Modul 3b befasst sich mit folgenden Themen:

• Data Warehouses und Business Intelligence
  Ein Data Warehouse (DWH) ist ein zentraler Bestandteil von Business Intelligence (BI) und Wissensgenerierung (Knowledge Discovery). Es ermöglicht die Integration von Daten aus verschiedenen Quellen und bietet eine Plattform für die Analyse und Auswertung dieser Daten. Die Rolle von Data Stewards und Data Custodians ist entscheidend, um die Datenqualität zu gewährleisten und die Zielsetzung des DWH zu erreichen. Die Architektur eines typischen DWH besteht aus Datenquellen, Datenbereinigungsbereich, Basisdatenbank, Data Cubes und Data Marts, die durch ETL-Prozesse integriert werden.
• Multidimensionale Datenmodellierung in Data Warehouses
  Multidimensionale Datenmodelle (MDM) sind ein wichtiger Bestandteil von Data Warehouses, da sie es ermöglichen, Daten aus verschiedenen Perspektiven zu analysieren. Die Konzeptionelle Modellierungstechniken für MDM sind entscheidend, um die Datenqualität zu gewährleisten und die Zielsetzung des DWH zu erreichen. Die Umsetzung von MDM in DWH kann durch Star- und Snowflake-Schemata sowie deren Mischformen erfolgen, um die Datenqualität zu verbessern.
• ETL-Programmierung
  Die ETL-Programmierung ist ein wichtiger Schritt bei der Implementierung eines Data Warehouse. Die Phasen des ETL-Prozesses umfassen die Extraktion von Daten, die Datenänderungen der Datenquellen in den Datenbereinigungsbereich, die bedarfsorientierte Transformation der Daten und das Laden der Daten in die Zieldatenstruktur. Die Datenqualität ist entscheidend, um die Zielsetzung des DWH zu erreichen, und kann durch Data-Profiling und Data Cleaning verbessert werden.
• Rolle von Terminologiesystemen in Klinischen Data Warehouses
  Terminologiesysteme spielen eine wichtige Rolle bei der Sicherstellung semantischer Interoperabilität in Klinischen Data Warehouses. Sie ermöglichen die Integration von Daten aus verschiedenen Quellen und bieten eine Plattform für die Analyse und Auswertung dieser Daten.
• SQL-Anfragen in Data Warehouses
  Typische Anfragen an ein Data Warehouse umfassen die Gruppierung und Aggregation von Daten. Die Rolle der Gruppierung und Aggregation ist entscheidend, um die Datenqualität zu gewährleisten und die Zielsetzung des DWH zu erreichen. Standard SQL-OLAP-Operatoren und Sequenzbasierte OLAP-Funktionen sind wichtige Werkzeuge, um die Datenanalyse zu unterstützen.
• Einführung in die Data Science und den Data Science Prozess
  Data Science ist eine wissenschaftliche Disziplin, die die Möglichkeiten behandelt, Informationen und Handlungsempfehlungen aus der Analyse von großen oder unstrukturierten Datenmengen zu erhalten. Der Data Science Prozess umfasst Phasen, Methoden und Werkzeuge, die zur Analyse und Auswertung von Daten verwendet werden.
• Einführung in das maschinelle Lernen
  Das maschinelle Lernen ist ein wichtiger Bestandteil von Data Science, da es es ermöglicht, Muster in Daten zu erkennen und Vorhersagen zu treffen. Die Grundlagen des statistischen Lernens wie Regressions- und Klassifikationsmodelle sind entscheidend, um die Datenanalyse zu unterstützen.
• Anwendung ausgewählte maschineller Lernverfahren
  Die Anwendung von Methoden des Machine Learning auf bereinigte Standarddatensätze unter Zuhilfenahme von Musterprogrammen ist ein wichtiger Schritt bei der Implementierung von Data Science. Die Anwendung von maschinellen Lernverfahren auf reale, nicht bereinigte Datensätze und die Dokumentation der ermittelten Resultate sind entscheidend, um die Datenanalyse zu unterstützen.
• Maschinelle Lernverfahren zur Textanalyse
  Die Textanalyse ist ein wichtiger Bestandteil von Data Science, da sie es ermöglicht, Muster in Texten zu erkennen und Vorhersagen zu treffen. Die Grundlegende Verfahren der Textanalyse wie "Bag of Words" und andere NLP-Methoden sind entscheidend, um die Datenanalyse zu unterstützen.
• Implementierung des Data Science Prozesses mit maschinellen Lernverfahren
  Die Implementierung des Data Science Prozesses mit maschinellen Lernverfahren ist ein wichtiger Schritt bei der Implementierung von Data Science. Die Anwendung von Methoden des Machine Learning auf reale, nicht bereinigte Datensätze und die Dokumentation der ermittelten Resultate sind entscheidend, um die Datenanalyse zu unterstützen.

Referent: Prof. Dr. Ing. Oliver J. Bott

Dieses Modul zeichnet sich durch folgende Besonderheiten aus:

• Erwerb von Fähigkeiten, um eine bedarfsorientierte Digitalisierung im Gesundheitswesen mitzugestalten und zu steuern
• Vermittlung von grundlegendem technologischem Verständnis, um digitale Technologien zu implementieren
• starker Praxisbezug durch Erläuterung der Inhalte anhand von Anwendungs- und Fallbeispielen
• Kennenlernen von digitalen Lösungskonzepten, die Sie sofort anwenden können
• Vermittlung von Methoden und Hilfestellung zur Digitalisierung von Prozessen durch hochkarätige Lehrende aus der Hochschule und aus der Praxis
• Abschluss mit einem Hochschulzertifikat und Anrechnungsmöglichkeiten auf andere geeignete Studiengänge
• intensiver Austausch und Networking

Wer Mitarbeitende qualifiziert, investiert in die Zukunft. Wenn Sie sich als Organisation dafür entscheiden, Mitarbeitende für das Zertifikatsprogamm "Digitalisierung im Gesundheitswesen" anzumelden, ergeben sich für Sie folgende Vorteile:

• Sie steigern die Effizienz und sparen Kosten, wenn Personal, das die Organisation und deren Abläufe bereits gut kennt, weiterqualifiziert wird
  • Sie verhindern die Abwanderung von Fachkräften und sparen Kosten für Akquise und Einarbeitung.
  • Sie steigern die Mitarbeiterzufriedenheit.
• Durch Karriereentwicklung- und Planung erhöhen Sie die Attraktivität Ihrer Einrichtung.
  • Sie gewinnen dadurch leichter neue Mitarbeitende.
• Die Versorgungsqualität wird erhöht durch bessere Vernetzung und schnellere Kommunikation.
• Durch das Blended Learning-Format des Zertifikatsprogramms sparen Sie Zeit und Kosten.
• Die Nachhaltigkeit der Weiterbildungsinhalte wird durch den etwa viermonatigen Theorie-Praxis-Transfer gesichert.

Die Weiterbildung orientiert sich inhaltlich und strukturell am Curriculum der Bundesärztekammer. Zum BÄK-Curriculum

Nach erfolgreichem Abschluss des Modul eröffnen sich Ihnen neue Perspektiven:

• Sie haben Ihr Profil geschärft.
• Sie haben mit dem Zertifikat den ersten Meilenstein für ein Masterstudium gelegt, um sich persönlich weiterzuentwickeln.

Nutzen Sie die Chance und nehmen Sie an weiteren Modulen aus dem Zertifikatsprogramm "Digitalisierung im Gesundheitswesen: Verstehen - Gestalten - Anwenden" teil. Durch die vertiefenden Inhalte des Programms

• werden Sie zum Digitalisierungsexpert*in im Gesundheitswesen und
• können Leitungsfunktionen in Digitalisierungsprojekten oder Linienverantwortung in Ihrem Fachbereich übernehmen.

Details zum Abschluss:

Sie können das Modul mit einer Prüfung abschließen. Bei erfolgreicher Absolvierung der Prüfung erhalten Sie ein Hochschulzertifikat.

Wenn Sie Modul 2 und Modul 3a erfolgreich abschließen, erhalten Sie den Titel „Digitalisierungs- und Prozessmanager*in im Gesundheitswesen“ auf Masterniveau.

Ein Modul der Weiterbildung entspricht im European Credit Transfer and Accumulation System (ECTS) insgesamt 7 Leistungspunkten.

Das Modul ist anerkannt bei der Ärztekammer. Bei erfolgreichen Abschluss erhalten Sie 54 Punkte.

Sie können das Modul auch ohne Prüfung mit einer Teilnahmebescheinigung abschließen.

Pflegekräfte erhalten nach Abschluss eines Moduls 88 Fortbildungspunkte im Rahmen der freiwilligen Registrierung beruflich Pflegender.

Es bestehen Anrechnungsmöglichkeiten für den Masterstudiengang Medizinisches Informationsmanagement an der Hochschule Hannover:
https://f3.hs-hannover.de/studium/master-studiengaenge/medizinisches-informationsmanagement-mmi/

Nachfolgend finden Sie eine Übersicht aller Module des Zertifikatskurses "Digitalisierung im Gesundheitwesen: Verstehen - Gestalten - Anwenden":

Modul 1: Digitalisierung: Grundlagen und Informationssysteme verstehen und einordnen

Modul 2: Digitalisierung von Prozessen in Gesundheitsversorgungseinrichtungen ganzheitlich denken und gestalten

Modul 3a: Technologien bedarfsbezogen auswählen, einsetzen und evaluieren

Modul 3b: Data-Analytics: Daten integrieren, analysieren und interpretieren

Dieses Zertifikatsprogramm wird von ausgewiesenen Expertinnen und Experten auf den Fachgebieten Digitalisierung und Gesundheitswesen durchgeführt. Didaktische Fähigkeiten werden mit jahrelanger Erfahrung kombiniert.

• Prof. Dr.-Ing. Oliver J. Bott: Hochschule Hannover; Lehrgebiete: Datenbanken und Datenanalyse, Medizinische Informatik, Medizinische Informationssysteme (Analyse, Entwicklung, Evaluation, Management)
• Johannes Endres: Leiter Beratung, Althammer & Kill GmbH & Co. KG; Externer Datenschutz- und IT-Sicherheitsberater
• Prof. Dr. Nina Fleischmann: Hochschule Hannover; Lehrgebiete: Pflegewissenschaft, Interprofessionelle Zusammenarbeit zwischen Medizin und Pflege
• Karen Krebs: Teamleitung Krankenhaus Informationssysteme im Kinder- und Jugendkrankenhaus auf der Bult; Gesundheits-Betriebswirtin
• Prof. Dr. Susanne Martini-Ohnesorg: Hochschule Hannover; Lehrgebiete: Ökonomie im Gesundheitswesen und in der Sozialen Arbeit
• Florian Nitz: Leitung Stabstelle Innovation – Digitalisierung im DRK-Krankenhaus Clementinenhaus; Advanced Nursing Practitioner (BA), Krankenpfleger, Rettungssanitäter
• Lutz Schütze: Hochschule Hannover; Lehrgebiete: Ethik im Gesundheitswesen, Pflegewissenschaft, Pflegepädagogik
• Dr. Christoph Seidel: Ministerialrat a.D. ehem. Referatsleitung E-Health, Digitalisierung, Soziale Gesundheitswirtschaft am Niedersächsischen Ministerium für Soziales, Arbeit, Gesundheit und Gleichstellung; Mitglied der Arbeitsgruppe Archivierung von Krankenunterlagen der Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie; Beratung im Bereich der Digitalisierung im Gesundheitswesen; Lehrgebiete: Management von Informationssystemen sowie Dokumentenmanagement- und Archivsystemen im Gesundheitswesen.
• Stefan Schmidt: Med. Hochschule Hannover (MHH); MHH Infomation Technology – Informatiker im Team Interoperabilität und BI/KI; Lehrgebiet: Kommunikationsserver und Interoperabiltätsplattformen
• Francesca Warnecke: Head of Quality Management & ESG, Care Specialist bei MEDIFOXDAN; Diplom-Pflegewirtin, Krankenschwester, QM Auditorin, Fachpädagogin im Gesundheitswesen
• Prof. Dr. Dr. Daniel Wichelhaus: Hochschule Hannover; Lehrgebiete: Management im Gesundheitswesen, Rhetorik und Präsentationstechniken, Verhandlungs- und Moderationstechniken, Handel und Vertrieb.

Sie lernen gemeinsam in einer angenehmen Kursgröße von maximal 18 Teilnehmenden.

Die Präsenzphasen finden an der Hochschule Hannover statt. In den Distanz-/Selbstlernphasen zwischen den Präsenzveranstaltungen erhalten Sie verschiedene Lernmaterialien. Diese werden Ihnen auf der Lernplattform Moodle bereitgestellt.

Während der gesamten Zeit der Distanz- und Selbstlernphasen stehen Ihnen Lehrende für die Lernbegleitung zur Verfügung.

Modul 3b des Zertifikatsprogramms "Digitalisierung im Gesundheitswesen" richtet sich an Medizininformatiker*innen und /oder Quereinsteiger*innen aus dem IT-Bereich.

Teilnahmevoraussetzungen:

Für die Teilnahme wird in der Regel ein abgeschlossenes Erststudium oder eine abgeschlossene Berufsausbildung vorausgesetzt – ergänzt durch mindestens halbjährige modulrelevante Berufspraxis. Erfolgreiche Teilnahme an Modul 1 oder Nachweis der in Modul 1 vermittelten Kompetenzen.

Auch Personen mit vergleichbaren Qualifikationen – etwa einem fachnahen Studium, medizinischer Approbation oder entsprechender Berufserfahrung im Gesundheitswesen – können teilnehmen. Die individuelle Eignung wird im Bedarfsfall gerne im Rahmen eines Beratungsgesprächs geprüft.

Jedes Modul hat einen Umfang von 175 UE, davon 64 in Präsenzform. Es dauert jeweils ca. vier Monate und umfasst vier Präsenzphasen mit jeweils zwei Tagen. 

Zwischen diesen Präsenzphasen finden drei Distanz-/Selbstlernphasen statt. Diese dienen der Vertiefung der Inhalte aus der vorangehenden Präsenzphase sowie zur Vorbereitung auf die folgende Präsenzphase. Für diese Phasen ist jeweils ein wöchentlicher Zeitaufwand von ca. sechs Stunden einzukalkulieren.

Termine

• 28.08. -29.08.2026
• 25.9.-26.9.2026
• 6.11.-7.11.2026
• 4.12.-5.12.2026

Die Präsenzzeiten sind am ersten Tag von 11.00 bis 18.00 Uhr und am zweiten Tag von 9.00 bis 16.00 Uhr.

Die Weiterbildung kostet 1.850 EUR (umsatzsteuerbefreit).

Frühbucher-Aktion: Bei einer Anmeldung bis zum 26. Mai 2026 erhalten Sie 10% Rabatt.

25% Rabatt: Vorteilspreis für Alumni der HsH oder bei Anmeldung ab 3 Personen oder Buchung von mindestens 3 Modulen

Inkl. Seminarunterlagen, Getränke, Pausensnacks, begleitetes E-Learning.

Bitte melden Sie sich mit dem Anmeldeformular an.

Anmeldeschluss ist der 27. Juli 2026.

Finanzielle Unterstützung für Arbeitnehmende:

1. Steuerliche Absetzbarkeit

Aufwendungen können i. d. R. steuerlich bei der Einkommenssteuererklärung geltend gemacht werden. Neben der Teilnahmegebühr können z. B. Reisekosten, etwaige Übernachtungskosten, Verpflegungskosten während der Präsenzphasen, Kosten für Fachliteratur geltend gemacht werden.

2. Bildungsurlaub (BU):

Bis zu 5 Tage/Jahr haben Arbeitnehmende Anspruch auf BU; ist im Vorjahr kein BU in Anspruch genommen worden, können die 5 Tage aus dem Vorjahr mit in das aktuelle Jahr übertragen werden, d. h. es sind bis zu 10 Tage/Jahr als BU möglich.

Alle Inhalte finden Sie anschaulich zusammengefasst in unserem Flyer.

Nehmen Sie gerne an unseren kostenlosen Info-Abenden (online) teil. 

• Donnerstag, den 11. Dezember 2025 um 18.00 Uhr

Alle Infoveranstaltungen finden um 18.00 Uhr statt.