Prof. Dr. Mario A. Pfannstiel ist Hochschullehrer und Wissenschaftler an der Hochschule Neu-Ulm in Neu-Ulm. Er ist Studiengangleiter des Masterstudiengangs Digital Healthcare Management (M.A.). Seine Berufung erfolgte für den Bereich Betriebswirtschaft im Gesundheitswesen, insbesondere innovative Dienstleistungen und Services. Er besitzt ein Diplom der Fachhochschule Nordhausen im Bereich "Sozialmanagement" mit dem Vertiefungsfach "Finanzmanagement", einen M.Sc.-Abschluss der Dresden International University in Patientenmanagement und einen M.A.-Abschluss der Technischen Universität Kaiserslautern und der Universität Witten/Herdecke im Management von Gesundheits- und Sozialeinrichtungen. Die Promotion erfolgte an der Sozial- und Wirtschaftswissenschaftlichen Fakultät und dem Lehrstuhl für Management, Professional Services und Sportökonomie der Universität Potsdam. An der Universität Bayreuth war er beschäftigt als wissenschaftlicher Mitarbeiter am Lehrstuhl für StrategischesManagement und Organisation. Im Herzzentrum Leipzig arbeitete er als Referent des Ärztlichen Direktors. Seine Forschungsarbeit umfasst zahlreiche Beiträge, Zeitschriften und Bücher zum Management in der Gesundheitswirtschaft.

Künstliche Intelligenz (KI) nimmt schon heute Einfluss auf Beruf und Alltag und begleitet die Menschen bei der Erledigung von Arbeitsaufgaben. Im Gesundheitswesen ist Künstliche Intelligenz bei der Prävention, Vorsorge, frühzeitigen Krankheitsdiagnose, differenzierten Therapiewahl und Nachsorge anwendbar. Medizinisches und pflegerisches Personal soll unterstützt und entlastet werden. Künstliche Intelligenz verspricht einen hohen Nutzen für Individuen und Unternehmen. Zu berücksichtigen sind die sozialen, finanziellen, technischen und rechtlichen Rahmenbedingungen. Trotz der vielfältigen Möglichkeiten ist der Einsatz der Künstlichen Intelligenz bei personenbezogenen Daten und in bestimmten Geschäftsmodellen kritisch zu hinterfragen und zu reflektieren.Der Einsatz Künstlicher Intelligenz im Gesundheitswesen kann sich auf verschiedene Zielgruppen und Anwendungsbereiche beziehen: KI für gesunde Personen, KI für akut Erkrankte, KI für chronisch Kranke und KI für Pflegebedürftige. Zudem KI im Gesundheitswesen, KI in der Pharmaindustrie und KI in der Medizintechnik.

Das Buch soll einen Handlungsrahmen für Praktiker und Wissenschaftler bieten, sowie Lösungsansätze und Problembereiche bei der Künstlichen Intelligenz im Gesundheitswesen aufzeigen. Ferner soll die Künstliche Intelligenz aus verschiedenen Perspektiven (Anbieter, Kunden, Praxis, Wissenschaft) betrachtet werden.

Einführung.- Künstliche Intelligenz im Gesundheitswesen als Kernkompetenz? Status quo, Entwicklungslinien und disruptives Potenzial.- Künstliche Intelligenz - Ein Überblick über die aktuelle und zukünftige Bedeutung von KI in der Wirtschaft und im Gesundheitswesen in Europa.- Mit KI das Gesundheitswesen verändern.- Erfolgsfaktoren, Potenziale und Barrieren von KI-Start-ups im Gesundheitswesen.- Künstliche Intelligenz im Entwicklungsprozess von Medikamenten in der Pharmaindustrie.-KI-Systeme für die nächste Medizintechnikgeneration.- Regulatorische Anforderungen an Lösungen der Künstlichen Intelligenz im Gesundheitswesen.- KI-Implementierungsoptionen in dateninflationären Versorgungsnetzen: Von der abstrakten Vision zur konkreten Wertschöpfungstransformation.- KI-basierte Lernumgebungen für eine digitale Souveränität von Patientinnen und Patienten - Theorie und Konzeption einer virtuellen Consent-Assistenz.- Bessere Medizin? Künstliche Intelligenz verantwortlich gestalten.- Ethische Aspekte von KI-Anwendungen in der Medizin.- Maschinen mit Moral für eine gute Pflege der Zukunft?.- Zwischen Automatisierung und ethischem Anspruch - Disruptive Effekte des KI-Einsatzes in und auf Professionen der Gesundheitsversorgung.- Potenziale digitaler und KI-basierter Tools zur Gesundheitsförderung in Unternehmen - Eine systemtheoretische Beobachtung von Implementierungs- und Verankerungsprozessen.- Nachhaltige Entwicklung im Krankenhauswesen - Künstliche Intelligenz als Treibstoff und Hemmnis.- Präzisionsmedizin, künstliche Intelligenz: Chancen für ein verbessertes Therapiemanagement? Ein organisationsökonomischer Blick.- Künstliche Intelligenz in der hausärztlichen Versorgung.- Einsatzgebiete künstlicher Intelligenz bei chronischen Erkrankungen - Ein erster Überblick im Diagnostik- und Therapiebereich.- Künstliche Intelligenz und Digitalisierung im Bereich Diabetes mellitus.- KünstlicheIntelligenz in Prozessen des Gesundheitswesens - Chancen und Risiken am Beispiel der akuten Schlaganfallbehandlung.- Künstliche Intelligenz, Big Data und Krebsdiagnostik im Gesundheitswesen.- Diagnoseunterstützung durch künstliche Intelligenz für Labordaten.- Daten einfach anders denken! Big Data (BD) und künstliche Intelligenz (KI) in der Praxis.- Verstehen was Ärzte schreiben: Kann KI die Datenflut in der Medizin bändigen?.- Ist Stimme das neue Blut? KI und Stimmbiomarker zu früheren Diagnose - für jedermann, überall und jederzeit.- Interdisziplinäre Ansätze zu Medizin und Künstliche Intelligenz (KI): Stimmauswertung zur Frühdiagnose beim Morbus Parkinson (MP).- KI-unterstützte Anwendungen und Potentiale in der Medizin- und Gesundheitstechnologie.- Künstliche Intelligenz in der Radiologie und Strahlentherapie aus der Perspektive von Ärzten und Medizinphysikexperten - Eine Interviewstudie.- Interpretation magnetresonanz-tomographischer (MRT) Daten mit KI.- Machine Learning in der Medizin: Was können Lernalgorithmen und wie sicher sind sie?.- Eine sanfte Einführung ins Lernen tiefer neuronaler Netze.- Neuronale Netze zur Effizienzsteigerung der Texterkennung in der Rezeptabrechnung.- Abrechnung medizinischer Leistungen mit Künstlicher Intelligenz.- Erklärbare KI in der medizinischen Diagnose - Erfolge und Herausforderungen.- Explainable AI im Gesundheitswesen.- Humanoide Robotik und körperlose KI-Systeme im Gesundheitswesen.- Roboter als intelligente Assistenten in Betreuung und Pflege - Grenzen und Perspektiven im Praxiseinsatz.- "Robotik und KI in der Pflege" als Lerneinheit in der generalistischen Pflegeausbildung - Desiderat, Bedarf und pflegerische Wirklichkeit.- Das Bremen Ambient Assisted Living Lab und darüber hinaus - Intelligente Umgebungen, Smarte Services und Künstliche Intelligenz in der Medizin für den Menschen.- Smart Home und Smart Living - Möglichkeiten und Grenzen der KI im Projekt DeinHaus4.0.- Smarte Systeme in Rehabilitation und Prävention. Wie künstliche Intelligenz und Gamification das Bewegungstraining individualisieren.- Klinische Evaluation eines Rollator-Moduls zur Sensorgestützten Haltungs- und Gangmustererkennung.