Drei Tage, ein Hörsaal voller Teams und eine Frage von B. Braun: Wie bekommen Chirurg:innen ihre Zeit nach der OP zurück? Unsere Antwort hieß BRAUNi. Und brachte uns Platz 3.
Der Hackathon startet dort, wo sonst Medizinstudierende sitzen: im Hörsaal des Universitätsklinikums Freiburg. Ausgerichtet von Black Forest Innovation, dem Uniklinikum und BadenCampus. Nach Registrierung und Begrüßung stellen die Partner ihre Challenges vor, aus Klinik, Medizintechnik und Start-ups, von Neurofeedback bis OP-Dokumentation.
Bei einer Challenge hören wir besonders genau hin. B. Braun fragt, wie sich die Dokumentation rund um eine Operation vereinfachen lässt. Ein Thema, das jede Chirurgin und jeder Chirurg kennt und das niemand gerne macht.
Um 17:15 ist Team-Formation. Michael Zoidl, Jonathan Häberle und Christoph Saile von alm finden sich mit weiteren Teilnehmer:innen zusammen, darunter UX/UI-Design von B. Braun. Bevor die erste Zeile Code entsteht, wollen wir verstehen, wie der Alltag nach einer OP tatsächlich aussieht.
Also sprechen wir mit denen, die ihn erleben: mit Ärzt:innen vor Ort. Das Bild ist eindeutig. Nach jeder Operation sitzen Chirurg:innen vor fünf getrennten Systemen, suchen Zeiten, Vitalwerte und Befunde zusammen, schreiben den OP-Bericht, schlagen OPS-Codes für die Abrechnung nach und füllen Pathologie-Auftrag und postoperative Anweisungen aus. Rund eine Stunde, die am Patienten fehlt.
rund 1 Stunde pro OP
rund 2 Minuten Review
Der Samstag beginnt mit Frühstück und einer nüchternen Frage: Wo hilft ein Sprachmodell, und wo darf es nicht ran? Mit Demo-Daten einer laparoskopischen Cholezystektomie, der Entfernung der Gallenblase, testen wir, was aktuelle LLMs aus Zeitstempeln, Vitalkurven, Anästhesie-Protokoll und Diktat machen.
Das Ergebnis prägt die ganze Architektur. Texte strukturieren, einen Bericht in klinischer Sprache formulieren, passende OPS-Codes vorschlagen: Das können die Modelle gut. Fehlende Messwerte plausibel ergänzen: Genau das darf in einem OP-Bericht nie passieren. Deshalb kommen Fakten bei BRAUNi immer direkt aus den Quellsystemen. Das Modell formuliert, jeder Abschnitt bleibt mit seinem OP-Schritt, dem Video und den Vitalwerten verknüpft, und das letzte Wort hat die Chirurgin oder der Chirurg.
Das Modell schreibt, die Quellen belegen, der Mensch entscheidet.
Parallel entsteht in Figma das Interface. Klare Bereiche statt fünf Fenster: SmartProtokoll für die OP-Schritte, Abrechnung mit KI-identifizierten OPS-Codes und eine Timeline, die Chirurgie- und Anästhesie-Sicht synchronisiert. Gebaut für das Tablet, weil Chirurg:innen nach der OP selten am Schreibtisch sitzen. Der Name kommt fast nebenbei: BRAUNi, mit angebissenem Keks als Bildmarke.
Bis in den Abend wird gebaut, verworfen und neu gebaut. Zwischendurch holen wir uns Feedback: Versteht man den Bericht auf einen Blick? Liegt der richtige Videoabschnitt dort, wo man ihn braucht?
Sonntagmorgen, letzte Runde. Die Demo muss Ende zu Ende laufen, von den Rohdaten bis zum PDF. Um 11:30 ist Submission Deadline. Was bis dahin steht:
Aus einer Stunde Dokumentation werden zwei Minuten Review.
Der Bericht entsteht automatisch aus allen OP-Daten, in klinischer Sprache.
Chirurgie- und Anästhesie-Sicht synchron auf einer Zeitachse.
Jeder OP-Schritt springt direkt zum passenden Videoabschnitt.
Herzfrequenz und SpO₂ genau dort, wo sie im Bericht relevant sind.
Diktat und Korrekturen per Stimme, direkt am Tablet.
Passende Codes für die Abrechnung, als Vorschlag zur Prüfung.
Nach den Keynotes von Prof. Dr. Frederik Wenz, Vorstandsvorsitzender des Universitätsklinikums Freiburg, und Michael Lauk, CDO der B. Braun Gruppe, beginnen die Pitches. Fünf Minuten pro Team, der Countdown läuft gut sichtbar neben der Bühne. Wir starten mit der Zahl, um die es geht: 29.000 Operationen pro Jahr allein am Uniklinikum Freiburg, 16,5 Millionen in ganz Deutschland. Dann die Demo.
Bei der Award Ceremony um 17:15 steht fest: Platz 3 für BRAUNi, dotiert mit 1.000 €, gesponsert von der FWTM Freiburg. Dazu ein goldener Astronaut.
Für uns ist das mehr als ein Preis. In 40 Stunden ist aus einer Frage, Gesprächen mit Ärzt:innen und vielen Tests ein Prototyp entstanden, der zeigt, wie es gehen kann. Genau so arbeiten wir auch in unseren Mandaten: erst verstehen, dann bauen, und KI dort einsetzen, wo sie wirklich trägt.