Das Forschungsvorhaben zielt darauf ab, die klinische Anwendbarkeit von KI-Methoden zur Analyse chirurgischer Videos zu verbessern. Postoperative Komplikationen sind weltweit eine der häufigsten Todesursachen, oft bedingt durch vermeidbare Fehler wie fehlerhafte Anatomieerkennung. KI-basierte Videoanalyse kann helfen, die chirurgische Qualität zu sichern und die Patientensicherheit zu erhöhen. Die geplante Vorgehensweise umfasst drei Schwerpunkte: 1) Benchmarking und Optimierung der Generalisierbarkeit: Es werden spezialisierte und große KI-Modelle (Foundation Models) anhand eines umfangreichen, realistischen ("real-world") Video- und Patientendatensatzes aus über 1.400 minimalinvasiven Operationen verglichen. Ziel ist die Entwicklung robuster Methoden, die sich effizient an unterschiedliche klinische Kontexte anpassen lassen. 2) Ermittlung klinischer und patientenseitiger Bedarfe: Durch Fokusgruppen, Delphi-Befragungen und Workshops mit Chirurginnen und Chirurgen sowie Patientinnen und Patienten sollen relevante Anwendungsfälle identifiziert und Empfehlungen für sichere und effiziente klinische Translation erarbeitet werden. 3) Entwicklung und Vorbereitung der klinischen Translation: Am Beispiel der kolorektalen Tumorchirurgie sollen KI-gestützte Werkzeuge zur intraoperativen Qualitätskontrolle (z. B. Erkennung sicherer Dissektionsebenen) entwickelt und deren Erprobung in einer ersten klinischen Studie vorbereitet werden. Hierbei wird Konformität mit regulatorischen Vorgaben für softwarebasierte Medizinprodukte sichergestellt. Methodisch kombiniert das Projekt retrospektive und prospektive Analysen, moderne KI-Techniken (Transfer Learning, Domain Adaptation, Transformer-Architekturen), qualitative Forschung sowie Softwareentwicklung nach EU-Medizinprodukte-Standards. Das Vorhaben leistet einen Beitrag zur sicheren Einführung von KI in die chirurgische Praxis und zur Verbesserung der Versorgungsqualität.