KI im Krankenhaus: Datenqualität, Entlastung und Empathie

KI im Krankenhaus kann Informationen aufbereiten, Dokumentationsarbeit erleichtern und Patientengespräche unterstützen. Wie viel davon im Alltag ankommt, hängt auch davon ab, welche Daten sie erhält und wie ihre Ergebnisse in die Arbeit eingebunden werden. Eine unzuverlässige Zusammenfassung kostet Aufmerksamkeit. Eine nachvollziehbare Übersicht kann helfen, sich vor einem Gespräch auf die Situation eines Menschen vorzubereiten.

Ein Beitrag von ZDFheute über KI und Patientensicherheit hebt die Auswahl und Qualität der verwendeten Daten hervor. Daran lohnt es sich anzuknüpfen: Gute Daten können vermeidbare Fehlerquellen verringern. Ihre geeignete Aufbereitung kann zugleich die Voraussetzungen für eine aufmerksamere, persönlichere Versorgung verbessern.

Beide Fragen gehören zusammen. Wer einen Text erst mühsam gegen mehrere Originaldokumente prüfen muss, hat wenig gewonnen. Wenn Herkunft, zeitlicher Zusammenhang und offene Fragen verständlich dargestellt sind, lässt sich die Information leichter einordnen. Für uns bei aiomics ist deshalb wesentlich, ob eine Anwendung verlässliche Information mit einer tatsächlichen Entlastung im Arbeitsablauf verbindet.

Gute Daten verringern bestimmte Fehlerquellen

Bei KI beginnt Datenqualität bereits bei den Daten, mit denen ein Modell entwickelt und geprüft wird. Für den späteren Einsatz kommt eine weitere Ebene hinzu: die Informationen, die das System im konkreten Fall verarbeitet. Auch ein leistungsfähiges Modell kann eine veraltete Angabe übernehmen, eine fehlende Information übersehen oder widersprüchliche Quellen zu einer scheinbar eindeutigen Aussage verdichten.

Eine 2026 in Pattern Recognition Letters veröffentlichte experimentelle Untersuchung verdeutlicht diese Abhängigkeit. Die Forschenden veränderten strukturierte medizinische Datensätze gezielt, indem sie Werte entfernten, unplausible Angaben einfügten oder Formatvorgaben verletzten. Die Leistung der untersuchten Sprachmodelle bei diagnostischen Aufgaben nahm ab; besonders nachteilig waren unplausible Angaben. Zudem erkannten die Modelle solche Fehler nicht zuverlässig. Das waren Versuche an künstlich verschlechterten Datensätzen. Sie zeigen eine technische Anfälligkeit, liefern aber keine Aussage darüber, um wie viel eine Datenbereinigung Behandlungsfehler im Krankenhaus verringert. Untersuchung zum Einfluss der Datenqualität.

Die praktische Folgerung betrifft die gesamte Informationsverarbeitung: Werden Eingabefehler vermieden, entfällt eine mögliche Ursache falscher Ausgaben. Modellfehler und Auslassungen können trotzdem auftreten. Für jede konkrete Anwendung muss geprüft werden, welche Fehler nach der Verarbeitung und der vorgesehenen Kontrolle noch bestehen.

Was eine brauchbare Datengrundlage ausmacht

Bei der Aufbereitung von Krankenhausunterlagen würden wir insbesondere auf sechs Eigenschaften achten:

• Eindeutige Zuordnung: Dokument, Person und Behandlungskontakt müssen zusammenpassen. Eine falsch zugeordnete Information bleibt auch nach einer sprachlich gelungenen Zusammenfassung falsch.
• Erkennbarer Zeitpunkt: Erstellungsdatum, Zeitpunkt des beschriebenen Ereignisses und spätere Ergänzungen müssen auseinanderzuhalten sein. Eine ältere Angabe darf beim Zusammenfassen nicht unbemerkt zu einer aktuellen werden.
• Nachvollziehbare Herkunft: Es sollte erkennbar sein, ob eine Aussage aus einem Originalbefund, einer übernommenen Zusammenfassung oder einer Angabe der Patient:innen stammt.
• Erhaltene Bedeutung: Einheiten, Verneinungen und Einschränkungen gehören zur Information. Aus einer Untersuchung ohne Hinweis auf einen Befund darf durch Verkürzung keine Bestätigung dieses Befundes werden.
• Sichtbare Lücken und Widersprüche: Fehlende Angaben bleiben als fehlend erkennbar. Bei unterschiedlichen Aussagen muss sich nachvollziehen lassen, welche Quelle was berichtet.
• Eignung für die Aufgabe: Die benötigten Informationen müssen für die konkrete Aufbereitung verfügbar sein. Zugleich sollten nur Daten einbezogen werden, die für den vorgesehenen Zweck erforderlich sind und verarbeitet werden dürfen.

Diese Anforderungen lassen sich anhand konkreter Fälle prüfen. Beispielsweise enthält eine ältere Unterlage eine andere Kontaktperson als die aktuelle Aufnahme. Eine hilfreiche Aufbereitung macht Quelle und Datum beider Angaben sichtbar und lässt die offene Zuordnung erkennen. Würde sie stillschweigend eine Person auswählen, entstünde zusätzliche Sicherheit nur im Ton des Textes.

Zur Datenqualität gehört auch die Frage, für wen eine Anwendung ausreichend geprüft wurde. Gute Ergebnisse mit kurzen, einheitlich aufgebauten Dokumenten sagen wenig darüber aus, wie dasselbe System mit langen Verläufen, verschiedenen Sprachen oder schlecht lesbaren Vorunterlagen umgeht. Solche Unterschiede gehören in die Auswahl der Prüffälle.

Wie Angaben beim wiederholten Übernehmen ihre Bedeutung verändern können, beschreibt auch unser Beitrag über die Herkunft und Einordnung von Vorbefunden.

Kognitive Entlastung hängt von der Darstellung ab

Für die Vorbereitung eines Gesprächs kann eine Zusammenfassung dann hilfreich sein, wenn sie die erforderliche Suche und das gedankliche Zusammenführen von Informationen erleichtert. Dazu gehören eine übersichtliche zeitliche Ordnung, zugängliche Quellen und die erkennbare Trennung zwischen dokumentierten Angaben und offenen Fragen.

Ein kurzer Text allein erfüllt diese Aufgabe noch nicht. Er kann wichtige Einschränkungen verlieren oder so allgemein ausfallen, dass die gesamte Akte erneut gelesen werden muss. Umgekehrt kann eine längere Darstellung entlasten, wenn ihre Gliederung den gezielten Zugriff ermöglicht. Entscheidend ist der Aufwand, eine Information zu finden, zu verstehen und bei Bedarf zu überprüfen.

Das betrifft auch Ablenkungen. Zusätzliche Fenster, wiederholte Hinweise und ständig neue Textvorschläge können den Arbeitsablauf weiter unterbrechen. Eine geeignete Einbindung stellt die Aufbereitung dort bereit, wo sie gebraucht wird, und hält zusätzliche Bedienhandlungen gering. Ob dadurch tatsächlich weniger Unterbrechungen und Bildschirmwechsel entstehen, lässt sich im jeweiligen Arbeitsablauf beobachten.

Erste Ergebnisse zur Vorbereitung mit Aktenzusammenfassungen

Eine im August 2026 auf medRxiv veröffentlichte, zum Recherchezeitpunkt noch nicht fachlich begutachtete Studie untersuchte genau diesen Einsatz. 284 ambulant tätige Ärzt:innen und weitere Behandelnde wurden für 90 Tage zufällig einer Gruppe mit Zugang zu KI-erstellten Aktenzusammenfassungen oder einer Vergleichsgruppe zugeteilt.

In der Gruppe mit Zugang zur KI war die selbst eingeschätzte Belastung bei der Gesprächsvorbereitung geringer. Der bereinigte Unterschied betrug 27,4 Punkte auf einer Skala von 0 bis 400; das 95-Prozent-Konfidenzintervall reichte von 5,3 bis 49,4 Punkten zugunsten der Anwendung. Eine Verkürzung der gemessenen Bearbeitungszeit ließ sich nicht nachweisen. Zugleich nahm die Nutzung über die drei Monate ab, und Befragte berichteten unter anderem über ungenaue Informationen. Die Untersuchung liefert einen vorläufigen Hinweis auf mögliche kognitive Entlastung, bei offenen Fragen zur dauerhaften Nutzung und Qualität. Randomisierte Untersuchung zu Aktenzusammenfassungen.

Für die Bewertung im Krankenhaus sollten deshalb Zeitmessung, erlebte Belastung und Informationsqualität jeweils erfasst werden. Eine Anwendung kann sich weniger anstrengend anfühlen, ohne Minuten einzusparen. Umgekehrt kann eine schnelle Ausgabe aufwendige Nacharbeit verursachen. Die bisher überwiegend ambulante Forschung lässt sich zudem nur begrenzt auf Stationsarbeit und deren Unterbrechungen übertragen.

Wie KI empathischere Patientengespräche unterstützen kann

Unsere Erwartung an diesen Einsatz ist konkret: Ärzt:innen sollen sich leichter orientieren können, während Patient:innen ihre Situation verständlich erläutert bekommen und mit ihren Anliegen gehört werden. Dafür kommen drei Stellen im Gesprächsablauf infrage.

Vor dem Gespräch: Anliegen und Vorgeschichte zugänglich machen

Eine geeignete Vorbereitung könnte dokumentierte Fragen, bisherige Erläuterungen und ausdrücklich geäußerte Wünsche zusammenführen. Das kann helfen, an ein früheres Gespräch anzuknüpfen und eine bereits geschilderte Sorge erneut aufzugreifen. Gerade bei längeren Verläufen wäre es hilfreich, erkennen zu können, was besprochen wurde und welche Fragen offenblieben.

Ein denkbares Beispiel: In einer Gesprächsnotiz hat eine Patientin die Sorge geäußert, nach der Entlassung allein zurechtkommen zu müssen. Eine Aufbereitung, die diese Äußerung mit Datum und Quelle zugänglich macht, kann die Vorbereitung des nächsten Gesprächs unterstützen. Die Ärztin kann nachfragen, ob die Sorge weiterhin besteht und was sich inzwischen verändert hat.

Dafür braucht es Zurückhaltung bei der Interpretation. Persönliche Anliegen sollten auf tatsächlichen Äußerungen beruhen. Automatisch abgeleitete Zuschreibungen zu Ängsten, Verständnis oder Lebensumständen können das Gespräch in eine falsche Richtung lenken. Eine gute Vorbereitung lässt Raum dafür, dass sich Bedürfnisse geändert haben oder bisher noch gar nicht dokumentiert wurden.

Im Gespräch: Aufmerksamkeit ermöglichen

Eine 2026 veröffentlichte Beobachtungsstudie am Singapore General Hospital untersuchte 169 ambulante Gespräche bei neun erfahrenen Nutzer:innen einer KI-gestützten Gesprächsdokumentation. Mit der Anwendung stieg der beobachtete Anteil der Gesprächszeit mit Blickkontakt im Mittel von 69,6 auf 77,1 Prozent. Die Dokumentationszeit sank von 5,3 auf 4,5 Minuten. Für die gesamte Zeit pro Patient:in ließ sich kein statistisch eindeutiger Unterschied nachweisen. Wegen der kleinen, ausgewählten Gruppe und der fehlenden zufälligen Zuteilung bleibt offen, wie gut sich die Ergebnisse übertragen lassen. Blickkontakt ist außerdem nur ein Teil aufmerksamer Kommunikation. Beobachtungsstudie aus Singapur.

Andere Ergebnisse fallen zurückhaltender aus. Eine Untersuchung der University of California, Davis verglich die Entwicklung der Patientenbewertungen bei 31 Ärzt:innen, die KI zur Gesprächsdokumentation einsetzen konnten, mit 125 Vergleichsärzt:innen. In insgesamt 31.917 Befragungen ließ sich keine statistisch gesicherte Verbesserung der Kommunikation oder Zufriedenheit durch den Einsatz nachweisen. Untersuchung zur wahrgenommenen Gesprächsqualität.

Damit ist die Möglichkeit konkreter beschrieben: Weniger manuelle Dokumentation während des Gesprächs kann Aufmerksamkeit freisetzen. Ob Patient:innen sich dadurch besser verstanden fühlen, hängt vom tatsächlichen Gespräch ab und sollte direkt erfragt werden. Bei einer Gesprächserfassung gehört dazu auch, dass Patient:innen das Verfahren verstehen und ihre Entscheidung darüber respektiert wird.

Nach dem Gespräch: Informationen verständlich aufbereiten

Eine weitere Möglichkeit liegt in einer sprachlichen Aufbereitung bereits festgelegter Informationen. Fachbegriffe lassen sich erläutern, längere Texte gliedern und vereinbarte nächste Schritte übersichtlich darstellen. Dabei sollten Wortwahl, Umfang und gewünschte Sprache zu den Bedürfnissen passen, die Patient:innen selbst äußern.

Die inhaltliche Grundlage muss erhalten bleiben. Eine sprachliche Vereinfachung darf keine neue Empfehlung hinzufügen, eine Einschränkung entfernen oder eine noch offene Frage als geklärt darstellen. Besonders bei Übersetzungen und medizinisch bedeutsamen Formulierungen braucht es eine geeignete fachliche Prüfung vor der Weitergabe.

Hier gibt es bereits randomisierte Forschung aus Deutschland. In einer 2026 veröffentlichten Untersuchung mit 128 Erwachsenen erhielten Patient:innen entweder einen üblichen Entlassbrief oder eine durch ein Sprachmodell erstellte, patientengerecht formulierte Fassung. Die behandelnden Ärzt:innen prüften die erzeugten Texte. Die zweite Gruppe erreichte bei der Entlassung höhere Werte in einem Fragebogen zu Wissen, Fähigkeiten und Zutrauen im Umgang mit der eigenen Gesundheit. Der geschätzte Unterschied betrug 9,6 Punkte, bei einem 95-Prozent-Konfidenzintervall von 4,3 bis 15,1 Punkten. Die Studie wurde an einem einzelnen Krankenhaus durchgeführt. Sie belegt weder eine allgemein höhere Empathie noch weniger spätere Wiederaufnahmen. Randomisierte Studie zu verständlichen Entlassinformationen.

Für uns liegt darin ein sinnvoller Ansatz: Bereits besprochene Informationen können in einer Form bereitstehen, auf die Patient:innen später zurückgreifen und zu der sie Fragen stellen können. Ob die Erläuterung verstanden wurde, bleibt Gegenstand des persönlichen Austauschs.

Woran sich der Nutzen im Krankenhaus prüfen lässt

Wer Datenqualität und aufmerksamere Versorgung verbinden möchte, kann einen begrenzten Arbeitsablauf untersuchen, etwa die Vorbereitung eines geplanten Gesprächs. Für einen solchen Versuch würden wir gemeinsam mit der beteiligten Abteilung fünf Fragen festlegen:

1. Bleiben die benötigten Informationen erhalten? Geprüft werden sachliche Fehler, relevante Auslassungen, zeitliche Zuordnung und Übereinstimmung mit den Quellen.
2. Wird die Vorbereitung leichter? Erfasst werden Suchaufwand, Bildschirmwechsel, Unterbrechungen und die von den Beteiligten empfundene geistige Belastung.
3. Wie viel Nacharbeit entsteht? Zum Aufwand zählen Prüfung, Korrekturen und Rückfragen ebenso wie die Erstellung und Nutzung der Ausgabe.
4. Was erleben Patient:innen? Sie können beurteilen, ob sie ausreichend zu Wort kamen, ihre Anliegen aufgegriffen wurden und die Erläuterungen verständlich waren.
5. Bleibt im Betrieb ein tragfähiger Nutzen? Einbezogen werden laufende Kosten, Einführungsaufwand, verlässlich nutzbare Entlastung und Unterschiede zwischen Personengruppen.

Auch der Umgang mit gewonnener Zeit gehört in diese Bewertung. Wenn jeder frei werdende Moment unmittelbar mit zusätzlichen Aufgaben belegt wird, kann der erhoffte Raum für Gespräche ausbleiben. Eine Abteilung sollte daher vorab bestimmen, wofür sie die Entlastung nutzen möchte, und anschließend prüfen, ob sie dort ankommt.

Wir sehen darin einen Maßstab für sinnvolle KI im Krankenhaus: Die Datengrundlage wird nachvollziehbar, der verbleibende Prüfaufwand bleibt beherrschbar, und die Entlastung kommt bei den Menschen an, die miteinander arbeiten und sprechen. Welche Anwendung diese Bedingungen erfüllt, muss sich im jeweiligen Einsatz zeigen.

Stand der Recherche: 12. Oktober 2026. Der Beitrag ordnet allgemeine Forschung zu KI, Informationsaufbereitung und Kommunikation ein. Die genannten Studien untersuchen unterschiedliche Systeme; ihre Ergebnisse sind keine Wirksamkeitsnachweise für Produkte von aiomics.