In dieser Folge geht es um die Veränderungen im Gesundheitswesen. Mit Dr. Wolfgang Lippert, Head of Healthcare von Google Cloud, Germany, spricht Bernhard über Herausforderungen und neue Möglichkeiten und Chancen der Digitalisierung.
Da geht es dann unter anderem um die Cloud und von dort weiter zu den Schnittstellen in die Cloud (Cloud Healthcare API) sowie den Standards zur semantischen Annotierung. Welche Rolle spielt da die KI?
Abschließend geben Wolfgang und Bernhard einen Ausblick, wie und in welchem Tempo es weiter gehen kann.
Podcast: Play in new window
Transkription
Wir wollen in dieser Folge sprechen über die digitale Transformation im Gesundheitswesen und insbesondere über die Rolle von Cloud Computing oder allgemein die Rolle der Cloud in diesem Transformationsprozess. Und auch dazu habe ich wieder einen Gast eingeladen. Ich freue mich sehr, dass ich heute den Dr. Wolfgang Lippert von Google Cloud begrüßen darf. Hallo Wolfgang. Hallo Bernhard. Da die meisten dich wahrscheinlich nicht kennen werden, vielleicht stellst du dich zu Beginn kurz vor, sag’s ein paar Worte. Wer bist du? Was machst du bei Google und genau? Sehr gerne. Bernhard, ich bin bei Google Cloud als Vertriebsleiter für eine Reihe von Teams verantwortlich. Dazu gehören vor allem regulierten Branchen wie die Gesundheitsbranche, die Pharmazie, aber auch die Chemie und die Energie und die Telekommunikation und die Medien. Dieser Person, ich bin ein studierter Chemiker, mich hat es dann über Stationen in der Beratung vor einigen Jahren in die Digitalbranche gebracht und vor knapp zwei Jahren dazu zu Google.
Jetzt einfach war so ein neugierhalber. Google ist ja ein Riesenladen, wenn man das mal so sagen darf. Wie ist Google Cloud, der Bereich, in dem du tätig bist in die Gesamtkonzernstruktur eingebunden? Wie muss man sich das vorstellen? Also die große Google hat ja eine ganze Reihe von tollen Sachen gebaut. Die Suche kennt jeder, die Google Maps kennt auch jeder. Viele andere Dinge Android. Was wir bei Google Cloud machen, wir nehmen in die Technologie, die wir genau für diese Dienste und Werkzeuge entwickelt haben und stellen sie unseren Kunden zur Verfügung. Um damit ihre eigenen Dienste zu bauen. Also Dinge wie Machine Learning, Spracherkennung, große Rechenzentrum, aber auch unsere Netzwerke.
Wunderbar und wir wollen heute sprechen über die Veränderung, die digitale Transformation im Gesundheitswesen. Das ist so der typische Satz von jedem Forschungsantrag, den ich in die Hände bekomme oder die Bachelor- und Master-Arbeiten, die ich betreuen darf. Die fangen immer an.
Das Gesundheitswesen steht vor großen Herausforderungen, welche Herausforderungen siehst du aktuell am dringendsten? Ja, ich glaube wir haben nicht nur Herausforderungen eine große Chancen. Es ist eine sehr spannende Phase. Wir haben unglaubliche Fortschritte in der Vergangenheit im Verständnis unserer Gene gemacht. Das erlaubt jetzt total neue Therapieformen, Behandlungsformen, die sehr viel stärker personalisiert sind. Diese Personalisierung bedeutet aber auch, dass wir über die verschiedenen Bereiche in der Gesundheitsbranche sehr viel stärker zusammenarbeiten müssen. Also wenn eine Therapieform für einen Menschen ganz individuell geschnitzt wird, dann ist die Rolle der pharmazeutischen Unternehmen zusammenarbeitet mit Kliniken. Aber auch die Zusammenarbeit mit den gesetzlichen oder privaten Kassen für sich eine gänzlich neue. Und die brauchen sehr viel mehr Daten, Austausch und Zusammenarbeit, um das wirklich zu realisieren. Das heißt, eine der größeren Herausforderungen, von denen wir jetzt stehen, ist eine Vernetzung von interdisziplinären Teams, um eben eine gemeinsame Forschung zu ermöglichen. Ja, es geht gar nicht alleine um die gemeinsame Forschung, die ist auch richtig. Ich glaube, in der Forschung kriegen wir das sogar jetzt schon, oder kriegt es die Gesundheitsbranche jetzt schon ein deutliches Stück besser hin. Jetzt geht es wirklich darum, das sind die Breite zu bringen für uns alle, für jeden einzelnen Patienten. Wir sind ja, ich glaube, an Umbruch von einem früher mal eigentlich sehr krankheitsorientierten System hin zu einem doch sehr viel stärker personalisierten und auch Gesundheitssystem. Aber dazu müssen wir auch in der Therapie völlig neu zusammenarbeiten.
Und in dieser neuen Zusammenarbeit und in den neuen Möglichkeiten, das steckt natürlich auch, ja, du hast es gerade angesprochen, eine sehr, sehr große Chance der Digitalisierung vielleicht auch durch Machine Learning, Algorithmen, durch künstliche Intelligenz, KI, AI, diese Branche mit zu verändern, auch mit zu gestalten, die ist dein Blick auf diese Themen. Also die, was mich total fasziniert ist, eigentlich wir das früher bei IT, Informationstechno nur für einen da, um irgendwelche Geschäftprozesse abzubilden. Heute sind wir aber in der Phase, dass wir eigentlich die Digitalisierung überall nutzen können. Also wir können zum Beispiel heute digitale Techniken einsetzen und mit der Grundlagenforschung zum Beispiel Geometrien von Eiweißen, also ganz komplexen Strukturen vorherzusagen. Es schaffen es auch tatsächlich sehr viel schneller und ein Beispiel ist vielleicht auch gerade die Impfstoffentwicklung sehr viel schneller, komplexe, Moleküle, theoretisch vorherzusagen und dann auch wirklich zu produzieren, um uns zu helfen. Also ich glaube, wir alle hätten noch vor fünf Jahren nicht geglaubt, dass man ein Impfstoff, der dann nicht jadenfach produzieren eingesetzt wird, in weniger als einem Jahr entwickeln und prüfen kann.
Welche Rolle spielen, gerade bei dieser Thema Impfstoffentwicklung jetzt die Daten? Ich finde da unglaublich große Rolle, also angefangen von der Identifikation von möglichen Molekülgeometrien durch den Einsatz von Computerrechenleistung, das ist vorherzagt, über die große in der Fläche breite Auswertung von abertausenden von Patienten gleichzeitig. Da fließen natürlich überall viele Datenmengen, die wir dann sehr viel stärker automatisiert verarbeiten müssen, um einfach Zeit zu sparen. Aber nicht nur die Zeit einspannend sind, auch die Leistungen hinterher, wenn wir quasi nachverfolgen wollen. Wir haben jetzt die entsprechenden neuen Medikationen oder auch die Impfstoffe gewirkt. Da können wir heute sehr, sehr viel mehr die Patienten begleiten, sei es hinsichtlich Nebenwirkung, aber auch hinsichtlich der tatsächlichen Wirkung.
Das ist angesprochen große Datenmengen automatisierte Verarbeitung, da sind wir ja sozusagen bei den Kerngeschäftsfeldern von Google. Was macht ihr mit euren Kunden im Bereich des Gesundheitssektors, wie seid ihr damit Google Cloud im Gesundheitswesen aufgestellt? Unsere Kunden nutzen die Werkzeuge, die wir quasi für unsere eigenen Google Service entwickelt haben, für ihre eigenen Anwendungen. Und da beginnt es an der Stelle, dass jetzt zum Beispiel Systeme wie das SAP, mich im eigenen Rechenzentrum betreiben, sondern in der Cloud betreiben. Das bringt eine größere Agilität, eine größere Flexibilität und Kosten einsparen. Aber das bleibt an der Stelle nicht schnell, natürlich benutzen unsere Kunden auf Technologien wie AI, also künstliche Intelligenz, Spracheerkennung, Bilderkennung. Ein Beispiel, was den meisten nicht so auffällig ist, wenn man zum Beispiel ein Dokument wie ein Impfzeitifikat einfach mit einer Kamera fotografiert und man nicht nur den Bild hat, sondern sofort alle strukturierten Daten hat, dann spielt meistens künstliche Intelligenz eine größere Rolle. Und all diese Anwendungskomponenten stellen wir als Werkzeuge, unseren Kunden zu verfügen und die Kunden bauen dann daraus, ihr entsprechende Anwendungsellin.
Jetzt hast du gesagt, dass ihr die Werkzeuge eigentlich aus einem anderen Kontext habt und die Ins-Gesundheitswesen dann ja transformiert werden oder dort genutzt werden können.
Welchen Stellenwert hat allgemein der ganze Bereich Healthcare Life Sciences im Gesamtunternehmen? Bei Google Cloud haben wir neuen Fokusindustrie, eine davon ist der Bereich Healthcare Life Sciences. Aber nicht nur bei Google Cloud, das ist eine zentrale Bereich, die sind zentralen Bereiche, sogenannte Fokusindustrie, die haben eigene Teams, die haben auch dann entsprechende Menschen, die sich um die Weiterentwicklung unserer Produkte in dem Kontext kümmern. So haben wir heute zum Beispiel etwas, was sich Helz API nennt. Also das sind weiterentwicklung unserer allgemeinen Komponenten mit den Spezifikativen brauchen für die Gesundheitsbranche. Zum Beispiel der Objektmodell, was es ein Patient, was ein Arzt, die ganzen Dinge, die wir einfach täglich als Objekte in der Gesundheitsbranche brauchen, schon vorformuliert. Das ist dann einfacher für die entsprechenden spezifischen Anwendung zu bauen.
Das ist ein sehr gutes Stichwort, also die Konnektivität sozusagen, wie docke ich mich an solche Lösungen vielleicht an. Du hast gesagt, ihr habt dann eigenes Modell dahinter, die Helz API. Ich nehme an, die ist frei verfügbar und von jedem nutzbar. Das ist ein Produkt, das wir genau so wie die anderen Produkte, innerhalb der guten Klaven, den Kunden liegzensieren. Und dabei entwickeln wir Dinge, wie basierend auf Fire, HL7, der für uns schon zwei. Wir haben aber auch SNOMED enthalten, oder die klassischen ICD-10-Codes, die entsprechend gekapset sind. Und den Kunden ist ein möglichen sehr viel schneller, Anwendungen zu bauen, die die Gesundheitsspezifischen Anforderungen erfüllen können. Das heißt, der Kunde nutzt die Möglichkeit, selbst etwas zu entwickeln, greift innerhalb dieser Entwicklung zum Umgebung. Auf die Standards zurück und hat damit auch eine Möglichkeit, sozusagen diese Daten anzudocken an seine eigenen Primärsysteme, an Krankenhausinformationssysteme, Arztpraxisverwaltungssysteme, die ja diese Standards schon sprechen. Genau, so ist es. Also ich sage es einmal, einfach gesagt, das brauchen wir eigentlich, wenn sich verschiedene Parteien die gemeinschaftlich arbeiten wollen. Ja, sie brauchen ein Verständnis der gegemeinschaftlichen Objekte und Datenmodelle würde man sagen. Sie brauchen aber auch ein Verständnis darüber, wie wollen wir uns denn unterhalten? Also quasi, was gibt es denn für Austauschmöglichkeiten oder APIs, würde man sagen. Und das dritte, was man braucht, wenn ich ein gegemeinschaftliches Objektenmodell habe, wenn ich auch die gemeinschaftliche APIs definiert habe, ist, ich muss auch die verfügbaren Standards implementieren, Standards, wie eben zum Beispiel die Codex, die überall genutzt werden. Und es ist einfach einfacher machen, dass man in der gleichen Art und Weise miteinander spricht.
Und eine ganz wichtige Rolle spielen in dem Kontext eigentlich auch die Daten. Jetzt habt ihr natürlich viel Erfahrung mit dem Umgang von Daten, wie stellt ihr eine bestimmte Datenqualität sicher? Oder habt ihr bestimmte Verfahren, wo ihr sagt, auf diese Daten kann ich mich besonders verlassen. Wir haben eine hohe Qualität oder bei diesen Daten, die markiere ich vielleicht irgendwie als vom Patienten selbst eingestellt. Die sind vielleicht mit Vorsicht zu genießen im Kontext der weiteren Bearbeitung. Das erste, was wichtig ist, wenn wir über die Daten und Google sprechen, denken die Leute, dass das, ja, Google ist jetzt der Partner. Und natürlich sind die Daten möglicherweise ab. Das ist natürlich auch nicht der Fall. Wenn wir Google Cloud Produkte sprechen, die ganzen Komponenten über die wir vorgestellt gesprochen haben, dann sind die Daten immer die Daten des Kunden. Wir stellen quasi eine leere Hülle zur Verfügung unter Kunde, nutzt dann diese Werkzeuge mit seinen eigenen Daten. Was aber trotzdem gemacht wird, ist, dass wir alle Werkzeuge, die wir für den Umgang mit Daten entwickelt haben. Also mein Beispiel, wenn ich einen Röntgenbild vom Patienten habe, dann ist auf dem Röntgenbild normalerweise auch schon Patientennahmen enthalten. Ja, es gibt da so schon sogenannte Personally Identifiable Information, neu Deutsch, also persönliche Informationen eines Patienten, die auf so einem Bild enthalten sind. Jetzt nicht nutzen wir unsere AI-Technologie, um in diesem Bild automatisch diese Elemente zu erkennen und zu einfach auszugrauen, zum Beispiel, dass man wirklich auch die anonymisieren kann. Das sind alles Fähigkeiten, die haben wir nicht unbedingt in einem Gesundheitskontext aufgebaut, aber die spielen natürlich im Gesundheitskontext eine ganz große Rolle.
Das klingt spannend und auch nach einer sehr sinnvoll nutzbaren Anwendung, weil wir gerade im Forschungskontext ja vielfach vor der Frage stehen. Kann ich diese ganzen Daten denn zusammenführen? Und meistens ist es ohne Schwierigkeiten möglich, wenn diese Daten de facto auch anonymisiert werden können. Das heißt, wenn ich die persönliche Informationen des Patienten dort entfernen kann, kann ich dann über mehrere Patienten eben effiziente Forschung betreiben. Und da kann natürlich so eine Cloud-Technologie, eine wichtige Brücke oder berücken-Technologie in diesen Weg sein. Absolut, genauso ist es, ich glaube, man kann sogar noch einen Schritt weitergehen. Wir können Daten kopieren, wir können Daten verändern, auch automatisiert, wie gerade angesprochen, zum Beispiel die Personalisierung rausnehmen. Was wir aber aufmachen können in Cloud-Technologie, nehmen wir das Beispiel, dass wir eine automatische Diagnose Unterstützung durch AI zum Beispiel für einen Computertomographiebild machen wollen. Ich bin jetzt gerade in München zuhause, also ich nehme München in die Klinik und dort gibt es vielleicht 10.000 Vergleichsfälle für mich. Jetzt könnte man sagen, damit kann ich ein gewisses Modell trainieren, aber besser wäre es, wenn ich 100.000 Vergleichsfälle hätte. In der alten Welt hätte ich jetzt als Klinikum München gucken müssen, wo kriegt die anderen Fälle her. Dann können wir die Technologie von uns einsetzen, von anderen Kliniken, die Daten holen, sie anonymisieren und trotzdem noch lernen lassen. Das ist aber aufwand, speicher ja alles doppelt und ich weiß doch nicht, wann ich was brauche. Ein besseres Modell wäre eigentlich, in dem Moment, wo ich jetzt in München mein Bild auswerten will. Wir eines API-Aufrufs, also über das Internet, über die Cloud, andere Kliniken zu fragen. Hier ist eine Problemstellung, darf ich eure Daten benutzen, um dieses Problem zu lösen. Also die Daten gar nicht kopieren, gar nicht in den Problemfaden reinfallen, dass sich der andere messieren muss. Ich frage von München in Berlin an, in Berlin werden die Daten lokal benutzt und die Resultate des Gelernten geht so ne Rück nach München. Und ich habe dann ein sehr viel besseres Ergebnis und kann so verteilt die Daten tatsächlich auch verteilt nutzen.
Also den Algorithmus, die eigentliche Berechnung in die jeweiligen Kliniken, in die jeweiligen Datencenter bringen, anstatt Daten zu sammeln, zu hausten, irgendwie an zentraler Stelle. Man gibt es ja immer sofort große Bedenken, sicherlich nicht zu unrecht, wenn ich einen riesigen Datentopf aufbauen möchte. Der aber, wie du das nicht unbedingt notwendig ist, sogar irgendwie die Netze vielleicht noch unnötig belastet, weil ich da irgendwie riesige Datenmengen hin und her kopiere. Stattdessen wäre es geschickter, den Algorithmus über eine standardisierte Schnittstelle, über eine API, an die Kliniken zu bringen und dort einfach durchlaufen zu lassen. Genauso ist es, wir können noch ein anderes Beispiel nehmen, wenn ich als Patient meine verschiedenen, ich habe verschiedene Episoden meiner Behandlung, einmal bin ich bei meinem Allgemeinarzt, dann bin ich beim Sportmediziner, vielleicht bin ich irgendwann mal auch noch bei meinem Diabetesberater. Also ich habe verschiedene Akteure, mit denen ich tagtäglich oder über die Länge der Dauer meines Lebens zusammen arbeite. Jetzt hat üblicherweise jeder von denen seine eigenen Daten für mich und jetzt kann ich zwei Sachen machen. Ich hol mir all diese Daten, liegt die in der zentralen Datenbank, dann kommen Sie da die Frage nachher und wer verantwortet die? Ich werde ein großer Freund, wenn wir eigentlich das machen, was vielleicht in der Zukunft sehr viel mehr gemacht wird, nämlich diese Daten überall dort liegen zu lassen und mir als Patient in die Schlüssel zu geben. Also ich Patient, habe eine Schlüsselkette für jeden meiner Behandlung der Erzter oder für jeden meiner Teilnehmer, meinem Gesundheitsnetzwerk, kann nicht die Daten entsprechend holen und dann den anderen Erzten auch erlauben, ob diese Schlüsselverwaltung, die kann nicht quasi zu teilen oder wieder entziehen. Das heißt, wir werden in Zukunft sehr viel mehr Daten federieren, also versteig liegen lassen, aber in einem Nutzenkontext zusammenführen. Hat folgende Vorteile, ich habe nicht mein Single Point of Failure oder Exposure, also Risiko und es ist natürlich auch sehr viel natürlicher. Braucht aber die angesprochenen Fähigkeiten am Anfang, dass die verschiedenen Akteure miteinander Daten austauschen können. Da kommen wir nicht um rum.
Pass sehr hervorragend in unseren Podcast rein, wo wir eigentlich nicht müde werden, dieses Thema Interoperabilität zu fordern, weiter voranzutreiben und für offene Standards zu werben. Jetzt hat es sogar schon das Stichwort Zukunft angesprochen.
Kannst du einen Ausblick geben, wie und vielleicht auch in welchem Tempo es da in dieser Richtung weitergeben könnte. Bist du in der Blick in die Glaskugel, ist natürlich schwierig, aber…
Ich habe leider keine gesagt, Christian und Reserver. Dann bleiben wir so, ich bin natürlich persönlich, wie wir alle auch betroffeln. Und die führe mir wahnsinnig wünschen, dass sich unser Gesundheitssystem noch sehr viel stärker zu einem Vorsorgewesen entwickelt. Und nicht ein reines Fürsorgewesen. Wir sind ja heute in der Situation, dass wir alle dann mit Erzten und mit dem medizinischen System zu tun, wenn es uns schlecht geht. Ich glaube aber, dass wir jetzt tatsächlich schon so viel Wissen haben, also über die Mikroorganismen, über die ganzen Stoffwechsel-Prozesse, dass wir sehr viel besser Vorsorge treffen können. Ja, also wir alle tun vielleicht schon was im Sinne von Sport, im Sinne von der Ernährung. Und ich glaube, das wäre dann noch sehr, sehr viel mehr drum konnten. Und ich glaube auch da kann die Technologie uns extrem stark helfen, dass wir mehr über uns wissen und dass wir mehr Vorsorge für uns treffen als eine Reinephäre-Sorge. Weil wenn man es vorher macht, ist meistens der Schaden für einen selbst und tatsächlich auch die Kosten und Implikationen für uns als Gesellschaft für ihre Kinder. Genau Vorsorge, wir müssen also letzten Endes, dass das medizinische Wissen standardisieren und mit den individuellen Variablenwerten des Patienten zusammenbringen, um dann eine möglichst individuelle Prognose treffen zu können. Was ist denn in dem Fall für die Patientinnen, für diesen Patienten ein günstiges Scenario, wie kann eine optimale Vorsorge vielleicht aussehen? Genau so ist es. Also jetzt den Schritt zu gehen, wir haben zum Beispiel mal mit Kentine gesprochen für den klassischen Bandscheibenvorfall. Und ein Bandscheibenvorfall, den kann ich rein mechanisch therapieren, ich kann noch einfach lassen. Es gibt genug Kinderweise dafür, dass auch Bandscheibenvorfälle ohne weitere Behandlungen nach 9 oder 12 Monaten abkinken können. Ich kann aber auch operativ behandelt. Und die Frage, die sich stellt, was muss ich tun? Jetzt sind wir wieder natürlich bei einem Versorg des Scenario, aber da haben wir so viel gelernt, dass wir heute sehr viel besser entscheiden können. Du bist zwischen 20 und 30 und das folgende Voraussetzung, wenn ihr es wahrscheinlich eine rein mechanische Therapie von hohen Erfolgswahrscheinlichkeit gegrült. Und wenn wir das über tragen, auf Vorsorge des Scenario zum Beispiel zu überlegen, ja, habe ich möglicherweise in der Diabetes-Typ-2-Prädisposition, wie verhält sich mein Leben gerade? Wie kann ich das heute für mich am besten beeinflussen? Es ist für mich eine Ernährungsumstellung, es ist für mich ein Bewegungsumstellung oder es ist beides. Auch deswegen sind allen, die kennen wir schon, da gibt es gute Anwendungen für das. Deswegen gewähne ich dir nicht, weil die so Wahnbrechen sind, sondern weil es die Beispiele sind und zeigen, wo es hin geht. Da werden wir noch sehr, sehr viel mehr sehen.
Sind das dann auch die Anwendungsfälle, die wir vielleicht als erstes in der realen Anwendung schon sehen werden? Wo sagen das ist vielleicht gar nicht mal die Zukunftsmusik 2030, sondern das ist etwas, wo wir jetzt schon so dicht dran sind, das könnte 2022-23-24 in den nächsten zwei, drei Jahren auch schon Realität werden? Ich glaube, ich kann es fest dran, wenn man gerade das Beispiel Diabetes nehmen oder die Diabetes 2, das hat unglaublich große Kosten für unsere Gesellschaften. Und die Einflussnahme ist von allen Seiten unbestritten, dass wir dort sehr, sehr viel tun können. Ich glaube, das kommt sehr bald, gibt es ja auch schon, aber es kommt sehr viel bald in der Breite. Ich hoffe, ich habe aber nur mit Zweite offen. Ich glaube, etwas, was auch sehr viel schneller kommt, ist glaube ich, dass wir die Diabetes Technik nutzen werden, um auch dem gesamten Arbeiten medizinischen Personal des Lebens leichter zu machen. Wenn wir uns anschauen, wie oft wir eigentlich Interaktionen mit Menschen haben, wo die Systeme erst mal wechseln. Und ich glaube, das steht ja im Zentrum, im Zentrum der Pflege, der Analyse. Eigentlich arbeiten ja Mediziner mit Menschen und auch das Pflegepersonal. Aber natürlich müssen wir ja auch Verwaltung machen. Natürlich haben wir Dinge, die wir heute alle schon kennen, spracherkennung, Bildererkennung. Wir können unglaublich viele Effizienz steigern und den Leuten eigentlich arbeiten abnehmen. Ich glaube, da werden wir auch sehr, sehr viele Entwicklungen in den nächsten paar Jahren.
Das ist doch eine schöne Schlussformulierung. Wir werden also viel sehen. Wir bleiben gespannt. Wir bleiben am Ball. Haben wir in unserem kurzen Rundumschlag durch die digital Transformation noch irgendwas vergessen. Gibt es noch was, was du loswerden wolltest, was ich dich gar nicht gefragt habe? Nee, was ich losbeimlich nicht nur, dass ich einfach begeistert bin und dass ich glaube, dass wir kurzer Dank jetzt ganz viele Menschen haben, die begeistert sind. Also die Probleme, die wir vor der Prust haben, wir haben uns alle gesund zu halten, die Kosten in unseren Gesundheitssystemen, die explodieren zu lassen, trotzdem allen auch einen Zugang. Das zugeben, als wir nicht nur in unserem Land, sondern überall. Da liegt eine unglaubliche große Chance, denn wenn wir es schaffen, effizienter zu werden, weil wir mehr digitale Technik nutzen, dann schaffen wir es wahrscheinlich auch, den Zugang zu Therapieformen und Medikationen im Überlauf der Welt zu verbessern. Und daran liegt natürlich, glaube ich, eine ganz, ganz große Chance. Also nicht nur toll in der voll entwickelten Welt, jetzt alles auch noch voll digital zu machen. Sondern eine fairere Nutzung an unserer Möglichkeiten, an allen Plätzen der Welt zu gewährst. Genau, Digitalisierung ist kein Selbstzweck, sondern ein teilweise richtig eingesetzt, sehr effizientes Mittel, um ganz andere Ziele zu erreichen, eben eine bessere Gesundheitsversorgung, vielen Bereichen und vielen Teilen der Welt. Und ja, das war eine tolle Einblick, wie das unter Umständen gelingen kann. Und ich danke dir sehr herzlich Wolfgang, dass du hier Zeit gefunden hast, 20 Minuten mit uns darüber zu sprechen. Vielen Dank. Ich danke. Viel Spaß gemacht. Dann darf ich mich für heute verabschieden. Macht’s gut, bleibt gesund und bis zum nächsten Mal.