In der europäischen ambulanten und stationären Versorgung setzen Behandler KI-Werkzeuge während laufender Konsultationen, bei Visiten und in spezialisierten Arbeitsabläufen ein. Was sich verändert hat, ist nicht der Anspruch der Technologie, sondern das Zusammentreffen von Bedingungen, die eine echte Einführung ermöglichen: Die regulatorischen Rahmenbedingungen sind gereift, die Integration mit Praxisverwaltungssystemen hat sich vertieft, und eine kritische Masse von Behandlern ist von Skepsis zu selektiver, evidenzbasierter Nutzung übergegangen.

Das Kernproblem, das KI für Behandler löst

Der grundlegende Treiber der KI-Einführung in klinischen Umgebungen ist eine Personalknappheit, die sich durch Dokumentationsaufwand bemerkbar macht. Studien haben gezeigt, dass Ärztinnen und Ärzte bis zur Hälfte oder mehr ihres Arbeitstages mit Aufgaben im Praxisverwaltungssystem verbringen können – ein Muster, das die kognitive Belastung (den mentalen Aufwand, der nötig ist, um Informationen zu verarbeiten und darauf zu reagieren) erhöht, die Qualität der Patienteninteraktion beeinträchtigt und Burnout beschleunigt.

Im Vereinigten Königreich sind die Belastungen strukturell bedingt. Hausarztmangel, wachsende Wartelisten und das administrative Gewicht der NHS-Dokumentationsanforderungen haben ein System geschaffen, in dem Behandler routinemäßig Notizen nach Feierabend vervollständigen und dabei Zeit opfern, die sonst für Erholung, Reflexion oder Patientenkontakte genutzt würde. Der Begriff „Verwaltungsaufwand“ ist zur Kurzformel für ein Phänomen geworden, das in der Praxis ebenso sehr ein Problem der klinischen Sicherheit wie des Wohlbefindens darstellt.

Das europäische Bild ist ähnlich. Die erste Momentaufnahme der Weltgesundheitsorganisation (WHO)/Europa zu KI im Gesundheitswesen in allen 27 EU-Mitgliedstaaten identifizierte Lücken in der Personalschulung und Governance als Prioritäten – gerade weil die Nachfrage nach KI-Werkzeugen die Infrastruktur zu ihrer verantwortungsvollen Unterstützung überholt hat. Das Problem, das KI lösen soll, ist real, messbar und dringend – weshalb die Werkzeuge, die die meiste Aufmerksamkeit erhalten, diejenigen sind, die den Dokumentationsaufwand direkt adressieren.

Ambient Voice Technology und KI-Medizinassistenten: die Abkehr von der Tastatur

Die bedeutendste Kategorie von KI-Werkzeugen in der klinischen Praxis ist derzeit die Ambient Voice Technology (AVT). Sie bezeichnet Systeme, die einem natürlichen klinischen Gespräch zuhören und strukturierte klinische Notizen in Echtzeit generieren, ohne dass der Behandler zum Tippen anhalten muss. Der Behandler spricht mit dem Patienten, der KI-Assistent arbeitet im Hintergrund.

Dies ist eine deutliche Weiterentwicklung gegenüber früheren Sprache-zu-Text-Werkzeugen, die Diktat statt Konversation erforderten und Rohtranskripte produzierten, die noch erheblich nachbearbeitet werden mussten. Ambient Voice Technology versteht den klinischen Kontext, trennt klinisch relevante Inhalte von Gesprächsrauschen und erstellt Notizentwürfe, die direkt zur Überprüfung bereitstehen, statt erst rekonstruiert werden zu müssen.

Die Einführung spiegelt echten klinischen Mehrwert wider. Ärztinnen, Ärzte und Praxen in ganz Europa nutzen KI-Werkzeuge, um Notizen und Überweisungen zu verwalten – mit dem ausdrücklichen Ziel, patientenbezogene Zeit zurückzugewinnen. Im Vereinigten Königreich sind kommerzielle KI-Schreibassistenten bereits in NHS-Partner-Pilotprojekten im Einsatz, wobei die Medicines and Healthcare products Regulatory Agency (MHRA) sie als Software als Medizinprodukt klassifiziert – eine Einordnung, die regulatorische Ernsthaftigkeit signalisiert.

Behandler berichten übereinstimmend von derselben Wirkung auf die Konsultationsdynamik: Blickkontakt ersetzt Bildschirmzeit, und die Interaktion nähert sich wieder ihrer eigentlichen Form an. Ob sich dies in messbare Verbesserungen der Patientenergebnisse übersetzt, bleibt ein aktives Forschungsfeld, aber die Daten zur Erfahrung der Behandler nehmen zu.

Klinische Dokumentation: von der Transkription zu strukturierter, kodierter Ausgabe

Die Unterscheidung zwischen einem Werkzeug, das lediglich aufzeichnet, und einem, das den klinischen Kontext versteht, bestimmt, ob die Ausgabe nützlich ist oder lediglich Rohmaterial für weitere Arbeit bleibt. Führende KI-Medizinassistenten im Jahr 2026 transkribieren nicht einfach. Sie erstellen strukturierte Notizen, schlagen klinische Codes (SNOMED, ICD) vor und können Felder im Praxisverwaltungssystem automatisch ausfüllen.

Das ist aus mehreren Gründen wichtig. Strukturierte, kodierte Ausgabe ermöglicht die nachgelagerte klinische Nutzung: Audits, Analysen zur Bevölkerungsgesundheit, Überweisungserstellung und Abrechnung. Eine Notiz, die zwar gut formuliert, aber unstrukturiert ist, verschiebt den Dokumentationsaufwand lediglich, anstatt ihn zu reduzieren. Die Werkzeuge, die an Bedeutung gewinnen, sind diejenigen, die die Lücke zwischen der gesprochenen Konsultation und der kodierten, abgelegten Aufzeichnung schließen.

Eine in den Annals of Internal Medicine veröffentlichte Querschnittsevaluation verglich die Qualität von KI-generierten klinischen Notizen mit von Menschen erstellten Notizen in der hausärztlichen Versorgung und stellte fest, dass Ambient-KI-Schreibassistenten den administrativen Dokumentationsaufwand reduzieren können. Die Studie hob zudem hervor, dass frühere Evaluierungen anbieterspezifisch waren und dass eine unabhängige Qualitätsbewertung weiterhin wichtig bleibt.

Eine an einem niederländischen Universitätsklinikum durchgeführte Studie bewertete ein in das Praxisverwaltungssystem integriertes Large-Language-Model-Werkzeug (LLM), also ein KI-System, das auf großen Textmengen trainiert wurde, um schriftliche Inhalte zu generieren und zusammenzufassen, für Entlassbriefe. Die Ergebnisse zeigten, dass KI den Verwaltungsaufwand bei der Erstellung von Entlassbriefen reduzieren kann. Die Autoren merkten jedoch an, dass eine robuste Validierung vollautomatischer Systeme in der realen Praxis noch begrenzt ist – ein ehrliches Signal dafür, dass die Technologie zwar leistungsfähig ist, aber noch nicht ohne bedeutsame klinische Aufsicht funktioniert.

KI-Werkzeuge in verschiedenen Versorgungsbereichen: ambulante Versorgung, stationäre Versorgung und darüber hinaus

Die Anwendungsfälle für KI-Werkzeuge variieren je nach Versorgungsumfeld erheblich, und die Evidenzbasis ist unterschiedlich stark ausgeprägt. Die ambulante Versorgung verfügt über die am weitesten entwickelte Evidenz, teils weil die Konsultationsstruktur (ein Behandler, ein Patient, eine definierte Begegnung) gut zu den Stärken der Ambient Voice Technology passt.

Ambulante Versorgung

Hausärztinnen und Hausärzte nutzen KI-Assistenten, um Konsultationsnotizen zu generieren, Arztbriefe zu entwerfen und die Dokumentation nach Feierabend zu reduzieren. Die eingesparte Zeit pro Konsultation ist absolut betrachtet gering, summiert sich jedoch über einen vollen klinischen Tag hinweg zu einem signifikanten Wert.

Stationäre Versorgung

Krankenhausteams beginnen, KI-Werkzeuge bei Visiten einzusetzen, wo die Dokumentationsanforderungen höher und die klinische Komplexität größer sind. Entlassbriefe stehen dabei besonders im Fokus – sie sind zeitaufwändig zu erstellen, klinisch relevant und strukturell konsistent genug, um sich für die KI-Generierung zu eignen.

Fachärztliche Versorgung

Überweisungsentwürfe, ambulante Briefe und fachspezifische Vorlagen sind aufkommende Anwendungsfälle. Die Herausforderung ist hier die Genauigkeit über verschiedene Fachgebiete hinweg. Ein Werkzeug, das hauptsächlich auf Allgemeinmedizindaten trainiert wurde, kann in der Dermatologie oder Psychiatrie ohne fachspezifische Validierung weniger zuverlässig sein.

Videosprechstunden

KI-Werkzeuge, die mit Audio- oder Videoeingaben arbeiten, lassen sich nahtlos auf Telemedizin-Umgebungen übertragen, in denen das Fehlen eines gemeinsamen physischen Raums die Dokumentation bislang erschwert hat. Der Stanford-Harvard State of Clinical AI-Bericht identifizierte die hausärztliche Versorgung und klinische Entscheidungsunterstützung als die Bereiche mit der aktivsten Forschung im Jahr 2025, wobei die Fernversorgung als Wachstumsfeld hervorgehoben wird.

Advice & Guidance und Überweisungsworkflows: KI reduziert die Reibung zwischen Versorgungsebenen

Eine der weniger sichtbaren, aber klinisch bedeutsamen Anwendungen von KI-Werkzeugen liegt in den Workflows, die zwischen Versorgungsebenen angesiedelt sind. Dazu gehören Advice & Guidance (A&G)-Austausche, bei denen Hausärzte klinischen Input von Fachärzten ohne formelle Überweisung einholen, sowie die Überweisungsbriefe, die den Weg in die stationäre Versorgung ebnen.

Diese Workflows sind derzeit eine erhebliche Reibungsquelle. Ein Hausarzt, der eine Überweisung erstellt, muss die Patientengeschichte zusammenfassen, die klinische Fragestellung formulieren und sie so präsentieren, dass ein Facharzt schnell reagieren kann. Wird dies schlecht umgesetzt, führt es zu Ablehnungen, Rückfragen oder verzögerter Versorgung. Gut gemacht erfordert es Zeit, die oft nicht vorhanden ist.

KI-Werkzeuge beginnen, an beiden Enden dieses Prozesses zu unterstützen: Sie helfen Hausärzten beim Entwurf strukturierter, vollständiger Überweisungen und Fachärzten, auf A&G-Anfragen mit weniger administrativem Aufwand zu antworten. Das Potenzial, das Hin und Her zu reduzieren, das die Patientenversorgung verzögert, ist real – auch wenn die Evidenzbasis für diese spezifische Anwendung noch dünner ist als für die Konsultationsdokumentation.

Klinische Entscheidungsunterstützung: wo KI das Urteilsvermögen unterstützt, ohne es zu ersetzen

Klinische Entscheidungsunterstützung (CDS) bedeutet im Jahr 2026 mehr als nur ein Pop-up-Alarm. Gemeint sind KI-Werkzeuge, die relevante Patientengeschichte am Point of Care anzeigen, Risikofaktoren markieren, die in einer zeitlich engen Konsultation sonst übersehen werden könnten, und nächste Schritte basierend auf klinischen Leitlinien und der Patientenakte vorschlagen.

Die Unterscheidung zwischen Unterstützung und Automatisierung ist hier entscheidend. Ein in BMJ Health Care Informatics veröffentlichtes risikostratifiziertes Framework befasst sich direkt mit der LLM-Integration in die klinische Praxis, deckt Dokumentation, Entscheidungsunterstützung und Patientenkommunikation ab und schlägt einen strukturierten Ansatz zum Management der Risiken von Modellgenauigkeit, Datenschutz und regulatorischer Verantwortung vor. Das Framework spiegelt eine Konsensposition in der Literatur wider: KI unterstützt das klinische Urteilsvermögen, ersetzt es aber nicht.

Forschung zu passiven klinischen Entscheidungsunterstützungswerkzeugen in der pädiatrischen Intensivpflege, einschließlich Notizschreibunterstützung, Ordersätzen und Laborergebnis-Markierung, stellte fest, dass die Einführung und Durchdringung dieser Werkzeuge je nach Kontext erheblich variiert. Das Design des Werkzeugs – ob unterbrechend oder passiv – beeinflusst, wie Behandler damit interagieren. Dies erinnert daran, dass die Wirksamkeit von CDS nicht nur eine Frage der algorithmischen Genauigkeit, sondern auch der Workflow-Integration ist.

Die klinische Verantwortung verbleibt beim Behandler. Das ist kein Vorbehalt, sondern ein Designprinzip. Die Werkzeuge, die regulatorische Zulassung und klinisches Vertrauen gewinnen, sind diejenigen, die auf dieser Prämisse aufbauen.

Regulatorische und Sicherheitsrahmen für KI-Werkzeuge in der klinischen Praxis

Für Behandler und klinische Leitungen, die KI-Werkzeuge evaluieren, ist die regulatorische Landschaft eine Grundlage, kein Bonus. In Europa sind die relevanten Rahmenwerke:

• Medical Device Regulation (MDR): KI-Werkzeuge, die klinische Entscheidungen beeinflussen, werden unter der EU-MDR als Medizinprodukte klassifiziert und müssen Konformitätsanforderungen erfüllen, bevor sie in klinischen Umgebungen eingesetzt werden.

• AI Act: Seit August 2024 in Kraft, klassifiziert der EU AI Act KI-Systeme, die in medizinischen Kontexten verwendet werden, als hochriskant und verlangt Transparenz, menschliche Aufsicht und fortlaufende Überwachung.

• European Health Data Space (EHDS): Der EHDS trat 2025 in Kraft und regelt, wie Gesundheitsdaten über EU-Mitgliedstaaten hinweg geteilt und genutzt werden – mit direkten Auswirkungen auf KI-Werkzeuge, die Patientendaten verarbeiten.

• General Data Protection Regulation (DSGVO) und Datenhaltung in der EU: Werkzeuge, die Patientendaten verarbeiten, müssen die DSGVO einhalten. Anforderungen an die Datenhaltung in der EU – also wo Daten gespeichert und verarbeitet werden – sind eine Frage auf Beschaffungsebene mit Auswirkungen auf die klinische Governance.

• ISO 27001: Informationssicherheitszertifizierung, die zunehmend eine Grunderwartung für klinische KI-Anbieter ist.

Im Vereinigten Königreich klassifiziert die MHRA KI-Schreibassistenten als Software als Medizinprodukt, und NHS England hat Informations-Governance-Leitlinien für deren Nutzung herausgegeben. Die Einhaltung dieser Rahmenwerke ist kein Unterscheidungsmerkmal unter Anbietern, sondern die Mindestvoraussetzung für eine Berücksichtigung.

Was Behandler tatsächlich brauchen, um ein KI-Werkzeug zu evaluieren

Die Kriterien, die für Behandler oder klinische Leitungen bei der Evaluierung eines KI-Werkzeugs wichtig sind, unterscheiden sich von denen auf einer Beschaffungscheckliste. In der Praxis sind folgende Fragen entscheidend:

• Integriert es sich mit dem bereits verwendeten Praxisverwaltungssystem? Ein Werkzeug, das parallele Dokumentation oder manuellen Datentransfer erfordert, erhöht den Aufwand statt ihn zu reduzieren. Integration mit dem Praxisverwaltungssystem ist eine praktische Einschränkung, die viele Optionen früh ausschließt.

• Wurde es im relevanten Fachgebiet validiert? Ein Werkzeug, das in der Allgemeinmedizin überzeugt, kann in Psychiatrie, Dermatologie oder Pädiatrie möglicherweise nicht denselben Standard erreichen. Fachspezifische Validierungsnachweise sollten eingefordert, nicht vorausgesetzt werden.

• Wie ist das Genauigkeitsprofil und wie werden Fehler behandelt? Die randomisierte kontrollierte UCLA-Studie zeigte, dass KI-generierte Notizen gelegentlich klinisch relevante Ungenauigkeiten enthielten, was die Notwendigkeit aktiver ärztlicher Aufsicht unterstreicht. Das Verständnis der Fehlerrate und des Überprüfungsworkflows ist essenziell.

• Wie steht es um Datensicherheit und Datenschutz? Wo werden Patientendaten verarbeitet? Wer hat Zugriff? Wie lange werden sie aufbewahrt? Das sind keine reinen IT-Fragen, sondern Fragen der klinischen Governance.

• Gibt es Evidenz für reale klinische Validierung, nicht nur Anbieterangaben? Peer-reviewte Studien, unabhängige Evaluierungen und NHS- oder gleichwertige Gesundheitssystem-Pilotprojekte wiegen schwerer als Marketingmaterialien.

• Passt es zum tatsächlichen Workflow? Ein Werkzeug, das Verhaltensänderungen von jedem Behandler in einer Praxis verlangt, ist ein Change-Management-Projekt, keine reine Software-Implementierung. Die besten Werkzeuge reduzieren Reibung, sie schaffen keine neuen.

Die messbare Wirkung: was die Evidenz bisher zeigt

Die Evidenzbasis für KI-Werkzeuge in der klinischen Praxis wächst, und die Signale sind überwiegend positiv. Die Qualität und das Ausmaß der Evidenz variieren jedoch, und es lohnt sich, genau zu unterscheiden, was nachgewiesen wurde und was lediglich ein vielversprechendes Signal bleibt.

Zur Burnout-Reduktion

Eine multizentrische Qualitätsverbesserungsstudie mit 263 Ärztinnen und Ärzten in sechs Gesundheitssystemen zeigte, dass nach 30 Tagen mit einem Ambient-KI-Schreibassistenten der Anteil der Behandler mit Burnout von 51,9 Prozent auf 38,8 Prozent sank – mit Verbesserungen bei kognitiver Belastung, Dokumentation nach Feierabend und Patientenaufmerksamkeit. Eine Studie bei Emory Healthcare und Mass General Brigham fand eine absolute Reduktion der Burnout-Prävalenz um 21,2 Prozent nach 84 Tagen. Das sind erhebliche Effekte, auch wenn beide Studien in spezifischen Gesundheitssystemen durchgeführt wurden und nicht uneingeschränkt generalisierbar sind.

Zur Dokumentationsqualität

Ein Scoping-Review zur KI-Spracherkennung für klinische Dokumentation bestätigte, dass KI-basierte Werkzeuge die Arbeitsbelastung der Behandler reduzieren können, stellte aber auch fest, dass Genauigkeit und Zuverlässigkeit je nach Werkzeug und klinischem Kontext variieren.

Zur kognitiven Belastung

Die randomisierte kontrollierte UCLA-Studie fand bescheidene, aber messbare Verbesserungen bei Burnout-Scores, kognitiver Arbeitsbelastung und Arbeitserschöpfung – mit dem wichtigen Vorbehalt, dass KI-generierte Notizen aktive Aufsicht erfordern.

Wo die Evidenz dünner ist

Langzeitergebnisse, Auswirkungen auf die Patientensicherheit und die Leistung über das gesamte Spektrum klinischer Fachgebiete hinweg bleiben Bereiche, in denen die Evidenzbasis noch im Aufbau ist. Ein systematischer Review zur Auswirkung von KI auf praxisverwaltungssystembezogenes Burnout fand konsistente Signale über Studien von 2019 bis 2025, merkte aber die methodische Variation an, die direkte Vergleiche erschwert. Die Richtung der Evidenz ist klar, das Ausmaß und die Dauerhaftigkeit der Effekte im großen Maßstab sind jedoch noch nicht vollständig belegt.

Was als Nächstes kommt: die Richtung, in die sich KI in der klinischen Praxis bewegt

Die glaubwürdigen kurzfristigen Entwicklungen in der klinischen KI sind Erweiterungen dessen, was bereits funktioniert – keine Abweichungen davon.

Tiefere Integration mit Praxisverwaltungssystemen

Werkzeuge, die derzeit Notizen neben Praxisverwaltungssystemen generieren, bewegen sich in Richtung nativer Integration, füllen strukturierte Felder aus, stoßen Workflows an und reduzieren die Anzahl der Systeme, mit denen Behandler interagieren müssen. Der European Health Data Space wird Interoperabilitätsanforderungen über EU-Mitgliedstaaten hinweg beschleunigen.

Expansion in mehr Fachgebiete

Die Werkzeuge mit der breitesten Implementierung sind heute generalistisch. Fachspezifische Modelle, trainiert auf der Sprache, den Kodierungskonventionen und klinischen Mustern der Dermatologie, Psychiatrie, Onkologie und anderer Disziplinen, sind in Entwicklung – mit unterschiedlichen Validierungsständen.

KI-natives Betriebssystem für klinische Workflows

Plattformen, bei denen KI nicht nur ein nachträglich hinzugefügtes Werkzeug ist, sondern die zugrunde liegende Infrastruktur bildet, durch die Dokumentation, Entscheidungsunterstützung, Überweisungen und Patientenkommunikation verwaltet werden, repräsentieren die längerfristige Entwicklung. Das ist eine signifikante architektonische Veränderung gegenüber dem aktuellen Modell, bei dem KI-Werkzeuge zu bestehenden Systemen hinzugefügt werden.

Governance und Personalbereitschaft

Werden das Tempo der Einführung ebenso stark prägen wie die Technologie selbst. Der WHO/Europa-Bericht identifizierte Schulungslücken als prioritäre Erkenntnis – ein Signal dafür, dass der limitierende Faktor in vielen Gesundheitssystemen nicht die Verfügbarkeit von Werkzeugen, sondern die Fähigkeit ist, sie sicher und effektiv einzusetzen.

KI als Infrastruktur, nicht als Innovations-Theater

Der Rahmen, der am meisten Sinn ergibt, wo klinische KI im Jahr 2026 steht, ist Infrastruktur, nicht Innovation. Praxisverwaltungssysteme wurden einst als neue Technologie betrachtet, heute sind sie das selbstverständliche Fundament der klinischen Praxis. KI-Werkzeuge folgen einer ähnlichen Entwicklung – von Neuheit über kontroverse Einführung bis zu dem Punkt, an dem ihre Abwesenheit die Ausnahme sein wird.

Die European Society of Medicine merkt an, dass die realen klinischen Anwendungen von KI inzwischen Diagnostik, Dokumentation, Vorhersage von Arzneimittelreaktionen und Governance umfassen – eine Breite, die Integration statt Experimentieren widerspiegelt. Der Stanford-Harvard-Bericht dokumentiert sowohl den Boom in der klinischen KI-Forschung als auch die Risiken übermäßiger Abhängigkeit – eine Kombination, die die Reife der Diskussion widerspiegelt.

Für Behandler ist die praktische Konsequenz klar: Die Frage ist nicht mehr, ob KI-Werkzeuge Teil der klinischen Praxis werden, sondern welche Werkzeuge, nach welcher Evidenz und mit welcher Governance. Sich jetzt kritisch mit dieser Frage auseinanderzusetzen, statt zu warten, bis die Technologie Standard ist, ist die Voraussetzung für eine informierte und sichere Einführung.

Häufig gestellte Fragen

▶ Welches Problem lösen KI-Werkzeuge tatsächlich für Behandler?

Der Haupttreiber ist der Dokumentationsaufwand. Forschung zeigt, dass Ärztinnen und Ärzte mehr als die Hälfte ihres Arbeitstages mit Aufgaben im Praxisverwaltungssystem verbringen. Dies erhöht die kognitive Belastung (den mentalen Aufwand, der nötig ist, um Informationen zu verarbeiten und darauf zu reagieren), mindert die Qualität der Patienteninteraktion und beschleunigt Burnout. KI-Werkzeuge, die die Zeit für klinische Dokumentation reduzieren, adressieren ein Problem, das sowohl das Wohlbefinden als auch die klinische Sicherheit betrifft.

▶ Was ist Ambient Voice Technology und wie unterscheidet sie sich von älteren Sprache-zu-Text-Werkzeugen?

Ambient Voice Technology (AVT) bezeichnet Systeme, die einem natürlichen klinischen Gespräch zuhören und strukturierte klinische Notizen in Echtzeit generieren, ohne dass der Behandler zum Tippen anhalten muss. Frühere Sprache-zu-Text-Werkzeuge erforderten Diktat statt Konversation und produzierten Rohtranskripte, die noch erheblich nachbearbeitet werden mussten. Ambient Voice Technology versteht den klinischen Kontext, trennt klinisch relevante Inhalte von Gesprächsrauschen und erstellt Notizentwürfe, die direkt zur Überprüfung bereitstehen.

▶ Transkribieren KI-generierte klinische Notizen nur Sprache oder produzieren sie strukturierte, kodierte Ausgabe?

Führende KI-Medizinassistenten im Jahr 2026 gehen über die reine Transkription hinaus. Sie erstellen strukturierte Notizen, schlagen klinische Codes wie SNOMED und ICD vor und können Felder im Praxisverwaltungssystem automatisch ausfüllen. Das ist wichtig, weil strukturierte, kodierte Ausgabe die nachgelagerte klinische Nutzung ermöglicht, etwa für Audits, Überweisungen und Abrechnung. Eine gut geschriebene, aber unstrukturierte Notiz verschiebt den Dokumentationsaufwand lediglich.

▶ In welchen Versorgungsbereichen werden KI-Werkzeuge eingesetzt?

KI-Werkzeuge werden in der ambulanten, stationären und fachärztlichen Versorgung sowie bei Videosprechstunden eingesetzt. Hausärztinnen und Hausärzte nutzen sie, um Konsultationsnotizen zu generieren und Arztbriefe zu entwerfen. Krankenhausteams wenden sie bei Visiten und Entlassbriefen an. Überweisungsentwürfe und fachspezifische Vorlagen entstehen in fachärztlichen Umgebungen. Die Fernversorgung wird im Stanford-Harvard State of Clinical AI-Bericht als Wachstumsfeld identifiziert.

▶ Was zeigt die Evidenz über KI-Werkzeuge zur Reduktion von Burnout bei Behandlern?

Eine multizentrische Qualitätsverbesserungsstudie mit 263 Ärztinnen und Ärzten in sechs Gesundheitssystemen zeigte, dass nach 30 Tagen mit einem Ambient-KI-Schreibassistenten der Anteil der Behandler mit Burnout von 51,9 Prozent auf 38,8 Prozent sank. Eine separate Studie bei Emory Healthcare und Mass General Brigham fand eine absolute Reduktion der Burnout-Prävalenz um 21,2 Prozent nach 84 Tagen. Beide Studien wurden in spezifischen Gesundheitssystemen durchgeführt und sind möglicherweise nicht uneingeschränkt auf alle Umgebungen übertragbar.

▶ Welche regulatorischen Rahmenwerke regeln KI-Werkzeuge, die in der klinischen Praxis in Europa verwendet werden?

Mehrere Rahmenwerke sind relevant. Die EU-MDR klassifiziert KI-Werkzeuge, die klinische Entscheidungen beeinflussen, als Medizinprodukte und verlangt Konformität vor dem Einsatz. Der EU AI Act, seit August 2024 in Kraft, stuft KI-Systeme in medizinischen Kontexten als hochriskant ein und verlangt Transparenz, menschliche Aufsicht und fortlaufende Überwachung. Der European Health Data Space (EHDS), der 2025 in Kraft trat, regelt, wie Gesundheitsdaten über EU-Mitgliedstaaten hinweg geteilt werden. Die DSGVO und Anforderungen an die Datenhaltung in der EU gelten für jedes Werkzeug, das Patientendaten verarbeitet. Im Vereinigten Königreich klassifiziert die Medicines and Healthcare products Regulatory Agency (MHRA) KI-Schreibassistenten als Software als Medizinprodukt.

▶ Was sollten Behandler fragen, wenn sie ein KI-Werkzeug evaluieren?

Der Artikel nennt sechs praktische Fragen: Ob sich das Werkzeug mit dem bereits verwendeten Praxisverwaltungssystem integriert, ob es im relevanten Fachgebiet validiert wurde, wie das Genauigkeitsprofil aussieht und wie Fehler behandelt werden, wie Datensicherheit und Datenschutz geregelt sind (einschließlich wo Patientendaten verarbeitet und gespeichert werden), ob es unabhängige klinische Validierung über Anbieterangaben hinaus gibt und ob das Werkzeug zum tatsächlichen Workflow passt, ohne signifikante Verhaltensänderungen von Behandlern zu verlangen.

▶ Verlagert sich die klinische Verantwortung auf die KI, wenn diese Werkzeuge verwendet werden?

Nein. Die klinische Verantwortung verbleibt beim Behandler. Der Artikel beschreibt dies nicht als Vorbehalt, sondern als Designprinzip. Ein in BMJ Health Care Informatics veröffentlichtes risikostratifiziertes Framework schlägt vor, dass KI das klinische Urteilsvermögen unterstützt, anstatt es zu ersetzen. Die randomisierte kontrollierte UCLA-Studie zeigte ebenfalls, dass KI-generierte Notizen gelegentlich klinisch relevante Ungenauigkeiten enthielten, was die Notwendigkeit aktiver ärztlicher Aufsicht über jede KI-generierte Ausgabe unterstreicht.

▶ Wo ist die Evidenz zu KI-Werkzeugen noch begrenzt?

Langzeitergebnisse, Auswirkungen auf die Patientensicherheit und die Leistung über das gesamte Spektrum klinischer Fachgebiete hinweg bleiben Bereiche, in denen die Evidenzbasis noch im Aufbau ist. Ein systematischer Review zur Auswirkung von KI auf praxisverwaltungssystembezogenes Burnout fand konsistente Signale über Studien von 2019 bis 2025, merkte aber methodische Unterschiede an, die direkte Vergleiche erschweren. Die Richtung der Evidenz ist überwiegend positiv. Das Ausmaß und die Dauerhaftigkeit der Effekte im großen Maßstab sind jedoch noch nicht abschließend belegt.

▶ Was ist die wahrscheinliche Richtung von KI-Werkzeugen in der klinischen Praxis in naher Zukunft?

Der Artikel nennt vier glaubwürdige kurzfristige Entwicklungen: Erstens, tiefere Integration mit Praxisverwaltungssystemen – von der parallelen Notizgenerierung zur nativen Befüllung strukturierter Felder und Auslösung von Workflows. Zweitens, Expansion in mehr Fachgebiete, mit Modellen, die auf der Sprache und den Kodierungskonventionen von Bereichen wie Dermatologie und Psychiatrie trainiert sind. Drittens, die Entwicklung von KI-nativen Betriebssystemen für klinische Workflows, bei denen KI die zugrunde liegende Infrastruktur bildet. Viertens, Governance und Personalbereitschaft, die der WHO/Europa-Bericht als limitierenden Faktor in vielen Gesundheitssystemen identifiziert.