Auf die richtige KI-Skalierung kommt es an

Der Einsatz Künstlicher Intelligenz (KI) im Gesundheitswesen nimmt seit mehreren Jahren kontinuierlich zu. Krankenhäuser setzen zunehmend KI-basierte Systeme in der Diagnostik, Therapieplanung, klinischer Entscheidungsunterstützung sowie in administrativen und logistischen Prozessen ein. Die Erwartungen an KI sind hoch und reichen von Effizienzsteigerungen über Qualitätsverbesserungen bis hin zur Entlastung des medizinischen Fachpersonals. Gleichzeitig zeigen empirische Erfahrungen, dass unzureichend konzipierte oder implementierte KI-Systeme erhebliche Zusatzbelastungen erzeugen können. Angesagt ist deshalb eine sachlich-wissenschaftliche Analyse der potenziellen Vorteile und Risiken von KI im Krankenhaus sowie die Ableitung evidenz- und praxisorientierter Prinzipien für eine versorgungsverbessernde Implementierung. 

KI im medizinischen Kontext umfasst eine heterogene Gruppe algorithmischer Verfahren, insbesondere maschinelles Lernen (ML), Deep Learning (DL) und regelbasierte Entscheidungsunterstützungssysteme. So wird KI nicht isoliert als technisches Artefakt fixiert, sondern als Bestandteil soziotechnischer Systeme, in denen Technologie, klinische Prozesse, Organisationsstrukturen und menschliche Akteure interagieren. Die Bewertung erfolgt entlang klinischer, organisatorischer, ethischer und arbeitswissenschaftlicher Dimensionen.

KI generiert Licht und Schatten

Ein neuer Bericht des World Economic Forum (WEF) zeigt: KI ist kein Hype oder nur bloßes Versprechen mehr, sondern ein messbares Triebwerk für Performance-Gewinne in über 30 Ländern und mehr als 20 Branchen. Doch wie können Krankenhäuser KI-Systeme so entwickeln und einsetzen, dass sie die Versorgung tatsächlich verbessern, anstatt medizinisches Fachpersonal zusätzlich zu belasten?