Nvidia – State of AI in Healthcare and Life Sciences

Die Vielzahl menschlicher Bedürfnisse und die umfangreiche Antwort darauf in Form von Produkten und Dienstleistungen lässt bereits vermuten, dass auch Künstliche Intelligenz weit mehr darstellt als geschriebene Zeilen Code. Damit geht vielmehr eine teilweise wellenförmige Bedarfsentwicklung einher, die einzelne Branchen überrollt und Unternehmungen hervorhebt. Während des großen Goldrausches waren es Schaufeln und Spitzhacken, die deutlich werden ließen, dass im Geschäft mit der Ausstattung mehr steckt als in der Suche selbst. Bekannter Profiteur damals war Levi Strauss, heute zählt dazu sicherlich Jensen Huan.

Über drei Dekaden hinweg sind unter seiner Führung aus einem Hersteller von Grafikprozessoren das Rückgrat der Künstlichen Intelligenz und die wertvollste börsennotierte Unternehmung geworden. Nvidia steht für Geschwindigkeit, angefangen bei überlegener Chip-Architektur und fortschrittlichsten Prozessoren hin zur immensen Skalierung von Intelligenz. Aus dieser Position heraus gibt Nvidia Einblicke in die Entwicklungen in unterschiedlichen Branchen. Im Gesundheitswesen geht es aktuell um Deutungshoheit, denn dort ermöglichen beispielsweise generative KI-Modelle immer größere Fortschritte in den Bereichen der Medizinforschung, der operativen Eingriffe, der bildgebenden Verfahren, der Patienteninteraktion und darüber hinaus.

Der gerade erschienene Bericht „State of AI in Healthcare and Life Sciences: 2026 Trends“ verweist auf einen momentanen Wendepunkt der Entwicklung: Wirkung beweist sich, Nutzung lässt sich skalieren, Investitionen zahlen sich in wesentlichen Projekten bereits aus. Im Ergebnis beschleunigt sich die KI-Adaption in allen Bereichen des Gesundheitswesens. Kommt eine spezifische Intelligenz in passenden Anwendungsfällen zum Einsatz, so ist dieser Einsatz ebenso effektiv wie finanziell attraktiv. Eigene Daten werden für weiteres Training verwendet und verbessern spezialisierte KI-Lösungen immer weiter.

Über alle Kategorien des Gesundheitswesens hinweg steigen die KI-Nutzungsraten der Veröffentlichung zufolge deutlich an und liegen bei etwa 78 Prozent „aktiver Nutzung“ (2025 noch 70 Prozent, 2024 63 Prozent). Eine Auffächerung in einzelne Anwendungsfelder zeigt, dass generative KI und Datenanalyse bereichsübergreifend zu den meistgenutzten Feldern gehören, mit Abstand gefolgt von vorrausschauender Analyse und agentischer KI; alle Felder weisen Zuwächse aus. Größere Einrichtungen verwenden tendenziell mehr KI-Anwendungen als kleinere.

Das Gesundheitswesen nutzt Künstliche Intelligenz für unterschiedliche Anwendungszwecke: Die klinische Entscheidungsunterstützung ist führend, Bildgebung und administrative Aufgaben sind etwa gleichauf zweitgenannt. Die Betrachtung der einzelnen Sektoren und Bereiche lässt – teilweise sehr naheliegende – Unterschiede ersichtlich werden: Pharma und Biotechnologie setzen KI für Entdeckung und Entwicklung ein; der Bereich der digitalen Gesundheit setzt auf Chatbots, virtuelle Assistenten sowie Dokumentation und die Medizintechnik auf Bildgebung und Entscheidungsunterstützung.

Die unterschiedliche KI-Durchdringung und -Nutzung in Abhängigkeit von der Einrichtungsgröße beruht auf strukturell bedingten Unterschieden. Fehlende personelle und finanzielle Ressourcen betreffen kleinere Versorger und Unternehmen deutlich stärker beziehungsweise sind dort die größte Herausforderung. Infolge dessen werden in größeren Organisationen auch mehr KI-Lösungen für mehr Anwendungszwecke eingesetzt. Ähnlich sieht es bei den verfügbaren Daten für Trainingszwecke der KI-Modelle aus; auch hier ist die Einrichtungsgröße maßgeblich und sorgt für Hürden. Allerdings geht mit dem intensiven Einsatz auch ein höherer Bedarf an Daten- und KI-Experten einher, deren Rekrutierung dann wiederum zur Herausforderung wird. Zudem steigt der Bedarf an Rüstzeug – Nvidias Kompetenzfeld –, beispielsweise im Sinne von Datenorganisation, -speicherung und -sicherheit. Ein relevanter Trend: Hybride Verarbeitungsarchitekturen bilden Arbeitsaufwand entsprechend des Leistungs- und Skalierungsbedarfs sowohl on-premise als auch in der Cloud ab.

Zu den Fähigkeiten, die KI in Organisationen einbringt, gehören im Kern die Unterstützung und Verbesserung bestehender Arbeitsabläufe. Das spiegelt sich auch im Zahlenwerk der Nvidia-Studie: 57 Prozent der Befragten aus dem Segment Medizintechnik sehen eine Rendite ihrer KI-Investitionen im Bereich der Bildgebung. Bei Pharma und Biotechnologie verankern dies 46 Prozent bei der Identifizierung und Entwicklung neuer Arzneimittel und für Digital Health werden Chatbots und digitale Assistenten als beste ROI-Anwendungsfälle genannt. Insgesamt zeigt sich jedoch eine Mischung aus Themen des Gesundheitswesens und übergreifenden administrativen und unterstützenden Themen als rentabel.

Spezifische KI-Anwendungen wirken sich positiv auf die finanziellen Ergebnisse aus, das zeigt eine Eingrenzung der Antworten auf Teilnehmer aus der Management-Ebene: 85 Prozent geben an, dass der Umsatz gestiegen sei, 80 Prozent bestätigen Kostenreduktionen; in vielen Fällen handelt es sich um substanzielle Einflüsse und im Vergleich zum Vorjahr sind diese Einflüsse deutlicher geworden. Fast die Hälfte der Befragten sagt, dass KI die Einnahmenseite um mehr als 10 Prozent gesteigert habe und immerhin 35 Prozent sehen Entsprechendes für die Ausgabenseite; kleinere Organisationen profitieren überproportional.

Die zunehmende Geschwindigkeit der Durchdringung und die positiven finanziellen Signale der Nutzung werden zu einer besseren finanziellen Ausstattung der KI-Thematik führen. Die deutliche Mehrheit der Studienteilnehmer (85 Prozent) spricht von einem voraussichtlichen Budgetanstieg, etwa die Hälfte geht dabei von mindestens 10 Prozent aus. Die Korrelation von Ausgaben und Rendite legt einen sich verstärkenden Kreislauf nahe, in dem messbare Ergebnisse wiederum zusätzliche Investitionen fördern – auch Folgeinvestitionen in bereits produktiv genutzte KI-Anwendungen. Etwa die Hälfte der Antworten nennt dies als Priorität innerhalb der geplanten Ausgaben (Vorjahr: 34 Prozent). Im Gegenzug sehen nur noch 37 Prozent neue KI-Anwendungsfälle im Mittelpunkt (Vorjahr: 47 Prozent). Das unterstreicht, dass sich Organisationen auf eine Skalierung derjenigen KI-Lösungen konzentrieren, die sich als effektiv erwiesen haben. Dafür bedarf es aber entsprechender KI-Infrastruktur, die inzwischen mehr als ein Drittel der Teilnehmenden als Ausgabenpriorität sieht (24 Prozent im Vorjahr).

Das Gesundheitswesen lebt vor, dass Künstliche Intelligenz auf eingegrenzte Problemstellungen angewendet werden und dort Vorteile erbringen kann. Die Autoren unterstreichen zum Abschluss eine Diskrepanz: Wird KI weitreichend eingesetzt, zeigen sich die Vorteile deutlich. Gleichzeitig erweist sich dann der personelle Bedarf an KI-Experten als Herausforderung – allerdings rückläufig mit zunehmender KI-Reife. Der Erfolg beruht auf mehr als nur auf Hard- und Software: Eine gemeinsame Kraftanstrengung ist notwendig, die auf einem Ökosystem an Partnern aufbaut, um die initialen Hürden zu überwinden.