In dieser Studie wurde eine modulare KI-Pipeline zur Analyse histopathologischer Whole-Slide-Images (WSI) von Pankreaskarzinomen implementiert. Die Pipeline umfasst sämtliche Verarbeitungsschritte von der Vorverarbeitung und Gewebedetektion über dieWSI- und Ausschnitt-Extraktion bis hin zur Region-of-Interest (ROI)-Klassifikation, Zellkernsegmentierung und Markerquantifizierung. Ziel ist eine vollständig automatisierte, reproduzierbare und objektive Auswertung histopathologischer Bilddaten. Zum Einsatz kommen moderne Deep-Learning-Ansätze, darunter Basismodelle wie UNI, nnU-Net und EfficientNet, in Kombination mit der Open-Source-Software QuPath. Erste Ergebnisse zeigen, dass Transfer Learning und domänenspezifisches Feintuning auch bei begrenzter Datenmenge zu robusten Klassifikations- und Segmentierungsergebnissen führen. Ein systematischer Vergleich mit bestehenden Ansätzen ordnet die Leistungsfähigkeit der entwickelten Pipeline im aktuellen Forschungsumfeld ein.