Modul II findet vom 05. bis 09. Oktober 2026 statt. Für alle Interessierten sind die Vorlesungen und das Ausbildungsforum geöffnet. Nähere Informationen finden Sie in unserem Programmheft auf dieser Seite.
Curriculum zur medizinischen Interessensförderung und interdisziplinären Netzwerkbildung für IT- und naturwissenschaftlichen Nachwuchs (CUMIN)
CUMIN
Das Curriculum zur medizinischen Interessensförderung und interdisziplinären Netzwerkbildung für IT- und naturwissenschaftlichen Nachwuchs (CUMIN) ist ein innovatives, dreijähriges Qualifizierungsprogramm, das von der Universität Bielefeld und der Hochschule Bielefeld (HSBI) gemeinsam mit einem Netzwerk aus klinischen, wissenschaftlichen und unternehmerischen Partnern durchgeführt wird.
Die moderne Medizin wird zunehmend digitaler, und der Bedarf an interdisziplinären Experten, die sowohl technisches als auch medizinisches Verständnis mitbringen, wächst stetig. CUMIN wurde ins Leben gerufen, um diese Lücke zu schließen. Das Programm qualifiziert talentierten Nachwuchs aus den MINT-Fächern für eine erfolgreiche Forschungs- und Entwicklungstätigkeit im Zukunftsfeld eHealth.
Es richtet sich an promotionsinteressierte Masterstudierende aus nicht-medizinischen MINT-Fächern sowie an Promovierende aus angrenzenden interdisziplinären Bereichen. Ziel ist die Vorbereitung auf eine wissenschaftliche Tätigkeit im Bereich eHealth durch die Vermittlung von Fachwissen, die Durchführung von Projekten und den Aufbau eines nachhaltigen professionellen Netzwerks.
Das Programm
.jpg)
Zielgruppe
Das Programm richtet sich gezielt an zwei Gruppen:
- Promotionsinteressierte Masterstudierende aus nicht-medizinischen MINT-Fächern.
- Promovierende aus angrenzenden interdisziplinären Bereichen.
.jpg)
Ziele des Programms
Das CUMIN-Programm verfolgt zwei primäre Ziele:
- Befähigung zur Forschung: Masterstudierende und junge Forschende werden in die Lage versetzt, direkt im Anschluss an das Programm ein konkretes Promotionsvorhaben oder eine vergleichbare F&E-Tätigkeit im Bereich eHealth zu beginnen.
- Nachhaltige Vernetzung: Es wird ein niedrigschwelliger Zugang zu einem breiten Netzwerk aus Forschungsinstituten, Kliniken und Praxispartnern geschaffen, um die Realisierung eigener Projekte zu ermöglichen und einen dauerhaften Austausch zu gewährleisten.
Nutzen für Teilnehmende
Qualifikation
- Die Teilnehmenden beenden das Programm mit einem abgeschlossenen Gruppenprojekt und einem ausgearbeiteten Exposé für ihre weitere wissenschaftliche Laufbahn.
- Die Absolventen werden Teil eines nachhaltigen Netzwerks aus Forschenden, Klinikern und Unternehmenspartnern, das durch eine Online-Plattform unterstützt wird.
Programmstruktur & Inhalte
Curriculum
Das Curriculum erstreckt sich über drei Jahre und ist in sechs Module gegliedert. Der Aufbau kombiniert intensive Präsenzphasen mit flexibler Online-Zusammenarbeit:
- In den ersten beiden Jahren finden vier einwöchige Blockveranstaltungen mit Vorträgen und Symposien statt. Diese werden durch Exkursionen zu Kliniken und Praxispartnern ergänzt.
- Im Anschluss an die Präsenzblöcke bearbeiten die Teilnehmenden online Übungsaufgaben.
- Im dritten Jahr wird ein Hackathon organisiert, um Gruppenprojekte zu entwickeln, die anschließend remote umgesetzt werden.
- Zum Abschluss verfassen alle Teilnehmenden ein fundiertes Exposé für ihr eigenes wissenschaftliches Vorhaben.
Schwerpunkte
Die thematischen Schwerpunkte umfassen eHealth-Bereiche wie:
- Datenplattformen in der Medizin
- Algorithmische Ansätze in der Systemmedizin
- Real World Evidence
- Klinische Entscheidungsunterstützungssysteme
Modulbausteine
- Modul I: Datenplattformen in der medizinischen Forschung (Präsenzveranstaltung 02.03.- 06.03.2026)
Programmüberblick für Modul I
Montag
Der Auftakt von Modul I widmet sich der Präzisionsmedizin in der Intensivmedizin. PD Dr. med. Tim Rahmel gibt Einblicke in klinische Datensystembiologie, KI-gestützte Risikostratifikation und Perspektiven eines digitalen Zwillings in der Intensivmedizin. In den anschließenden Gruppenarbeiten setzen sich die Teilnehmenden mit Fragen der Datenqualität, mit Modellierungsansätzen, klinischer Anwendbarkeit sowie ethisch-regulatorischen Fragestellungen auseinander.
Am Nachmittag führt Dr. rer. nat. Judith Wodke in das Forschungsdatenmanagement für klinische Routinedaten im Kontext der Medizininformatik-Initiative und des Netzwerks Universitätsmedizin ein. In einer weiteren Gruppenphase vertiefen die Teilnehmenden anschließend die Arbeit mit FHIR und medizinischen Routinedaten.
Dienstag
Dr. Pascal Kraft eröffnet den Tag mit einer Einführung in die Herausforderungen von Datenplattformen in der medizinischen Forschung. Im Mittelpunkt stehen datenschutzrechtliche Rahmenbedingungen, FAIR Principles sowie Ansätze sicherer Datennutzung in Forschungsinfrastrukturen. Anschließend stellt Prof. Dr. Alexander Sczyrba die Nationale Bioinformatik-Infrastruktur DE.NBI vor.
Am Nachmittag arbeiten die Teilnehmenden in Gruppen an Aufgaben zur Genomdatenanalyse und präsentieren ihre Ergebnisse im Plenum.
Mittwoch
Der Mittwoch steht im Zeichen von Standards und Interoperabilität. Prof. Dr. med. Peter N. Robinson führt in die Human Phenotype Ontology und deren Bedeutung für die strukturierte Beschreibung phänotypischer Merkmale ein. In einer vertiefenden Gruppenarbeitsphase setzen sich die Teilnehmenden mit ontologiebasierten Ansätzen in der medizinischen Forschung auseinander.
Donnerstag
Am Donnerstag rücken Real-World-Daten und medizinische Register in den Mittelpunkt. Dr. med. Enver Aydilek gibt einen praxisorientierten Einblick in den Einsatz klinischer Register in Onkologie und Hämatologie. PD Dr. med. Anne C. Regierer stellt Grundlagen, Nutzen und Entwicklung medizinischer Register für Forschung und Versorgung vor.
In der anschließenden Gruppenarbeit beschäftigen sich die Teilnehmenden mit den Potenzialen und Grenzen von Registerdaten, mit methodischen Herausforderungen sowie analytischen Ansätzen im Spannungsfeld zwischen klinischer Interpretation und datenwissenschaftlicher Modellierung.
Freitag
Zum Abschluss des Moduls finden Exkursionen zum Centrum für Biotechnologie der Universität Bielefeld und zum Evangelischen Klinikum Bethel statt. Die Teilnehmenden erhalten dabei zusätzliche Einblicke in unterschiedliche Forschungs- und Anwendungsfelder datengetriebener Medizin.
Ausführliche Referentenvorstellungen finden Sie in der beigefügten PDF-Datei.
- Modul II: Algorithmische Ansätze in der Systemmedizin (Präsenzveranstaltung 05. - 09. 10. 2026)
Krankheiten und biologische Prozesse entstehen häufig durch das Zusammenspiel zahlreicher molekularer, genetischer und klinischer Faktoren. Die Systemmedizin versucht, diese komplexen Zusammenhänge mithilfe datenbasierter und computergestützter Methoden besser zu verstehen.
Im zweiten CUMIN Modul stehen deshalb Omics Daten, genomweite Assoziationsstudien, maschinelles Lernen und datenschutzwahrende Analyseverfahren im Mittelpunkt. Die Teilnehmenden lernen unterschiedliche Datenebenen und methodische Ansätze kennen und setzen sich damit auseinander, wie aus großen und heterogenen Datenbeständen medizinisch relevante Erkenntnisse entstehen können.
Dabei reicht das Spektrum von Genomics und Proteomics über GWAS und Machine Learning bis zu generativen Modellen und Differential Privacy. Anhand von Vorlesungen, Gruppenarbeiten und gemeinsamen Präsentationen werden die Methoden nicht nur theoretisch vermittelt, sondern auch auf konkrete Fragestellungen der digitalen Medizin übertragen.
Lehren, Anwenden und Vernetzen
Das Modul verbindet wissenschaftliche Impulse mit eigenständiger Arbeit in der Gruppe. Auf die Vorlesungen folgen Arbeitsphasen, in denen die Teilnehmenden Fragestellungen aus Omics, GWAS und Datenschutz gemeinsam bearbeiten und ihre Ergebnisse vorstellen.
Ein weiterer Bestandteil ist der Besuch des Leibniz Instituts für Analytische Wissenschaften ISAS in Dortmund. Dort erhalten die Teilnehmenden Einblicke in aktuelle Omics Forschung und in die Verbindung von Datenanalyse und biomedizinischer Forschung.
Ausbildungsforum
Neu in Modul II ist das CUMIN Ausbildungsforum. Es bringt Teilnehmende mit Akteurinnen und Akteuren aus Wissenschaft und Praxis zusammen und eröffnet Raum für Austausch über berufliche Perspektiven, Promotion, Kooperationen und weitere Möglichkeiten an der Schnittstelle von Digitalisierung und Medizin.
Kurze Praxisimpulse stehen dabei bewusst im Vordergrund. Ziel ist es, miteinander ins Gespräch zu kommen und mögliche Anknüpfungspunkte zwischen den Kompetenzen der Teilnehmenden und unterschiedlichen Tätigkeitsfeldern sichtbar zu machen.
Wissenschaftliche Schwerpunkte
Omics und Systemmedizin
Integration und Analyse molekularer Daten aus Genomics, Proteomics und weiteren Omics Bereichen.GWAS und Machine Learning
Analyse von Genotyp Phänotyp Zusammenhängen und Erweiterung klassischer GWAS durch datengetriebene Methoden.Privacy und sensible Gesundheitsdaten
Datenschutzwahrendes maschinelles Lernen, Differential Privacy und verteilte Analyseansätze.Translation und Anwendung
Übertragung datenwissenschaftlicher Methoden auf biomedizinische Forschung und medizinische Fragestellungen.- Modul III: Real World Evidence
Real-World-Daten (RWD) sind Beobachtungsdaten, die außerhalb klassischer klinischer Studien erhoben werden und wertvolle Einblicke in die Wirksamkeit medizinischer Interventionen in der Versorgungspraxis bieten. Die Aufbereitung dieser Daten zu wissenschaftlich fundierten Erkenntnissen wird als Real-World-Evidence (RWE) bezeichnet. Dieses Modul vermittelt die methodischen Grundlagen der RWE-Generierung, stellt zentrale Datenquellen – von Routinedaten über elektronische Patientenakten bis hin zu Sensordaten – vor und vertieft statistische Analysemethoden anhand praxisnaher Beispiele.
- Modul IV: Klinische Entscheidungsunterstützungssysteme
Künstliche Intelligenz gewinnt zunehmend an Bedeutung bei der Unterstützung von Ärztinnen und Ärzten in Diagnostik und Therapie. Zentrale Grundlage sind maschinelle Lernverfahren, die Muster aus Versorgungsdaten erkennen und nutzbar machen. Das Modul führt in die Grundlagen des maschinellen Lernens sowie in das Design und die Umsetzung klinischer Assistenzsysteme ein. Ein besonderer Fokus liegt auf Methoden zur Erklärbarkeit von KI-Empfehlungen sowie auf Strategien zur Sicherung von Fairness und Passgenauigkeit für unterschiedliche Patientengruppen.
- Modul V: Projekt
In diesem Modul wenden die Teilnehmenden das erlernte Wissen praktisch an, indem sie ein eigenes Projekt zu einem der behandelten Themengebiete durchführen. Das Ziel ist die Vertiefung der Inhalte und der methodischen Fähigkeiten durch selbstständiges Arbeiten unter der Betreuung erfahrener Wissenschaftler. Die Vorbereitung und Konzeption der Gruppenprojekte erfolgt im Rahmen eines einwöchigen Hackathons.
- Modul VI: Exposé
Im abschließenden Modul entwickeln die Teilnehmenden ein individuelles Exposé für eine weiterführende wissenschaftliche Arbeit, wie zum Beispiel eine Master-Arbeit oder eine Promotion. Sie werden dabei begleitet, ein passendes Forschungsthema zu finden, konkrete Fragestellungen zu definieren und eine geeignete Methodik für ihr Vorhaben zu wählen.
