Die regulatorische Einstufung von KI-Tools in der klinischen Versorgung ist keine Formalität. Wenn Software beeinflusst, ob ein Behandler ein bestimmtes Medikament verschreibt, einen Patienten an einen Facharzt überweist oder eine schwerwiegende Diagnose ausschließt, sind die Folgen eines Versagens klinischer, nicht administrativer Natur. In der gesamten Europäischen Union legt die Medizinprodukteverordnung (EU-MDR) den rechtlichen Rahmen fest, der bestimmt, wie solche Tools entwickelt, validiert und überwacht werden müssen, bevor sie in einem klinischen Umfeld zum Einsatz kommen. Für KI-gestützte klinische Entscheidungsunterstützung verweist dieser Rahmen in der Regel auf die Klasse-IIa-Zertifizierung – eine Einstufung, die spezifische, prüfbare Verpflichtungen mit sich bringt.

Was die MDR-Klassifizierungshierarchie tatsächlich bedeutet

Die EU-MDR (Verordnung 2017/745) unterteilt Medizinprodukte in vier Risikoklassen: Klasse I (niedrigstes Risiko), Klasse IIa (mittleres Risiko), Klasse IIb (mittelhohes Risiko) und Klasse III (höchstes Risiko). Die Klassifizierung wird nicht durch die Technologie selbst bestimmt, sondern durch den Verwendungszweck des Produkts und den potenziellen Schaden, der durch sein Versagen oder seinen Missbrauch entstehen könnte.

Medizinprodukte der Klasse I, wie nicht-sterile Verbände oder einfache Messinstrumente, können durch eine Konformitätserklärung des Herstellers in Verkehr gebracht werden. Eine unabhängige Prüfung durch Dritte ist nicht erforderlich. Klasse IIa markiert die erste Schwelle, an der diese Selbsterklärung nicht mehr ausreicht: Eine unabhängige Benannte Stelle muss am Konformitätsbewertungsverfahren beteiligt sein. Wie TrustedTrace Med in ihrem Leitfaden zu Regel 11 erläutert, ist der praktische Unterschied zwischen Klasse I und Klasse IIa erheblich. Er umfasst nicht nur Kosten und Zeit, sondern ein völlig anderes Niveau an klinischen Nachweisen, Qualitätsmanagement und Marktüberwachung nach dem Inverkehrbringen.

Für Software gilt die Klassifizierungsregel MDR Anhang VIII Regel 11. Sie gilt speziell für Software, die als Medizinprodukt an sich funktioniert, anstatt lediglich ein Hardware-Gerät zu steuern oder zu beeinflussen. Die Verordnung bezeichnet dies als Software als Medizinprodukt (SaMD).

Wie die MDR ein Medizinprodukt definiert und warum KI-Tools häufig darunter fallen

Gemäß Artikel 2 Absatz 1 der MDR ist ein Medizinprodukt jedes Instrument, jeder Apparat, jedes Gerät, jede Software, jedes Implantat, jedes Reagenz, jedes Material oder jeder andere Gegenstand, der vom Hersteller für Zwecke bestimmt ist, die unter anderem Diagnose, Prävention, Überwachung, Vorhersage, Prognose, Behandlung oder Linderung von Krankheiten umfassen. Die Einbeziehung von Software in diese Definition ist ausdrücklich und besteht seit Inkrafttreten der Verordnung.

Das entscheidende Wort ist „bestimmt". Wenn ein Anbieter ein KI-Tool als Unterstützung klinischer Entscheidungen positioniert, abnorme Befunde kennzeichnet, Diagnosen vorschlägt, Behandlungen empfiehlt oder das Patientenrisiko stratifiziert, reicht dieser angegebene Zweck aus, um die Software in den Anwendungsbereich der MDR zu bringen. Wie Tandem Healths Regulierungsleitfaden zu EU-Gesundheits-KI-Vorschriften feststellt, ist die entscheidende Unterscheidung die zwischen Tools, die lediglich Informationen organisieren oder anzeigen, und solchen, die Befunde kennzeichnen, Diagnosen vorschlagen oder Patienten triagieren. Die letztere Kategorie ist wahrscheinlich SaMD – unabhängig davon, wie der Anbieter das Produkt kommerziell bezeichnet.

Marketingsprache bestimmt nicht den regulatorischen Status. Ein Tool, das als „KI-Assistent" oder „Entscheidungsunterstützungshilfe" beschrieben wird, kann dennoch die MDR-Definition eines Medizinprodukts erfüllen, wenn sein Output dazu bestimmt ist, klinische Maßnahmen zu informieren.

Die spezifischen Risikokriterien, die KI-Entscheidungsunterstützung in Klasse IIa einordnen

Gemäß MDR-Regel 11 wird Software danach klassifiziert, wofür ihr Output verwendet wird und wie schwerwiegend der Schaden sein könnte, der aus einem Fehler resultiert. Die Klassifizierungslogik funktioniert, wie von IntuitionLabs in ihrem Compliance-Leitfaden 2026 detailliert beschrieben, folgendermaßen:

• Software, die dazu bestimmt ist, Informationen bereitzustellen, die für Entscheidungen mit schwerwiegenden Folgen für einzelne Patienten verwendet werden – wie die Diagnose lebensbedrohlicher Erkrankungen oder die Auswahl einer Behandlung – wird mindestens als Klasse IIa klassifiziert.

• Software, die dazu bestimmt ist, Informationen bereitzustellen, die für Entscheidungen mit kritischen Folgen verwendet werden, bei denen ein falscher Output zum Tod oder zu einer irreversiblen Verschlechterung führen könnte, wird als Klasse IIb oder Klasse III klassifiziert.

• Software, die keine diagnostische oder therapeutische Funktion ausübt, sondern lediglich Daten speichert, archiviert, kommuniziert oder durchsucht, ohne klinische Entscheidungen zu beeinflussen, fällt möglicherweise ganz außerhalb der Medizinproduktedefinition.

Der maßgebliche Interpretationsrahmen für diese Unterscheidungen ist MDCG 2019-11, die Leitlinie der Medical Device Coordination Group (MDCG) zur Qualifizierung und Klassifizierung von Software gemäß MDR und der In-vitro-Diagnostika-Verordnung (IVDR). Sie legt fest, dass die zentrale Frage nicht ist, was die Software technisch tut, sondern welche klinische Maßnahme ihr Output unterstützen soll und welcher Schaden aus einem Fehler folgen könnte.

Für die meisten KI-gestützten Tools zur klinischen Entscheidungsunterstützung, die Patientendaten analysieren und Outputs zurückgeben, die dazu bestimmt sind, Diagnose, Behandlungsauswahl oder Risikostratifizierung zu leiten, ordnet die Kombination aus klinischem Einfluss und Potenzial für Patientenschaden sie eindeutig in den Bereich Klasse IIa ein. MDCG 2025-6, veröffentlicht Anfang 2025, führte den spezifischen Begriff „Medical Device AI" (MDAI) ein, um KI-Systeme zu beschreiben, die die Medizinproduktedefinition der MDR erfüllen. Die Leitlinie bekräftigt, dass es keine KI-spezifischen Ausnahmen von diesen Klassifizierungsregeln gibt, wie IntuitionLabs bestätigt.

Die Patientensicherheitsargumente für regulierte KI-Entscheidungsunterstützung

Die Konformitätsbewertungsanforderungen der MDR existieren, weil die Versagensmodi von KI-gestützter klinischer Entscheidungsunterstützung nicht theoretisch sind. Ein peer-reviewter Kommentar, veröffentlicht im PubMed Central zu regulatorischen Rahmenbedingungen für Software zur klinischen Entscheidungsunterstützung, stellt fest, dass selbst MDR-Produkte mit mittlerem Risiko durch Fehler, die Behandler nicht erkennen oder nicht rechtzeitig übersteuern können, schwerwiegende Schäden verursachen können.

Die spezifischen Risiken, die die Regulierung adressieren soll, umfassen:

• Algorithmische Verzerrung: KI-Modelle, die auf nicht-repräsentativen Datensätzen trainiert wurden, können bei bestimmten Patientenpopulationen systematisch schlechter abschneiden – mit Fehlern, die für den Behandler, der das Tool verwendet, unsichtbar sind.

• Undurchsichtige Begründung: Ohne Anforderungen an die Erklärbarkeit können Behandler nicht beurteilen, ob eine KI-Empfehlung auf klinisch fundierter Argumentation oder einer zufälligen statistischen Korrelation basiert.

• Automatisierungsverzerrung: Behandler können sich übermäßig auf KI-Outputs verlassen, insbesondere unter Zeitdruck, wodurch die Wahrscheinlichkeit sinkt, dass eine unabhängige klinische Beurteilung eine falsche Empfehlung übersteuert.

• Undurchsichtigkeit des Versagensmodus: Im Gegensatz zu einem defekten Thermometer kann ein fehlerhaftes KI-Modell weiterhin plausibel aussehende Outputs produzieren, während es systematisch eine Untergruppe von Patienten falsch klassifiziert.

Eine narrative Übersichtsarbeit zu KI in der personalisierten Verschreibung, veröffentlicht in Therapie, identifiziert Halluzinationen, mangelnde Erklärbarkeit und klinische Entqualifizierung als erhebliche Risiken bei KI-gestützter Verschreibung. Die Autoren empfehlen, dass jede generative KI, die in klinischen Umgebungen verwendet wird, standardmäßig als Medizinprodukt behandelt werden sollte. Allgemeine große Sprachmodelle sollten nur über zertifizierte klinische Wrapper erlaubt sein, die die von ihnen beschriebene „MDR-inkonsistente Lücke" schließen.

Eine in Clinical Orthopaedics and Related Research veröffentlichte Studie ergab, dass nur 38 Prozent der von der FDA zugelassenen KI/ML-Orthopädieprodukte EU-MDR-Äquivalente hatten. Unabhängige peer-reviewte Nachweise existierten nur für 30 Prozent dieser Produkte. Dies wirft grundlegende Fragen zur Evidenzbasis auf, auf der viele KI-Tools in die klinische Anwendung gelangt sind. Die Anforderungen der EU-MDR sind darauf ausgelegt, diese Lücke zu verhindern.

Eine Einschränkung ist erwähnenswert: Die Evidenzbasis zu realen Schäden, die direkt auf unregulierte KI-Entscheidungsunterstützungstools zurückzuführen sind, bleibt begrenzt. Ein Großteil des Sicherheitsarguments beruht auf nachgewiesenen Versagensmodi in kontrollierten Studien und auf der Vorsichtslogik des regulatorischen Rahmens selbst – nicht auf umfangreichen Schadendaten nach dem Inverkehrbringen. Dies liegt teilweise daran, dass die rigorose Marktüberwachung von KI-Tools nach dem Inverkehrbringen, eine der MDR-Anforderungen, in der gesamten Branche noch reift.

Was MDR-Klasse-IIa-Konformität von Anbietern erfordert

Die Erlangung einer Klasse-IIa-Zertifizierung ist kein einmaliges Ereignis, sondern eine fortlaufende regulatorische Verpflichtung. Die Kernverpflichtungen für Anbieter umfassen:

• Qualitätsmanagementsystem (QMS): Eine Zertifizierung nach ISO 13485, dem internationalen Standard für Qualitätsmanagementsysteme für Medizinprodukte, ist erforderlich. Dies umfasst Designkontrollen, Risikomanagement und Änderungsmanagementprozesse.

• Klinische Bewertung: Eine systematische Überprüfung klinischer Nachweise, die belegen, dass das Produkt seinen Verwendungszweck sicher erfüllt und wie behauptet funktioniert. Für KI-Tools umfasst dies Validierungsdatensätze und reale Leistungsdaten.

• Technische Dokumentation: Eine vollständige technische Akte, die Produktbeschreibung, Design- und Herstellungsinformationen, Risikomanagement (typischerweise nach ISO 14971) und Software-Lebenszyklus-Dokumentation nach IEC 62304 abdeckt.

• Beteiligung einer Benannten Stelle: Im Gegensatz zu Klasse I erfordert die Klasse-IIa-Zertifizierung, dass eine unabhängige Benannte Stelle das Qualitätsmanagementsystem und in den meisten Fällen die technische Dokumentation oder eine repräsentative Stichprobe davon überprüft.

• CE-Kennzeichnung: Nach erfolgreicher Konformitätsbewertung darf das Produkt die CE-Kennzeichnung tragen, die die Konformität mit den MDR-Anforderungen anzeigt.

• Marktüberwachung nach dem Inverkehrbringen (PMS): Fortlaufende Sammlung und Analyse realer Leistungsdaten mit einem Plan zur Marktüberwachung nach dem Inverkehrbringen und regelmäßigen Sicherheitsaktualisierungsberichten.

TrustedTrace Meds Regel-11-Leitfaden 2026 stellt fest, dass der Vorschlag der Europäischen Kommission vom Dezember 2025 zur Änderung von Regel 11 die Klassifizierung einiger KI-Tools in Zukunft beeinflussen könnte. Die Kernanforderung einer Benannten Stelle für Software, die klinische Entscheidungen beeinflusst, wird voraussichtlich nicht entfernt.

Die Rolle der Benannten Stelle und Anforderungen an klinische Nachweise

Eine Benannte Stelle ist eine unabhängige Konformitätsbewertungsorganisation, die von einem EU-Mitgliedstaat benannt wurde, um zu bewerten, ob Medizinprodukte die MDR-Anforderungen erfüllen. Für KI-Tools zur klinischen Entscheidungsunterstützung der Klasse IIa überprüft die Benannte Stelle das Qualitätsmanagementsystem und prüft die technische Dokumentation.

Für KI-Tools sind die Anforderungen an klinische Nachweise komplexer als für traditionelle Software. Decomplix' regulatorische Analyse vom Oktober 2025 hebt die Herausforderung hervor, Prüfern von Benannten Stellen hochwertige Trainingsdaten nachzuweisen. Team-NB (der europäische Verband der Benannten Stellen) hat Positionspapiere zu den spezifischen Data-Governance-Anforderungen für MDAI gemäß MDCG 2025-6 veröffentlicht.

Ausreichende klinische Nachweise für ein KI-Entscheidungsunterstützungstool umfassen typischerweise:

• Validierungsdatensätze, die für die beabsichtigte Patientenpopulation repräsentativ sind, einschließlich demografischer Vielfalt.

• Reale Leistungsdaten aus klinischen Umgebungen, die mit der beabsichtigten Einsatzumgebung vergleichbar sind.

• Transparenzdokumentation, die Modellarchitektur, Herkunft der Trainingsdaten und bekannte Einschränkungen abdeckt.

• Nachweise, dass das Tool wie beabsichtigt über klinisch relevante Untergruppen hinweg funktioniert – nicht nur im Aggregat.

Die Analyse von MDCG 2025-6 durch den Clinical Evaluation Navigator hebt auch eine spezifische Herausforderung für adaptive KI-Systeme hervor: Tools, deren Modelle sich im Laufe der Zeit aktualisieren, müssen vordefinierte Änderungskontrollpläne (PCCPs) haben, die beschreiben, wie Änderungen validiert und dokumentiert werden, ohne dass für jede Aktualisierung eine vollständige Neuzertifizierung erforderlich ist.

Was Beschaffungsteams vor dem Einsatz von KI-Entscheidungsunterstützung überprüfen müssen

Für Gesundheitseinrichtungen, die KI-Tools zur klinischen Entscheidungsunterstützung bewerten, erfordern Anbieterbehauptungen zur regulatorischen Konformität eine aktive Überprüfung – nicht passive Akzeptanz. Ein strukturierter Due-Diligence-Prozess sollte Folgendes abdecken:

• CE-Kennzeichnung gemäß MDR, nicht MDD: Die alte Medizinprodukterichtlinie (MDD) wurde im Mai 2021 durch die MDR ersetzt (mit einer Übergangszeit). CE-Kennzeichnungen, die gemäß der MDD ausgestellt wurden, sind für neue Produkte, die in Verkehr gebracht werden, nicht mehr gültig. Übergangsbestimmungen für Altprodukte laufen nach einem gestaffelten Zeitplan bis 2027–2028 aus. Überprüfen Sie, dass die CE-Kennzeichnung auf die Verordnung (EU) 2017/745 verweist.

• Produktklassifizierung und GMDN-Code: Der Anbieter sollte in der Lage sein, die MDR-Klassifizierung (Klasse I, IIa, IIb oder III) und den anwendbaren Global Medical Device Nomenclature-Code anzugeben.

• Zertifikat der Benannten Stelle: Für Klasse IIa und höher sollte eine Zertifikatsnummer der Benannten Stelle überprüfbar sein. Das Zertifikat sollte aktuell sein und von einer gemäß MDR benannten Benannten Stelle (aufgeführt in der NANDO-Datenbank) ausgestellt worden sein.

• Klinischer Bewertungsbericht: Fordern Sie eine Zusammenfassung der klinischen Bewertung an, einschließlich der verwendeten Validierungsdatensätze und bekannter Leistungseinschränkungen.

• Plan zur Marktüberwachung nach dem Inverkehrbringen: Bestätigen Sie, dass der Anbieter einen aktiven Marktüberwachungsprozess nach dem Inverkehrbringen hat und reale Leistungsdaten sammelt.

• EUDAMED-Registrierung: Die Europäische Datenbank für Medizinprodukte (EUDAMED) wird schrittweise befüllt. Anbieter sollten in der Lage sein, ihren Registrierungsstatus zu bestätigen.

Eine checklistenbasierte Methodik zur Implementierung von KI-Richtlinien, veröffentlicht im Journal of Anaesthesia, Analgesia and Critical Care im September 2025, empfiehlt eine systematische Bewertung, die evidenzbasierte Leistung, reale Validierung, MDR-Konformität, DSGVO-Konformität im Gesundheitswesen und Überwachung nach dem Einsatz abdeckt. Dies bestätigt, dass die Verantwortung der Beschaffung nicht mit dem Kauf endet.

Das EU-KI-Gesetz erklärt führt eine parallele Compliance-Ebene ein. Wie Reed Smiths Rechtsanalyse vom Juni 2025 bestätigt, wird jedes MDR-Klasse-IIa-Produkt, das KI enthält, automatisch als Hochrisiko-KI-System gemäß dem KI-Gesetz klassifiziert. Dies bringt zusätzliche Verpflichtungen in Bezug auf Transparenz, menschliche Aufsicht und Konformitätsbewertung mit sich. Der MedDeviceGuide 2026 Compliance-Leitfaden bestätigt, dass die Durchsetzung des KI-Gesetzes für CE-gekennzeichnete MDR-Produkte ab August 2026 gilt. Die breitere Frist im August 2027 deckt bestimmte andere Hochrisiko-KI-Kategorien im Rahmen des dualen Compliance-Modells ab.

Die Folgen einer Fehlklassifizierung

Wenn Anbieter KI-Tools zur klinischen Entscheidungsunterstützung falsch klassifizieren – entweder indem sie behaupten, sie fielen außerhalb der Medizinproduktedefinition der MDR, oder indem sie Klasse-I-Konformität selbst erklären, wenn Klasse IIa zutrifft – erstrecken sich die Folgen über mehrere Dimensionen.

Regulatorische Durchsetzung: Nationale zuständige Behörden, wie die Agence nationale de sécurité du médicament et des produits de santé (ANSM) in Frankreich oder das Bundesinstitut für Arzneimittel und Medizinprodukte (BfArM) in Deutschland, haben die Befugnis, den Rückzug vom Markt zu verlangen, finanzielle Strafen zu verhängen und in schwerwiegenden Fällen Strafverfolgung einzuleiten. Die Durchsetzungsbestimmungen der MDR sind wesentlich stärker als die der MDD, die sie ersetzt hat.

Institutionelle Haftung: Gesundheitseinrichtungen, die ein falsch klassifiziertes KI-Tool beschaffen und einsetzen, tragen ihr eigenes regulatorisches Risiko. Beschaffungsteams, die die MDR-Konformität nicht überprüfen, können sich nicht vollständig auf Anbieterversicherungen als Verteidigung verlassen. Eine Risikomanagement-Studie, veröffentlicht in Studies in Health Technology and Informatics im Oktober 2025, die MDR-Artikel-82-Konformität für klinische Entscheidungsunterstützungssysteme untersucht, veranschaulicht, wie selbst akademische Machbarkeitsstudien zu klinischen Entscheidungsunterstützungssystemen nun ein systematisches Risikomanagement gemäß MDR erfordern – ein Signal für die breite Reichweite der Verordnung.

Erosion des klinischen Vertrauens: Über rechtliche Folgen hinaus schadet der Einsatz nicht validierter KI-Tools, die anschließend in der klinischen Anwendung versagen, der Glaubwürdigkeit KI-gestützter Versorgung im weiteren Sinne. Die peer-reviewte Literatur zu KI als Medizinprodukt in der Radiologie, veröffentlicht in European Radiology im März 2026, identifiziert Transparenz, Erklärbarkeit und menschliche Aufsicht als Konvergenzpunkte über EU-, US- und chinesische regulatorische Rahmenbedingungen hinweg. Dies spiegelt einen globalen Konsens wider, dass klinische KI nachweisbare Rechenschaftspflicht erfordert.

MDR-Klasse-IIa-Zertifizierung als Grundlage für verantwortungsvolle KI-Einführung

Die Darstellung der MDR-Klasse-IIa-Zertifizierung als Innovationshemmnis stellt ihre Funktion falsch dar. Für KI-gestützte klinische Entscheidungsunterstützung ist die Zertifizierung der Mechanismus, durch den ein Tool das Recht erwirbt, klinische Entscheidungen zu beeinflussen. Sie schafft den Prüfpfad, die Evidenzbasis und die fortlaufende Überwachungsinfrastruktur, die es Gesundheitseinrichtungen ermöglichen, KI mit einer vertretbaren Vertrauensbasis einzusetzen.

Anbieter, die eine rigorose Klassifizierung anstreben, signalisieren Beschaffungsteams etwas Spezifisches: dass sie ihre Tools einer unabhängigen Prüfung unterzogen haben, dass ihre klinischen Nachweise von einer Benannten Stelle überprüft wurden und dass sie sich zur fortlaufenden Leistungsüberwachung verpflichten. Dieses Signal ist wichtig in einem Markt, in dem selbst erklärte Konformität leicht zu behaupten und von außen schwer zu überprüfen ist.

Der MDx CRO-Regulierungsleitfaden stellt fest, dass die Anforderungen des KI-Gesetzes an menschliche Aufsicht, die für Hochrisiko-KI-Systeme einschließlich MDR-Klasse-IIa-Produkte obligatorisch sind, den Sicherheitsrahmen der MDR verstärken, anstatt ihn zu duplizieren. Zusammen schaffen diese regulatorischen Ebenen die Bedingungen, unter denen Behandler KI-Entscheidungsunterstützungstools mit angemessenem Vertrauen verwenden können – in dem Wissen, dass das Tool validiert wurde, dass seine Einschränkungen dokumentiert sind und dass seine Leistung in der realen Anwendung verfolgt wird.

Für Entscheidungsträger im Gesundheitswesen ist die praktische Implikation eindeutig. Bei der Bewertung von KI-Tools zur klinischen Entscheidungsunterstützung ist die MDR-Klasse-IIa-Zertifizierung mit einem überprüfbaren Zertifikat einer Benannten Stelle, einer aktuellen CE-Kennzeichnung gemäß Verordnung (EU) 2017/745 und einem aktiven Marktüberwachungsprogramm nach dem Inverkehrbringen der minimale glaubwürdige Nachweis, dass ein Anbieter den regulatorischen Standard erfüllt hat, den die EU für Software festgelegt hat, die die klinische Versorgung beeinflusst.

Häufig gestellte Fragen

▶ Was ist die MDR-Klasse-IIa-Zertifizierung und warum gilt sie für KI-Tools zur klinischen Entscheidungsunterstützung?

Die EU-Medizinprodukteverordnung (Verordnung 2017/745) unterteilt Medizinprodukte in vier Risikoklassen. Klasse IIa umfasst Produkte mit mittlerem Risiko, einschließlich Software, die Informationen bereitstellt, die für Entscheidungen mit schwerwiegenden Folgen für einzelne Patienten verwendet werden – wie Diagnose oder Behandlungsauswahl. KI-Tools zur klinischen Entscheidungsunterstützung, die Patientendaten analysieren und Outputs zurückgeben, die dazu bestimmt sind, Diagnose, Behandlung oder Risikostratifizierung zu leiten, fallen typischerweise in Klasse IIa, weil ihr Versagen Patientenschaden verursachen könnte. Im Gegensatz zu Klasse-I-Produkten erfordert die Klasse-IIa-Zertifizierung eine unabhängige Überprüfung durch eine Benannte Stelle – eine benannte Konformitätsbewertungsorganisation – anstatt nur einer Selbsterklärung des Herstellers.

▶ Was macht ein KI-Tool zu einer Software als Medizinprodukt gemäß der MDR?

Gemäß Artikel 2 Absatz 1 der MDR qualifiziert sich Software als Medizinprodukt, wenn ihr Hersteller beabsichtigt, dass sie für Diagnose, Prävention, Überwachung, Vorhersage, Prognose, Behandlung oder Linderung von Krankheiten verwendet wird. Die Klassifizierungsregel, die speziell für eigenständige Software gilt, ist MDR Anhang VIII Regel 11. Wenn ein KI-Tool abnorme Befunde kennzeichnet, Diagnosen vorschlägt, Behandlungen empfiehlt oder Patientenrisiken stratifiziert, ist es wahrscheinlich Software als Medizinprodukt – unabhängig davon, wie der Anbieter es kommerziell bezeichnet. Marketingsprache wie „KI-Assistent" oder „Entscheidungsunterstützungshilfe" bestimmt nicht den regulatorischen Status.

▶ Was sind die hauptsächlichen Patientensicherheitsrisiken, die die MDR-Regulierung von KI-Entscheidungsunterstützung adressieren soll?

Die Konformitätsbewertungsanforderungen der MDR adressieren mehrere spezifische Versagensmodi. Algorithmische Verzerrung kann dazu führen, dass KI-Modelle, die auf nicht-repräsentativen Datensätzen trainiert wurden, bei bestimmten Patientenpopulationen schlechter abschneiden – auf Weisen, die für den Behandler unsichtbar sind. Undurchsichtige Begründung bedeutet, dass Behandler nicht beurteilen können, ob eine Empfehlung auf fundierter klinischer Logik oder einer zufälligen statistischen Korrelation basiert. Automatisierungsverzerrung beschreibt die Tendenz von Behandlern, sich übermäßig auf KI-Outputs zu verlassen, insbesondere unter Zeitdruck, wodurch die unabhängige klinische Beurteilung reduziert wird. Ein fehlerhaftes KI-Modell kann auch weiterhin plausibel aussehende Outputs produzieren, während es systematisch eine Untergruppe von Patienten falsch klassifiziert – im Gegensatz zu einem defekten Thermometer, dessen Versagen sofort erkennbar ist.

▶ Was erfordert die Erlangung einer MDR-Klasse-IIa-Zertifizierung tatsächlich von einem Anbieter?

Die Klasse-IIa-Zertifizierung ist eine fortlaufende regulatorische Verpflichtung, kein einmaliges Ereignis. Anbieter müssen ein nach ISO 13485 zertifiziertes Qualitätsmanagementsystem vorweisen – dem internationalen Standard für Qualitätsmanagement von Medizinprodukten. Sie müssen eine klinische Bewertung erstellen, die nachweist, dass das Produkt seinen Verwendungszweck sicher erfüllt, einschließlich Validierungsdatensätzen und realen Leistungsdaten. Eine vollständige technische Akte, die Produktbeschreibung, Risikomanagement nach ISO 14971 und Software-Lebenszyklus-Dokumentation nach IEC 62304 abdeckt, ist erforderlich. Eine Benannte Stelle muss das Qualitätsmanagementsystem und die technische Dokumentation überprüfen. Nach erfolgreicher Bewertung darf das Produkt die CE-Kennzeichnung gemäß Verordnung (EU) 2017/745 tragen. Anbieter müssen auch ein aktives Marktüberwachungsprogramm nach dem Inverkehrbringen aufrechterhalten, das fortlaufend reale Leistungsdaten sammelt.

▶ Was sollten Beschaffungsteams vor dem Einsatz eines KI-Tools zur klinischen Entscheidungsunterstützung überprüfen?

Beschaffungsteams sollten überprüfen, dass die CE-Kennzeichnung auf die Verordnung (EU) 2017/745 verweist – nicht auf die alte Medizinprodukterichtlinie, die für neue Produkte nicht mehr gültig ist. Der Anbieter sollte in der Lage sein, die MDR-Klassifizierung anzugeben und eine aktuelle Zertifikatsnummer einer Benannten Stelle bereitzustellen, die gegen die NANDO-Datenbank überprüfbar ist. Beschaffungsteams sollten eine Zusammenfassung der klinischen Bewertung anfordern, einschließlich der verwendeten Validierungsdatensätze und bekannter Leistungseinschränkungen. Die Bestätigung, dass der Anbieter einen aktiven Marktüberwachungsplan nach dem Inverkehrbringen hat und den Registrierungsstatus bei der Europäischen Datenbank für Medizinprodukte (EUDAMED) bestätigen kann, sind ebenfalls Teil eines strukturierten Due-Diligence-Prozesses. Die Verantwortung der Beschaffung endet nicht mit dem Kauf.

▶ Was ist MDCG 2025-6 und was bedeutet es für KI-Medizinprodukte?

MDCG 2025-6 ist eine Leitlinie, die von der Medical Device Coordination Group Anfang 2025 veröffentlicht wurde. Sie führte den spezifischen Begriff „Medical Device AI" (MDAI) ein, um KI-Systeme zu beschreiben, die die Medizinproduktedefinition der MDR erfüllen. Die Leitlinie bestätigt, dass es keine KI-spezifischen Ausnahmen von den MDR-Klassifizierungsregeln gibt. Sie führte auch Anforderungen an die Data Governance für MDAI ein und hob eine spezifische Herausforderung für adaptive KI-Systeme hervor: Tools, deren Modelle sich im Laufe der Zeit aktualisieren, müssen vordefinierte Änderungskontrollpläne haben, die beschreiben, wie Änderungen validiert und dokumentiert werden, ohne dass für jede Aktualisierung eine vollständige Neuzertifizierung erforderlich ist.

▶ Wie interagiert das EU-KI-Gesetz mit der MDR-Klasse-IIa-Zertifizierung für KI-gestützte klinische Entscheidungsunterstützung?

Jedes MDR-Klasse-IIa-Produkt, das KI enthält, wird automatisch als Hochrisiko-KI-System gemäß dem EU-KI-Gesetz klassifiziert. Dies schafft ein duales Compliance-Modell, wobei das KI-Gesetz zusätzliche Verpflichtungen in Bezug auf Transparenz, menschliche Aufsicht und Konformitätsbewertung neben den bestehenden Anforderungen der MDR auferlegt. Die Durchsetzung des KI-Gesetzes für CE-gekennzeichnete MDR-Produkte gilt ab August 2026. Die Anforderungen des KI-Gesetzes an menschliche Aufsicht verstärken den Sicherheitsrahmen der MDR, anstatt ihn zu duplizieren. Zusammen schaffen diese regulatorischen Ebenen die Bedingungen, unter denen Behandler KI-Entscheidungsunterstützungstools mit angemessenem Vertrauen verwenden können.

▶ Was sind die Folgen einer Fehlklassifizierung eines KI-Tools zur klinischen Entscheidungsunterstützung gemäß der MDR?

Fehlklassifizierung hat Folgen über mehrere Dimensionen hinweg. Nationale zuständige Behörden – wie ANSM in Frankreich oder BfArM in Deutschland – können den Rückzug vom Markt verlangen, finanzielle Strafen verhängen und schwerwiegende Fälle zur Strafverfolgung überweisen. Gesundheitseinrichtungen, die ein falsch klassifiziertes KI-Tool beschaffen und einsetzen, tragen ihr eigenes regulatorisches Risiko und können sich nicht allein auf Anbieterversicherungen als Verteidigung verlassen. Über rechtliche Folgen hinaus schadet der Einsatz nicht validierter KI-Tools, die anschließend in der klinischen Anwendung versagen, der Glaubwürdigkeit KI-gestützter Versorgung im weiteren Sinne – ein Anliegen, das sich in peer-reviewter Literatur über mehrere klinische Fachgebiete hinweg widerspiegelt.

▶ Welche klinischen Nachweise erfordert eine Benannte Stelle bei der Bewertung eines KI-Entscheidungsunterstützungstools?

Ausreichende klinische Nachweise für ein KI-Entscheidungsunterstützungstool umfassen typischerweise Validierungsdatensätze, die für die beabsichtigte Patientenpopulation repräsentativ sind, einschließlich demografischer Vielfalt. Reale Leistungsdaten aus klinischen Umgebungen, die mit der beabsichtigten Einsatzumgebung vergleichbar sind, sind erforderlich. Transparenzdokumentation, die Modellarchitektur, Herkunft der Trainingsdaten und bekannte Einschränkungen abdeckt, muss bereitgestellt werden. Nachweise, dass das Tool wie beabsichtigt über klinisch relevante Untergruppen hinweg funktioniert – nicht nur im Aggregat – werden ebenfalls erwartet. Der europäische Verband der Benannten Stellen hat Positionspapiere zu den spezifischen Data-Governance-Anforderungen für Medical Device AI gemäß MDCG 2025-6 veröffentlicht.

▶ Ist die MDR-Klasse-IIa-Zertifizierung ein Hindernis für KI-Innovation im Gesundheitswesen?

Die Darstellung der MDR-Klasse-IIa-Zertifizierung als Innovationshemmnis stellt ihre Funktion falsch dar. Für KI-gestützte klinische Entscheidungsunterstützung ist die Zertifizierung der Mechanismus, durch den ein Tool das Recht erwirbt, klinische Entscheidungen zu beeinflussen. Sie schafft den Prüfpfad, die Evidenzbasis und die fortlaufende Überwachungsinfrastruktur, die es Gesundheitseinrichtungen ermöglichen, KI mit einer vertretbaren Vertrauensbasis einzusetzen. Anbieter, die eine rigorose Klassifizierung anstreben, signalisieren Beschaffungsteams, dass ihre Tools einer unabhängigen Prüfung unterzogen wurden, dass ihre klinischen Nachweise von einer Benannten Stelle überprüft wurden und dass sie sich zur fortlaufenden Leistungsüberwachung verpflichten. Diese Unterscheidung ist wichtig in einem Markt, in dem selbst erklärte Konformität leicht zu behaupten und von außen schwer zu überprüfen ist.