KI in der Medizin
Befunde aufbereiten für Ärzte, Kliniken und Fachmedien
Ein lokal betriebenes Sprachmodell liest Laborwerte, Arztbriefe und Bildgebung aus mehreren Häusern, findet die Zusammenhänge und macht daraus eine Unterlage, die Patient und Arzt in Minuten lesen. Die Daten bleiben im Haus, die …
Weitere Publikationen
Aus vierzig Laborwerten wird eine lesbare Unterlage
Ein Laborendbefund einer Vorsorgeuntersuchung umfasst rund vierzig Werte, ein paar Pfeile am Rand und die Norm in der Nebenspalte. Der Patient nimmt daraus die Ahnung mit, dass etwas nicht stimmt. Die Regelsprechstunde bietet sieben bis zehn Minuten und deckt die drei dringendsten Punkte ab. Der Rest der Tabelle bleibt ungenutzt, obwohl er zusammengehörende Informationen enthält.
An dieser Stelle setzt ein Sprachmodell an, das auf einem Rechner in der Praxis oder in der Klinik arbeitet. Es verknüpft die Werte, ordnet jeden gegen den Normbereich des ausstellenden Labors, findet Widersprüche zwischen zwei Zeilen und formuliert das Ergebnis in normaler Sprache. Bei mehreren Vorbehandlern legt es die Aussagen der einzelnen Häuser nebeneinander und markiert die Abweichungen.
Gesundheitsdaten zählen nach Artikel 9 DSGVO zu den besonderen Kategorien. Der Betrieb im eigenen Serverraum löst diese Frage grundlegend, denn die Befunde verlassen die Einrichtung zu keinem Zeitpunkt und ein Vertrag zur Auftragsverarbeitung wird nicht notwendig. Die Diagnose und die Therapie bleiben ärztliche Aufgabe, das Suchen, Ordnen und Übersetzen nicht.
Praxen, Kliniken und Fachverlage arbeiten mit derselben Grundlage
Die Technik ist dieselbe, der Zuschnitt unterscheidet sich. Drei Gruppen fragen unterschiedliche Ergebnisse aus demselben Material ab.
Ärzte und Praxen
Die Aufbereitung nimmt der Praxis das Suchen und das Übersetzen ab. Die ärztliche Zeit fließt in die Prüfung des Ergebnisses statt in das Zusammentragen der Vorgeschichte.
Konkret abrufbar:
Befundübersetzung in Patientensprache, Bewertung der Laborwerte gegen die Referenzintervalle des ausstellenden Labors, chronologische Zusammenführung von Vorbefunden, Handout zum Mitnehmen, Fragenliste für den nächsten Termin, Vorschlagsliste sinnvoller Folgeuntersuchungen als Checkliste.
Krankenhäuser und Kliniken
Bei einer Erstvorstellung mit 98 Seiten Vorgeschichte liest sich eine geordnete Zeitleiste mit markierten Widersprüchen in wenigen Minuten, ein Aktenordner nicht. Der Weg über eigene Infrastruktur ist in deutschen Häusern erprobt.
Konkret abrufbar:
Auswahl und Betrieb lokaler Modelle im eigenen Rechenzentrum, Anbindung an die vorhandene Dokumentation, Aufbau der ärztlichen Prüfung als benannter Arbeitsschritt mit dokumentierter Freigabe, Beratung zu den Fristen der EU-KI-Verordnung und zur Abgrenzung gegenüber der Medizinprodukteverordnung.
Medizinische Verlage und Fachmedien
Fachbeiträge zu KI in der Medizin scheitern selten am Thema und häufig an der Belegbarkeit. Meine Texte stützen sich auf eigene Aufbereitungen und auf Primärquellen, jede Zahl steht mit ihrer Fundstelle.
Konkret abrufbar:
Fachbeiträge und Reihen zu lokalen Sprachmodellen, Datenschutz und KI-Regulierung in der Medizin, Beiträge mit belegten Fallbeispielen aus der eigenen Arbeit, Vorträge und Webinare, Gegenprüfung fremder KI-Texte auf erfundene Quellen und falsche Zahlen.
Der Patient liest seinen Befund in zwei Minuten statt in sieben
Ein Forschungsteam der Technischen Universität München gab 200 Krebspatienten ihren CT-Befund, eine Gruppe im Original und die andere in einer automatisch vereinfachten Fassung, erzeugt von einem quelloffenen Modell auf klinikeigenen Rechnern. Die Lesedauer sank von sieben auf zwei Minuten. 80 Prozent der Patienten bewerteten die aufbereitete Fassung als verständlich gegenüber 9 Prozent beim Original (Radiology 2025).
Der Gewinn setzt sich nach dem Termin fort, denn die Rückfragen per Telefon in der Woche danach werden weniger, und die Fragen, die dann noch kommen, setzen am Inhalt an statt an der Übersetzung von Fachbegriffen.
Verständnis vor dem Gespräch
Fachbegriffe aus dem Befund erscheinen in normalen Worten mit der Aussage dahinter, und der Patient kommt vorbereitet in die Sprechstunde, was das Gespräch kürzer und ruhiger macht.
Eine Unterlage für zu Hause
Das Handout benennt den Umfang der Untersuchung und erklärt die Aussage der Ergebnisse. Der Patient liest in Ruhe nach, ohne die Erinnerung an ein Zehn-Minuten-Gespräch bemühen zu müssen.
Fragen, die zum Termin passen
Jede Unterlage endet mit drei bis fünf Fragen für die jeweilige Fachrichtung, damit die knappe Sprechzeit in die Antworten fließt und nicht in das Erzählen des bisherigen Verlaufs.
Der Weg zum richtigen Facharzt
Aus dem Befund ergibt sich die zuständige Fachrichtung, und der Patient landet ohne den Umweg über zwei Zwischentermine bei der Stelle, die seinen Fall klären kann.
Fünf Aufbereitungen und was sie gefunden haben
Alle Fälle stammen aus realen Aufbereitungen im privaten Umfeld. Namen, Geburtsdaten und identifizierende Angaben sind verändert.
Drei einzelne Pfeile ergeben einen Stoffwechselweg
Ein Patient Anfang fünfzig legt einen Laborendbefund vor. Auffällig sind ein Homocystein von 18,8 µmol/l bei einer Norm unter 10, eine Folsäure von 5,1 ng/ml bei einem Grenzwert von 5,4 und ein Gesamt-Vitamin-B12 von 233 pg/ml, wo Werte über 400 wünschenswert sind. Das Modell behandelt die drei Zeilen als eine Gruppe, denn der Körper baut Homocystein mit Hilfe von Folsäure und Vitamin B12 ab. Fehlt eines von beiden, steigt der Wert.
Aufschlussreicher ist der Widerspruch in derselben Tabelle. Neben dem grenzwertigen Gesamt-B12 steht ein Holotranscobalamin von 135,4 pmol/l, also die aktive, für die Zelle verfügbare Form, und dieser Wert liegt bei einem Grenzwert von 50 komfortabel im grünen Bereich. Ein reiner Blick auf das Gesamt-B12 führt hier zu einer überflüssigen Kur. Das Modell legt beide Zeilen nebeneinander und stolpert über die Diskrepanz, ein Patient mit einer Tabelle nicht.
Aus Werten wird eine bezahlbare Handlung
Eine erklärte Tabelle ändert für sich genommen nichts. Aus den Werten, der bestehenden Medikation und den Lebensumständen wuchs für denselben Patienten und seine Partnerin eine Einkaufsliste mit Produktnamen, Dosierung, Einnahmezeitpunkt und Preis, zusammen rund 100 Euro und getrennt nach Person.
Der Patient nimmt Rosuvastatin, und Statine senken den körpereigenen Coenzym-Q10-Spiegel. Auf der Liste steht Ubiquinol 100 mg zu einer fetthaltigen Mahlzeit. Zum hochdosierten Vitamin D kommt Vitamin K2 in der Form MK7 mit 200 µg wöchentlich, damit das vermehrt aufgenommene Kalzium in den Knochen wandert. Ein Warnkasten nennt Biotin, das in vielen B12-Kombipräparaten steckt und Schilddrüsen- sowie Herzmarker im nächsten Laborbefund verfälscht.
Bei der Partnerin gaben die Lebensumstände den Ausschlag. Sie isst nichts vor 14 Uhr, verträgt Brausetabletten schlecht und nimmt ein Eisenpräparat. Vitamin C vervielfacht die Eisenaufnahme, wirkt aber nur bei gleichzeitiger Einnahme. Auf ihrer Liste steht deshalb eine Filmtablette um 14 Uhr zusammen mit dem Eisen. Ein zweiter Teil der Liste nennt sechs Produkte, die nichts bringen, jeweils mit einem Satz Begründung.
98 Seiten aus fünf Häusern, zwei widersprüchliche Diagnosen
Eine Patientin Anfang siebzig mit Gangstörung und Muskelzuckungen stellt sich nacheinander an fünf Kliniken vor und sammelt dabei 98 Seiten Arztbriefe. Ein Zentrum diagnostiziert eine spät beginnende Multiple Sklerose und beginnt eine Basistherapie, ein anderes benennt die Erkrankung ausdrücklich nicht als MS. Die Patientin hält beide Briefe in der Hand und versteht keinen davon.
Das Modell liest die Seiten in wenigen Minuten und legt die Aussagen der fünf Häuser nebeneinander. Dabei kommt ein Punkt hoch, der beim Lesen nacheinander untergeht. Die im September 2025 erschienene Revision der internationalen Diagnosekriterien verlangt ab 50 Jahren beziehungsweise bei vaskulären Risikofaktoren drei Zusatznachweise. Von diesen dreien ist bei der Patientin einer erfüllt, einer in zwei Untersuchungen widerlegt und einer nie erhoben.
Aus einem Stapel Papier wird damit eine konkrete Frage für das nächste Arztgespräch. Die Bewertung dieser Frage bleibt ärztliche Aufgabe, das Auffinden der Abweichung nicht.
Eine Rückfrage dreht die ganze Bewertung
Eine Patientin Anfang siebzig hat einen auffälligen Stuhltest und ein Vitamin B12 von 303 ng/l. Die erste Bewertung geht von einer laufenden Substitution aus und liest den niedrigen Spiegel trotz Einnahme als Hinweis auf eine Aufnahmestörung. Daraus folgt eine Abklärung über mehrere Termine.
Die Auflösung steckt in der Frage nach der Einnahmefrequenz. Die Patientin nimmt das Präparat einmal im Monat. Bei oralen B12-Präparaten gelangt rund 1 Prozent über passive Diffusion in den Körper, aus 1.000 µg monatlich werden damit ungefähr 10 µg gegenüber einem Tagesbedarf im Bereich von 4 µg. Der niedrige Spiegel erklärt sich vollständig über die Dosierung, die Abklärung erübrigt sich, und die Lösung besteht darin, dieselbe Tablette täglich zu nehmen. Ein Modell fragt bei jeder Präparatangabe nach Dosis, Frequenz und Dauer, ohne diese Frage im vollen Wartezimmer zu vergessen.
Drei Facharzttermine in zehn Tagen, drei getrennte Unterlagen
Eine Patientin mit gesicherter Endometriose hat innerhalb von zehn Tagen Termine in Urologie, Gynäkologie und Hals-Nasen-Ohren-Heilkunde. Ihre Unterlagen bestehen aus Laborbefunden, dem Bericht eines Endometriosezentrums und zwölf Monaten Korrespondenz.
Daraus baute das Modell drei getrennte Gesprächsunterlagen, jede mit dem Material für den jeweiligen Termin. Die Urologie bekam die Blasensymptomatik mit dem zeitlichen Verlauf und den bereits erfolgten Untersuchungen, die Gynäkologie den Befund des Zentrums mit den offenen Empfehlungen, die HNO-Abteilung die Vorgeschichte der Rhinitis mit der Medikation. Jede Unterlage endet mit drei bis fünf Fragen, und der Aufwand für alle drei lag bei wenigen Minuten Rechenzeit plus einer Durchsicht.
1.145 Schnittbilder, ein ausgeräumter Verdacht
Für dieselbe Patientin kam im Juli 2026 eine 3-Tesla-Aufnahme des Kopfes hinzu, 1.145 Einzelbilder in 16 Serien. Aus dem Datensatz kamen 19 Bildtafeln zusammen, darunter über die Patientenkoordinaten deckungsgleiche Paare aus zwei Messverfahren mit einem gemessenen Restversatz von 0,3 bis 2,3 mm. Vier Fachanalysen sahen die Bilder unabhängig voneinander durch, danach prüften ein Faktenverifizierer gegen die Leitlinien und ein Schiedsrichter am Originaldatensatz die strittigen Punkte.
Ein Befunder vermutete an einer Schläfenregion eine Signalanhebung, ein Hinweis auf eine erbliche Gefäßerkrankung. Die Messung am Originaldatensatz mit homologer Abtastung über die anatomische Spiegelebene ergab links 543 und rechts 543 als Mittelwert, dazu 1,0 gegenüber 0,9 Prozent läsionsheller Bildpunkte. Der Verdacht war damit ausgeräumt, denn der nachweisbare Herd von 405 mm³ sitzt einseitig an anderer Stelle.
Die Aufbereitung fand außerdem drei Abweichungen gegenüber älteren Befunden, darunter zwei Herde einer Volumetrie, die sich nicht reproduzieren ließen und an denen eine der geforderten Diagnoseregionen hing. Drei Dokumente gingen an die Patientin und an die behandelnden Ärzte, eines mit neun farbig markierten Abbildungen in Laiensprache, eines als fachliche Stellungnahme, eines als Gesamtunterlage mit Handlungsplan.
Die Aufbereitung läuft in vier Stufen
Der Aufwand steigt mit jeder Stufe, das Fehlerrisiko ebenso. Eine Praxis, die auf der ersten Stufe beginnt und dort ein halbes Jahr bleibt, hat mehr gewonnen als eine, die sofort auf die vierte springt.
Erklären
Ein einzelner Befund erscheint in verständlicher Sprache. Das Original bleibt maßgeblich und liegt daneben, damit ist das Fehlerrisiko am geringsten und der Nutzen sofort messbar.
Einordnen
Jeder Laborwert bekommt Normbereich, Abweichung und einen Satz zur Bedeutung. Die Referenzintervalle stammen aus dem Laborbericht selbst, denn Labore rechnen mit unterschiedlichen Grenzen für denselben Parameter.
Verknüpfen
Mehrere Werte und mehrere Befunde kommen zueinander in Beziehung, und dabei kommen die Ergebnisse heraus, die eine Einzelbetrachtung nicht liefert. Ab dieser Stufe gilt die Pflicht zur ärztlichen Prüfung.
Ableiten
Aus dem Gesamtbild folgen Empfehlungen, Fragen und Vorschläge für weitere Untersuchungen. Diese Stufe verlässt die Praxis nie ohne ärztliche Freigabe.
Mehrere Durchgänge prüfen sich gegenseitig
Ein einzelnes Modell liefert eine glatte, in sich schlüssige Antwort, auch bei dünner Grundlage. Es meldet keinen Zweifel, denn es kennt keinen. Bei einem Befund mit vierzig Werten ist diese Eigenschaft riskanter als bei einer einzelnen Frage. Der wirksamste Gegenzug besteht darin, dieselbe Aufgabe mehrfach zu stellen und die Ergebnisse gegeneinanderzuhalten.
In der oben beschriebenen Aufbereitung liefen vier Durchgänge mit unterschiedlicher fachlicher Blickrichtung über dasselbe Material. Ein fünfter erhielt den ausdrücklichen Auftrag, die Aussagen der vier zu widerlegen, mit der Standardannahme, jede Angabe sei falsch, bis eine Primärquelle sie belegt. Dieser Durchgang nahm 25 fachliche Aussagen auseinander und wies 11 davon als zahlenmäßig falsch aus.
Dieselbe Anordnung fängt eine zweite Schwäche ab. Eine Recherche gab eine Quellenadresse aus, die es nicht gibt, und die betroffene Fachdomain antwortete auf jeden erfundenen Pfad mit dem Status HTTP 200. Erst ein Prüfdurchgang, der jede genannte Adresse selbst aufruft und zur Kontrolle eine bewusst falsche mitschickt, deckt solche Stellen auf. Für die Praxis bedeutet das keinen doppelten Aufwand, denn alle Durchgänge laufen ohne menschliches Zutun. Die Zeit fällt erst dort an, wo die Fassungen voneinander abweichen.
Acht Ergebnisse, die aus dem Material herausfallen
Jedes davon lässt sich einzeln abrufen, ohne die übrigen mitzubestellen.
Befunde zu einer Übersicht zusammenfassen
Laborberichte, Bildgebung und Arztbriefe aus verschiedenen Häusern kommen nach Datum geordnet zusammen, und Patient und Arzt sehen den Verlauf auf einer Zeitleiste statt in einem Papierstapel.
Laborwerte gegen den Normbereich bewerten
Jeder Wert bekommt das Referenzintervall des ausstellenden Labors und einen Hinweis auf die Richtung der Abweichung, womit der Abgleich von Hand gegen wechselnde Grenzen wegfällt.
Ergebnisse laienverständlich erklären
Der Befundtext erscheint in normaler Sprache, jeder Fachbegriff mit einer knappen Erklärung, damit der Patient sein Ergebnis schon vor dem Termin einordnen kann.
Ein Handout zum Befund erstellen
Das Papier für den Patienten beschreibt Untersuchung und Ergebnis in seiner Sprache, und die Praxis gibt es nach der ärztlichen Freigabe ohne eigenen Schreibaufwand aus.
Leitlinien und Studien zum Fall recherchieren
Die Suche liefert die passende Leitlinienstelle und aktuelle Arbeiten mit Fundstelle. Der Arzt bekommt den Stand der Forschung mit Quelle statt einer Behauptung.
Sinnvolle Folgeuntersuchungen vorschlagen
Aus den vorliegenden Werten ergibt sich, welche weiteren Untersuchungen zur Klärung beitragen. Der Vorschlag dient als Checkliste, die Entscheidung bleibt ärztlich.
Arztgespräch vorbereiten und zum Facharzt lotsen
Eine Fragenliste je Fachrichtung und die Zuordnung des Befundes zur zuständigen Stelle verkürzen den Weg. Der Patient geht vorbereitet ins Gespräch.
Widersprüche zwischen Vorbefunden markieren
Abweichende Angaben mehrerer Häuser stehen nebeneinander und hervorgehoben, sodass der Arzt die strittige Stelle in Sekunden findet statt sie über mehrere Arztbriefe zu suchen.
KI übernimmt die Dokumentation des Gesprächs
Im Gespräch hört ein KI-System mit und schreibt die Dokumentation im Hintergrund. Der Arzt spricht mit dem Patienten, statt zu tippen. Am Ende steht eine strukturierte Zusammenfassung, die der Arzt prüft und freigibt. So bleibt mehr Zeit für den Patienten.
KI analysiert Patientendaten und erkennt Muster
Aus den Werten mehrerer Untersuchungen kommen Muster und Trends über die Zeit heraus. Ein Wert, der langsam steigt, oder ein Zusammenhang zwischen zwei Befunden wird sichtbar. Der Arzt bekommt einen strukturierten Überblick, der die eigene Beurteilung stützt. Die Entscheidung trifft der Arzt.
Lokale Sprachmodelle halten die Daten im Haus
Die Verarbeitung von Gesundheitsdaten ist nach Artikel 9 DSGVO grundsätzlich untersagt und nur über eng gefasste Ausnahmen zulässig, zu denen die Einwilligung des Betroffenen und die Versorgung durch Berufsgeheimnisträger gehören. Ein Cloud-Dienst außerhalb der eigenen Kontrolle bringt einen Begründungsaufwand mit sich, den eine Praxis mit fünf Mitarbeitern kaum stemmt.
Die Anforderungen an die Technik sind überschaubar geworden. Modelle mit sieben bis vierzehn Milliarden Parametern arbeiten auf einem aktuellen Notebook mit 32 GB Arbeitsspeicher. Größere Modelle der Klasse Llama-3-70b laufen quantisiert auf zwei handelsüblichen Grafikkarten mit je 24 GB Speicher. Als Laufzeitumgebung genügen frei verfügbare Programme wie Ollama oder LM Studio.
Eine Arbeit aus Bonn liefert die Zahl zur Qualitätsfrage. Ein kommerzielles und zwei frei verfügbare Modelle vereinfachten dort 60 Radiologiebefunde, anschließend bewerteten 21 medizinische Laien das Ergebnis. Zwischen GPT-4o und dem offenen Llama-3-70b gab es bei der Verständlichkeit keinen statistisch bedeutsamen Unterschied, 4,4 gegenüber 4,3 von 5 Punkten, das Original kam auf 1,5 (European Radiology 2026).
Die Grenzen stehen von Anfang an fest
Ein Angebot ohne benannte Grenzen ist in der Medizin nicht brauchbar. Vier Punkte gehören in jedes Gespräch vor dem ersten Projekt.
Sprachmodelle erfinden
Der Fachbegriff lautet Konfabulation und meint eine Ausgabe, die formal einwandfrei aussieht und inhaltlich frei erfunden ist. Mehrere gegeneinander arbeitende Durchgänge senken das Risiko erheblich, sie beseitigen es nicht. Bei jeder Aussage, die eine Handlung nach sich zieht, bleibt der Blick in die Primärquelle die einzige belastbare Absicherung.
Die Fehlerquote bleibt
In der Münchner Untersuchung enthielten sechs Prozent der vereinfachten Befunde einen inhaltlichen Fehler, in sieben Prozent fehlte eine Information aus dem Original. Bei 100 aufbereiteten Befunden bedeutet das sechs fehlerhafte Papiere. Geschultes Personal prüft deshalb jede Ausgabe vor der Weitergabe, als benannter Arbeitsschritt mit Zuständigkeit und dokumentierter Freigabe.
Keine Diagnose aus Bilddaten
Die Auswertung von MRT- oder CT-Aufnahmen zur Diagnosestellung bleibt außen vor und verlangt zugelassene Systeme nach der Medizinprodukteverordnung. Ein Sprachmodell arbeitet am Text des Befundes und an den Zahlen der Tabelle. Ein Modell, das vorhandene Befunde umformuliert und keine diagnostische Aussage erzeugt, fällt nach heutiger Auslegung nicht unter die Medizinprodukte-Definition.
Die Vorlage bestimmt das Ergebnis
Der Ertrag hängt weniger vom gewählten Modell ab als von der Vollständigkeit dessen, was ihm vorliegt. In der oben beschriebenen Aufbereitung stammte die Zusammenstellung aus einer verdichteten Fallakte, und sechs längst erfolgte Untersuchungen landeten als angeblich versäumt in der Auswertung. Erst die Volltextsuche in den 98 Originalseiten räumte den Irrtum aus.
Fachbeiträge mit belegten Fällen statt mit Studienzitaten
Beiträge zu KI in der Medizin bestehen häufig aus einer Reihe von Studien und Herstellerangaben. Meine Texte gehen von den eigenen Aufbereitungen aus, benennen die Werte, die Rechenzeit und die gefundenen Fehler, und ziehen Studien als Beleg hinzu. Jede Zahl steht mit ihrer Fundstelle, jede Aussage mit Datum und Primärquelle.
Themen für Reihen und Einzelbeiträge liegen bereit, darunter der Betrieb lokaler Modelle im eigenen Rechenzentrum, die Grenzen von Artikel 9 DSGVO für Cloud-Dienste, die Fristen der EU-KI-Verordnung, die Abgrenzung gegenüber der Medizinprodukteverordnung und der Umgang mit erfundenen Quellen in KI-Texten.
Für Redaktionen kommt eine zweite Leistung hinzu. Fremde KI-Texte lassen sich auf erfundene Quellenadressen, falsche Zahlen und fehlerhafte Zitatketten prüfen, mit einem Bericht, der jede beanstandete Stelle mit der geprüften Primärquelle nennt.
Themen, mit denen ich mich beschäftige
Entwicklungen rund um KI in der Medizin, mit Blick auf Datenschutz und den praktischen Nutzen.
Kliniken bauen eigene Sprachmodelle für den Arztbrief
Das Universitätsklinikum Hamburg-Eppendorf betreibt mit ARGO ein selbst entwickeltes Modell, trainiert auf der de-identifizierten Dokumentation von über sieben Millionen Behandlungsfällen und durchgehend auf eigener Infrastruktur. Die zugehörige Spracherkennung Orpheus läuft seit Anfang 2025 an vier Universitätskliniken, mehr als 30 Krankenhäusern und über 200 ambulanten Einrichtungen (Deutsches Ärzteblatt). Ein Modell im eigenen Haus macht die Cloud verzichtbar.
Open-Source-Modelle erreichen lokal das Niveau kommerzieller Systeme
Ein Team der Universität Magdeburg und der Charité prüfte DeepSeek-V3 und R1 an 125 standardisierten Patientenfällen. Die frei verfügbaren Modelle lieferten gleichwertige, teils bessere Ergebnisse als marktführende kommerzielle Systeme und laufen in der abgeschotteten Klinik-IT. Für den Datenschutz bedeutet das eine lokale Option ohne Qualitätsverlust.
KI macht Radiologiebefunde für Patienten lesbar
Eine Studie der TU München vereinfachte 200 onkologische CT-Befunde mit dem Open-Source-Modell Llama 3.3 70B. Die Lesezeit sank von sieben auf zwei Minuten, das Verständnis stieg deutlich, zugleich enthielten sechs Prozent der Texte einen sachlichen Fehler. Das begründet die ärztliche Prüfung jeder KI-Ausgabe.
Ambient Documentation kommt in deutschen Kliniken an
Seit Oktober 2025 hören KI-Systeme in Pilotprojekten der Charité Berlin, des Universitätsklinikums Mannheim und weiterer Häuser das Arzt-Patienten-Gespräch mit und erzeugen daraus die Dokumentation. Der Ansatz nimmt dem Arzt Schreibarbeit ab und gibt Zeit für den Patienten zurück.
Retrieval-Systeme bringen Leitlinienwissen an den Behandlungsplatz
Das Fraunhofer IPA entwickelt einen RAG-Chatbot, der S3-Leitlinien, Fachliteratur und klinikinterne Verfahrensanweisungen mit den Daten des einzelnen Patienten verknüpft und Antworten mit Quellenangabe liefert. Retrieval Augmented Generation koppelt das Sprachmodell an geprüfte Quellen und senkt das Risiko erfundener Aussagen.
Der EU AI Act regelt KI-Medizinprodukte über feste Fristen
KI in Medizinprodukten fällt unter die Hochrisiko-Vorgaben der EU-KI-Verordnung, darunter Risikomanagement, Daten-Governance und menschliche Aufsicht. Für KI als Sicherheitskomponente eines regulierten Produkts gilt der 02.08.2028, für eigenständige Hochrisiko-Systeme der 02.12.2027 (Johner Institut). Für Praxen und Hersteller bedeutet das planbare Anforderungen an jede eingesetzte medizinische KI.
Medizinische Informatik und dreißig Jahre IT
Ich habe Medizinische Informatik studiert und arbeite seit über dreißig Jahren als IT- und KI-Fachautor. Die auf dieser Seite beschriebenen Aufbereitungen stammen aus dem privaten Umfeld, mit lokal betriebenen Modellen auf eigener Hardware und ohne Cloud-Beteiligung.
Die KI unterstützt die Vorbereitung und das Verständnis, die Diagnose und die Therapie bleiben Sache des Arztes. Aus der Verbindung von IT-Wissen und medizinischem Hintergrund schreibe und berate ich herstellerunabhängig und nah an der Praxis.
Was bei der Aufbereitung Schritt für Schritt passiert
Die Punkte stammen aus abgeschlossenen Aufbereitungen. Sie beschreiben den Ablauf, nicht ein Versprechen.
Vierzig Werte werden zu einer Aussage
Einzelne Werte sagen wenig, ihr Zusammenspiel dagegen viel. Die Aufbereitung ordnet sie zu Stoffwechselwegen statt zu einer Liste mit Pfeilen.
Unterlagen aus mehreren Häusern zusammenführen
Befunde liegen bei Hausarzt, Facharzt und Klinik. Erst zusammengeführt zeigt sich, welche Untersuchung bereits gelaufen ist und welche fehlt.
Schnittbilder selbst durchsehen
Ein Datensatz lässt sich vollständig auswerten, also die Serienübersicht ebenso wie die einzelne Schicht. Belastbar ist dabei vor allem, was sich ausschließen lässt.
Mehrere Durchgänge prüfen sich gegenseitig
Ein zweiter, unabhängiger Durchgang widerlegt regelmäßig Aussagen des ersten. Aussagen ohne bestandene Prüfung kommen nicht in die Unterlage.
Sprachmodelle im eigenen Haus
Gesundheitsdaten verlassen die Umgebung nicht. Die Auswertung läuft auf eigener Hardware, damit sich die Frage nach der Verarbeitung gar nicht erst stellt.
Das Gespräch wird mitgeschrieben
Die Dokumentation wächst aus dem Gesprächsverlauf, während der Termin läuft. Die ärztliche Prüfung bleibt der letzte Schritt, nicht der erste.
Zusammenarbeit im Bereich KI und Medizin
Praxen und Kliniken erhalten Beratung zum Aufbau lokaler Modelle und zur Aufbereitung ihrer Befunde. Verlage und Fachmedien erhalten Fachbeiträge, Reihen und Vorträge. Eine kurze Nachricht mit dem Vorhaben genügt.
Nachricht schreiben