Grundlagen, Mehrwerte und Use-Cases für KI im Gesundheitswesen

Die Digitalisierung stellt eine attraktive, leistungs- und vor allem zukunftsfähige Gesundheitsversorgung in Aussicht. Von den Möglichkeiten digitaler Technologien können Patienten und Mitarbeitende gleichermaßen profitieren. Der Bundesverband Gesundheits-IT (bvitg) formuliert jedoch: „Innovationen im Gesundheitssystem werden primär durch regulatorische Veränderungen hervorgebracht, statt durch neue Technologien“ – und belegt diese Leitthese in seinem ‚Trendreport Gesundheits-IT 2025‘.

Für echte Veränderungen reichen technische Innovationen allein nicht aus. Sie müssen im komplexen Gesundheitssystem mit seinen strukturellen Hürden und der damit einhergehenden Schwerfälligkeit auch ankommen. Künstliche Intelligenz (KI) hat das Potenzial dazu, so der Bundesverband, weil es sich um eine grundlegende Technologie handelt, die in bestehende Lösungen integriert werden kann. Sie geht Herausforderungen nicht nach bestehenden Mustern an, sondern findet neue Lösungswege, die vorher (durch Menschen) nicht abzusehen waren. Reifegrad, Angebotsvielfalt und Anwendungsbereiche Künstlicher Intelligenz in allen klinischen Anwendungsfällen entwickeln sich in rasantem Tempo, regulatorische Rahmenbedingungen und Integration in die Praxis müssen jetzt entsprechend schritthalten.

KI ist eine Technologie, die menschliches Lernen, Verständnis, Problemlösung, Entscheidungsfindung, Kreativität und Autonomie simulieren kann. KI-Anwendungen können Objekte wahrnehmen und identifizieren, menschliche Sprache verstehen und darauf reagieren, aus neuen Informationen und Erfahrungen lernen, detaillierte Empfehlungen geben und ohne menschliche Eingriffe selbständig handeln.

In der IBM-Wissensdatenbank findet sich neben dieser Definition auch eine Übersicht über die einzelnen Konzepte, die im Laufe von mehr als 70 Jahren entstanden sind: Obwohl häufig als neues Phänomen wahrgenommen, gibt es Künstliche Intelligenz – als maschinell erweiterte menschliche Intelligenz – bereits seit den 1950er Jahren. Ab den 1980ern kam maschinelles Lernen hinzu, bei dem ein Algorithmus darauf trainiert wird, auf der Grundlage von Daten Vorhersagen oder Entscheidungen zu treffen. Das vergangene Jahrzehnt war von Deep Learning geprägt, einem Teilbereich des maschinellen Lernens, der mehrschichtige neuronale Netze verwendet, um Entscheidungsstrukturen des menschlichen Gehirns genauer zu simulieren. Überwachung und Eingreifen sind nicht erforderlich, große Datenmengen können verarbeitet werden und Systeme leiten selbst Entscheidungen ab. Ab 2020 begann die Zeit der generativen KI (Gen KI): Deep-Learning-Modelle, die in Interaktion mit einem Benutzer komplexe Originalinhalte (neue Werke auf Basis von Trainingsdaten, die ähnlich, aber nicht identisch mit den Ausgangsdaten sind) erstellen können. Die bekannten LLM (Large Language Models) sind eine besondere Gen-KI-Form, bei der der Fokus auf der Verarbeitung und dem Generieren von Text liegt.

Mit „Wie trägt der gezielte Einsatz von Daten und KI dazu bei, die Gesellschaft nachhaltig zu verbessern?“ betiteln die EY-Autoren ihren umfangreichen ‚Data and AI Report‘. Die Veröffentlichung befasst sich vornehmlich mit Fragen und vor allem Chancen der KI-Nutzung, wenig mit der Technik selbst. Lesenswert sind Auflistung und Beschreibung der durch den Einsatz Künstlicher Intelligenz erreichbaren Mehrwerte.

Verbesserte Produktivität und Effizienz
Als Reaktion auf Ressourcenknappheit bei gleichzeitig steigenden Anforderungen können durch KI-Systeme Routineaufgaben automatisiert, Arbeitsabläufe optimiert und Entscheidungsfindungen verbessert werden, um entsprechend Geschwindigkeit, Genauigkeit und Effizienz zu verbessern.

Verbessertes Mitarbeitenden-Erlebnis
Schwerpunkte der Erlebnisverbesserung durch KI-Unterstützung liegen auf einer Reduktion des Fachkräfte- und Kompetenzmangels durch Erweiterung der Kapazitäten, Verringerung des Verwaltungsaufwands, Schaffung eines attraktiveren Arbeitsumfelds und der Förderung von Weiterbildung und Entwicklung.

Verbesserte Nutzungserlebnisse
Durch Künstliche Intelligenz personalisierte, einfach zugängliche und rasch erbrachte Dienstleistungen führen zu mehr Vertrauen und Zufriedenheit. Gleichzeitig werden erzeugte Daten genutzt, um diese Dienstleistungen kontinuierlich zu verbessern.

Verbesserte Vorausplanung von Dienstleistungen
Eine KI-gestützte Bedarfsvorhersage ermöglicht verlässliche Vorausplanung, beispielsweise im Sinne präventiver Maßnahmen, einer intelligenteren Ressourcenzuteilung oder besserer Gestaltung der Leistungen.

Verbessertes Finanzcontrolling
Dazu gehören die Bewältigung von Ressourcenknappheit durch KI-Anwendungen zur Beseitigung von Ineffizienzen, Verringerung von Betrug, Verbesserung der Finanzberichterstattung, Steigerung der Einnahmen und Optimierung der Budgetverwaltung.

Verbesserte Risikominderung und Resilienz
Damit ist eine verbesserte Reaktion auf Probleme im Hinblick auf operative Kontinuität, Cybersicherheit, regulatorischen Druck und Krisenszenarien mit KI-geförderten Überwachungs-, Prognose- und Reaktionsfähigkeiten (einschließlich Tests und Simulationsübungen) gemeint.

Transformation, also die Einführung neuer Strategien und Technologien, erfolgt aus dem Inneren einer Organisation heraus. Auch im Gesundheitswesen, insbesondere bei betont hierarchischen Führungsstrukturen, gilt es, diese Herausforderung anzunehmen. Die Mitarbeitenden wollen involviert und emotional mitgenommen werden. Es geht ihnen um die gemeinsame Aufgabe und das Wohl der Patienten, weniger um Optimierungspotenziale und Wertschöpfung der Versorgung.

Das EY-Whitepaper zum nachhaltigen KI-Einsatz arbeitet auf Basis der erhobenen Umfrageergebnisse fünf Grundpfeiler einer erfolgreichen Implementierung heraus, die sich bei digitalen Vorreitern deutlich abzeichnen. Es geht dabei um ein ausgewogenes Verhältnis zwischen technologischen Kapazitäten und der Einsatzbereitschaft der Organisation.

Grundpfeiler Daten und Technologie
Grundlage erfolgreicher KI-Implementierung ist eine umfassend ausgeplante und belastbare Dateninfrastruktur: Plattformen, die Daten über Systeme hinweg integrieren und effiziente Datenverarbeitung ermöglichen. Bedacht wird der gesamte Datenlebenszyklus (Erfassung bis Löschung), zudem werden Verantwortlichkeiten im Organigramm verankert, zumeist in Form einer dedizierten Führungsfunktion.

Grundpfeiler Talente und Kompetenzen
Die Verfasser der Studie bezeichnen den Fachkräftemangel als das wohl größte Hindernis der KI-Implementierung in Organisationen der öffentlichen Hand. Es bedarf einer vorausgreifenden Personalstrategie, die Veränderungen in bestehenden sowie gänzlich neue Stellenprofile berücksichtigt und die Mitarbeitenden entsprechend qualifiziert bzw. KI-Fachkräfte für das Gesundheitswesen gewinnen und weiterentwickeln kann. Dabei geht es sowohl um die Anwendung von KI-Systemen als auch um Themen wie IT-Infrastruktur und -Sicherheit.

Grundpfeiler anpassungsfähige Kultur
Einer gelungenen Einführung gehen Betrachtung und Berücksichtigung der Kultur voraus. Es gilt, sich mit den menschlichen Aspekten des Wandels zu befassen. Verantwortliche müssen Rückhalt für den Umgang mit neuen Technologien und die mit der Erprobung und Implementierung einhergehenden Risiken geben. Experimentierfreude statt Angst vor negativen Konsequenzen, eingebettet in strukturierte Innovations- und Change-Prozesse. Insbesondere KI bedarf zudem einer klaren Kommunikation über die positiven Auswirkungen auf Arbeitsplätze und -inhalte und erlebbarer Beispiele, um möglichen Widerständen konsequent zu begegnen und Begeisterung zu wecken.

Grundpfeiler Vertrauen und ethische Governance
Sind KI-Anwendungen im Gesamtbild der Außenwahrnehmung enthalten oder betreffen beispielsweise Patienten unmittelbar, ist Vertrauen wichtig. Es müssen ethische Leitlinien für den KI-Einsatz entwickelt und akzeptanzfördernd kommuniziert werden. Erfolgreiche Beispiele zeigen proaktive Einbindung, um Bedenken bereits vor der Implementierung auszuräumen, bis hin zur Förderung der digitalen Kompetenzen, um technologische Inklusion sicherzustellen. Funktionsweisen und Grenzen von KI-Systemen sind für alle nachvollziehbar. Aus technischer Perspektive sind Datenschutz sowie transparente Mechanismen zur vorherigen Zustimmung und klare Datennutzungsrichtlinien essenziell.

Grundpfeiler kollaborative Ökosysteme
Notwendige Ressourcen, Qualifikationen und Kapazitäten zur vollen Ausschöpfung der KI-Potenziale gehen über die Möglichkeiten einzelner Organisationen hinaus. Die EY-Studie verweist auf den systematischen Aufbau übergreifender Netzwerke: Solche kollaborativen Ökosysteme können beispielsweise Technologiepartnerschaften sein, die Zugang zu neuen Kompetenzen ermöglichen. Oder die strukturierte Kooperation mit wissenschaftlichen Einrichtungen, in deren Rahmen bestehende Problemstellungen mit Innovationskompetenz zusammengebracht werden. Talententwicklung ist ein weiterer Kollaborationsbereich; hier steht die partnerschaftliche Weiterbildung der Mitarbeitenden im Mittelpunkt. Speziell im Hinblick auf KI sind Partnerschaften zur gemeinsamen Datennutzung interessant, durch die Modelle über Organisationsgrenzen hinweg besser trainiert und aussagekräftigere Erkenntnisse erlangt werden.

Künstliche Intelligenz ist vielseitig und lässt sich in jeglichen Kontext integrieren. Diese Flexibilität sorgt für eine enorme Bandbreite in der Nutzung. Der Trendreport Gesundheits-IT des bvitg porträtiert konkrete Einsatzbereiche im Gesundheitswesen und gliedert diese in zwei Kategorien: medizinische Anwendungen und Unterstützung von Arbeitsprozessen. Die medizinischen KI-Anwendungen fallen größtenteils in die Bereiche Diagnostik, Behandlung und Rehabilitation. KI-Unterstützung von Arbeitsprozessen bezieht sich auf administrative Aufgaben, die klinische Abläufe unterstützen und ermöglichen. Hier trägt KI dazu bei, Effizienzen zu steigern und das Fachpersonal zu entlasten. Bei den drei ausführlich vorgestellten Use-Cases handelt es sich ausnahmslos um arbeitsprozessbezogene KI-Lösungen, laut bvitg sind dort die größten Fortschritte in der Adaption und umfassenden Nutzung im Sinne der Marktreife erkennbar.

Use-Case 1: Automatisierte klinische Dokumentation durch KI

Ärzte verbringen etwa drei Stunden ihrer täglichen Arbeitszeit mit administrativen Tätigkeiten, unter anderem mit Dokumentation. Diese Aufgaben werden als belastend wahrgenommen und beschneiden vorhandene Zeitfenster für den Austausch mit Patienten. Die Automatisierung von Dokumentationsprozessen setzt hier an: Gespräche können mithilfe von KI aufgezeichnet, relevante Informationen herausgefiltert und ich Echtzeit passend aufbereitet werden. Anschließend kann eine Übertragung in andere Datensysteme stattfinden oder es können nächste Schritte ausgelöst werden – die Schnittstellenkompetenz der Systemanbieter ist hierbei entscheidend. Neben wahrnehmbaren Zeitvorteilen verweist der bvitg auf Fehlerreduktion, Standardisierung und Kosteneffizienz beziehungsweise -einsparungen.

Use Case 2: KI-gestützte Patientenkommunikation
Die synchrone und oft fragmentierte Patientenkommunikation ist für administrative Mitarbeitende eine deutliche Belastung (Stress) und infolge für die Patienten selbst herausfordernd (Frust), beispielsweise im Sinne der Erreichbarkeit der Versorger (Ineffizienz). KI-basierte Sprachmodelle (LLM) eignen sich für sprachbasierte Aufgaben und zeigen ihr Potenzial in Form virtueller Telefon- und Chat-Assistenten. In beiden Formen können Daten erfasst und Terminwünsche bearbeitet sowie häufig gestellte Fragen beantwortet werden. Die Systeme greifen gezielt auf ausgewählte Quellen zu und können mit den Patienten interagieren – laut bvitg eine Entlastung des Personals, aber auch eine Ausweitung der Verfügbarkeit durch geringere Wartezeiten und Rund-um-die-Uhr-Erreichbarkeit.

Use Case 3: KI-gestützte Abrechnung
Im Prozessfeld der Datenerfassung, Aufbereitung und Leistungsabrechnung hat sich KI bereits bewährt, Lösungen sind verfügbar. Für Krankenhäuser stellen diese Schritte eine große Herausforderung dar, insbesondere durch DRG (sowohl durch Identifikation und Zuweisung als auch durch häufige Aktualisierung der DRG-Vorschriften). Abrechnungsfehler und damit verbundene finanzielle Nachteile beeinträchtigen die Effizienz und finanzielle Stabilität. KI-gestützte Systeme können Erfassung und Abrechnung von DRG automatisieren und optimieren; sie bewerten beispielsweise Diagnosen und Behandlungsverläufe aus Patientenakten und führen – anhand der jeweils aktuellen Kodierungsrichtlinien – eine kontinuierliche Zuordnung der entsprechenden DRG-Codes während des Behandlungsverlaufs durch. Auch hier kommt es auf hohe Schnittstellenkompetenzen an. Wieder sieht der bvitg Effizienz- und Kostenvorteile, daneben können Versorger aufbauend auf Echtzeitdaten und Analysen fundierte Entscheidungen zur Optimierung von Ressourcen und Prozessen treffen.