Von Fadel Arnaout, MSc Health Professions Education / BSc Nursing, Umschüler zum Fachinformatiker für Daten- und Prozessanalyse (IHK Berlin), Praktikant am Institut für Medizinische Informatik, Charité – Universitätsmedizin Berlin 

Fadel Arnaout ist ausgebildete Pflegefachkraft. Seit Sommer 2025 absolviert er ein Praktikum im Projekt KIP-SDM an der Charité – Universitätsmedizin Berlin. Dies ist der erste Eintrag seiner Reise in die Welt der Nursing Analytics. 

Was passiert, wenn Pflege auf Daten trifft? 

Genau das erlebe ich derzeit in meinem Praktikum am Institut für Medizinische Informatik der Charité. 
Nursing Analytics zeigt mir, wie man mit Daten Pflege sichtbar machen, Prozesse verstehen und Versorgung wirklich verbessern kann. 

Mein Interesse an Daten und Analysen begann schon während meines Pflegestudiums – damals, als ich mich zum ersten Mal mit evidenzbasierter Pflege und Forschungsdaten beschäftigte. 

Neu ist für mich jedoch, diese Arbeit nun im klinischen Umfeld von Informatik, Medizininformatik und Pflegeinformatik zu erleben – dort, wo Pflegepraxis, Datenstrukturen und Versorgungsrealität aufeinandertreffen. 

Der Moment, in dem Theorie zu Tabellen wird 

Seit rund einem Monat arbeite ich mit anonymisierten Routinedaten aus der Health Data Plattform der Charité. Der Einstieg war alles andere als trivial: Zugriffswege klären, Tabellenlandschaft verstehen, Beziehungen zwischen Tabellen nachzeichnen – und herausfinden, wo genau sich pflegerische Informationen wie das Sturzrisiko überhaupt befinden. 

Viele der Jupyter-Notebooks aus meinem Unterricht ließen sich nicht einfach übernehmen – Routinedaten haben ihre eigene Logik. Ich habe gelernt, alternative Wege zu finden, um die Daten korrekt einzulesen, zu prüfen und auszuwerten. Dabei konnte ich Preprocessing, Analyse und Visualisierung erstmals praxisnah anwenden – immer orientiert an Best-Practice-Vorgehen aus Data Science und Medizininformatik. 

Meine bisherigen Learnings 

1. Theorie ist wichtig – aber Praxis ist anders. 
   Vorbereitete Notebooks helfen, doch reale Routinedaten überraschen. Flexibilität zählt. 

2. Gute Analysen beginnen mit der richtigen Frage. 
   Erst klären, was man wissen will – dann analysieren. 

3. Fachenglisch gehört dazu. 
   Wissenschaftliche Artikel sind präzise, aber anspruchsvoll; das Einarbeiten lohnt sich. 

4. Pflegewissen bleibt der Kompass. 
   Hinter jeder Zahl steht eine Versorgungssituation. Pflegeerfahrung hilft, Daten richtig zu deuten. 

5. Best Practice heißt: dranbleiben. 
   Nicht jedes Skript läuft sofort – Tüfteln schafft Verständnis und Qualität. 

   
   

Was mir besonders aufgefallen ist 

Zwischen Pflegepraxis und Datenbank liegen viele Zwischenschritte: Rollen, Berechtigungen, Datenmodelle, Qualitätssicherung. 
Bevor man überhaupt mit einer Analyse beginnt, steht die Frage: Wie entsteht aus Pflege-Dokumentation eine auswertbare Struktur? 

Diese Brücke zwischen Pflege und Technik sichtbar zu machen, empfinde ich als das eigentlich Spannende an Nursing Analytics. 

Mein Fazit nach dem ersten Monat 

Ich beginne zu verstehen, wie Pflege, Datenanalyse und Informatik im klinischen Alltag ineinandergreifen – und wie viel man dadurch über Versorgung lernen kann. 
Gute Analysen brauchen Geduld, strukturierte Daten und Neugier. Gleichzeitig gilt: Datenschutz und verantwortungsvoller Umgang mit Routinedaten sind die Basis jeder Auswertung. 

Ausblick 

In den kommenden Wochen möchte ich tiefer untersuchen, wie sich Sturzrisiken in Routinedaten abbilden lassen – und welche Hinweise sie auf Pflegequalität und Gleichbehandlung geben können. 
Spannend wird, wie zuverlässig sich Risikokonstellationen identifizieren lassen und wo Dokumentationslücken bestehen.