Klinische Entscheidungsunterstützung: Was die Evidenz tatsächlich zeigt

Klinische Entscheidungsunterstützungssysteme (KEUS) können spezifische, klar abgegrenzte Aufgaben in der hausärztlichen Versorgung verbessern – etwa Laboranforderungen, Antibiotikaverschreibung und kardiovaskuläre Risikostratifizierung. Als allgemeine Antwort auf diagnostische Unsicherheit trägt die verfügbare Evidenz sie nicht.

Was KEUS in der hausärztlichen Konsultation leisten und was nicht

Klinische Entscheidungsunterstützung ist keine einheitliche Technologie. Im hausärztlichen Kontext umfasst sie Hinweise zur Differenzialdiagnose, Warnmeldungen bei schwerwiegenden Befunden, Prüfungen auf Arzneimittelwechselwirkungen, Leitlinien zur Antibiotikaverschreibung, Risikorechner für Herz-Kreislauf-Erkrankungen und Überweisungshilfen. Eine wichtige Unterscheidung prägt die gesamte Evidenzlage. Passive Systeme arbeiten im Hintergrund: Sie prüfen Verschreibungen oder markieren Befunde, ohne den Ablauf der Konsultation zu unterbrechen. Aktive Systeme greifen in Echtzeit ein und machen während der klinischen Begegnung selbst Vorschläge.

Die LINNEAUS-Meta-Review zu computergestützten diagnostischen Entscheidungsunterstützungssystemen stellte fest, dass zwei Voraussetzungen erfüllt sein müssen, damit solche Systeme wirksam sind, besonders aktive: Sie müssen tief in das Praxisverwaltungssystem eingebunden sein, und sie müssen die Behandelnden genau dann unterstützen, wenn sie im Denkprozess an der richtigen Stelle sind. Große Sprachmodelle können Anamnese, Symptome und klinischen Kontext zusammenführen und daraus priorisierte Differenzialdiagnosen erstellen. Das ist ein qualitativer Wandel gegenüber regelbasierten Warnmeldungen, der aber neue Fragen zur Zuverlässigkeit und zum Vertrauen der Behandelnden aufwirft.

Das Messproblem

Diagnostische Fehler werden typischerweise rückblickend erkannt: Eine verpasste Diagnose wird erst sichtbar, wenn sich der Zustand eines Patienten verschlechtert oder er mit sich verschlimmernden Symptomen zurückkommt. Die meisten Studien stützen sich deshalb auf Ersatzmaße wie Überweisungsraten, Zeit bis zur Diagnose oder Muster bei der Antibiotikaverschreibung. Das sind legitime Maße für Versorgungsprozesse, aber sie belegen keine tatsächliche Reduktion von Patientenschäden.

Randomisierte kontrollierte Studien sind selten und schwer durchzuführen. Behandelnde können nicht im Unklaren darüber gelassen werden, ob sie ein KEUS-Tool verwenden. Und wenn man ganze Praxen statt einzelner Behandelnder randomisiert, das sogenannte Cluster-Design, entstehen eigene Störfaktoren. Die LINNEAUS-Meta-Review prüfte 1.970 Studien und fand nur 12, die für die Aufnahme geeignet waren. Die Evidenzbasis ist dünn, weniger weil KEUS-Tools versagen, als weil die Forschung mit ihrer Einführung nicht Schritt gehalten hat. Ein Scoping Review von 2021 im International Journal of Environmental Research and Public Health kam zu demselben Befund: Verbesserungen bei Versorgungsprozessen lassen sich nachweisen, der Nutzen speziell im diagnostischen Bereich bleibt unklar.

Wo die Evidenz am stärksten ist

Die Angemessenheit von Laboranforderungen gehört zu den am gründlichsten untersuchten Bereichen. Die ELMO-Cluster-randomisierte Studie, durchgeführt von der KU Leuven und der Universität Gent in der belgischen hausärztlichen Versorgung, untersuchte ein KEUS-System mit vordefinierten Anforderungspaketen für 17 häufige Indikationen. Das System verbesserte die Angemessenheit der Laboranforderungen, reduzierte deren Gesamtvolumen und war dabei bei der Häufigkeit diagnostischer Fehler nicht schlechter als die übliche Versorgung. Kardiovaskuläre Risikostratifizierung zeigt messbare Verbesserungen bei Versorgungsprozessen, weil die Entscheidungsaufgabe klar definiert und berechenbar ist. Bei der Antibiotikaverschreibung haben mehrere Studien Verbesserungen durch KEUS-Hinweise gezeigt, wobei der Wirkmechanismus eher verhaltensbezogen als streng diagnostisch ist.

Herzrhythmusbeurteilung ist ein aufkommender Bereich. Eine französische Umfrage unter Hausärztinnen und Hausärzten zur KI-gestützten EKG-Interpretation ergab, dass 72 Prozent angaben, sie würden EKGs häufiger einsetzen, wenn KI zur Interpretation verfügbar wäre, und KI hat in der EKG-Analyse eine diagnostische Genauigkeit nachgewiesen, die der von Kardiologinnen und Kardiologen entspricht.

Die vielleicht beeindruckendsten Praxisdaten stammen aus einer Studie von Korom et al. aus dem Jahr 2025, die 39.849 Patientenbesuche in 15 Kliniken in Nairobi umfasste. Behandelnde, die ein auf einem großen Sprachmodell basierendes KI-Beratungstool nutzten, machten 16 Prozent weniger diagnostische Fehler und 13 Prozent weniger Behandlungsfehler als jene ohne Zugang. Diese Ergebnisse erfordern eine sorgfältige Einordnung, dazu gleich mehr.

Wo die Evidenz schwach oder widersprüchlich ist

Den Ergebnissen der Penda-Health-Studie steht ein direkt widersprechendes Resultat aus einer methodisch hochwertigeren Studie gegenüber. Eine pragmatische Cluster-randomisierte Studie testete klinische Entscheidungsunterstützung auf Basis von ChatGPT-4o in kenianischen hausärztlichen Einrichtungen und fand heraus, dass das Tool das Behandlungsversagen nach 14 Tagen im Vergleich zur üblichen Versorgung nicht signifikant reduzierte. Das ist das strengste verfügbare Studiendesign, und sein Null-Ergebnis bei einem harten klinischen Endpunkt ist das bedeutsamste Gegengewicht zur gesamten Beobachtungsevidenz in diesem Bereich. Die beiden Studien widersprechen sich nicht zwingend: Sie maßen unterschiedliche Endpunkte, in unterschiedlichen Settings, mit unterschiedlichen Tools. Zusammen zeigen sie aber, dass die Evidenz in diesem Bereich nicht einheitlich positiv ausfällt.

Die qualitative PMC-Studie von 2025 zu Behandelnden in der hausärztlichen Versorgung stellt fest, dass zwar zahlreiche Studien Verbesserungen bei Versorgungsprozessen nachgewiesen haben, aber deutlich weniger Studien tatsächliche Patientenergebnisse untersucht haben. Diese Lücke zieht sich als roter Faden durch die gesamte Literatur.

Alarm-Fatigue, die Abstumpfung gegenüber häufigen Warnmeldungen, ist ein gut dokumentierter Mechanismus, durch den Wirksamkeit, die in kontrollierten Studien nachgewiesen wurde, sich nicht in den Praxisalltag überträgt. Wenn KEUS-Systeme häufige Warnmeldungen mit geringer Treffsicherheit erzeugen, lernen Behandelnde, diese gewohnheitsmäßig zu übergehen. Die Rate, mit der Warnmeldungen übergangen werden, bestimmt dann die Obergrenze für jeden möglichen Nutzen. Daneben wirkt Automation Bias in die entgegengesetzte Richtung: die Neigung, algorithmischen Vorschlägen zu stark zu vertrauen und das eigene klinische Urteil dabei zu gering zu gewichten. Beide Phänomene sind Einführungs- und Nutzungsprobleme, keine grundlegenden Mängel der Tools selbst. Sie werden aber immer wieder in der Praxis beobachtet, und kein Studiendesign, das diese Effekte nicht misst, kann die reale Wirksamkeit eines Systems zuverlässig abbilden.

Dazu kommen erhebliche Lücken nach Erkrankungsbereich. Für viele der unspezifischen Beschwerdebilder, die den hausärztlichen Alltag prägen, etwa Müdigkeit, Bauchschmerzen oder muskuloskelettale Symptome, gibt es kaum begutachtete Evidenz dafür, dass KEUS-Tools die Rate diagnostischer Fehler senken. Die Erkrankungen, bei denen die Evidenz am stärksten ist, sind genau jene, bei denen die diagnostische Aufgabe am klarsten strukturiert ist. Die kognitiv anspruchsvolleren Beschwerdebilder, die den Kern der hausärztlichen Arbeit ausmachen, sind weitgehend unerforscht, was regelbasierte wie modellgestützte Systeme gleichermaßen betrifft.

Warum der europäische hausärztliche Kontext besondere Aufmerksamkeit verdient

Ein erheblicher Teil der Evidenzbasis stammt aus US-amerikanischen Gesundheitssystemen oder aus Krankenhausumgebungen, und beides lässt sich nicht ohne Weiteres auf die europäische hausärztliche Praxis übertragen. Praxen in den USA arbeiten mit anderen Anreizstrukturen, anderen Dokumentationsstandards und anderen Patientenzahlen. Krankenhausbasierte Studien untersuchen typischerweise akutere und klarer definierte diagnostische Fragen als die chronischen, vielschichtigen und unspezifischen Beschwerdebilder, die europäische Konsultationen prägen. Studien aus Ländern mit begrenzten Ressourcen, darunter die Penda-Health-Studie in Kenia, betreffen klinische Umgebungen, die sich erheblich von der Hausarztpraxis im britischen Nationalen Gesundheitsdienst (NHS) oder in nordischen Ländern unterscheiden: hinsichtlich der diagnostischen Grundausstattung, der Konsultationsdauer und des Zugangs zu Überweisungswegen.

Die ELMO-Studie aus Belgien bleibt eine der wenigen hochwertigen europäischen randomisierten kontrollierten Studien, die gezielt in der hausärztlichen Versorgung durchgeführt wurden. Ihr Fokus auf Laboranforderungen begrenzt jedoch, welche Schlüsse sich daraus ziehen lassen. Die LINNEAUS-Meta-Review forderte einheitliche Ansätze zur Wissensdarstellung und eine tiefere Einbindung in Praxisverwaltungssysteme und stellte fest, dass keine der überprüften Studien diese Bedingungen durchgängig erfüllte. Diese Beobachtung aus dem Jahr 2016 wurde im folgenden Jahrzehnt nicht vollständig aufgegriffen.

Auch die Konsultationsdauer spielt eine Rolle. Eine Hausärztin oder ein Hausarzt mit zehnminütigen Terminen arbeitet unter anderen Bedingungen als Behandelnde in Studiensettings, die mehr Zeit haben, sich mit einer KEUS-Oberfläche auseinanderzusetzen. Tools, die zusätzliche Dateneingabe erfordern oder Vorschläge erst dann anzeigen, wenn die klinische Entscheidung bereits gefallen ist, werden die Versorgungsergebnisse wahrscheinlich nicht verbessern, unabhängig davon, wie präzise sie im Kern arbeiten.

Was Hausärzte vor der Einführung eines KEUS-Tools fragen sollten

Das Frontiers in Medicine Framework-Papier zur Reduktion von Fehldiagnosen in KI-gestützter Diagnostik kommt zu dem Schluss, dass ein abgestimmtes Vorgehen unerlässlich ist, eines, das solide technische Kontrollen, klare ethische Leitlinien und geregelte Verantwortlichkeiten miteinander verbindet. Der Einführungskontext und die Steuerungsstrukturen sind dabei genauso wichtig wie die zugrunde liegende Technologie. Ein Scoping Review von 2025 zu KI in der ambulanten hausärztlichen Versorgung prüfte 3.203 Manuskripte und fand nur acht, die über klinische Studienergebnisse berichteten. Die Lücke zwischen veröffentlichten Modellen und tatsächlich eingesetzten, evaluierten Systemen bleibt groß.

Vor diesem Hintergrund lohnt es sich, jedem Anbieter oder Einführungsteam folgende Fragen zu stellen:

• Wurde die Evidenz in einem europäischen hausärztlichen Setting gewonnen, und wurden Endpunkte auf Patientenebene gemessen?

• Wie hoch sind die Raten, mit denen Warnmeldungen in der Praxis übergangen werden, und wie wird Alarm-Fatigue beobachtet und gesteuert?

• Wie bindet sich das Tool in das bestehende Praxisverwaltungssystem ein, und an welchem Punkt im Konsultationsablauf greift es ein?

• Wurde das Tool unabhängig validiert, oder stammen die unterstützenden Studien hauptsächlich vom Hersteller selbst?

• Ist das Tool als Medizinprodukt eingestuft, und welche Überwachung findet nach der Markteinführung statt?

Die aktuelle Evidenz zeigt: KEUS-Tools können spezifische, klar definierte klinische Prozesse verbessern. Eine Senkung der Gesamtrate diagnostischer Fehler in der allgemeinen europäischen hausärztlichen Versorgung haben sie bisher nicht belegt. Die Studien mit den größten Effekten wurden in anderen Gesundheitskontexten durchgeführt und verwenden Ersatzmaße oder selbstberichtete Endpunkte. Die methodisch hochwertigste verfügbare randomisierte kontrollierte Studie fand keine bedeutsame Reduktion bei harten klinischen Endpunkten. Diese Tools als gezielte Hilfen für klar definierte Aufgaben zu betrachten entspricht dem, was die Forschung tatsächlich zeigt.

Häufig gestellte Fragen

▶ Reduzieren klinische Entscheidungsunterstützungssysteme tatsächlich diagnostische Fehler in der hausärztlichen Praxis?

Für klar abgegrenzte Aufgaben wie Laboranforderungen ja, für das breite Spektrum hausärztlicher Beschwerdebilder fehlt der Nachweis. Die methodisch stärkste verfügbare Studie, eine Cluster-RCT zu ChatGPT-4o in kenianischen Praxen, fand keine signifikante Verbesserung bei harten klinischen Endpunkten. Wer ein Tool als Allgemeinlösung für diagnostische Unsicherheit einsetzt, geht über das hinaus, was die Forschung trägt.

▶ Was ist der Unterschied zwischen passiver und aktiver klinischer Entscheidungsunterstützung?

Passive Systeme laufen im Hintergrund und unterbrechen die Konsultation nicht. Aktive Systeme machen Vorschläge in Echtzeit und stellen damit höhere Anforderungen an die Integration ins Praxisverwaltungssystem. Entscheidend für die Wirksamkeit aktiver Systeme ist der Auslösezeitpunkt: Kommt der Hinweis zu früh oder zu spät im Denkprozess, wird er übergangen.

▶ Welche klinischen Bereiche haben die stärkste Evidenz für Entscheidungsunterstützungstools in der hausärztlichen Versorgung?

Laboranforderungen, Antibiotikaverschreibung und kardiovaskuläre Risikostratifizierung. Was diese Bereiche verbindet: Die diagnostische Aufgabe ist klar strukturiert und berechenbar. Für die unspezifischen Beschwerdebilder, die den Großteil der hausärztlichen Arbeit ausmachen, etwa Müdigkeit oder Bauchschmerzen, gibt es kaum belastbare Evidenz.

▶ Warum ist es so schwierig zu messen, ob klinische Entscheidungsunterstützung diagnostische Fehler reduziert?

Verpasste Diagnosen werden oft erst Wochen später sichtbar, wenn Patienten mit verschlimmerten Symptomen zurückkehren. Prospektive Messung ist deshalb aufwendig, und Behandelnde lassen sich nicht verblinden. Die LINNEAUS-Meta-Review prüfte 1.970 Studien und fand nur 12 geeignete. Die Evidenzlücke spiegelt Forschungsaufwand, nicht zwingend Wirkungslosigkeit der Tools.

▶ Was ist Alarm-Fatigue, und wie beeinflusst sie die reale Wirksamkeit dieser Tools?

Wenn Warnmeldungen häufig und wenig treffsicher sind, lernen Behandelnde, sie routinemäßig wegzuklicken. Die Übergehungsrate bestimmt dann die Obergrenze des erreichbaren Nutzens. Alarm-Fatigue und Automation Bias sind Einführungsprobleme, die kein Studiendesign abbildet, das nur Trefferquoten des Algorithmus misst, aber nicht das tatsächliche Nutzungsverhalten.

▶ Gilt Evidenz aus US- oder afrikanischen Gesundheitssystemen für die europäische hausärztliche Praxis?

Nur eingeschränkt. US-Studien spiegeln andere Anreizstrukturen und Dokumentationsstandards wider. Studien aus ressourcenarmen Settings unterscheiden sich hinsichtlich Konsultationsdauer, diagnostischer Grundausstattung und Überweisungswegen erheblich von NHS- oder nordischen Praxen. Die ELMO-Studie aus Belgien ist eine der wenigen hochwertigen europäischen RCTs in der hausärztlichen Versorgung, deckt aber nur Laboranforderungen ab.

▶ Welche Fragen sollte ein Hausarzt stellen, bevor er ein klinisches Entscheidungsunterstützungssystem einführt?

Fünf Fragen sind besonders aufschlussreich: Wurde die Evidenz in europäischen Praxen erhoben? Wurden Patientenendpunkte gemessen? Wie hoch sind die Alarm-Übergehungsraten im Alltag? Greift das Tool an der richtigen Stelle im Konsultationsablauf ein? Wurde es unabhängig vom Hersteller validiert und als Medizinprodukt eingestuft?

▶ Wie würde gute Evidenz für die Reduktion diagnostischer Fehler in der hausärztlichen Versorgung tatsächlich aussehen?

Eine glaubwürdige Studie wäre prospektiv, cluster-randomisiert auf Praxisebene, in europäischen hausärztlichen Populationen durchgeführt und würde diagnostische Genauigkeit anhand von Follow-up-Daten messen, nicht anhand von Überweisungsraten. Sie würde Alarm-Übergehungsraten berichten und eine ausreichend lange Nachbeobachtungszeit vorsehen, da Fehler sich oft erst Monate nach der Indexkonsultation zeigen.

▶ Was fand die Penda Health-Studie heraus, und wie sollten ihre Ergebnisse interpretiert werden?

Korom et al. 2025 berichteten über 39.849 Patientenbesuche in 15 Kliniken in Nairobi: 16 Prozent weniger diagnostische Fehler und 13 Prozent weniger Behandlungsfehler bei Behandelnden mit LLM-Zugang. Das Design ist beobachtend, kein RCT. Eine Cluster-randomisierte Studie in einem vergleichbaren Setting fand bei harten klinischen Endpunkten keine signifikante Verbesserung. Beide Studien messen unterschiedliche Endpunkte, weshalb kein direkter Widerspruch, aber auch keine Bestätigung vorliegt.