In klinischen Studien nehmen bildgebende Verfahren an Bedeutung zu. Im Gegensatz zu den bisher üblichen Formulardaten zeichnen sich medizinische Bilder durch große Datenvolumina und intrinsische Qualitätsparameter aus, die sich nur durch komplexe Bildverarbeitung ermitteln lassen. Es sollte ein System entwickelt werden, in dem es trotz dieser Herausforderungen möglich ist, den Prüfärzten bereits beim Hochladen der Bilder zeitnah ein Feedback zur Qualitätsbeurteilung zurückgeben, um so ggf. eine qualitativ ungenügende Aufnahme ohne finanziellen und zeitlichen Verlust zu wiederholen. Dies stellt extreme Anforderungen an die Effizienz der gesamten Prozesskette: Performanter Datentransfer, automatisierte Qualitätsalgorithmen und skalierbare Near-Time-Prozessierung der Bilder. Mit modernen Big-Data-Ansätzen, künstlichen neuronalen Netzen und neuen Virtualisierungstechnologien rückt ein solches System nun in den Bereich des Realisierbaren und soll im Rahmen des Projektes entwickelt werden.