Die Behandlerinnen und Behandler, die sich freiwillig melden, um KI-Dokumentationstools zu testen, sind selten diejenigen, die in Notizen ertrinken. Häufiger sind es Kolleginnen und Kollegen, die bereits effiziente Workflows etabliert haben, vor Jahren Tastaturkürzel und Vorlagen im Praxisverwaltungssystem eingeführt haben und neugierig sind, was das nächste Tool leisten kann. Dieses Muster enthusiastischer Early Adopters, die sich selbst für Pilotprojekte auswählen, ist gut dokumentiert. Daraus ergibt sich eine praktische Konsequenz, die Praxismanagerinnen und Praxismanager verstehen müssen: Der Nutzen landet dort, wo die Belastung ohnehin schon am geringsten war. Die Behandlerinnen und Behandler, die am dringendsten Entlastung brauchen, profitieren als Letzte.

Wie der Dokumentationsaufwand in einem klinischen Team tatsächlich aussieht

Schon bevor ein KI-Tool ins Spiel kommt, ist der Dokumentationsaufwand ungleich verteilt. Es geht nicht einfach darum, wie viele Patientinnen und Patienten eine Behandlerin oder ein Behandler sieht. Entscheidend ist die kumulierte Last: wie lange jede Konsultation dokumentiert werden muss, ob Notizen während oder nach dem Termin fertiggestellt werden und wie viel von dieser Arbeit in den Abend oder das Wochenende hineinreicht.

Konkret zeigt sich der Dokumentationsaufwand durch:

• Terminüberschreitungen, verursacht durch unvollständige Notizen von früher am Tag

• Anmeldungen im Praxisverwaltungssystem nach Feierabend, um Aufzeichnungen fertigzustellen, die während der Sprechzeiten nicht abgeschlossen werden konnten

• Längere Zusammenfassungen für komplexe oder multimorbide Patientinnen und Patienten

• Höhere Raten unvollständiger oder verzögerter Dokumentation, die in Audit-Daten auffallen

• Behandlerinnen und Behandler, die durchweg hinter dem Zeitplan zurückbleiben – nicht, weil sie mehr Patientinnen und Patienten sehen, sondern weil ihre Dokumentation pro Konsultation länger dauert

Health-IT-Tools, einschließlich Praxisverwaltungssystemen, haben klinischen Teams ungleiche Vorteile gebracht und gleichzeitig erhebliche administrative und dokumentarische Herausforderungen geschaffen. Diese Dynamik bestand bereits vor KI-Schreibassistenten und prägt die Umgebung, in die sie eingeführt werden. Praxismanagerinnen und Praxismanager, die den Dokumentationsaufwand als einheitliche Ausgangsbasis im Team betrachten, werden sowohl das Problem als auch die Chance falsch einschätzen.

Warum technikaffine Behandler zuerst einsteigen und warum das ungleiche Bedingungen schafft

Das Verhaltensmuster hinter der frühen Einführung ist einfach: Behandlerinnen und Behandler, die sich mit neuer Technologie wohlfühlen, melden sich eher freiwillig für Pilotprojekte, lassen sich weniger von anfänglichen Schwierigkeiten abschrecken und sind motivierter, die Lernkurve zu bewältigen. Vertrautheit mit Tools – nicht die Schwere der Arbeitsbelastung – ist der Hauptgrund, wer sich zuerst meldet.

Die Folge ist eine strukturelle Diskrepanz. Wie das Peterson Health Technology Institute in seinem Bericht vom März 2025 dokumentierte, stellten Organisationen fest, dass diejenigen, die den größten Nutzen aus Ambient-KI-Schreibassistenten zogen, nicht die technikaffinen Early Adopters waren. Diese hatten ihre Dokumentationsprozesse meist bereits mit Textbausteinen und Vorlagen optimiert. Den größten Nutzen erfuhren vielmehr Behandlerinnen und Behandler, die ihre Dokumentations-Workflows im Praxisverwaltungssystem noch nicht optimiert hatten, regelmäßig mit Notizen im Rückstand waren, mehr Zeit im Gespräch mit Patientinnen und Patienten verbrachten oder typischerweise längere Zusammenfassungen erstellten.

Eine reale Beobachtungsstudie aus dem Singapore General Hospital kam aus einem anderen Blickwinkel zu einem ähnlichen Schluss. Da die untersuchten Behandlerinnen und Behandler sowohl erfahrene Scribe-Nutzer als auch relativ erfahren waren, mit durchschnittlich 20,8 Jahren Praxiserfahrung, räumten die Autorinnen und Autoren ein, dass sie nicht feststellen konnten, ob die beobachteten Vorteile auf die Scribe-Kompetenz oder bereits bestehende Dokumentationseffizienz zurückzuführen waren. Wenn erfahrene Behandlerinnen und Behandler ihre Workflows bereits durch angepasste Vorlagen und Shortcuts optimiert hatten, könnten die beobachteten Zeitersparnisse die potenziellen Vorteile für weniger effiziente Dokumentierende unterschätzen.

Das ist wichtig, weil es bedeutet, dass die Schlagzeilenzahlen aus Early-Adopter-Pilotprojekten systematisch überschätzen können, was das breitere Team erleben wird, und unterschätzen, was die am stärksten belasteten Behandlerinnen und Behandler gewinnen könnten, wenn sie bei der Einführung unterstützt würden.

Wie die Rollout-Reihenfolge bestimmt, welche Behandler Zeit zurückgewinnen

Die Reihenfolge, in der KI-Dokumentationstools in einem Team eingeführt werden, ist kein logistisches Detail. Sie ist eine strategische Entscheidung mit messbaren Konsequenzen für die klinische Kapazität. Ein enthusiasmusgesteuerter Rollout, bei dem das Tool zuerst an diejenigen geht, die danach fragen, führt zu einer anderen Nutzenverteilung als ein Rollout, der sich an der dokumentierten Arbeitsbelastung orientiert.

Der Bericht des Peterson Health Technology Institute beschreibt ein konsistentes Muster über Organisationen hinweg: eine Kohorte von Ambient-Scribe-Superusern, eine Kohorte, die das Tool für einige, aber nicht alle Besuche nutzt, und eine Kohorte von Behandlerinnen und Behandlern mit geringer oder keiner Nutzung, einschließlich derjenigen, die es ausprobiert, aber wieder aufgegeben haben. Behandlerinnen und Behandler, die aufgehört haben, nannten mehrere Gründe: Die generierten Notizen spiegelten nicht ihren persönlichen Stil oder ihre Stimme wider, sie hatten wenig Zeit oder Kapazität, sich auf den Einführungsprozess einzulassen, sie hatten ihre Notizenerstellung bereits optimiert und sahen keinen nennenswerten Effizienzgewinn, oder das Tool unterstützte die von ihren Patientinnen und Patienten gesprochenen Sprachen nicht ausreichend.

Diese trimodale Verteilung von Superusern, Teilnutzenden und Nichtnutzenden ist kein Zufall. Sie spiegelt wider, wer zuerst eingestiegen ist, unter welchen Bedingungen und mit welchem Unterstützungsniveau. Forschung zu Ambient Scribes hat gezeigt, dass Behandlerinnen und Behandler, die die Technologie nutzen, Zeitersparnisse bei der Dokumentation und der Interaktion mit dem Praxisverwaltungssystem berichten, auch wenn das Ausmaß dieser Vorteile je nach Fachgebiet und demografischen Faktoren variiert. Der Nutzen ist selbst unter den Nutzenden nicht homogen, was bedeutet, dass Entscheidungen zur Reihenfolge mit Fachgebiets- und demografischen Faktoren auf eine Weise interagieren, die Managerinnen und Manager berücksichtigen sollten.

Die praxisweiten Konsequenzen von enthusiasmusgetriebenen Einführungsmustern

Wenn die Behandlerinnen und Behandler, die zuerst einsteigen, nicht diejenigen mit der höchsten Belastung sind, sind die operativen Konsequenzen vorhersehbar. Die Engpässe, die den Nachmittagsplan verlangsamt haben, bleiben bestehen. Die Person, die jeden Freitagnachmittag eine Stunde im Rückstand ist, bleibt weiterhin eine Stunde im Rückstand. Das Tool wurde eingeführt, Nutzungsmetriken werden berichtet, und doch hat sich der Terminplanungsdruck nicht verändert.

Dies birgt ein spezifisches Risiko: die Wahrnehmung, dass das Tool nicht funktioniert hat, obwohl es tatsächlich einfach zuerst bei den falschen Personen eingesetzt wurde. Ungleiche Einführung von Ambient-KI-Tools in Krankenhäusern – getrieben durch Betriebsmarge, Größe und Geografie – hat Forscherinnen und Forscher des American Journal of Managed Care dazu veranlasst zu warnen, dass, wenn Ambient-KI die Effizienz und Versorgungsqualität verbessert, eine ungleiche Einführung zu wachsenden Unterschieden in Leistung und Ergebnissen beitragen könnte. Die gleiche Dynamik wirkt innerhalb einer einzelnen Praxis, nicht nur im gesamten Gesundheitssystem.

Auch die Mitarbeiterbindung spielt eine wesentliche Rolle. Eine Qualitätsverbesserungsstudie in JAMA Network Open fand heraus, dass Ambient-KI-Schreibassistenten mit verringertem Burnout verbunden waren, mit Verbesserungen bei der kognitiven Aufgabenlast und der Zeit, die nach Feierabend für Dokumentation aufgewendet wurde. Die Studie räumte eine wichtige Einschränkung ein: Die Rekrutierung könnte zugunsten von Personen verzerrt gewesen sein, die neuen Technologien gegenüber positiv eingestellt sind. Early Adopters könnten positiv reagiert haben, um ihrer Digital-Health-Führung zu gefallen, da die Umfrage nicht anonym war. Wenn die Behandlerinnen und Behandler mit dem höchsten Burnout-Risiko als Letzte das Tool erhalten, erreicht der Bindungsnutzen, der real ist, sie einfach nicht im relevanten Zeitrahmen.

Ein Policy Brief, der im Dezember 2025 in npj Digital Medicine veröffentlicht wurde, wies auf eine weitere Komplikation hin: Späte Adopter könnten den vorübergehenden Vorteil verpassen, aber dennoch unter einer niedrigeren Baseline arbeiten, die festgelegt wurde, nachdem die Gewinne aller anderen eingepreist wurden. Die Autorinnen und Autoren legen nahe, dass sich der Business Case für Ambient-KI zunehmend auf die Umsatzerfassung durch intensivere klinische Kodierung konzentriert. Eine mögliche Konsequenz ist, dass Early Adopters kurzfristige Gewinne erzielen, das System sich dann um diese Gewinne herum neu kalibriert und Behandlerinnen und Behandler, die später einsteigen, die Kosten der Anpassung tragen, ohne denselben Vorteil zu erhalten.

Wie eine arbeitsbelastungsorientierte Einführungsstrategie in der Praxis aussieht

Ein arbeitsbelastungsorientierter Ansatz für die Rollout-Reihenfolge beginnt mit Daten, auf die die meisten Praxismanagerinnen und Praxismanager bereits Zugriff haben, auch wenn sie bisher nicht für diesen Zweck genutzt wurden.

Die relevanten Datenpunkte umfassen:

• Terminüberschreitungsraten nach Behandler – welche Praktikerinnen und Praktiker sind regelmäßig zu spät dran und um wie viel

• Häufigkeit von Anmeldungen im Praxisverwaltungssystem nach Feierabend – wer Notizen außerhalb der vertraglich vereinbarten Arbeitszeiten fertigstellt und wie oft

• Dokumentationsabschlussraten – wie häufig bleiben Notizen am Ende des Tages unvollständig oder nicht unterschrieben, aufgeschlüsselt nach Behandler

• Notizlänge und Komplexität – Behandlerinnen und Behandler mit längeren durchschnittlichen Notizen oder einem höheren Anteil komplexer Patientinnen und Patienten werden wahrscheinlich größere Gewinne durch KI-Unterstützung erzielen

• Zusammensetzung der Patientenliste – höhere Anteile multimorbider oder älterer Patientinnen und Patienten korrelieren mit höherer Dokumentationslast pro Konsultation

Mit diesen Daten können Managerinnen und Manager eine einfache Prioritätskarte erstellen: Welche Behandlerinnen und Behandler tragen die schwerste Dokumentationslast, und welche davon sind bislang nicht Teil der Einführungskohorte? Diese Karte dient als Leitfaden für die Reihenfolge.

Die vergleichende Analyse des Milbank Memorial Fund zur KI-Scribe-Einführung in Großbritannien und den USA wirft eine wichtige strukturelle Frage auf: Wenn die Dokumentationszeit reduziert wird, wird dann erwartet, dass Behandlerinnen und Behandler mehr Patientinnen und Patienten sehen oder längere Konsultationen anbieten? Ohne sorgfältige Personalplanung könnten Zeitersparnisse durch erhöhte Arbeitsbelastung aufgezehrt werden, was die Vorteile zunichtemacht. Praxismanagerinnen und Praxismanager, die den Rollout bewusst sequenzieren, sollten auch explizit festlegen, wofür die zurückgewonnene Zeit genutzt werden soll. Andernfalls wird der Nutzen unbemerkt in die Terminkapazität absorbiert, anstatt sich als reduzierte Belastung zu zeigen.

Wie man Behandler, die langsamer einsteigen, mitnimmt, ohne Momentum zu verlieren

Die Behandlerinnen und Behandler, die KI-Dokumentationsunterstützung am meisten benötigen, melden sich oft am wenigsten wahrscheinlich selbst. Sie könnten skeptisch sein, wenig Zeit haben oder sich einfach nicht bewusst sein, dass das Tool ihnen speziell helfen könnte. Die Einführungsherausforderung ist nicht primär technischer Natur, sondern vor allem motivational und organisatorisch.

Mehrere Ansätze haben sich in der Praxis bewährt:

• Peer-Modellierung statt formaler Schulung. Zu sehen, wie eine respektierte Kollegin oder ein Kollege das Tool in einer echten Konsultation nutzt – nicht in einer Demonstrationsumgebung – ist überzeugender als eine Schulungssitzung. Managerinnen und Manager können dies fördern, indem sie Early Adopters mit stark belasteten Kolleginnen und Kollegen für informelle Beobachtungen zusammenbringen, anstatt zusätzliche Schulungsveranstaltungen zu planen.

• Rahmung an der konkreten Belastung orientieren. Eine Behandlerin oder ein Behandler, die oder der regelmäßig mit Notizen im Rückstand ist, muss hören, dass das Tool die Zeit für die Dokumentation nach der Konsultation reduziert – nicht, dass es KI-gestützt oder innovativ ist. Die Rahmung sollte zum Schmerzpunkt passen.

• Von Managerinnen und Managern geleitete Check-ins nach 30 Tagen. Die Studie in JAMA Network Open maß Ergebnisse nach 30 Tagen – etwa zu dem Zeitpunkt, an dem sich Nutzungsmuster stabilisieren. Managerinnen und Manager, die zu diesem Zeitpunkt ein kurzes strukturiertes Check-in planen – nicht zur Leistungsbewertung, sondern um Reibungen zu identifizieren –, können die Behandlerinnen und Behandler abholen, die in Richtung Nichtnutzung abdriften, bevor sie sich vollständig zurückziehen.

• Anerkennung der Bedenken bezüglich Stimme und Stil. Forschung darüber, wie Behandlerinnen und Behandler KI-generierte Dokumentationsentwürfe bearbeiten, zeigt, dass Überarbeitungsmuster je nach Person und Kontext variieren können. Wer das Gefühl hat, dass die generierten Notizen nicht wie die eigene Sprache klingen, wird das Tool eher aufgeben. Managerinnen und Manager können diese Reibung verringern, indem sie klarstellen, dass die Ausgabe des Tools ein Entwurf ist – keine endgültige Aufzeichnung – und dass Bearbeitung erwartet und normal ist. Mehr zum Aufbau von Vertrauen in KI-generierte Dokumentationsentwürfe – die Onboarding-Rahmung ist genauso wichtig wie die Technologie selbst.

Eine Einschränkung sollte klar ausgesprochen werden: Keine Rollout-Strategie wird eine einheitliche Einführung über ein klinisches Team hinweg erreichen. Ein Scoping Review zur Ambient-KI-Einführung in ambulanten Fachgebieten fand heraus, dass die reale Auswirkung auf Dokumentationseffizienz, Benutzerfreundlichkeit und Burnout weiterhin inkonsistent berichtet wird, mit erheblicher Variation zwischen den Settings. Einige Behandlerinnen und Behandler werden – unabhängig davon, wie gut der Rollout gemanagt wird – nicht bedeutend von Ambient-Dokumentationstools profitieren, entweder weil ihr Dokumentationsprozess bereits effizient ist oder weil das Tool ihre Patientengruppe oder ihren Arbeitsstil nicht ausreichend unterstützt.

Messen, ob die richtigen Behandler profitieren, nicht nur ob das Tool genutzt wird

Nutzungsraten sind die am häufigsten berichtete Metrik bei KI-Dokumentations-Rollouts – und gehören zu den am wenigsten aussagekräftigen. Ein Tool kann hohe Nutzungsraten bei denjenigen haben, die es am wenigsten brauchten, während das eigentliche Problem ungelöst bleibt.

Ein aussagekräftigerer Bewertungsrahmen konzentriert sich auf die Verschiebung der Belastung statt auf die Einführungsrate:

• Hat die Aktivität im Praxisverwaltungssystem nach Feierabend bei den Behandlerinnen und Behandlern mit der höchsten Ausgangsbelastung abgenommen? Wenn nein, hat das Tool die Menschen nicht erreicht, die es brauchten.

• Haben sich die Terminüberschreitungsraten für die am stärksten belasteten Behandlerinnen und Behandler verändert? Dies ist eine Terminplanungsmetrik, keine Technologiemetrik – und die richtige Maßeinheit.

• Hat sich die Lücke in den Dokumentationsabschlussraten zwischen den Behandlerinnen und Behandlern verringert? Wenn die am stärksten belasteten weiterhin Notizen seltener fertigstellen als ihre Kolleginnen und Kollegen, wurde das zugrunde liegende Verteilungsproblem nicht gelöst.

• Berichten die zu Beginn als am stärksten belastet identifizierten Behandlerinnen und Behandler nun von reduzierter kognitiver Belastung? Selbstberichtete, konsistent und anonym erhobene Angaben sind eine nützliche Ergänzung zu Aktivitätsdaten aus dem Praxisverwaltungssystem.

Forschung zur kognitiven Sicherheit in der psychiatrischen Pflege macht einen Punkt, der hier gleichermaßen gilt: Mehr Informationen bedeuten nicht immer bessere Entscheidungen, und mehr Technologie bedeutet nicht automatisch weniger Belastung. Wenn wichtige Hinweise schwer zu finden sind oder das Tool eine neue Komplexitätsebene hinzufügt, statt eine bestehende zu entfernen, verbringen Behandlerinnen und Behandler möglicherweise mehr Zeit mit Überprüfung und Abgleich – nicht weniger. Bewertungsrahmen müssen für diese Möglichkeit sensibel sein, insbesondere für diejenigen, die widerwillig eingestiegen sind und möglicherweise nicht freiwillig mitteilen, dass das Tool Reibung verursacht statt sie zu verringern.

Evidenz zur Ambient-Dokumentation in der Notfallmedizin hebt ebenfalls die Variabilität der Implementierung als zentrales Ergebnis hervor: Die Resultate unterscheiden sich erheblich je nach klinischem Kontext, Patientenpopulation und dem Grad der bereitgestellten Unterstützung. Managerinnen und Manager sollten ihre eigenen Praxisdaten als primäre Evidenzbasis betrachten, nicht externe Benchmarks aus möglicherweise nicht vergleichbaren Settings.

Die Rolle der Managerinnen und Manager, KI-Dokumentation für das gesamte Team funktionieren zu lassen, nicht nur für die Early Movers

Praxismanagerinnen und Praxismanager werden typischerweise als Logistikkoordinatorinnen und -koordinatoren von Technologie-Rollouts gesehen, die Lizenzen verwalten, Schulungen planen und nachverfolgen, ob das Tool genutzt wird. Diese Sichtweise unterschätzt die Rolle erheblich, wenn das betreffende Tool das Potenzial hat, Burnout zu reduzieren, klinische Kapazität zurückzugewinnen und die Mitarbeiterbindung zu stärken.

Die treffendere Beschreibung ist: Die Praxismanagerin oder der Praxismanager hat den besten Überblick über die Verteilung der Arbeitsbelastung im Team und ist daher am besten positioniert, um sicherzustellen, dass der Nutzen von KI-Dokumentationstools die Behandlerinnen und Behandler erreicht, die ihn am meisten benötigen. Das ist keine reine Technologieaufgabe. Es ist eine Personalmanagementaufgabe, die zufällig eine Technologie beinhaltet.

Bedenken hinsichtlich der Zugangsgerechtigkeit, dass KI-Tools in großen akademischen medizinischen Zentren, aber nicht in Gesundheitszentren für unterversorgte Bevölkerungsgruppen eingesetzt werden, gelten auf Systemebene. Die gleiche Sorge gilt auf Praxisebene: Innerhalb einer einzelnen Praxis ist die Nutzenverteilung nicht automatisch. Sie wird davon geprägt, wer zuerst eingearbeitet wird, unter welchen Bedingungen und mit welcher Unterstützung.

Arbeitsbelastungsbewusste Sequenzierung, die bestehende Terminplanungs-, Praxisverwaltungssystem-Aktivitäts- und Dokumentationsdaten nutzt, um die am stärksten belasteten Behandlerinnen und Behandler zu identifizieren und ihr Onboarding zu priorisieren, ist keine ausgeklügelte Intervention. Sie erfordert kein zusätzliches Budget oder Spezialwissen. Sie verlangt, den Rollout als Personalentscheidung und nicht als reinen Technologieeinsatz zu behandeln und die bereits verfügbaren Daten bewusst zu nutzen.

Die Behandlerinnen und Behandler, die sich zuerst freiwillig melden, verdienen Unterstützung. Aber diejenigen, die jeden Nachmittag eine Stunde im Rückstand sind, Notizen fertigstellen, nachdem die Kinder im Bett sind, und die schwerste Dokumentationslast im Team tragen – um sie herum sollte der Rollout gestaltet werden.

Häufig gestellte Fragen

▶ Warum führen technikaffine Behandler KI-Dokumentationstools zuerst ein, auch wenn sie nicht am stärksten belastet sind?

Behandlerinnen und Behandler, die sich mit neuer Technologie wohlfühlen, melden sich eher freiwillig für Pilotprojekte, lassen sich weniger von anfänglichen Schwierigkeiten abschrecken und sind motivierter, die Lernkurve zu meistern. Vertrautheit mit Tools, nicht die Schwere der Arbeitsbelastung, bestimmt, wer sich zuerst meldet. Der Bericht des Peterson Health Technology Institute vom März 2025 zeigte, dass diejenigen, die den größten Nutzen aus Ambient-KI-Schreibassistenten zogen, nicht die technikaffinen Early Adopters waren, die ihre Dokumentation meist bereits mit Vorlagen und Shortcuts optimiert hatten, sondern diejenigen, die ihre Workflows noch nicht gestrafft hatten und regelmäßig mit Notizen im Rückstand waren.

▶ Wie sieht der Dokumentationsaufwand in einem klinischen Team tatsächlich aus?

Der Dokumentationsaufwand bemisst sich nicht allein daran, wie viele Patientinnen und Patienten eine Behandlerin oder ein Behandler sieht. Entscheidend ist die kumulierte Last: wie lange jede Konsultation dokumentiert werden muss, ob Notizen während oder nach dem Termin fertiggestellt werden und wie viel von dieser Arbeit in den Abend oder das Wochenende hineinreicht. Er zeigt sich in Terminüberschreitungen, Anmeldungen im Praxisverwaltungssystem nach Feierabend, längeren Notizen für komplexe oder multimorbide Patientinnen und Patienten, höheren Raten unvollständiger oder verzögerter Dokumentation und Behandlerinnen und Behandlern, die regelmäßig hinter dem Zeitplan zurückbleiben, weil ihre Dokumentation pro Konsultation länger dauert.

▶ Warum könnten Schlagzeilenzahlen aus Early-Adopter-Pilotprojekten irreführend sein?

Early Adopters sind tendenziell Behandlerinnen und Behandler, die ihre Dokumentations-Workflows bereits optimiert haben. Ihre Zeitersparnisse durch KI-Dokumentationstools könnten daher geringer ausfallen als bei weniger effizienten Dokumentierenden. Eine Beobachtungsstudie aus dem Singapore General Hospital räumte ein, dass – da die untersuchten Behandlerinnen und Behandler erfahrene Scribe-Nutzer und relativ erfahren waren – die beobachteten Zeitersparnisse die potenziellen Vorteile für diejenigen unterschätzen könnten, die ihre Prozesse noch nicht gestrafft haben. Managerinnen und Manager, die sich allein auf Pilotzahlen verlassen, riskieren sowohl eine Überschätzung dessen, was das breitere Team erleben wird, als auch eine Unterschätzung dessen, was die am stärksten belasteten Behandlerinnen und Behandler gewinnen könnten.

▶ Was sind die operativen Konsequenzen eines enthusiasmusgeleiteten Rollouts?

Wenn die Behandlerinnen und Behandler, die zuerst einsteigen, nicht diejenigen mit der höchsten Belastung sind, bleiben die Engpässe, die den Zeitplan verlangsamt haben, bestehen. Die Person, die jeden Freitagnachmittag eine Stunde im Rückstand ist, bleibt weiterhin eine Stunde im Rückstand. Nutzungsmetriken werden berichtet, aber der Terminplanungsdruck verändert sich nicht. Dies birgt das Risiko, dass das Tool als ineffektiv wahrgenommen wird, obwohl es einfach zuerst bei den falschen Personen eingesetzt wurde. Die gleiche Dynamik, die Forscherinnen und Forscher des American Journal of Managed Care auf Krankenhausebene identifizierten, kann auch innerhalb einer einzelnen Praxis auftreten.

▶ Welche Daten können genutzt werden, um zu identifizieren, welche Behandler für das Onboarding priorisiert werden sollten?

Die meisten Praxismanagerinnen und Praxismanager haben bereits Zugriff auf die relevanten Daten. Terminüberschreitungsraten zeigen, welche Praktikerinnen und Praktiker regelmäßig zu spät dran sind. Die Häufigkeit von Anmeldungen im Praxisverwaltungssystem nach Feierabend zeigt, wer Notizen außerhalb der vertraglich vereinbarten Arbeitszeiten fertigstellt. Dokumentationsabschlussraten geben an, wie oft Notizen am Ende des Tages unvollständig oder nicht unterschrieben bleiben. Notizlänge und Patientenlistenzusammensetzung – insbesondere ein hoher Anteil multimorbider oder älterer Patientinnen und Patienten – korrelieren ebenfalls mit höherer Dokumentationslast pro Konsultation. Zusammen ermöglichen diese Datenpunkte eine Prioritätskarte, die das Onboarding nach Belastung statt nach Enthusiasmus steuert.

▶ Warum sind Behandler mit der höchsten Dokumentationslast oft die Letzten, die einsteigen?

Behandlerinnen und Behandler, die KI-Dokumentationsunterstützung am meisten benötigen, melden sich oft am wenigsten wahrscheinlich selbst. Sie könnten skeptisch sein, wenig Zeit haben oder sich nicht bewusst sein, dass das Tool ihnen gezielt helfen könnte. Der Bericht des Peterson Health Technology Institute beschreibt ein konsistentes Muster über Organisationen hinweg: eine Kohorte von Superusern, eine Kohorte, die das Tool für einige, aber nicht alle Besuche nutzt, und eine Kohorte von Behandlerinnen und Behandlern mit geringer oder keiner Nutzung, einschließlich derjenigen, die es ausprobiert und wieder aufgegeben haben. Gründe für das Aufgeben waren unter anderem generierte Notizen, die nicht dem eigenen Stil entsprechen, geringe Kapazität für die Einführung und fehlende Unterstützung der von ihren Patientinnen und Patienten gesprochenen Sprachen.

▶ Welche praktischen Ansätze helfen, Behandler mitzunehmen, die langsamer einsteigen?

Peer-Modellierung ist oft überzeugender als formale Schulung. Zu sehen, wie eine respektierte Kollegin oder ein Kollege das Tool in einer echten Konsultation nutzt – nicht in einer Demonstrationsumgebung – hat mehr Gewicht als eine geplante Schulungsveranstaltung. Die Rahmung des Tools an der konkreten Belastung ist ebenfalls entscheidend: Wer regelmäßig mit Notizen im Rückstand ist, muss hören, dass die Zeit für die Dokumentation nach der Konsultation reduziert wird, nicht dass das Tool innovativ ist. Von Managerinnen und Managern geleitete Check-ins nach 30 Tagen können diejenigen auffangen, die in Richtung Nichtnutzung abdriften, bevor sie sich vollständig zurückziehen. Wer das Gefühl hat, dass die generierten Notizen nicht wie die eigene Sprache klingen, wird das Tool eher aufgeben – daher hilft es, klarzustellen, dass die Ausgabe ein Entwurf ist und Bearbeitung erwartet und normal ist.

▶ Wie sollte gemessen werden, ob der Rollout tatsächlich funktioniert?

Nutzungsraten gehören zu den am wenigsten aussagekräftigen Metriken. Ein sinnvollerer Rahmen konzentriert sich auf die Verschiebung der Belastung: Hat die Aktivität im Praxisverwaltungssystem nach Feierabend bei den Behandlerinnen und Behandlern mit der höchsten Ausgangsbelastung abgenommen? Haben sich die Terminüberschreitungsraten für die am stärksten belasteten verändert? Hat sich die Lücke in den Dokumentationsabschlussraten zwischen den Behandlerinnen und Behandlern verringert? Berichten die zu Beginn als am stärksten belastet identifizierten Behandlerinnen und Behandler nun von reduzierter kognitiver Belastung? Wenn die Antwort auf diese Fragen nein ist, hat das Tool die Menschen nicht erreicht, die es brauchten – unabhängig von den Gesamtnutzungszahlen.

▶ Was passiert mit der durch KI-Dokumentationstools eingesparten Zeit, wenn die Personalplanung sie nicht berücksichtigt?

Die vergleichende Analyse des Milbank Memorial Fund zur KI-Scribe-Einführung in Großbritannien und den USA spricht dies direkt an: Wenn die Dokumentationszeit reduziert wird, wird möglicherweise einfach erwartet, dass Behandlerinnen und Behandler mehr Patientinnen und Patienten sehen, anstatt eine geringere Belastung zu haben. Ohne explizite Entscheidungen darüber, wofür die zurückgewonnene Zeit genutzt werden soll, wird der Nutzen unbemerkt in die Terminkapazität absorbiert, anstatt sich als reduzierte Belastung zu zeigen. Praxismanagerinnen und Praxismanager, die den Rollout bewusst sequenzieren, sollten auch klar festlegen, wie die gewonnene Zeit genutzt werden soll.

▶ Was ist die Rolle der Praxismanagerin oder des Praxismanagers, um sicherzustellen, dass KI-Dokumentationstools dem gesamten Team zugutekommen?

Die Praxismanagerin oder der Praxismanager hat den besten Überblick über die Arbeitsbelastungsverteilung im Team und ist daher am besten positioniert, um sicherzustellen, dass der Nutzen von KI-Dokumentationstools die Behandlerinnen und Behandler erreicht, die ihn am meisten benötigen. Das ist eine Personalmanagementaufgabe, keine reine Technologieaufgabe. Arbeitsbelastungsbewusste Sequenzierung, die bestehende Terminplanungs-, Praxisverwaltungssystem-Aktivitäts- und Dokumentationsdaten nutzt, um die am stärksten belasteten Behandlerinnen und Behandler zu identifizieren und ihr Onboarding zu priorisieren, erfordert kein zusätzliches Budget oder Spezialwissen. Sie verlangt, den Rollout als Personalentscheidung zu behandeln und verfügbare Daten bewusst zu nutzen.