Die Kombination von Bioelektronik mit Künstlicher Intelligenz (KI) ermöglicht die direkte Auswertung biologischer Messsignale in Echtzeit, inklusive Mustererkennung, prädiktiver Analytik und adaptiven Reaktionen. Hier wird nicht nur Rohmesswert übertragen, sondern vor Ort verarbeitet und interpretiert.

Wissenschaftlicher Kontext & Abgrenzung

Traditionelle Bioelektronik liefert oft große Mengen an Daten, deren Analyse nachträglich stattfindet. KI‑Integration krempelt dies um, indem sie Edge‑KI direkt in Sensorgeräte einbettet und adaptive, selbstoptimierende Systeme ermöglicht.

Forschungsteams & Projekte

Fraunhofer SCAI – Biomedical AI & Data Science – Entwickelt, adaptiert und nutzt KI- und ML-Methoden. Ziel sind robuste, gut interpretierbare und evidenzbasierte Analysen biomedizinischer Daten. Der fachliche Fokus folgt einer Wertschöpfungskette. Diese Ausrichtung passt weitgehend zu den Bedarfen von Pharma und Biotech sowie dem öffentlichen Gesundheitswesen.

Friedrich-Alexander-Universität – Artificial Intelligence in Medicine – Der Schwerpunkt liegt auf der Entwicklung modernster Methoden des maschinellen Lernens, die in die klinische Praxis integriert werden können, um einen spürbaren Beitrag zur medizinischen Praxis und Forschung zu leisten. Zu den aktuellen Projekten gehören die Diagnose von Krankheiten, die Klassifizierung des Patientenzustands und die Patientenüberwachung. Ein Schwerpunkt ihrer Forschung liegt darauf, zu untersuchen, wie die jüngsten Durchbrüche bei großen Sprachmodellen (LLMs) und transformatorbasierten medizinischen Grundmodellen die Leistung bei komplexen medizinischen Aufgaben verbessern können, insbesondere in Szenarien mit begrenzten klinischen Daten. Ihre Arbeit umfasst ein breites Spektrum an Datentypen, darunter tabellarische Daten, Biosignale, medizinische und biomedizinische Bilder sowie multimodale Datensätze.

AISym4MED – Das EU-finanzierte Projekt AISym4Med zielt darauf ab, eine Plattform zu schaffen, die die Entwicklung digitaler Lösungen und Dienste für medizinische Anwendungen unterstützt, indem sie es Innovierenden ermöglicht, KI-Systeme in einer sicheren und vertrauenswürdigen Umgebung zu bewerten und zu verbessern. Die Plattform wird zwei Hauptmodule umfassen – den Model Auditor, der eine transparente Bewertung von KI-Modellen in Bezug auf Leistung, Verzerrungen, Einschränkungen und Einhaltung der DSGVO unterstützt, und den Data Synthesiser, der neue Dateninstanzen zur Verbesserung robusterer Modelle für eine bessere Repräsentativität unterrepräsentierter Gruppen und die Wahrung der Privatsphäre bereitstellt. 

SMART BEAR – Das EU-finanzierte Projekt SMART BEAR entwickelt eine Plattform mit verschiedensten Sensoren und mobilen Instrumenten zur kontinuierlichen Erfassung und Auswertung von Alltagsdaten, um personalisierte Interventionen anzubieten. Die Lösung von SMART BEAR wird im Rahmen von größeren Pilotprojekten mit 5 000 älteren Menschen in Frankreich, Griechenland, Italien, Rumänien und Spanien erprobt.

Interdisziplinäre Gruppen kombinieren Sensorik, Bioelektronik und Machine Learning, darunter EU-Initiativen und Universitäten mit Schwerpunkten in intelligenten Systemen.

Zeit bis zur Marktreife

➡ Viele KI‑gestützte Anwendungen nehmen bereits heute Gestalt an; breite Anwendung in 2–5 Jahren.

ausgesuchte Publikationen

Fatima Naseer, Ufra Naseer, Muhammad Yousaf, Junnan Wei, Yuxuan Gao, Dan Li, Xiujia Tian, Yanqing Liu, Xueyan Li, Fang Wang, Ping Luo,
AI-Integrated biosensors: A paradigm shift in multi-cancer detection with enhanced sensitivity and specificity, Sensors and Actuators Reports, Volume 11, 2026, 100439, doi. 10.1016/j.snr.2026.100439. (PDF)

Lawal OP, Opara IJ, Ayo-Ige A, et al. Artificial Intelligence-Integrated Biosensors for Antimicrobial Resistance Detection and Surveillance: A Review and Future Perspectives for Global Biosecurity. Cureus. 2025;17(11):e98098. Published 2025 Nov 29. doi:10.7759/cureus.98098. (PDF)

Sobhan A, Hossain A, Wei L, Muthukumarappan K, Ahmed M. IoT-Enabled Biosensors in Food Packaging: A Breakthrough in Food Safety for Monitoring Risks in Real Time. Foods. 2025;14(8):1403. Published 2025 Apr 18. doi:10.3390/foods14081403. (PDF)

Abdellatif Ait Lahcen, Jegan Rajendran, Gymama Slaughter, Advances and challenges in digitally connected point-of-care biosensing,
Biosensors and Bioelectronics: X, Volume 28, 2026, 100728, doi: 10.1016/j.biosx.2025.100728. (PDF)

Suryaprabha, T., Choi, C., Wu, Y. et al. Smart wearable and implantable biosensors for continuous health monitoring: materials, biocompatibility, and AI integration. npj Flex Electron 10, 46 (2026). doi: 10.1038/s41528-026-00560-6. (PDF)