Zum Inhalt
KI-BlogBriefing zu künstlicher Intelligenz

Gesellschaft

KI in der Medizin

Kurzantwort

Am weitesten ist KI in der Bildgebung: In zwei großen Studien zum Brustkrebs-Screening fanden Radiologinnen mit KI-Hilfe mehr Tumoren, ohne mehr Frauen unnötig nachzuuntersuchen⁠12. Die Entscheidung bleibt ärztlich. Software für Diagnosen ist ein Medizinprodukt, und die zusätzlichen Pflichten der KI-Verordnung für solche Produkte gelten ab dem 02.08.2028⁠57.

Autor
Veröffentlicht
Geprüft
Lesezeit
7 Minuten
Radiologe im abgedunkelten Befundraum betrachtet Röntgenaufnahmen an einem hell erleuchteten Leuchtkasten
Bei der Auswertung von Röntgen- und Mammographiebildern ist KI am weitesten. Bild: KI-generiert

Die meisten Menschen begegnen medizinischer KI, ohne es zu merken: Ein Programm sieht eine Mammographie mit an, sortiert Röntgenbilder nach Dringlichkeit oder schreibt den Arztbrief vor. Belastbare Belege gibt es vor allem für die Auswertung von Bildern. Bei Sprachmodellen, die Symptome deuten oder Therapien vorschlagen, ist die Studienlage dünn⁠10.

Diagnose mit Bildern: was die Studien zeigen

Beim Brustkrebs-Screening liegen inzwischen Daten aus dem echten Betrieb vor. Die PRAIM-Studie der Universität zu Lübeck und des UKSH wertete Mammographien von mehr als 460.000 Frauen aus, die zwischen 2021 und 2023 an zwölf Standorten des deutschen Screening-Programms untersucht wurden⁠1. Etwa die Hälfte der Aufnahmen befundeten Radiologinnen und Radiologen mit KI-Unterstützung, die andere Hälfte klassisch im Vier-Augen-Prinzip⁠1. Mit KI wurden 6,7 Krebsfälle je 1.000 Frauen entdeckt, ohne KI 5,7⁠1. Die Rate der Frauen, die zur Abklärung erneut einbestellt wurden, blieb fast gleich: 37,4 gegenüber 38,3 je 1.000⁠1.

Aus Schweden kommt eine randomisierte Studie mit rund 106.000 Frauen zwischen 40 und 74 Jahren, MASAI genannt. Die Lancet-Veröffentlichung vom Januar 2026 meldet 29 Prozent mehr entdeckte Tumoren, vor allem kleine invasive Karzinome ohne Befall der Lymphknoten⁠2. Zwischen zwei Screening-Runden traten mit KI-Unterstützung 82 sogenannte Intervallkarzinome auf, in der Vergleichsgruppe 93⁠2. Der Leseaufwand für die Radiologie sank um 44 Prozent⁠2. Unter den Tumoren, die trotzdem zwischen den Runden auffielen, waren mit KI-Unterstützung 27 Prozent weniger aggressive Formen⁠2.

Die Lübecker Gruppe hat zusätzlich durchgerechnet, was passiert, wenn Fachleute die Aufnahmen gar nicht mehr ansehen, die das Programm als unauffällig einstuft. In dieser Simulation lag die Entdeckungsrate immer noch 16,7 Prozent über der Doppelbefundung, und unnötige Einbestellungen gingen um 15 Prozent zurück⁠1. Im Screening erprobt ist dieses Vorgehen bisher nicht. Die mögliche Entlastung wäre groß, denn Radiologinnen und Radiologen in Deutschland lesen nach Angaben der Universität rund 24 Millionen Aufnahmen im Jahr⁠1.

Beide Studien haben Grenzen. MASAI lief in einem Land, PRAIM mit einem bestimmten System eines Anbieters, und die Lübecker Forscher arbeiteten mit dem Hersteller zusammen⁠12. Ein System, das in einer Klinik gut abschneidet, kann an einem anderen Ort mit anderen Geräten und anderen Patientinnen schlechter sein. Fachleute sprechen dann von fehlender Übertragbarkeit.

Technisch steckt dahinter Bilderkennung mit tiefen neuronalen Netzen. Das System markiert auffällige Stellen oder gibt einen Risikowert aus. Den Befund unterschreibt weiterhin eine Ärztin oder ein Arzt. Nach demselben Prinzip arbeiten Programme für Gewebeschnitte in der Pathologie, für Netzhautaufnahmen in der Augenheilkunde und für Fotos von Hautveränderungen. Sie sortieren vor, priorisieren eilige Fälle oder machen auf Stellen aufmerksam, die ein müdes Auge übersehen könnte.

Medizinische Fachkraft richtet eine Patientin an einem Mammographiegerät in einem hellen Untersuchungsraum aus
Im deutschen Mammographie-Screening wurde KI an zwölf Standorten erprobt. Bild: KI-generiert

Sprachmodelle im Sprechzimmer

Bei generativer KI sieht die Lage anders aus. Für den AI Index, den das Stanford-Institut HAI im April 2026 vorgelegt hat, wurden mehr als 500 klinische KI-Studien ausgewertet: Fast die Hälfte prüfte die Modelle mit Fragen im Stil von Examensaufgaben, nur 5 Prozent mit echten klinischen Daten⁠10. Wer liest, ein Chatbot habe eine ärztliche Prüfung bestanden, weiß damit noch nicht, wie gut er bei einem echten Patienten liegt. Sprachmodelle können außerdem überzeugend falsche Angaben machen; diese Halluzination ist bei Gesundheitsfragen besonders heikel.

Messbar hilft generative KI bisher bei der Schreibarbeit. Laut AI Index verkürzten Programme, die das Arztgespräch mitschreiben und zusammenfassen, in einigen Kliniknetzen die Zeit für Notizen um bis zu 83 Prozent⁠10. In deutschen Praxen ist KI ebenfalls angekommen: Im PraxisBarometer der Kassenärztlichen Bundesvereinigung gaben 48 Prozent der Arztpraxen an, KI-Anwendungen zu nutzen, medizinisch unterstützend aber nur 16 Prozent⁠3. Praxen ohne KI nannten als Gründe vor allem Bedenken beim Datenschutz (47 Prozent) und fehlendes Vertrauen in die Fähigkeiten der Programme (46 Prozent)⁠3. In psychotherapeutischen Praxen verzichten 67 Prozent ganz auf KI⁠3. Gerade der Datenschutz, den so viele Praxen als Hürde nennen, gehört beim Einsatz von KI in der Arztpraxis vor dem Start geklärt.

Wer selbst einen Befund besser verstehen möchte, kann sich den Arztbrief von einer KI erklären lassen, in einfachen Worten und ohne Namen oder Versichertendaten im Text. Eine Diagnose oder Therapieentscheidung ersetzt das nicht.

Forschung mit Gesundheitsdaten

In der Forschung wird KI für Fragen eingesetzt, die mit klassischer Statistik mühsam wären: Muster in Millionen Krankheitsverläufen, Wirkstoffkandidaten, die ein Modell vorab aussortiert, oder Rechenmodelle einzelner Patienten, an denen sich Therapien durchspielen lassen. Zu solchen digitalen Zwillingen von Patienten gab es 2015 fast keine Veröffentlichungen, 2025 waren es laut AI Index 372⁠10. Ob daraus bessere Behandlungen werden, zeigt sich erst in klinischen Studien, und die dauern Jahre.

Für all das braucht KI große Datenmengen. Deutschland hat dafür das Forschungsdatenzentrum Gesundheit beim BfArM. Das Sozialgesetzbuch erlaubt dort ausdrücklich die Entwicklung und Sicherheitsüberwachung von Arzneimitteln, Medizinprodukten und KI-Systemen im Gesundheitswesen, einschließlich Training, Validierung und Testen⁠9.

Mit der elektronischen Patientenakte betrifft das alle gesetzlich Versicherten, die eine ePA haben. Daten aus der ePA werden pseudonymisiert an das Forschungsdatenzentrum übermittelt, sofern du nicht widersprichst⁠8. Der Widerspruch ist jederzeit möglich, in der ePA-App oder über die Ombudsstelle deiner Krankenkasse, und er lässt sich auf einzelne Zwecke beschränken⁠8. Bereits übermittelte Daten werden danach gelöscht; was schon in einem laufenden Forschungsvorhaben verwendet wurde, darf dort weiter genutzt werden⁠8. Der Widerspruch nach dieser Vorschrift betrifft nur die Übermittlung für die Forschung⁠8.

Benachteiligung durch Algorithmen

Ein bekanntes Beispiel aus den USA zeigt, wie ein Algorithmus Menschen benachteiligen kann, obwohl er die Hautfarbe gar nicht kennt. Forscher aus Berkeley und Chicago untersuchten ein Programm, das Patienten für ein Betreuungsprogramm auswählte; es schätzte den Bedarf über die erwarteten Behandlungskosten⁠4. Weil für schwarze Patienten wegen schlechteren Zugangs zur Versorgung weniger Geld ausgegeben wurde, galten sie bei gleichem Risikowert als gesünder, als sie waren⁠4. Nach der Korrektur stieg ihr Anteil in der automatisch aufgenommenen Gruppe von 18 auf 47 Prozent⁠4.

Das Problem steckte in der gewählten Zielgröße: Kosten standen für Krankheitslast. Ähnliche Verzerrungen entstehen, wenn Trainingsdaten bestimmte Gruppen kaum enthalten. Solcher KI-Bias zeigt sich ebenso bei Bewerbungen, Krediten und Gesichtserkennung.

Zulassung als Medizinprodukt

Software, die Informationen für Diagnose oder Therapie liefert, ist in der EU in der Regel ein Medizinprodukt. Für die Einstufung gilt die Regel 11 der Medizinprodukteverordnung: Software ohne Einfluss auf Diagnose- oder Therapieentscheidungen kommt in Klasse I, eine App, deren Auswertung in eine Therapieentscheidung einfließt, nach einem Beispiel des VDE in Klasse IIa⁠7. Je höher die Klasse, desto strenger die Prüfung: Klasse I kann der Hersteller ohne Benannte Stelle selbst bewerten, bei höheren Klassen prüft eine unabhängige Benannte Stelle⁠7. Im Dezember 2025 hat die EU-Kommission vorgeschlagen, die Regel 11 stärker am tatsächlichen Risiko auszurichten; entschieden ist das noch nicht⁠7.

Dazu kommt die KI-Verordnung, die Verordnung (EU) 2024/1689. Sie stuft KI in die Risikoklasse Hochrisiko ein, wenn sie Sicherheitsbauteil eines Produkts ist, das schon unter EU-Produktrecht fällt; die Kommission nennt als Beispiel KI in der robotergestützten Chirurgie⁠6. Für diese Systeme nach Anhang I gelten die Hochrisiko-Pflichten seit der Änderung durch den Digital-Omnibus ab dem 02.08.2028, später als alle anderen Fristen des AI Act⁠56. Welche Medizinprodukte im Einzelnen darunter fallen, hängt an ihrer Zweckbestimmung und an der Konformitätsbewertung; bei einem konkreten Produkt klären das Fachleute für Medizinprodukterecht.

Was das für dich heißt

Du musst medizinische KI nicht selbst bedienen, aber du kannst mitentscheiden, wie weit sie deine Daten nutzt.

  1. Frag in Praxis oder Klinik nach, ob bei deinem Befund ein KI-System beteiligt war.
  2. Prüf in der ePA-App, ob du der Forschungsnutzung zustimmst oder einzelnen Zwecken widersprechen willst.
  3. Nutz Chatbots höchstens, um Fachbegriffe zu verstehen, und sprich Befunde mit deiner Ärztin oder deinem Arzt durch.
  4. Gib bei Chatbots keine Namen, Versichertennummern oder vollständigen Befunde ein.

Was du als Patientin oder Patient merkst

Meist nichts Sichtbares. Eine Mammographie läuft gleich ab, ob ein Programm mitliest oder nicht. Du kannst aber fragen, ob und wofür KI bei deiner Untersuchung eingesetzt wurde, und eine gute Praxis erklärt dir das.

Wenn ein Befund nach einer Untersuchung anders ausfällt als erwartet, lohnt die Nachfrage, wer ihn erstellt und geprüft hat. Verantwortet wird er von einer Ärztin oder einem Arzt, und an diese Person richtest du Rückfragen. Wer im Schadensfall haftet, wenn ein KI-System an einer Fehldiagnose beteiligt war, ist eine Frage der Haftung für KI, die sich nur im Einzelfall beantworten lässt.

Spürbar wird KI dort, wo sie Zeit freimacht: wenn die Ärztin oder der Arzt im Gespräch nicht mehr tippt, weil ein Programm mitschreibt, oder wenn ein Befund schneller fertig ist. Wenn ein Programm das Gespräch mitschreibt, darfst du nachfragen, wie die Praxis die Daten verarbeitet. Und bei der ePA entscheidest du selbst, ob deine pseudonymisierten Daten in die Forschung fließen⁠8.

Ältere Patientin im Gespräch mit einer Ärztin am Schreibtisch eines ruhigen Sprechzimmers
Ob KI an einer Untersuchung beteiligt war, darfst du in der Praxis erfragen. Bild: KI-generiert

Häufige Fragen

Kann KI eine ärztliche Diagnose stellen?

In der Bildgebung erkennt KI Auffälligkeiten teils so gut wie Fachleute und hilft, mehr Tumoren zu finden. Die Diagnose stellt und verantwortet trotzdem eine Ärztin oder ein Arzt. Ein allgemeiner Chatbot übernimmt diese Verantwortung nicht.

Welche KI-Tools nutzen Arztpraxen?

Laut KBV-Befragung vor allem Werkzeuge für Recherche, Übersetzung, Dokumentation und Telefonannahme. Medizinisch unterstützende KI setzt nur ein kleiner Teil der Praxen ein.

Wie widerspreche ich der Datennutzung aus der ePA?

In der ePA-App deiner Krankenkasse oder bei deren Ombudsstelle. Du kannst den Widerspruch auf bestimmte Zwecke beschränken und jederzeit erklären.

Ist medizinische KI fair gegenüber allen Patienten?

Nicht automatisch. Wenn Trainingsdaten Gruppen kaum abbilden oder eine falsche Zielgröße gewählt wird, liegt das System bei diesen Gruppen öfter daneben.

Keine Rechtsberatung. Der Beitrag gibt den Stand vom 22.11.2026 wieder. Lass deinen eigenen Fall fachkundig prüfen.

Quellen

Stand:

  1. Universität zu Lübeck (über EurekAlert): Pressemitteilung zur PRAIM-Studie: KI verbessert die Brustkrebs-Erkennung im Screening, Stand 08.01.2025, abgerufen am 22.11.2026. zurück
  2. Universität Lund: AI support in breast cancer screening: fewer missed cancer cases (MASAI-Studie), Stand 30.01.2026, abgerufen am 22.11.2026. zurück
  3. Kassenärztliche Bundesvereinigung: PraxisBarometer 2026: Kommunikation im ambulanten Sektor läuft bereits überwiegend digital, Stand 12.11.2026, abgerufen am 22.11.2026. zurück
  4. University of California, Berkeley: Widely used health care prediction algorithm biased against Black people, Stand 24.10.2019, abgerufen am 22.11.2026. zurück
  5. Bundesnetzagentur: Ziele, Zielgruppe, Zeitplan der KI-Verordnung, Stand 2026, abgerufen am 22.11.2026. zurück
  6. Europäische Kommission: AI Act: Regulatory framework for AI, Stand 19.10.2026, abgerufen am 22.11.2026. zurück
  7. VDE: Regel 11 der MDR: Klassifizierung von Software, Stand 12.01.2026, abgerufen am 22.11.2026. zurück
  8. gesetze-im-internet.de: § 363 SGB V: Verarbeitung von Daten der elektronischen Patientenakte zu Forschungszwecken, abgerufen am 22.11.2026. zurück
  9. gesetze-im-internet.de: § 303e SGB V: Datenverarbeitung durch Nutzungsberechtigte, abgerufen am 22.11.2026. zurück
  10. Stanford HAI: Inside the AI Index: 12 Takeaways from the 2026 Report, Stand 13.04.2026, abgerufen am 22.11.2026. zurück

Weiterlesen

Bilder: KI-generiert

Aus dem Lexikon

Bilder: KI-generiert