KI im Krankenhaus: DKG-Positionen und was Studien zeigen

KI im Krankenhaus kann bei der Bildauswertung, der Dokumentation und organisatorischen Aufgaben helfen. Ob daraus ein Nutzen entsteht, hängt von der konkreten Anwendung, den Beschäftigten und dem Versorgungsablauf ab. Für die Einführung zählen deshalb überprüfbare Ergebnisse: weniger Aufwand, verlässliche Informationen und ein vertretbares Verhältnis von Nutzen, Risiken und Kosten.

Die Deutsche Krankenhausgesellschaft (DKG) beschreibt in ihrem Positionspapier zur Nutzung künstlicher Intelligenz, welche Voraussetzungen sie dafür fordert. Wir fassen die zentralen Positionen zusammen und ergänzen sie um internationale Forschung sowie unsere Sicht auf die Bewertung im Klinikalltag.

Was fordert die Deutsche Krankenhausgesellschaft?

Das DKG-Positionspapier zur Nutzung von KI im Krankenhaus trägt den Stand September 2025. Seine wesentlichen Forderungen lassen sich so bündeln:

• Versorgung verbessern: Patient:innen sollen diskriminierungsfrei profitieren. Gewonnene Zeit soll auch Gesprächen und persönlicher Zuwendung zugutekommen.
• Beschäftigte entlasten: KI soll Dokumentation und Routineaufgaben erleichtern. Zusätzliche digitale Nachweispflichten dürfen die Entlastung nicht aufzehren.
• Fachliche Verantwortung sichern: Therapiehoheit, Qualität, übermäßiges Vertrauen in automatisierte Vorschläge und möglicher Kompetenzverlust müssen berücksichtigt werden.
• Infrastruktur finanzieren: Gefordert werden offene technische Grundlagen sowie Mittel für Einführung und laufenden Betrieb.
• Daten nutzbar machen: Die DKG verlangt einheitlich strukturierte, hochwertige und vielfältige Versorgungsdaten, Vergütung für deren Bereitstellung sowie eine stärkere Vernetzung weiterer Krankenhäuser.
• Recht und Qualifizierung klären: Dazu gehören Verantwortungs- und Haftungsfragen, transparente und widerrufbare Forschungseinwilligungen sowie konkretisierte und finanzierte Anforderungen an die KI-Kompetenz.
• Umsetzung unterstützen: Regionale oder nationale Beratungsstrukturen sollen Kliniken begleiten. Generative KI und personalisierte Medizin sollen gezielt gefördert werden; ihr tatsächlicher Nutzen braucht Belege.

Diese Punkte geben die Position des Verbandes von 2025 wieder. Die nachfolgende Einordnung und die Bewertungsvorschläge stammen von uns.

Was zeigt die internationale Forschung zu KI im Krankenhaus?

Die drei folgenden Studien betreffen unterschiedliche Aufgaben. Gemeinsam machen sie sichtbar, weshalb Ergebnisse immer mit ihrem Einsatzgebiet und ihrem Vergleichsmaßstab gelesen werden müssen.

Mammografie: weniger Befundungen bei geprüfter Erkennungsleistung

In der schwedischen MASAI-Studie wurden rund 106.000 Frauen zufällig einer KI-unterstützten Brustkrebsfrüherkennung oder der üblichen doppelten ärztlichen Befundung zugeteilt. Die 2025 veröffentlichte Auswertung berichtete 44,2 Prozent weniger Befundungsvorgänge im KI-unterstützten Verfahren. Diese Zahl beschreibt die Zahl der Bildbefundungen; sie lässt sich nicht als gleich große Zeitersparnis einer radiologischen Abteilung lesen. Hernström und Kolleg:innen, The Lancet Digital Health, 2025.

Die 2026 veröffentlichte Nachbeobachtung untersuchte auch Karzinome, die zwischen zwei Früherkennungsuntersuchungen diagnostiziert wurden. Ihre Häufigkeit betrug 1,55 gegenüber 1,76 je 1.000 Teilnehmerinnen. Die vorgesehene Nichtunterlegenheitsgrenze wurde eingehalten; eine statistisch gesicherte Senkung dieser Karzinomrate wurde damit nicht gezeigt. Zugleich lag die Sensitivität bei 80,5 gegenüber 73,8 Prozent, bei gleicher Spezifität. Gommers und Kolleg:innen, The Lancet, 2026.

Das ist ein belastbarer Befund für ein definiertes Verfahren. Ein Nachweis geringerer Brustkrebssterblichkeit ergibt sich daraus noch nicht. Für eine Klinik ist besonders aufschlussreich, dass Arbeitsaufwand und diagnostische Leistung gemeinsam untersucht wurden.

Gesprächsdokumentation: der Nutzen unterscheidet sich zwischen Systemen

Eine randomisierte Studie bei UCLA Health verglich zwei KI-Anwendungen zur Gesprächsdokumentation mit der üblichen Arbeitsweise. Teilgenommen haben 238 ambulant tätige Ärzt:innen aus 14 Fachrichtungen. Bei Nabla sank die im Dokumentationseintrag erfasste Schreibzeit gegenüber der Kontrollgruppe um 9,5 Prozent. Bei DAX war die Abnahme von 1,7 Prozent statistisch nicht gesichert. Die Anwendungen wurden jeweils bei ungefähr einem Drittel der dafür erfassten Besuche genutzt. Lukac und Kolleg:innen, NEJM AI, 2025.

Die Untersuchung liefert Hinweise auf mögliche Entlastung. Sie belegt weder eine entsprechende Verkürzung der gesamten Arbeitszeit noch bessere Behandlungsergebnisse. Auch lassen sich Ergebnisse aus US-amerikanischen Ambulanzen nur begrenzt auf deutsche Stationen übertragen.

Für die Einführung folgt daraus aus unserer Sicht eine konkrete Aufgabe: im vorgesehenen Ablauf messen, wie viel Arbeit nach Prüfung, Korrektur und Übertragung tatsächlich entfällt. Zusätzlich interessiert, ob sich diese Arbeit zwischen Berufsgruppen verschiebt.

Diagnostisches Denken: der Zugang zum Sprachmodell genügte nicht

In einer randomisierten Studie bearbeiteten 50 Ärzt:innen schriftliche klinische Fälle. Eine Gruppe konnte zusätzlich zu üblichen Informationsquellen GPT-4 verwenden. Der mediane Bewertungswert für das diagnostische Denken lag mit KI bei 76 Prozent und in der Vergleichsgruppe bei 74 Prozent. Der bereinigte Unterschied war statistisch nicht gesichert. Goh und Kolleg:innen, JAMA Network Open, 2024.

Untersucht wurden Fallbeschreibungen und die damalige Modellversion. Die Studie beantwortet deshalb keine allgemeine Frage nach der Leistungsfähigkeit heutiger KI. Sie zeigt aber, dass sich gute Ergebnisse eines Modells bei isolierten Aufgaben nicht ohne Weiteres in bessere Ergebnisse seiner Nutzer:innen übersetzen.

Unser Schluss daraus: Zur Prüfung einer Anwendung gehören auch die Oberfläche, die Einweisung, die Arbeitsbedingungen und die Entscheidungen, die Menschen mit ihrer Hilfe treffen.

Wie wir sinnvollen KI-Einsatz beurteilen

Bei aiomics beginnt die Bewertung mit einer konkreten Frage: Was verändert diese Anwendung gegenüber der tatsächlich verfügbaren Versorgung? Dazu gehören Fehler, Wartezeiten und Belastungen im bisherigen Ablauf ebenso wie mögliche neue Probleme durch die KI.

Eine Auswertung gegen einen kaum verfügbaren Idealzustand hilft bei der Entscheidung wenig. Ebenso wenig hilft ein Vergleich mit einem unnötig schwachen Ausgangsverfahren. Eine verbesserte Vorlage, klarere Zuständigkeiten oder zusätzliche Schulung können sinnvolle Vergleichsmöglichkeiten sein.

Wir halten drei Größen für besonders wichtig:

1. Zeit: Wie viel Aufwand bleibt nach Einführung, Prüfung, Korrektur und laufender Betreuung tatsächlich übrig? Bei wem entsteht oder entfällt er?
2. Verlässlichkeit: Welche Aussagen lassen sich auf ihre Quellen zurückführen? Welche Widersprüche, falschen Angaben oder relevanten Auslassungen bleiben nach der menschlichen Prüfung bestehen?
3. Wirtschaftliche Wirkung: Wie verhalten sich Anschaffung, Betrieb und zusätzlicher Prüfaufwand zu den gemessenen Verbesserungen? Welche Folgen ergeben sich für Versorgung, verfügbare Kapazität und nachgelagerte Abläufe?

Diese Größen brauchen jeweils eigene Messwerte. Eine hohe Zeitersparnis kann einen schwerwiegenden Sicherheitsmangel nicht ausgleichen.

Auch die Schutzmaßnahme braucht eine Prüfung

Die Vorgabe, jeden Entwurf ärztlich gegenzulesen, beschreibt zunächst einen Arbeitsschritt. Ob er ausreichend schützt, hängt davon ab, welche Fehler erkannt werden und welche Informationen zur Prüfung verfügbar sind.

Ein hypothetisches Beispiel: Ein erzeugter Entlassbrief enthält ausschließlich zutreffende Sätze, lässt aber eine relevante Änderung der Medikation aus. Wer nur die vorhandenen Sätze auf Richtigkeit prüft, kann diese Lücke übersehen. Die Bewertung sollte deshalb zusätzlich erfassen, welche notwendigen Angaben fehlen und ob der Quellenvergleich solche Auslassungen sichtbar macht.

Wir unterscheiden dabei zwei Fragen: Verbessert der gesamte KI-unterstützte Ablauf die bisherige Arbeit? Und welchen zusätzlichen Nutzen bringt die jeweilige Schutzmaßnahme? Für beide Fragen interessieren verbleibende Fehler, zusätzlicher Aufwand und mögliche Verzögerungen.

Die Aussagekraft verändert sich mit dem Einsatz

Neue Modellversionen, andere Dokumentarten oder veränderte Nutzergruppen können eine erneute Prüfung erforderlich machen. Dasselbe gilt, wenn Beschäftigte nach längerer Nutzung anders kontrollieren oder sich ihre fachlichen Fähigkeiten verändern.

Die internationale FUTURE-AI-Leitlinie, veröffentlicht im BMJ 2025, behandelt unter anderem lokale Eignung, Nutzbarkeit und fortlaufende Überwachung. Sie ist ein fachlicher Orientierungsrahmen. Wie viel eine bestimmte Maßnahme in einer konkreten Klinik bewirkt, bleibt eine empirische Frage.

Wie kann eine Klinik den Nutzen schrittweise prüfen?

Wir schlagen vor, die Einführung an vorab festgelegte Nachweise zu knüpfen. Der Umfang richtet sich nach der Aufgabe und den möglichen Folgen eines Fehlers.

1. Anwendung und Vergleich festhalten

Festgelegt werden Aufgabe, Modellversion, verwendete Daten, Nutzer:innen und die Entscheidungen, die aus einem Ergebnis folgen können. Dazu kommen der bisherige Ablauf, realistische Alternativen und die gewünschten Verbesserungen.

2. Mit repräsentativen Fällen und Nutzer:innen erproben

Die Prüfung sollte typische Fälle und bekannte Schwierigkeiten enthalten: unvollständige Vorbefunde, widersprüchliche Angaben oder schlecht lesbare Dokumente. Bei Gesprächsaufnahmen können Hintergrundgeräusche und unterschiedliche Sprechweisen relevant sein. Herstellerangaben werden aussagekräftiger, wenn Auswahl und Bewertung der Prüffälle unabhängig nachvollziehbar sind.

3. Im örtlichen Ablauf beobachten

Ein zunächst beobachtender Betrieb ohne Einfluss auf Behandlungsentscheidungen kann zeigen, welche Ergebnisse unter den tatsächlichen Bedingungen entstehen. Anschließend lässt sich ein begrenzter Einsatz mit klaren Zuständigkeiten und Abbruchkriterien untersuchen. Dabei werden auch Fehler nach menschlicher Prüfung und die benötigte Arbeitszeit erfasst.

4. Ergebnisse vergleichen und den Betrieb weiter begleiten

Für weitreichende Aussagen über den Versorgungsnutzen braucht es geeignete vergleichende Untersuchungen. Je nach Frage kommen etwa randomisierte Studien oder sorgfältig geplante Vergleiche zwischen Einheiten infrage. Nach einer Einführung bleiben Beschwerden, Sicherheitsereignisse, Gesamtaufwand und relevante Veränderungen der Anwendung Gegenstand regelmäßiger Überprüfung.

Die Entscheidung kann eine Fortführung, eine Anpassung oder eine Unterbrechung sein. Verantwortliche und Auslöser für diese Entscheidungen sollten schon vor Beginn feststehen.

Häufige Fragen zu KI im Krankenhaus

Wo ist KI im Krankenhaus besonders sinnvoll?

Eine pauschale Rangfolge lässt sich aus den hier betrachteten Studien nicht ableiten. Aussagekräftige Belege gibt es für einzelne, klar beschriebene Anwendungen. Für eine Klinik entscheidet, ob diese Belege zu ihrer Aufgabe, ihren Patient:innen und ihren Arbeitsbedingungen passen.

Woran erkennt man einen belastbaren Nutzennachweis?

Er beschreibt Anwendung, Vergleichsgruppe, Messgrößen und Unsicherheit. Bei einer versprochenen Entlastung zählt der gesamte veränderte Aufwand einschließlich Kontrolle und Nacharbeit. Ein Herstellerergebnis wird besser einordbar, wenn Prüffälle und Auswertung nachvollziehbar sind. Dazu haben wir unsere Anforderungen an eine unabhängige Bewertung klinischer KI erläutert.

Was sollte vor einer Beschaffung geklärt sein?

Verwendungszweck, Verantwortlichkeiten, Datenverarbeitung, örtliche Erprobung, laufende Kosten und das Vorgehen bei Änderungen oder Ausfällen gehören in die Entscheidung. Für Dokumentationsanwendungen vertiefen wir diese Punkte im Beitrag über Nachweise bei der Beschaffung von KI für die Klinikdokumentation.

Stand der Einordnung: 12. Oktober 2026. Die Studien wurden gezielt zur Illustration unterschiedlicher Einsatzbereiche ausgewählt; eine systematische Literaturübersicht wurde nicht durchgeführt. Aiomics entwickelt Anwendungen zur Verarbeitung und Prüfung klinischer Informationen. Die Auswahl und Einordnung stammen damit von einem Anbieter in diesem Bereich.