Sozialdienst-Entlastung durch KI: Warum nur ein Drittel der Anfragen automatisierbar ist

Eine Pflegedienstleitung kennt den Stoß Anfragen, der morgens auf dem Schreibtisch der Sozialdienst-Mitarbeiter:innen liegt. Beim ersten Durchblättern sortieren sich grob drei Klassen. Eine Reha-Klinik bestätigt einen Termin und braucht eine identische Adress-Kopie; ein Pflegedienst will den Beginn-Termin schriftlich; ein Sanitätshaus benötigt die Diagnose-Kennzeichnung für eine Hilfsmittel-Bestellung. Eine Angehörige ruft im Sozialdienst an und fragt nach dem Stand der Reha-Zusage; ein Hausarzt erkundigt sich nach dem geplanten Entlassungs-Tag. Eine aufnehmende Einrichtung will klären, ob die häusliche Versorgungs-Lage einen ambulanten Reha-Pfad überhaupt trägt — oder ob die Entscheidung zugunsten einer stationären fallen muss. Drei Klassen, drei Komplexitäten — und eine Plattform-Marketing-Schicht, die für alle drei dasselbe verspricht.

Das Versprechen heißt „Sozialdienst-Entlastung durch KI“ und kommt in unterschiedlichen Formulierungen — im Werbe-Material von Vermittlungs-Plattformen, in den Folien von KI-Anbietern für die Klinik-Doku, in Branchen-Kongress-Vorträgen. In der Regel ist die Aussage binär gefasst: Sozialdienst-Aufwand wird reduziert, weil die Software die Anfragen abarbeitet. Was die Aussage nicht macht, ist die Klassen-Sortierung. Die Deutsche Vereinigung für Sozialarbeit im Gesundheitswesen (DVSG) beschreibt die professionelle Aufgabe des Klinik-Sozialdienstes als Beratung, sozialrechtliche Information, Versorgungs-Planung mit Vermittlung und sozialpädagogische Begleitung — ein Bündel von Tätigkeiten mit sehr unterschiedlicher Struktur. Praxis-reflektierende Beiträge in Heilberufe und vergleichbaren deutschen Foren mahnen seit Jahren, die Klassen-Sortierung vor der Werkzeug-Beschaffung zu machen. Wer das Bündel als Einheit behandelt, kauft ein Werkzeug, das nicht für jedes Stück taugt — und verbucht das spätere Scheitern als Werkzeug-Fehler, obwohl es ein Aufgaben-Sortier-Fehler war.

Drei Klassen, drei Werkzeug-Profile

Klasse 1 sind Routine-Abgleiche. Adressbestätigungen bei einem Anschluss-Versorger, identische Stammdaten-Übergaben an einen Pflegedienst, Wiederholungs-Anfragen mit unverändertem Inhalt, Status-Rückbestätigungen, das Vorbefüllen von Pflicht-Feldern aus strukturierten Quellen. Die Aufgabe ist gut definiert: eine Frage, eine deterministische Antwort, kein Beurteilungs-Anteil. Diese Klasse trägt eine regelbasierte Engine ohne weiteres; auch ein Sprachmodell mit angeschlossener strukturierter Datenbasis erledigt sie zuverlässig. Hier ist „Entlastung“ das richtige Wort: weniger Schreibtisch-Zeit, schnellere Antworten, eine niedrigere Frustrations-Schwelle für die Mitarbeiter:innen, die diese Anfragen heute manuell beantworten. Die Größenordnung dieser Klasse variiert mit Indikation, Klinik-Typ und Trägerstruktur. In der Größenordnung eines Drittels der Tages-Last ist sie in vielen Häusern eine plausible Heuristik, ohne dass eine konsentierte Branchen-Quote vorliegt.

Klasse 2 sind Status-Anfragen mit kleinem Beurteilungs-Anteil. Ein Hausarzt fragt nach dem geplanten Entlassungs-Tag; die Antwort hängt am aktuellen Versorgungs-Stand, der häuslichen Lage und der Reha-Zusage — Informationen, die in mehreren Quellen liegen und einen Blick mit Konsistenz-Prüfung verlangen. Eine Tochter erreicht den Sozialdienst und will wissen, ob die Anschluss-Reha bestätigt ist; die Antwort ist sachlich einfach, aber sie verlangt einen Blick auf den Bestätigungs-Status, den Aufnahme-Termin in der Reha-Klinik und die Hilfsmittel-Lage zu Hause — und sie verlangt eine sorgfältige sprachliche Ausgestaltung gegenüber einer beunruhigten Angehörigen. Diese Klasse ist nicht reine Routine. Eine kontextbewusste Datenschicht — die mehrere Quellen verbindet, Veränderungen sichtbar markiert und offene Punkte nicht hinter einer glatten Maske verbirgt — kann hier viel: sie sammelt die relevanten Informationen, prüft sie auf Konsistenz und übergibt sie an die Mitarbeiter:innen, die das eigentliche Gespräch führen. Die Beurteilungs- und Sprach-Verantwortung bleibt am Sozialdienst-Schreibtisch, die Such-Last sinkt deutlich.

Klasse 3 sind die Anfragen, die das Berufsbild begründen. Eine aufnehmende Einrichtung will wissen, ob die häusliche Versorgungs-Lage einer 84-jährigen, allein lebenden Patientin nach Schenkelhals-OP eine ambulante Reha trägt — oder ob es eine stationäre braucht. Eine Tochter aus einem anderen Bundesland organisiert die Pflege ihres Vaters über die Distanz, die Versorgungs-Sicherheit ist fragil, der Hausarzt äußert Bedenken. Ein Bescheid des Medizinischen Dienstes (MD; vor 2020 Medizinischer Dienst der Krankenversicherung, MDK) widerspricht der ärztlichen Einschätzung zum Reha-Bedarf, der Sozialdienst muss den Widerspruch vorbereiten. Diese Klasse braucht professionelles sozialarbeiterisches Urteilsvermögen, das eine Maschine nicht trägt. Auswertungen in Implementation Science und JAMA Internal Medicine zu hospital case management und KI-gestützter Triage zeigen die Mechanik in derselben Richtung: Die operative Wirkung von KI-Werkzeugen variiert stark mit der Aufgaben-Klasse. Bei strukturierbaren Routine-Aufgaben hohe Reduktion. Bei urteilsbedürftigen Aufgaben gemischte oder geringe Wirkung — KI als Datenbasis-Verbesserer, nicht als Beurteilungs-Ersatz. Die Mehrheit dieser Studien stammt aus dem U.S.-System mit anderer Personalstruktur und anderem sozialrechtlichen Rahmen; die strukturelle Aussage zur Klassen-Abhängigkeit der Wirkung trägt qualitativ über die Heterogenität hinweg, ohne dass U.S.-Reduktions-Quoten 1:1 in die deutsche Klinik-Realität übertragen werden.

Was die Drittelung in Werkzeug-Auswahl übersetzt

Die institutionelle Norm ist hier eindeutig. Der Expertenstandard „Entlassungsmanagement in der Pflege“ des Deutschen Netzwerks für Qualitätsentwicklung in der Pflege (DNQP) setzt das Initial-Assessment der pflegerisch-sozialarbeiterischen Versorgungs-Lage und die kontinuierliche Verlaufs-Doku als beurteilende Aufgaben am Anfang und im Verlauf der Übergabe-Planung. Die S3-Empfehlungen zum Entlassmanagement der Arbeitsgemeinschaft der Wissenschaftlichen Medizinischen Fachgesellschaften (AWMF) benennen die Sozialdienst-Beteiligung an Bedarfs-Einschätzung und Versorgungs-Planung als kontinuierlichen Prozess. Beide Standards behandeln die Beurteilung der häuslichen Versorgungs-Sicherheit, der Reha-Tragfähigkeit und der sozialpädagogischen Begleitungs-Erfordernisse als professionelle Tätigkeit — sie empfehlen sie nicht als delegierbaren Routine-Schritt. Wer die Klassen sortiert hat, kann die Werkzeug-Frage präzise stellen: Klasse 1 mit einer regelbasierten Automatisierung; Klasse 2 mit einer kontextbewussten Datenschicht plus sauberer Audit-Spur, an deren Ende die menschliche Freigabe sitzt; Klasse 3 mit einer Datenschicht, die das Urteilsvermögen mit verbundenen Quellen nährt, ohne in die Beurteilung einzugreifen.

Wo Marketing-Versprechen rutschen

Das verbreitete Versprechen rutscht an drei Stellen, die in der Beschaffungs-Diskussion oft zusammenfallen. Erstens: Die in einem Pilot dokumentierte Reduktion der Anfrage-Bearbeitungs-Zeit kommt typischerweise aus Klasse 1; sie wird in der Marketing-Erzählung auf das gesamte Anfrage-Volumen hochgerechnet, was die Wirkung über Klasse 2 und 3 systematisch überzeichnet. Zweitens: Die in englischsprachigen Studien gemessenen Effekte stammen aus Settings mit anderer Personalstruktur und anderen Vermittlungs-Pfaden; sie tragen die Richtung, nicht den Multiplikator. Drittens: Das Versprechen formuliert „Entlastung“ als Mengen-Aussage, ohne die Verantwortungs-Tiefe der dritten Klasse zu adressieren. Eine kontextbewusste Empfehlung, die in Klasse 3 den Urteilsweg vorzeichnet, ohne ihn zu tragen, ist nicht „Entlastung“ — sie ist eine Verschiebung der Verantwortungs-Last hin zu den Mitarbeiter:innen, die das Maschinen-Vorzeichnen prüfen, gegen die Realität abgleichen und in die fachliche Beurteilung übersetzen müssen. Wer einen Routine-Adress-Abgleich automatisiert, hat eine Adresse abgeglichen. Wer das mit einer Klasse-3-Versorgung verwechselt, hat einen Kategorienfehler gemacht.

Was eine ehrliche Beschaffungs-Diskussion mitbringt

Eine Beschaffungs-Diskussion, die der Drittelung folgt, beginnt nicht mit der Demo, sondern mit der Aufgaben-Inventur. Welche Anfragen kommen typisch in unserem Haus an, in welcher Mengen-Verteilung, mit welcher saisonalen Schwankung? Welche dieser Anfragen sind tatsächlich Routine, welche sind Status-Anfragen mit kleinem Beurteilungs-Anteil, welche sind beurteilend? Wo sitzen heute die Such-Wege — welche Quellen, welche Personen, welche Telefonate? An welcher dieser Stellen wäre eine regelbasierte Automatisierung tragfähig, an welcher braucht es eine kontextbewusste Datenschicht mit Audit-Spur, und an welcher Stelle ist die Antwort: keine Maschine, mehr Sozialarbeit-Personal mit besseren Werkzeugen am eigenen Schreibtisch. Diese Inventur dauert Tage, nicht Stunden. Sie kostet Geschäftsführung und Pflegedienstleitung Zeit, bevor die erste Anbieter-Liste angefragt wird. Und sie verändert, welche Lösungen überhaupt in Betracht kommen — nicht jede „Sozialdienst-KI“, die in einer Demo eindrucksvoll wirkt, deckt mehr ab als Klasse 1.

Wer „Sozialdienst-Entlastung durch KI“ verspricht, ohne die Anfrage-Klassen zu sortieren, verspricht eine Lösung für ein Problem, das nicht so geschnitten ist. Das eine Drittel Routine ist automatisierbar; die zwei Drittel Urteil bleiben — gestützt durch bessere Datenbasis, getragen von Sozialarbeiter:innen. Eine ehrliche Werkzeug-Diskussion benennt die Klassen vor der Demo. Sie verbucht keine Klasse-1-Effizienz als Klasse-3-Lösung. Und sie behandelt die Datenbasis als Voraussetzung, nicht als Nebenprodukt der Plattform-Wahl.