Digitale Zwillinge statt Patientendaten: Wie weit dürfen virtuelle Menschen in der Medizin gehen?

1. Überschrift und Einstieg

Die Medizin sitzt auf Datenbergen – und hat gleichzeitig ein massives Datenproblem. Ausgerechnet dort, wo es am kritischsten ist: bei seltenen Erkrankungen, komplizierten Verläufen oder unerwarteten Nebenwirkungen, fehlen ausreichend verwertbare Informationen. Das US‑Startup Mantis Biotech, über das TechCrunch berichtet, will diese Lücke mit physikbasierten »digitalen Zwillingen« menschlicher Körper schließen. Der erste Markt sind Profisportler, das eigentliche Ziel aber ist das Gesundheitswesen. In diesem Beitrag analysieren wir, warum dieser Ansatz für Europa hochinteressant, aber auch hochriskant ist – und warum ausgerechnet virtuelle Menschen die reale Regulierung verschärfen könnten.

2. Die Nachricht in Kürze

Laut TechCrunch entwickelt Mantis Biotech eine Plattform, die aus heterogenen Datenquellen – Lehrbüchern, Motion‑Capture‑Aufnahmen, Biosensoren, Trainingsprotokollen und medizinischer Bildgebung – digitale Zwillinge des menschlichen Körpers erzeugt. Ein Large Language Model soll die Eingaben routen, prüfen und synthetisieren; ein nachgeschalteter Physik‑Engine modelliert daraus Anatomie und Bewegungsabläufe mit hoher Detailtiefe.

Diese Modelle können genutzt werden, um seltene oder bislang kaum dokumentierte Fälle zu simulieren und daraus synthetische Datensätze für KI‑Training zu gewinnen. TechCrunch zufolge konnte Mantis erste Kunden im Profisport gewinnen, darunter ein NBA‑Team, das digitale Zwillinge zur Leistungsanalyse und Verletzungsprognose einsetzt. Das Unternehmen hat eine Seed‑Finanzierung über 7,4 Millionen US‑Dollar abgeschlossen, angeführt von Decibel mit Beteiligung von Y Combinator, Liquid 2 und Business Angels. Langfristig zielt Mantis auf präventive Medizin sowie Pharma‑ und FDA‑nahe Forschung ab.

3. Warum das wichtig ist

Im Kern adressiert Mantis ein strukturelles Dilemma: Fortschritt in der Medizin erfordert Daten – aber je sensibler und seltener ein Fall, desto schwieriger ist der Zugriff.

Die potenziellen Gewinner:

• Profisport, Rehabilitation, Militär: Hochauflösende, individuelle Modelle erlauben es, Belastungsgrenzen, Bewegungsmuster und Verletzungsrisiken virtuell zu testen. Wer damit nur ein paar Kreuzbandrisse oder Achillessehnenrisse pro Saison vermeidet, spart unmittelbar Geld und verlängert Karrieren.
• Pharma‑ und Medtech‑Forschung: Digitale Zwillinge könnten frühe Entwicklungsphasen beschleunigen – etwa bei der Wahl von Dosierungsschemata oder beim Design von Implantaten –, bevor kostspielige Studien starten.
• Forschende Kliniken: Sie könnten Modelle auf synthetischen Kohorten trainieren, die reale Patient*innen widerspiegeln, ohne jede Datennutzung einzeln mit Datenschutzbehörden auszuhandeln.

Die möglichen Verlierer:

• Datenhändler und einige E‑Health‑Plattformen, deren Geschäftsmodell auf exklusivem Zugriff auf reale Patientendaten beruht.
• Patientinnen und Ärztinnen, wenn Entscheidungen zunehmend auf Simulationen beruhen, deren Grenzen nicht transparent gemacht werden.

Die unmittelbare Verschiebung liegt im Machtzentrum der Gesundheits‑AI: weg von »Wer besitzt die größten Datensätze?« hin zu »Wer kann simulierte Menschen so glaubwürdig validieren, dass Regulierer und Kliniken ihnen trauen?«. Das könnte Big‑Tech‑Player mit Datenvorteil schwächen und spezialisierten Simulationsanbietern neue Chancen eröffnen – sofern sie die hohen Hürden bei Sicherheit, Bias‑Kontrolle und Nachvollziehbarkeit nehmen.

4. Der größere Kontext

Digitale Zwillinge gelten seit Jahren als Schlagwort der Industrie‑4.0‑Welt; im Gesundheitswesen verlaufen ähnliche Debatten bislang eher leise. Mantis steht exemplarisch für eine neue Generation solcher Ansätze.

Bisher sah man meist zwei getrennte Welten:

1. Statistische synthetische Daten: Unternehmen erzeugen pseudorealistische Datensätze, die die Verteilungen echter Patient*innen nachbilden und so Datenschutzprobleme entschärfen sollen.
2. Biomechanische Simulationen: Ingenieurslastige Anbieter wie Siemens Healthineers oder Dassault Systèmes modellieren Herz‑, Gefäß‑ oder Gelenkfunktionen, um Geräte zu testen oder Eingriffe zu planen.

Neu ist die Kombination beider Welten mit Generativer KI als Orchestrierungsschicht. Large Language Models können unstrukturierte Texte, Bilder und Sensordaten semantisch verknüpfen und so eine konsistente Beschreibung eines individuellen Körpers liefern, die sich in physikalische Simulationen übersetzen lässt.

Dazu passen mehrere Branchentrends:

• Regulatorische Öffnung für In‑silico‑Evidenz: Sowohl die US‑FDA als auch die europäische EMA akzeptieren in definierten Bereichen bereits Simulationsdaten als Teil des Evidenzpakets. Mit besseren digitalen Zwillingen könnte dieser Anteil wachsen – insbesondere dort, wo klassische Studien logistisch oder ethisch schwer durchführbar sind.
• Personalisierte Medizin: Blutdruck‑Wearables, CGM‑Sensoren, smarte Orthesen – all das erzeugt Daten, die nach individuellen Modellen verlangen, statt nur in Kohortenstatistiken zu verschwinden.

Historisch sind virtuelle Menschen regelmäßig an der Realität gescheitert: zu grob, zu schlecht validiert, zu wenig in klinische Workflows integriert. Heute treffen jedoch drei Faktoren zusammen: massiv gestiegene Rechenleistung, allgegenwärtige Sensorik und KI‑Modelle, die aus chaotischen Daten konsistente Strukturen extrahieren. Das macht digitale Zwillinge diesmal glaubwürdiger – aber garantiert noch nicht, dass sie im Alltag bestehen.

5. Die europäische / DACH‑Perspektive

Für Europa – und speziell den deutschsprachigen Raum – ist das Thema besonders spannend, weil es zentrale Spannungsfelder berührt: hohen Datenschutz, starke Regulierung und eine wachsende Digital‑Health‑Szene.

Chancen:

• Datenschutz als Treiber, nicht nur Bremse. Unter der DSGVO ist der Austausch von Gesundheitsdaten extrem aufwendig. Hochwertige synthetische Daten könnten Universitätskliniken wie Charité, LMU oder die MedUni Wien in die Lage versetzen, KI‑Projekte schneller voranzutreiben, ohne bei jedem Schritt neue Rechtsgutachten einzuholen.
• Starke Ingenieurstradition. Der DACH‑Raum verfügt über exzellente Kompetenz in Medizintechnik, Bildgebung und Simulation – von Siemens Healthineers bis hin zu Startups in Berlin, Zürich oder München. Digitale Zwillinge passen gut in dieses Ökosystem.
• Public‑Health‑Anwendungen. Mit alternden Gesellschaften in Deutschland, Österreich und der Schweiz könnten Krankenkassen und öffentliche Träger simulierte Populationen nutzen, um Screening‑Programme oder Versorgungsmodelle vorab zu testen.

Herausforderungen:

• Die EU‑KI‑Verordnung (AI Act) stuft medizinische KI als Hochrisiko ein. Auch wenn Trainingsdaten synthetisch sind, gelten strenge Auflagen für Transparenz, Datenqualität, Risikomanagement und menschliche Aufsicht.
• Nach DSGVO bleibt der Prozess der Twin‑Erstellung problematisch, wenn er auf identifizierbaren Daten basiert. Anonymität ist schwer zu garantieren; Re‑Identifizierungsrisiken müssen ernsthaft adressiert werden.
• Die Kultur der Datensparsamkeit in Deutschland führt zu besonderer Skepsis gegenüber »Black‑Box«‑Modellen. Anbieter wie Mantis müssen nachvollziehbare Validierungsstrategien liefern, wenn sie im DACH‑Markt Fuß fassen wollen.

Für europäische Player bietet sich eine strategische Rolle an: als diejenigen, die Standards für Validierung, Auditierung und ethische Nutzung digitaler Zwillinge setzen. Wer hier früh eigene Projekte startet – etwa gemeinsame Piloten von Universitätskliniken, Kassen und Startups –, kann diese Standards aktiv mitgestalten.

6. Blick nach vorn

Wie könnte sich das Feld in den nächsten Jahren entwickeln?

Kurzfristig dürften Sport, Reha und Ergonomie die Speerspitze bleiben. Die Erfolgsmetriken sind klar messbar, die regulatorischen Hürden relativ niedrig. Hier kann Mantis seine Technologie iterativ verbessern und Referenzen aufbauen.

Mittelfristig rückt die Forschung und Entwicklung in den Mittelpunkt: Pharmaunternehmen und Medtech‑Hersteller werden verstärkt digitale Zwillinge nutzen, um Szenarien durchzuspielen – etwa, welche Patientensegmente am stärksten von einem neuen Medikament profitieren könnten. Regulierer werden solche Daten zunächst als ergänzende Evidenz zulassen.

Langfristig steht die Integration in den klinischen Alltag im Raum: personalisierte OP‑Planung, Vorhersage von Komplikationen, optimierte Reha‑Programme. Hier stellen sich harte Fragen:

• Wer haftet, wenn eine Entscheidung auf Basis eines digitalen Zwillings schiefgeht?
• Wie lassen sich die Modelle so erklären, dass Ärzt*innen ihre Grenzen verstehen?
• Wie wird verhindert, dass strukturelle Bias – etwa Unterrepräsentation bestimmter Ethnien – in simulierte Welten übertragen werden?

Zu beobachten sein werden außerdem Pilotprojekte von Krankenkassen, die digitale Zwillinge zur Risikostratifizierung oder Tarifgestaltung testen. Hier verläuft eine rote Linie: Der Einsatz zur Diskriminierung oder zum Ausschluss von Versicherten würde gesellschaftlich kaum akzeptiert – und rechtlich angreifbar sein.

Wenn es gelingt, digitale Zwillinge transparent, überprüfbar und fair zu gestalten, könnten sie ein Baustein sein, um medizinischen Fortschritt von allgegenwärtigem Datensammeln an realen Menschen zu entkoppeln. Scheitert das, droht eine neue Runde des Hypes um virtuelle Welten ohne nachhaltigen Nutzen.

7. Fazit

Digitale Zwillinge à la Mantis Biotech markieren einen echten Paradigmenwechsel: weg von »mehr reale Daten um jeden Preis« hin zu »bessere Simulationen auf Basis weniger, aber hochwertiger Daten«. Für das europäische Gesundheitswesen ist das gleichermaßen Chance und Zumutung. Die zentrale Frage lautet nicht mehr, ob wir genug Daten haben, sondern ob wir virtuellen Menschen genug vertrauen, um nach ihnen zu handeln. Bevor die Technologie von Basketballhallen in Operationssäle wandert, müssen Politik, Kliniken und Industrie gemeinsam definieren, wo die Grenzen dieser neuen Realität liegen sollen.