ATTD 2026: Der Weg zum autonomen Diabetes-Management

Die folgenden Trends geben einen guten Eindruck davon, welche technologischen Entwicklungen die Diabetesversorgung in den kommenden Jahren prägen könnten, denn der ATTD-Kongress in Barcelona hat einmal mehr gezeigt, wie rasant sich die Diabetes-Technologie weiterentwickelt. Ein zentrales Thema war der nächste große Schritt bei automatisierten Insulinsystemen: Der Übergang vom Hybrid-Closed-Loop hin zu Systemen, die weitgehend ohne Mahlzeitenankündigung funktionieren. Mehrere Studien und Algorithmen zeigen, dass ein vollständig automatisiertes „künstliches Pankreas“ technologisch in greifbare Nähe rückt.

Ein weiterer Trend ist die rasante Ausbreitung der kontinuierlichen Glucosemessung. Immer mehr Studien zeigen, dass CGM auch bei Menschen mit Typ-2-Diabetes – selbst ohne Insulintherapie – erhebliche Vorteile bringen kann. Damit entwickelt sich CGM zunehmend von einer Spezialtechnologie für Typ-1-Diabetes zu einem zentralen Instrument moderner Stoffwechseltherapie.

Zugleich verschiebt sich der Fokus von der reaktiven zur prädiktiven Medizin. Neue Systeme sollen Hypo- oder Hyperglykämien nicht nur erkennen, sondern Stunden im Voraus prognostizieren und damit präventive Anpassungen ermöglichen. Und schließlich schreitet auch die Sensorentwicklung weiter voran. Neue Ansätze für minimal- oder nicht-invasive Glucosemessung zeigen, dass langfristig auch das heute noch notwendige Einstechen des Glucosesensors in die Haut überwunden werden könnte.

Parallel dazu wird künstliche Intelligenz zunehmend zum integralen Bestandteil moderner Diabetes-Therapie. CGM-Daten werden nicht mehr nur dargestellt, sondern von lernenden Algorithmen analysiert, die Muster erkennen und konkrete Handlungsempfehlungen ableiten können. Die Datenflut der vergangenen Jahre beginnt damit, echten klinischen Nutzen zu entfalten. Auch die Diabetesforschung steht vor einer neuen Phase der Digitalisierung. In den vergangenen Jahren sind enorme Datenmengen aus kontinuierlicher Glucosemessung, Insulinpumpen, elektronischen Patientenakten und klinischen Studien entstanden. Nun beginnt künstliche Intelligenz, diese Daten systematisch auszuwerten, und zwar in einer Geschwindigkeit, die für menschliche Forscher kaum erreichbar wäre.

Moderne KI-Agenten analysieren Millionen medizinischer Datensätze, sie erkennen Muster und leiten daraus konkrete Antworten auf wissenschaftliche Fragestellungen ab. Auf dieser Grundlage können KI-Modelle nicht nur Vorhersagen über Blutzuckerentwicklungen treffen oder Therapieentscheidungen unterstützen. Sie sind inzwischen auch in der Lage, retrospektive Studien zu generieren, indem sie Datenbanken durchsuchen und relevante Patientengruppen extrahieren. Sie berechnen statistische Zusammenhänge und erstellen daraus wissenschaftliche Auswertungen – inklusive Tabellen, Grafiken und teilweise sogar vollständiger Manuskripte.

Technisch basiert dies auf sogenannten agentischen KI-Systemen, wie sie beispielsweise das Startup Syntactiq erstellt. Anders als klassische KI-Modelle beantworten sie nicht nur eine einzelne Frage, sondern planen eigenständig mehrstufige Analyseprozesse: Sie recherchieren Datenquellen, führen statistische Analysen durch, reflektieren Zwischenergebnisse und generieren daraus strukturierte Ergebnisse. Gerade im Bereich der Diabetes-Technologie eröffnet das völlig neue Möglichkeiten. CGM- und Pumpendaten liefern eine nahezu kontinuierliche Abbildung des Stoffwechsels. KI-Algorithmen können in diesen Daten komplexe Muster und Zusammenhänge erkennen, die mit klassischen statistischen Methoden kaum sichtbar werden.

Es hat was von Magie und verändert in den kommenden Jahren wohl auch die Rolle der Forschung. Während früher einzelne Studien über Jahre hinweg geplant, durchgeführt und ausgewertet wurden, könnten künftig KI-Systeme innerhalb weniger Stunden Hypothesen testen, Subgruppen analysieren und neue Fragestellungen generieren. Natürlich wirft diese Entwicklung Fragen auf, z.B. zur Datenqualität, zur Validierung der Ergebnisse und zur zukünftigen Rolle menschlicher Wissenschaftler. Doch eines scheint bereits heute klar zu sein: Die Kombination aus großen medizinischen Datensätzen und autonomen KI-Agenten könnte die Geschwindigkeit medizinischer Forschung dramatisch erhöhen und die Art, wie wissenschaftliche Erkenntnisse entstehen, grundlegend verändern.

Fazit: Die Botschaft des ATTD 2026: Die Zukunft der Diabetes-Technologie liegt in Automatisierung, intelligenter Datenanalyse und möglichst unsichtbarer Technologie, mit dem Ziel, den Alltag von Menschen mit Diabetes so wenig wie möglich von ihrer Erkrankung bestimmen zu lassen.