DataHub – Die digitale Plattform für Forschungs- und Studiendaten

In klinischen Studien laufen Daten aus unterschiedlichen Quellen – Studienbetreiber, CROs, Labore – und einer Vielzahl von analytischen Systemen zusammen. Was bleibt, sind Excel-Tabellen, Datensilos und manuelle Prozesse, welche die Zusammenarbeit erschweren, Reproduzierbarkeit behindern und Ergebnisse verzögern.

DataHub bringt als zentrale Plattform Ordnung in Ihre Studiendaten.

Konsistente Daten von Studienstart bis -ende

In modernen Studien werden zahlreiche Parameter untersucht, die von unterschiedlichen Speziallaboren erhoben werden. Dies erfordert ein enges Zusammenspiel zwischen Sponsoren, Durchführern, CROs und Analytiklaboren. Die dabei entstehenden Daten liegen in verschiedenen Formaten vor, müssen zusammengeführt, strukturiert abgelegt und ausgewertet werden – und das jederzeit nachvollziehbar und auditierbar.

In der Praxis dominieren jedoch Excel-Tabellen, proprietäre Formate und exportierte Textdateien, die häufig manuell oder nur teilautomatisiert kombiniert werden. Ein Vorgehen, das zeitaufwendig, fehleranfällig und kaum skalierbar ist.

DataHub bringt Ihre Daten zusammen.

Als zentrale Plattform für Studiendaten ermöglicht DataHub eine reibungslose Zusammenarbeit aller Beteiligten – vom Studienstart bis zum Studienabschluss. Die Datenerfassung erfolgt strukturiert und einheitlich, unabhängig von Quelle oder Format. Änderungen im Studienverlauf, etwa bei Bewertungskriterien oder Auswertelogiken, lassen sich flexibel abbilden und werden transparent versioniert dokumentiert.

So entsteht eine verlässliche, konsistente Datenbasis als Grundlage für belastbare Studienergebnisse. DataHub bietet dafür umfassende Funktionen zur Analyse und Visualisierung – von klassischen statistischen Verfahren bis hin zur KI-gestützten Auswertung komplexer Datenmuster.

Vielfältige Funktionen & hohe Erweiterbarkeit

DataHub bringt die wichtigsten Funktionen mit um Studiendaten strukturiert zu erfassen und auszuwerten. Die Plattform lässt sich dabei flexibel an Ihre Studien anpassen. Anbei einige Beispiele:

Studiendatenbank – Zentrale Verwaltung von Studien, Studienteilnehmern und Nutzern
Patient Visit Coordination Portal – Management von Probanden, multizentrischen Studien, Probandenterminen
Individuelle Konfiguration der Studienstruktur – Sites, Probanden, Visits, Labor, etc.
Survey Modul – Erstellen und auswerten von Anamnesebögen und studienbegleitenden Fragebögen
Sicher und Cloud-unabhängig – Einfacher on-premise-Betrieb mit Docker Installation, volle Kontrolle über sensible Daten, rollenbasierte Benutzerverwaltung
Nachvollziehbarkeit & Audit-Trail – Jeder Analyseschritt dokumentiert und versioniert, ideal für nicht-lineare Abläufe wie z.B. Anpassung von Datenauswahlgrenzen (Gating) in der Durchflusszytometrie
Analyse & Visualisierung – Integrierte statistische Auswertungen und Visualisierungen
KI-gestützte Analytics – Datenanalytik auf Basis von Spracheingaben, reproduzierbare Analyse-Skripte die manuell verfeinert werden können
Human & Machine Labeling – Manuelle und KI-gestützte Annotationen für Bilder, Videos und Zeitreihen
Offen & erweiterbar – Modulare Architektur auf Open-Source-Basis – flexibel anpassbar an neue Studien, Datenformate und Analyseverfahren

DataHub bei Industrieunternehmen

Immatics – Immunmonitoring und multizentrische Studien
Komplexe FACS-Daten mussten trotz veränderlicher Selektionskriterien konsistent ausgewertet und alle Anpassungen nachvollziehbar dokumentiert werden. Gleichzeitig war ein zentrales Spendermanagement über mehrere Studienzentren erforderlich.

Microcoat – Probendaten und automatisiertes Reporting
Die manuelle Verwaltung, Prüfung und Auswertung von Probendaten verursachte hohen Aufwand und erhöhte das Fehlerrisiko. Datenimporte, Qualitätsprüfungen, Auswertungen und Kundenreports wurden weitgehend automatisiert.

Acousia Therapeutics – Klinische Studiendaten und lokale KI
Sensible klinische Daten zum Hörvermögen mussten sicher verwaltet und flexibel statistisch sowie KI-gestützt ausgewertet werden. Die vollständige lokale Verarbeitung gewährleistet dabei die Kontrolle über sämtliche Forschungsdaten.

DataHub in Forschungsprojekten

HOLOPROTEOME – Bilddaten und KI-gestützte Tumordiagnostik
Bilddaten unterschiedlicher Verfahren und medizinische Annotationen mussten positionsgenau zusammengeführt und für die KI-Entwicklung aufbereitet werden. Dadurch wurde eine durchgängige Verarbeitung von der Datenerfassung bis zur automatischen Erkennung relevanter Tumorregionen ermöglicht.

SYMPATHJA – Sensorbasierte Bewegungsanalytik
Große Mengen heterogener Bewegungs-, Sensor- und Befragungsdaten mussten sicher erfasst, synchronisiert und gemeinsam ausgewertet werden. Eine durchgängige Infrastruktur verbindet mobile Datenerfassung, automatisierte Verarbeitung und KI-gestützte Analyse.

TruVac – Zusammenführung klinischer und analytischer Daten
Für die differenzierte Analyse virusspezifischer Immunantworten mussten Spenderfragebögen sowie klinische und analytische Daten zentral zusammengeführt werden. Die strukturierte Datenbasis ermöglicht eine gemeinsame Auswertung der verschiedenen Mess- und Studiendaten.