ROI nach 12 Monaten: Was Klinik-KI realistisch zeigen muss

Auf der Investitions-Vorlage einer Klinik-KI-Beschaffung steht in der Regel eine Linie, die nach drei oder sechs Monaten den Break-Even verspricht. Eine Geschäftsführerin in einem mittelgroßen Haus liest die Linie und kennt aus mindestens fünf Implementations-Erfahrungen den eigenen Befund: Die Linie trägt selten. Was nach sechs Monaten in der Realität liegt, ist nicht die versprochene Hochrechnung, sondern eine Mischung aus Pilot-Effekten, Workaround-Persistenz und einem Anbieter-Account-Manager, der inzwischen gewechselt hat. Die Frage ist nicht, ob KI-Investitionen sich rechnen können. Die Frage ist, an welchen Befunden eine seriöse Investitions-Rechnung sie nach zwölf Monaten misst — und welche Abwesenheits-Signale ein verlässlicher Warn-Indikator sind.

Die methodische Stütze für die Zwölf-Monats-Lesart ist seit Mitte der 1990er-Jahre belastbar. Glasgow et al. (1999) benennen im RE-AIM-Framework die Maintenance-Dimension als eigenständige Implementations-Achse — auf zwei Ebenen: die individuelle Verstetigung und die organisationale Verankerung im Setting. Maintenance reift typischerweise im Halbjahres- bis Anderthalbjahres-Korridor; eine Drei-Monats-Hochrechnung trifft die Kurve nicht. Aarons et al. (2011) beschreiben im EPIS-Modell Sustainment als vierte und eigenständige Phase mit eigenen Determinanten — fortlaufende Anpassung, „ongoing facilitation“, organisatorische Verankerung. Externe Begleitung ist die häufigste Variable, die zwischen Verstetigung und Erosion entscheidet. Damschroder et al. (2009) ordnen die Determinanten im Consolidated Framework for Implementation Research (CFIR) in fünf Domänen — innerer und äußerer Kontext, Charakteristika der Intervention, individuelle Akteur:innen, Implementierungs-Prozess. In der Folge-Empirie tragen Inner-Setting-Variablen die Sustainment-Phase überproportional. Diese drei Frameworks sind keine Effekt-Größen-Lieferanten; sie ordnen die Variablen, gegen die sich eine Klinik-KI-Investitions-Rechnung in der Sustainment-Phase orientieren kann.

Eine Trennung vorab. Pilot-Quartal ist nicht Sustainment-Phase. Adoption-Quote ist nicht Effekt-Größe. Effizienz-Hochrechnung ist nicht Erlös-Sicherung. Wenn dieser Beitrag von einer Zwölf-Monats-Lesart spricht, ist die Sustainment-Phase im RE-AIM- und EPIS-Sinne gemeint — der Korridor zwischen sechs und achtzehn Monaten Echtbetrieb, in dem strukturelle Adoption beobachtbar wird, ohne dass die Pilot-Begleitung sie noch trägt. Strukturelle ROI-Reife folgt typischerweise erst zwischen achtzehn und vierundzwanzig Monaten. Die Zwölf-Monats-Lesart ist deshalb ein Halbzeit-Befund, kein End-Stand.

Vier Effekte, die nach zwölf Monaten messbar sein müssen

Der erste Effekt ist die Adoption-Verstetigung in der Ziel-Anwender-Gruppe. Reviews der Zeitschrift Implementation Science (2018–2025) berichten konsistent: Wer nach zwölf Monaten eine niedrigere Nutzungs-Quote hat als am Go-Live, trägt Erosion. Wer eine stabile oder leicht steigende Quote hat, hat Verstetigung erreicht. Die Quote ist nicht „Anzahl Logins“ — sie ist „Anteil der dokumentarischen Routine, der tatsächlich durch das System gestützt wird“. Der zweite Effekt ist die Erlös-Sicherung durch Compliance-Wirkung. Saubere Doku-Compliance senkt Beanstandungs-Quoten in den Stichproben des Medizinischen Dienstes (MD) messbar; nach zwölf Monaten zeigt sich der Effekt in der eigenen Beanstandungs-Statistik der Klinik. Der dritte Effekt ist die Prozess-Effizienz in der dokumentarischen Routinearbeit. Reviews in JAMIA (2023–2025) und NEJM AI (2024–2026) dokumentieren für AI-Scribe-Anwendungen Reduktions-Effekte in der Doku-Zeit von 20 bis 40 Prozent — die Studien-Lage ist überwiegend US-zentriert, Punkt-Effekt-Größen sind nicht 1:1 übertragbar, die Mechanik trägt. Nach zwölf Monaten muss der Effekt stabil sein; eine Pilot-Effekt-Größe, die im Sustainment erodiert ist, hat keine Reife. Der vierte Effekt ist die Personalbindung über reduzierte administrative Last. International-vergleichende Reviews in Health Affairs (2022–2025) verbinden administrative Belastung mit der Verbleibs-Quote bei Pflege- und ärztlichem Personal. Nach zwölf Monaten sollte sich der Effekt im eigenen Personal-Kennzahlen-System zeigen — als Cost-Avoidance-Spalte gegen die Recruiting- und Einarbeitungs-Kosten einer ungewollten Wechselbewegung.

Effekt 2 in der Modellrechnung — die Aufnahmedokumentation als Hebelstelle

Effekt 2 verträgt eine konkrete Rechnung. Die Bundesauswertungen des Medizinischen Dienstes (MD) und die Berichte des GKV-Spitzenverbands dokumentieren konsistent, dass Aufnahmedokumentations-Mängel zu den führenden Beanstandungs-Gründen zählen. Eine Modellrechnung mit drei explizit benannten Annahmen — 4.500 Reha-Aufnahmen pro Jahr, 8 Prozent Beanstandungs-anfälliger Anteil aufgrund von Aufnahmedokumentations-Mängeln, 500 Euro durchschnittliche Erlös-Korrektur pro beanstandetem Fall — ergibt eine theoretisch adressierbare Erlös-Risiko-Größe von 180.000 Euro pro Jahr. Steht dem ein Software-Lizenz-Investment von rund 40.000 Euro pro Jahr gegenüber, ergibt sich ein Faktor von 4,5x. Diese Zahl ist eine Modellrechnung mit benannten Annahmen, kein gemessenes Klinik-Ergebnis und kein Verweis auf reale Klinik-Kunden. Eine eigene Klinik-Rechnung mit eigenen Aufnahme-Mengen, eigener Beanstandungs-Quote und eigener durchschnittlicher Erlös-Korrektur kommt in den meisten mittelgroßen Reha-Konstellationen auf eine Größenordnung in der Nähe. Die Modellrechnung zeigt nicht, dass jede Klinik diesen Faktor erreicht; sie zeigt, dass die Frage nach dem Compliance-ROI eine arithmetische Antwort hat, die in der eigenen Klinik nachzurechnen ist. Im Zwölf-Monats-Review fällt der Befund konkret aus: Welche Beanstandungs-Quote stand vor der Implementierung, welche steht jetzt, und welche Erlös-Differenz lässt sich aus der MD-Stichprobe ableiten?

Drei Fehlsignale, die nach zwölf Monaten ein Warn-Indikator sind

Aus den vier Effekten lassen sich drei Fehlsignale ableiten, deren Vorhandensein nach zwölf Monaten ein verlässlicher Warn-Indikator ist. Das erste Fehlsignal ist eine Anbieter-Service-Logik, die nach zwölf Monaten immer noch in Schulungs-Reihen denkt statt in Modul-Anpassungen aus dem Echtbetrieb. Wenn die Halbjahres-Bilanz lautet „wir haben drei weitere Schulungs-Termine angesetzt“, ist die Sustainment-Phase nicht angekommen. Die Implementation-Science-Forschung benennt das als typisches Pattern für ausbleibende mittelfristige Adoption — Schulung ist nicht die Antwort auf eine Eingabe-Maske, die für die Stations-Routine schief gebaut ist. Das zweite Fehlsignal ist die Persistenz von Workarounds in den Routine-Schichten. Studien in npj Digital Medicine (2023–2025) dokumentieren, dass Umgehungs-Praxen aus den ersten dreißig bis neunzig Tagen nach Go-Live ohne zeitige Modul-Anpassung dauerhaft persistieren. Wer nach zwölf Monaten in der Spätschicht beobachtet, dass Pflichtfelder noch immer routinemäßig leer gefüllt werden, hat keine Anwender-Disziplin-Lücke; er trägt eine Modul-Anpassungs-Lücke des Anbieters. Das dritte Fehlsignal ist eine Anbieter-Personal-Fluktuation am eigenen Klinik-Account. Branchen-Daten von KLAS Research (2023–2025) zeigen, dass die personelle Begleitung im Anbieter-Team eine dokumentierte Bestimmungs-Variable für mittelfristige Adoption ist. Wenn das Klinik-Wissen nach zwölf Monaten zum dritten Mal aus dem Anbieter-Team gefallen ist, weil drei verschiedene Account-Manager die Klinik in zwölf Monaten getragen haben, ist die „ongoing facilitation“ der EPIS-Logik erodiert. Die Tickets werden generisch beantwortet; die Klinik trägt die Anpassungs-Last alleine. Drei Fehlsignale, drei Warn-Indikatoren — sie ersetzen nicht die Effekt-Messung, aber ihre Abwesenheit ist die Voraussetzung dafür, dass die Effekt-Messung tragen kann.

Begleitung als Vertrags-Bestandteil, nicht als Anbieter-Großzügigkeit

Aus den vier Effekten und drei Fehlsignalen lässt sich eine Architektur-Wahl ableiten, die die Zwölf-Monats-Lesart trägt. Begleitung im Service-Vertrag ist kein optionales Anbieter-Add-on; sie ist die Stell-Schraube zwischen Verstetigung und Erosion. Eine benannte Ansprechperson für die Klinik, ein dauerhafter Sprechstunden-Rhythmus jenseits der Implementations-Phase, ein dokumentierter Anpassungs-Pfad für Echtbetrieb-Befunde, eine Schnittstellen-Wartungs-Verpflichtung mit klar adressiertem Subsystem-Risiko — diese vier Klauseln entscheiden, ob die Effekte nach zwölf Monaten messbar werden oder nicht. Die Aiomics-Service-Vertrags-Architektur ist genau auf diese Klauseln gebaut, weil sie aus konvergenter Implementations-Forschung folgen, nicht aus einer Vertriebs-Logik. Aggregierte Beratungs- und Branchen-Daten — McKinsey Healthcare AI (2023–2025) und HIMSS Analytics (2023–2025) — verorten die strukturelle ROI-Reife in einem Korridor von zwölf bis sechsunddreißig Monaten; die Lesart trägt mit Beratungs-Branchen-Bias und überwiegend US-Schwerpunkt, die Größenordnung deckt sich mit den peer-reviewed Implementation-Science-Befunden. Eine Klinik, die nach zwölf Monaten die vier Effekte zeigt und keines der drei Fehlsignale trägt, hat die Maintenance-Lücke geschlossen — die strukturelle ROI-Reife folgt im zweiten Jahr.

Eine Klinik-KI-Investition rechnet sich nicht durch eine Vertriebs-Folie und auch nicht durch ein Pilot-Quartal. Sie rechnet sich durch eine Halbzeit-Tabelle, in der die vier Sustainment-Befunde stehen — und gegen die die drei Fehlsignal-Fragen ehrlich beantwortet sind. Die Geschäftsführerin, die im Halbzeit-Gespräch diese Tabelle vor der Anbieter-Hochrechnung legt, stellt die Investitions-Frage nicht neu, sondern zum ersten Mal seriös. Tragfähige Rendite reift erst im zweiten Jahr; sie reift aber nur dort, wo das erste Jahr die Maintenance-Lücke nicht offen lässt.