, ob sie im Arbeitsablauf hilfreich wirkt und welche Teile weiter ausgearbeitet werden sollten.

Ein erstes mögliches Produktbeispiel ist eine AI-gestützte Forschungsassistenz für Laborentscheidungen.

Die Idee kommt aus einem konkreten Problemfeld: In experimentellen Arbeitsabläufen gibt es Phasen, in denen Ergebnisse eingeordnet, Optionen abgewogen und relevante Parameter priorisiert werden müssen.

Die Assistenz soll solche Situationen besser greifbar machen. Sie hilft dabei, Beobachtungen zu ordnen, gezielte Rückfragen zu stellen und das weitere Vorgehen klarer vorzubereiten.

Dieses Beispiel zeigt eine mögliche Richtung für die gemeinsame Produktentwicklung. Es steht nicht für die gesamte Kooperation.

In wissenschaftlichen und experimentellen Arbeitsprozessen entstehen regelmäßig Situationen, in denen der nächste sinnvolle Schritt nicht sofort eindeutig ist.

Beobachtungen müssen eingeordnet, mögliche Ursachen abgewogen und weitere Optionen geprüft werden. Dabei spielen Erfahrung, Kontextwissen und viele kleine Parameter eine Rolle.

Gerade in solchen Phasen entsteht hohe kognitive Last: Vieles muss gleichzeitig berücksichtigt werden, während der Arbeitsprozess weitergehen soll.

Das Produktbeispiel setzt an dieser Stelle an: Wie kann digitale Unterstützung helfen, solche Situationen klarer vorzubereiten?

Die Kernidee ist ein geführter digitaler Arbeitsraum für anspruchsvolle Abwägungen im Laboralltag.

Beobachtungen, Annahmen, offene Fragen und mögliche Optionen werden dort nicht verstreut gehalten, sondern Schritt für Schritt sichtbar gemacht.

Die Assistenz kann Informationen aufnehmen, Rückfragen stellen und verschiedene Optionen nebeneinanderlegen. Dadurch wird leichter erkennbar, welche Überlegungen bereits klar sind, wo Unsicherheit besteht und welche Punkte vor dem nächsten Schritt noch geprüft werden sollten.

Der Nutzen liegt in besserer Orientierung: Gedanken werden geordnet, offene Punkte werden sichtbarer und Entscheidungen können bewusster vorbereitet werden.

Ein erster Produktansatz könnte als einfacher, geführter Workflow gedacht werden.

Forschende beschreiben einen konkreten Arbeitsstand:

Die AI unterstützt dabei, die Angaben zu ordnen, passende Rückfragen zu stellen und mögliche Wege übersichtlich gegenüberzustellen.

Die fachliche Bewertung bleibt bei der Person, die den Arbeitskontext versteht. Das Tool unterstützt beim Sortieren, Dokumentieren und Vorbereiten.

Bei Produktideen im medizinisch-wissenschaftlichen Umfeld müssen Grenzen früh sichtbar sein.

Für die erste Phase bedeutet das: Es wird nicht mit Patientendaten gearbeitet, vertrauliche Informationen werden nicht verwendet und Beispiele werden nur anonymisiert oder abstrakt betrachtet.

Außerdem muss klar sein, welche Art von Unterstützung ein Produkt leisten soll. Eine Anwendung kann Informationen ordnen, Abläufe strukturieren und Entscheidungen vorbereiten. Medizinische, diagnostische oder therapeutische Entscheidungen brauchen eine eigene fachliche, rechtliche und regulatorische Betrachtung.

Je näher ein späteres Produkt an klinische Prozesse, personenbezogene Daten oder medizinische Entscheidungen heranrückt, desto genauer müssen Datenschutz, regulatorische Anforderungen und fachliche Verantwortung geprüft werden.

Der nächste Schritt wäre ein kleiner, sauber begrenzter Test.

Dafür könnten wir ein oder zwei typische Situationen anonymisiert beschreiben und gemeinsam prüfen: Was ist der eigentliche Aufwand? Welche Informationen werden gebraucht? Wo entsteht die größte Unsicherheit? Welche Unterstützung wäre wirklich hilfreich?

Auf dieser Grundlage kann ein erster einfacher Prototyp entstehen, zum Beispiel ein klickbarer Ablauf, ein strukturierter Fragenprozess oder ein manuell begleiteter Test mit Beispielmaterial.

Ziel ist ein früher Realitätscheck: Ist der Ansatz verständlich, hilfreich und klein genug, um sinnvoll weiterentwickelt zu werden?

Das erste Produktbeispiel ist nur ein Startpunkt. Wenn die gemeinsame Arbeit funktioniert, können aus weiteren fachlichen Beobachtungen auch andere digitale Ansätze entstehen.

Dabei muss nicht jede Richtung sofort als fertiges Produkt gedacht werden. Manche Ideen können zunächst als Skizze, Workflow, Prototyp oder kleiner Test beginnen.

Diese Präsentation ist ein gemeinsamer Arbeitsstand. Sie soll helfen, unsere ersten Gedanken zu ordnen und zu prüfen, welche Richtung interessant genug ist, um sie weiter auszuarbeiten.

Als Nächstes könnten diese Punkte geklärt werden: