KI-basierte Softwarelösung für synthetische Forschungsdaten Generator

Gegenstand der Ausschreibung ist die Entwicklung einer Softwarelösung, die als Generator für synthetische Forschungsdaten fungiert. Diese Lösung basiert auf Künstlicher Intelligenz (KI) und ist für die Integration in ein bestehendes Patienten- und Ärzteportal vorgesehen. Ein zentraler Aspekt ist die Ermöglichung der Datenexploration durch den Einsatz von Language Models (LLM) und Retrieval-Augmented Generation (RAG). Die Software soll zudem eine Anbindung an ein bereits vorhandenes Machine-Learning-System (DPMS-ML System) gewährleisten, um exemplarisch Vorhersagemodelle trainieren zu können. Die Notwendigkeit der synthetischen Datengenerierung ergibt sich aus Datenschutzbestimmungen, die die Verwendung echter Patientendaten für Evaluierungszwecke ausschließen. Die erzeugten Daten sollen strukturell und inhaltlich realen Daten ähneln und für die Validierung von Datenverarbeitungspipelines von ML-Systemen sowie für die explorative Datenanalyse dienen. Die Softwarelösung wird in drei Hauptarbeitspakete unterteilt: 1. KI-Datensynthese zur Erzeugung synthetischer Patientendaten, 2. LLM/RAG-System zur Datenexploration und 3. Integration mit dem DPMS-ML System. Zusätzlich wird eine Wartungs- und Supportleistung für ein Jahr nach Abnahme der Software gefordert, die die Wartung aller drei Komponenten sowie die Bereitstellung von Ansprechpartnern und Remote-Wartung umfasst. Die gesamte Lösung soll die datengetriebene Charakterisierung von Patiententypen und die Individualisierung von Patientenpfaden im Rahmen des Projekts DigiPhenoMS unterstützen und sowohl Patienten als auch medizinischen Leistungserbringern Werkzeuge zur Organisation von Behandlungsabläufen und zur Steigerung der gesundheitlichen Kompetenz bieten. Die Entwicklung erfolgt als Forschungsprototyp und die Übergabe als ausführbares Softwareartefakt. Kommerzielle Lösungen sollen nach Möglichkeit vermieden werden, um die Datensouveränität zu wahren. Die Qualität und Repräsentativität der synthetisch generierten Daten sind entscheidend für die Genauigkeit der LLM-Abfragen und RAG-Modelle. Die Integration mit dem DPMS-ML System erfordert die Anpassung von Schnittstellen und ein flexibles Design für zukünftige Skalierungen. Die Vergütung erfolgt nach tatsächlich erbrachten Leistungen, wobei Teilleistungen nach Meilensteinen abgerechnet werden können. Alle Reisekosten und Nebenkosten sind in den Angebotspreisen zu kalkulieren und werden nicht separat erstattet. Das Gesamtbudget für das Projekt ist auf 50.000 Euro brutto begrenzt.