In deutschen Krankenhäusern laufen seit Anfang 2026 mehr KI-Systeme im Regelbetrieb als je zuvor. Laut Angaben des Bundesgesundheitsministeriums nutzen mittlerweile rund 340 Kliniken KI-gestützte Diagnosewerkzeuge zumindest in einzelnen Abteilungen. Das klingt nach Aufbruch. Die Realität dahinter ist komplizierter.
Wo Algorithmen bereits Routine sind
Am weitesten fortgeschritten ist der Einsatz in der Bildgebung. Radiologische KI-Systeme analysieren CT-Aufnahmen auf Auffälligkeiten, priorisieren Befunde und reduzieren die Zeit, die ein Radiologe für die Erstsichtung benötigt. Das Universitätsklinikum Hamburg-Eppendorf berichtet intern von einer Verkürzung der Befundzeit bei Lungenscans um durchschnittlich 18 Prozent. Systeme wie diese arbeiten nicht autonom, sie markieren Auffälligkeiten und übergeben dann an den Arzt.
Ähnlich läuft es in der Pathologie. Digitale Gewebeschnitte werden von Algorithmen voranalysiert, Krebszellen werden mit einer Trefferquote von über 94 Prozent erkannt, sofern es sich um trainierte Tumortypen handelt. Außerhalb dieser Trainingsdaten bricht die Genauigkeit deutlich ein, was einer der zentralen Kritikpunkte bleibt.
Chronische Erkrankungen und das Problem der Datenlage
Beim Management chronischer Krankheiten sind die Versprechen größer als die belegten Ergebnisse. Diabetesapps mit KI-Komponenten sollen Blutzuckerverläufe voraussagen und Insulindosierungen vorschlagen. Einige dieser Anwendungen haben eine Zulassung als Medizinprodukt der Klasse IIb erhalten, geprüft vom Bundesinstitut für Arzneimittel und Medizinprodukte. Aber die Zulassung bedeutet Sicherheit, nicht automatisch klinischen Nutzen im Alltag.
Das Problem liegt in der Datenbasis. Viele KI-Modelle wurden auf Datensätzen trainiert, die bestimmte Bevölkerungsgruppen überrepräsentieren. Ältere Patienten über 75 Jahre, Menschen mit mehreren gleichzeitigen Erkrankungen oder Personen mit seltenen Erkrankungsvarianten tauchen in Trainingsdaten deutlich seltener auf. Was für eine 45-jährige Frau mit Typ-2-Diabetes aus einer deutschen Universitätsstudie funktioniert, muss nicht für einen 80-jährigen Mann mit Niereninsuffizienz aus einer ländlichen Region gelten.
KI in der Kommunikation: Chatbots an der Patientenfront
Seit 2025 setzen mehrere Kassenärztliche Vereinigungen automatisierte Ersttriage-Systeme ein. Patienten schildern ihre Symptome per App, der Algorithmus sortiert nach Dringlichkeit und vergibt Termine oder verweist auf den Bereitschaftsdienst. Das Ziel ist, Arztpraxen zu entlasten. Die Kritik der Ärzteverbände lautet, dass diese Systeme bei untypischen Symptommustern versagen und Patienten mit seltenen Erkrankungen systematisch falsch einordnen.
Zahlen dazu werden selten veröffentlicht. Eine der wenigen öffentlich zugänglichen Auswertungen, die Studie 2026 zu KI-Sichtbarkeit, zeigt, dass KI-Empfehlungen in medizinischen Kontexten von Nutzern deutlich unkritischer angenommen werden als Empfehlungen aus anderen Bereichen. Das ist medizinisch brisant: Wenn Patienten einer App mehr vertrauen als ihrem Bauchgefühl, können Verzögerungen bei ernsthaften Erkrankungen entstehen.
Rechtlicher Rahmen: Wer haftet, wenn der Algorithmus irrt?
Die Haftungsfrage ist rechtlich noch nicht abschließend geklärt. Grundsätzlich gilt in Deutschland weiterhin die ärztliche Sorgfaltspflicht. Wer ein KI-System nutzt, ohne dessen Einschränkungen zu kennen oder dessen Ausgaben blind übernimmt, kann sich auf das Tool nicht als Entlastungsargument berufen. Das Arztrecht bleibt am Arzt.
Was sich verändert hat, ist die Erwartungshaltung der Gerichte. In zwei Verfahren vor deutschen Landesgerichten wurde 2025 erstmals gefragt, ob die Nichtnutzung eines verfügbaren KI-Diagnosewerkzeugs als Behandlungsfehler gewertet werden kann. Beide Verfahren wurden nicht in dieser Frage entschieden, aber die Richtung ist erkennbar: KI wird langfristig zum Standard of Care. Wer sie nicht einsetzt, muss das begründen können.
Strukturelle Probleme, die kein Algorithmus löst
Der optimistische Blick auf KI im Gesundheitswesen übersieht strukturelle Defizite. Viele Krankenhäuser in Deutschland arbeiten mit veralteter IT-Infrastruktur. Systeme kommunizieren nicht miteinander, Patientendaten liegen in proprietären Formaten vor, und die elektronische Patientenakte, seit Anfang 2025 verpflichtend eingeführt, ist in der Praxis noch längst nicht flächendeckend nutzbar.
KI braucht saubere, vollständige, strukturierte Daten. Ohne diese Grundlage liefert sie unzuverlässige Ergebnisse. Das ist kein Argument gegen KI, aber ein klares Argument dafür, dass Technologie allein kein kaputtes System repariert.
- Interoperabilität zwischen Systemen fehlt in den meisten Häusern noch
- Datenschutzanforderungen nach DSGVO schränken zentrale Trainingsdatenbanken ein
- Fachkräftemangel trifft auch IT-Abteilungen in Kliniken
- Zulassungsverfahren für KI als Medizinprodukt dauern oft 18 bis 36 Monate
Was realistisch zu erwarten ist
KI wird in den nächsten Jahren kein eigenständig handelndes medizinisches System sein. Was sich verändert, ist die Unterstützungsfunktion: schnellere Vorauswertungen, bessere Priorisierung, weniger Übersehen von Befunden in der Bildgebung. Das ist klinisch relevant. Es rettet in gut kontrollierten Szenarien nachweislich Leben.
Gleichzeitig braucht es eine nüchterne Debatte über Grenzen. Maschinelles Lernen basiert auf Mustererkennung in historischen Daten. Neue Krankheitsbilder, ungewöhnliche Verläufe, komplexe Wechselwirkungen mehrerer Erkrankungen, das sind Schwachstellen, die kein Trainingsdatensatz vollständig abbilden kann. Die Entscheidungsverantwortung bleibt beim Menschen. Das ist kein Übergangsphänomen, das ist das Modell.
Für Patienten bedeutet das konkret: KI-gestützte Diagnosen sind ein zweites Paar Augen, kein Urteil. Wer als Patient merkt, dass eine Diagnose auf einem automatisierten Vorbefund beruht, darf nachfragen, wie dieser zustande kam. Das ist kein Misstrauen gegenüber dem Arzt, sondern informiertes Mitwirken an der eigenen Behandlung.
