158 Statistiken zu KI im Gesundheitswesen im November 2026

Die Statistiken zu KI im Gesundheitswesen für 2026 zeigen: Klinische KI verbreitet sich schneller, als die Evidenz dafür wächst. Die FDA-Liste KI-gestützter Medizinprodukte enthielt 1.614 Einträge mit Entscheidungsdatum bis zum 29. Juni 2026 (FDA, Juni 2026), doch eine Übersichtsarbeit zu 519 Studien über große Sprachmodelle in der Gesundheitsversorgung ergab, dass nur 5 % echte Daten aus der Patientenversorgung verwendeten (JAMA, Bedi et al., Jan. 2025).

Die Seite behandelt die Nutzung in Krankenhäusern und durch Kliniker, Patienten, Genehmigungen von Medizinprodukten, KI-Scribes und Burnout, diagnostische Genauigkeit, Arzneimittelforschung, Investitionen, Sicherheit und Regeln. Jede Zahl verweist auf die Organisation, die sie erhoben hat: Regierungsstellen, Aufsichtsbehörden, Fachzeitschriften mit Peer-Review sowie Umfrageinstitute und Anbieter, die als solche gekennzeichnet sind. Für einen breiteren Überblick siehe unsere Seiten zu KI-Statistiken, generativen KI-Statistiken und KI-Nutzungsstatistiken.

Wie schnell breitet sich KI in Krankenhäusern und Kliniken aus?

Krankenhäuser haben KI zuerst eingeführt und klären noch, wie sie sie steuern. Die meisten betreiben KI in der Software ihrer Patientenakte, und die Kluft zwischen großen Verbünden und kleinen unabhängigen Krankenhäusern wächst.

Welche Krankenhäuser nutzen prädiktive KI und wofür?

Krankenhäuser, die zu einem Klinikverbund gehören, nutzten prädiktive KI 2024 zu 86 %, gegenüber 37 % bei unabhängigen Krankenhäusern (ASTP/ONC, Sept. 2025).

• 96 % der großen Krankenhäuser (400 oder mehr Betten) nutzten 2024 prädiktive KI, gegenüber 59 % der kleinen (100 Betten oder weniger) (ASTP/ONC, Sept. 2025).
• 81 % der städtischen Krankenhäuser nutzten sie, gegenüber 56 % der ländlichen Krankenhäuser und 50 % der Critical-Access-Krankenhäuser (ASTP/ONC, Sept. 2025).
• 90 % der Krankenhäuser, die den marktführenden Anbieter von Patientenakten nutzen, setzten prädiktive KI ein, gegenüber 50 % der Krankenhäuser mit anderen Anbietern (ASTP/ONC, Sept. 2025).
• Der Einsatz prädiktiver KI zur Vereinfachung der Abrechnung stieg in einem Jahr von 36 % auf 61 %, für die Terminplanung von 51 % auf 67 % (ASTP/ONC, Sept. 2025).
• 80 % der Krankenhäuser nutzten prädiktive KI des Herstellers ihrer Patientenakte, 52 % Werkzeuge von Drittanbietern und 50 % selbst entwickelte Modelle (ASTP/ONC, Sept. 2025).
• 82 % der Krankenhäuser prüften ihre prädiktiven Modelle auf Genauigkeit, 74 % auf Verzerrungen und 79 % überwachten sie nach der Einführung (ASTP/ONC, Sept. 2025).
• 74 % der Krankenhäuser gaben an, dass mehrere Stellen für die Bewertung prädiktiver KI zuständig waren, 66 % nannten einen eigenen Ausschuss und 41 % das IT-Personal (ASTP/ONC, Sept. 2025).

Prädiktive KI umfasst Risikoscores und Prognosen, die ältere Schicht der klinischen KI. Die Unterschiede folgen Krankenhausgröße, Trägerschaft und Softwareanbieter.

Wie viele Krankenhäuser nutzen generative KI, und bewährt sie sich?

31,5 % der US-Krankenhäuser (762) nutzten 2024 generative KI, die in ihre Patientenakte integriert war, und weitere 24,7 % planten dies innerhalb eines Jahres (JAMA Network Open, Everson et al., Dez. 2025).

• 32 % der Krankenhäuser nutzten generative KI nicht und hatten auch keine entsprechenden Pläne (JAMA Network Open, Everson et al., Dez. 2025).
• In einer Umfrage unter 43 US-Gesundheitssystemen (Rücklaufquote 64 %) hatten alle mindestens begonnen, ambiente Notizen zu entwickeln oder zu pilotieren, aber nur 14 % hatten sie vollständig eingeführt (JAMIA, Poon et al., Juli 2025).
• 90 % dieser Systeme hatten KI für Bildgebung und Radiologie in mindestens einigen Bereichen eingeführt (JAMIA, Poon et al., Juli 2025).
• 53 % berichteten von großem Erfolg mit KI für die klinische Dokumentation, 38 % mit KI für die klinische Risikostratifizierung und 23 % mit KI für das Erlösmanagement (JAMIA, Poon et al., Juli 2025).
• 77 % nannten die Unreife der KI-Werkzeuge als Hindernis, 47 % finanzielle Bedenken und 40 % regulatorische Unsicherheit (JAMIA, Poon et al., Juli 2025).

Pilotprojekte sind häufig, die vollständige Einführung ist selten. Die Käufer selbst sagen, die Werkzeuge seien nicht ausgereift.

Wie viele Ärzte und Pflegekräfte nutzen KI bei der Arbeit?

54 % von 3.151 US-Ärzten gaben an, KI in der klinischen Praxis zu nutzen, und der Anteil stieg von 47 % im Frühjahr 2025 auf 63 % in der jüngsten Erhebungswelle (Doximity, Jan. 2026). Doximity betreibt eine Plattform für Ärzte, betrachten Sie dies daher als Anbieterstudie.

• 74 % der Ärzte und 70 % der Pflegekräfte nutzten KI im März 2026 mindestens wöchentlich für berufliche Zwecke, gegenüber 38 % und 46 % ein Jahr zuvor (Wolters Kluwer, März 2026). Die Umfrage des Anbieters umfasste 355 Kliniker.
• 48 % von 2.206 Klinikern in 109 Ländern hatten im Frühjahr 2025 KI bei der Arbeit genutzt, gegenüber 26 % im Jahr 2024 (Elsevier, Juli 2025). Auch dies ist eine Anbieterstudie.
• Von denen, die KI bei der Arbeit nutzten, hatten 97 % ein universelles Werkzeug wie ChatGPT verwendet und 76 % ein speziell für den klinischen Bereich entwickeltes (Elsevier, Juli 2025).
• 21 % der Kliniker nutzten KI zur Analyse medizinischer Bilder und 16 % zur Unterstützung klinischer Entscheidungen, während weitere 48 % sie für klinische Entscheidungen nutzen wollten (Elsevier, Juli 2025).
• Die Literaturrecherche war im Januar 2026 mit 35 % der Ärzte der häufigste Einsatzzweck, vor KI-Scribes mit 29 % (Doximity, Jan. 2026).
• Neurologen gaben mit 64 % die höchste Nutzung an, gefolgt von Gastroenterologen mit 61 % und Internisten mit 60 % (Doximity, Jan. 2026).
• 47 % der Ärzte sagten, der Entscheidungsprozess ihrer Einrichtung zu KI sei noch im Fluss, nur 8 %, er sei klar geregelt, und 71 % nannten Genauigkeit und Zuverlässigkeit als größte Sorge (Doximity, Jan. 2026).
• Nur 30 % der Kliniker sagten, ihre Einrichtung biete eine angemessene KI-Schulung, und 29 %, sie verfüge über eine wirksame KI-Steuerung (Elsevier, Juli 2025).

Die drei Umfragen weichen beim Ausmaß voneinander ab, weil sie Nutzung unterschiedlich definieren, von jeglicher Nutzung bei der Arbeit bis zur wöchentlichen beruflichen Nutzung. Bei der Richtung sind sie sich einig, ebenso darin, dass Schulung und Regeln den Werkzeugen hinterherhinken.

Wie viele Patienten nutzen KI für Gesundheitsfragen, und vertrauen sie ihr?

Patienten sind ihren Leistungserbringern voraus. Mehr als ein Viertel der Erwachsenen stellt einem Chatbot bereits Gesundheitsfragen, oft weil ein Arztbesuch zu langsam, zu teuer oder zu abweisend ist.

Welcher Anteil der Erwachsenen holt sich bei KI Gesundheitsrat?

25 % der US-Erwachsenen haben ein KI-Werkzeug oder einen Chatbot für Gesundheitsinformationen oder -ratschläge genutzt, laut einem Gallup-Panel mit 5.660 Erwachsenen (Gallup und West Health, Apr. 2026).

• Das entspricht über 66 Millionen Amerikanern (West Health, Apr. 2026).
• 29 % der Erwachsenen nutzten im vergangenen Jahr KI für Informationen zu ihrer körperlichen Gesundheit und 16 % für ihre psychische Gesundheit (KFF, März 2026).
• 28 % der Erwachsenen im Alter von 18 bis 29 Jahren nutzten KI für Ratschläge zur psychischen Gesundheit, gegenüber 8 % der Personen ab 50 Jahren (KFF, März 2026).
• 27 % der Erwachsenen nutzten KI zur Suche nach Symptomen oder allgemeinen Gesundheitsinformationen, 19 % zum Verständnis von Untersuchungsergebnissen und 16 % für die Entscheidung, ob sie einen Arzt aufsuchen sollten (KFF, März 2026).
• 65 % der Nutzer von KI für Gesundheitsfragen nannten schnellen, sofortigen Rat als wichtigen Grund, 19 % konnten sich keinen Leistungserbringer leisten und 18 % hatten keinen festen Leistungserbringer oder bekamen keinen Termin (KFF, März 2026).
• 59 % der zuletzt aktiven Nutzer recherchierten vor einem Arztbesuch mit KI und 56 % danach (Gallup und West Health, Apr. 2026).
• 21 % der zuletzt aktiven Nutzer sagten, sie hätten KI genutzt, weil ein Leistungserbringer sie in der Vergangenheit abgewiesen oder übergangen hatte (Gallup und West Health, Apr. 2026).
• 61 % der zuletzt aktiven Nutzer verwendeten allgemeine Konversations-KI wie ChatGPT oder Copilot, und 55 % KI-Zusammenfassungen in der Websuche (Gallup und West Health, Apr. 2026).
• Mehr als 40 Millionen Menschen stellen ChatGPT täglich Gesundheitsfragen, und einer von vier seiner 800 Millionen regelmäßigen Nutzer reicht jede Woche eine Gesundheitsanfrage ein (OpenAI, Jan. 2026). Dies sind die eigenen Nutzungsdaten des Anbieters.

Patienten fragen heute einen Assistenten, bevor sie in einer Klinik anrufen. Welche Seiten ein Assistent über eine Praxis zitiert, ist damit zu einer messbaren Frage geworden.

Vertrauen Patienten den Gesundheitsantworten von KI?

Nur teilweise. 4 % der zuletzt aktiven Nutzer von KI für Gesundheitsfragen vertrauen der Genauigkeit der erhaltenen Antworten stark (Gallup und West Health, Apr. 2026).

• 33 % der zuletzt aktiven Nutzer vertrauen den Gesundheitsinformationen der KI, 33 % vertrauen ihnen weder noch misstrauen sie, und 34 % misstrauen ihnen (Gallup und West Health, Apr. 2026).
• 11 % der zuletzt aktiven Nutzer sagten, die KI habe ihnen Gesundheitsratschläge gegeben, die sie für unsicher hielten (Gallup und West Health, Apr. 2026).
• 69 % der Erwachsenen, die KI für Ratschläge zur körperlichen Gesundheit nutzten, vertrauen ihr sehr oder ziemlich, gegenüber 18 % der Erwachsenen, die sie nicht nutzten (KFF, März 2026).
• 58 % derjenigen, die KI für Ratschläge zur körperlichen Gesundheit nutzten, sprachen später mit einem Arzt, und 42 % der Nutzer bei psychischer Gesundheit sprachen anschließend mit einer Fachperson (KFF, März 2026).
• 77 % der Erwachsenen sind besorgt über den Datenschutz medizinischer Informationen, die KI-Werkzeugen anvertraut werden, doch 41 % der Nutzer von KI für Gesundheitsfragen haben Untersuchungsergebnisse oder Arztnotizen hochgeladen (KFF, März 2026).
• In einer Umfrage aus dem Jahr 2022 unter 11.004 Erwachsenen sagten 60 %, sie würden sich unwohl fühlen, wenn sich ihr eigener Leistungserbringer bei der Diagnose von Krankheiten und bei Behandlungsempfehlungen auf KI stützte (Pew Research Center, Feb. 2023).
• 57 % erwarteten in dieser Umfrage, dass KI das Verhältnis zwischen Patient und Leistungserbringer verschlechtert, gegenüber 13 %, die eine Verbesserung erwarteten (Pew Research Center, Feb. 2023).

Patienten nutzen einen Chatbot auf eigene Faust gern, sind aber weniger einverstanden, wenn er zwischen ihnen und einem Kliniker steht.

Möchten Patienten informiert werden, wenn KI in ihrer Versorgung eingesetzt wird?

Ja. 81 % möchten, dass ein Leistungserbringer sie informiert, wenn KI Aufnahmen analysiert oder eine Diagnose stellt, und 56 % möchten selbst dann informiert werden, wenn sie einen Termin plant (Pew Research Center, Aug. 2026).

• 80 % möchten informiert werden, wenn KI Laborergebnisse erklärt, und 64 %, wenn sie Rezeptverlängerungen veranlasst (Pew Research Center, Aug. 2026).
• 53 % der Erwachsenen sagen, sie hätten wenig oder kein Mitspracherecht dabei, ob ein Leistungserbringer KI in ihrer Versorgung einsetzt (Pew Research Center, Aug. 2026).
• 63 % möchten mehr Mitspracherecht beim KI-Einsatz in ihrer Versorgung, gegenüber 21 %, die mit ihrem Mitspracherecht zufrieden sind (Pew Research Center, Aug. 2026).
• Nur 16 % sagen, ein Leistungserbringer habe KI in ihrer Versorgung eingesetzt, 37 % sagen, keiner habe es getan, und 46 % sind sich nicht sicher (Pew Research Center, Aug. 2026).
• Unter Patienten, die wissen, dass KI eingesetzt wurde, verstehen 22 % gut, wie sie eingesetzt wurde, und 32 % verstehen es nur schlecht oder gar nicht (Pew Research Center, Aug. 2026).

Die Umfrage wurde im Juni 2026 durchgeführt, als Krankenhäuser KI bereits für Notizen und Bildbefunde einsetzten.

Wie viele KI-Medizinprodukte hat die FDA genehmigt, und welche Evidenz stützt sie?

Die Liste der Produkte wächst jedes Jahr, und fast alles darauf ist Bildgebungssoftware, die durch den Vergleich mit früheren Produkten genehmigt wird, statt in neuen Studien getestet zu werden.

Wie viele KI-gestützte Medizinprodukte werden jedes Jahr genehmigt?

Die kumulierte Gesamtzahl überschritt 2024 die Marke von 1.000 Produkten, und bis Dezember 2025 hatte die FDA 1.357 KI-gestützte Medizinprodukte von 693 Unternehmen aus 17 klinischen Fachgebieten genehmigt (Stanford HAI, Apr. 2026).

• Die Liste enthielt 863 Einträge mit Entscheidungsdatum bis 2023, 1.098 bis 2024 und 1.433 bis 2025, gezählt anhand der Zeilen ihres CSV-Downloads (FDA, Juni 2026).
• Sie enthält 181 Einträge aus dem ersten Halbjahr 2026 gegenüber 176 aus dem ersten Halbjahr 2025 (FDA, Juni 2026).
• Der AI Index zählte 258 Genehmigungen bis September 2025, bereits mehr als in jedem früheren vollen Jahr (Stanford HAI, Apr. 2026).
• 98 neue Unternehmen traten 2025 in den Markt ein, nach 109 im Jahr 2024 und 103 im Jahr 2023 (Stanford HAI, Apr. 2026).
• Siemens Medical Solutions USA hat 56 Einträge, Canon Medical Systems 42 und Aidoc Medical 30 (FDA, Juni 2026).
• Die Zahl der über 510(k) freigegebenen Medizinprodukte mit KI-Bezug zur Bildgebung stieg 2025 auf 246, nach 16 im Jahr 2016 (Stanford HAI, Apr. 2026).

Die FDA weist darauf hin, dass ihre Liste nicht vollständig ist und Produkte hauptsächlich anhand KI-bezogener Begriffe in ihren Zusammenfassungen erfasst (FDA, Juni 2026). Die Zahlen unterscheiden sich je nach Stichtag, da Entscheidungszusammenfassungen nachträglich hinzugefügt werden.

Welche Fachgebiete und Zulassungswege dominieren?

Fast alle KI-Medizinprodukte laufen über den 510(k)-Weg: 1.553 von 1.614 Einträgen (96,2 %) tragen eine 510(k)-Nummer, gegenüber 40 De-Novo- und 21 PMA-Einträgen (FDA, Juni 2026).

• Die Kardiologie liegt mit 154 Einträgen (9,5 %) auf Platz zwei, die Neurologie mit 73 (4,5 %) auf Platz drei (FDA, Juni 2026).
• Die Anästhesiologie hat 30 Einträge, Gastroenterologie und Urologie 27, die Hämatologie 22, Pathologie und Augenheilkunde je 10 (FDA, Juni 2026).
• 81 Einträge außerhalb der Radiologie haben ein Entscheidungsdatum 2025, gegenüber 7 im Jahr 2016 (FDA, Juni 2026).
• Vorab festgelegte Änderungskontrollpläne, die vorab vereinbarte Aktualisierungen nach der Genehmigung erlauben, wurden bei etwa 10 % der Freigaben von 2025 genutzt (Stanford HAI, Apr. 2026).
• Eine Übersichtsarbeit zu 1.016 Genehmigungen fand mehr als 100 Produkte, die KI zur Datenerzeugung nutzen, und keines, das ein großes Sprachmodell einsetzte (npj Digital Medicine, Singh et al., Juli 2025).
• Die FDA kündigt an, Möglichkeiten zu prüfen, Produkte zu kennzeichnen, die Foundation Models nutzen, von großen Sprachmodellen bis zu multimodalen Systemen (FDA, Juni 2026).

Der 510(k)-Weg prüft, ob ein Produkt einem früheren Produkt im Wesentlichen gleichwertig ist. Eine neue klinische Studie verlangt er nicht.

Wie belastbar ist die Evidenz, und wie oft werden Produkte zurückgerufen?

Rückrufe sind selten, häufen sich aber früh: 60 von 950 KI-gestützten Medizinprodukten (6,3 %) waren mit 182 Rückrufen verbunden, und 43,4 % dieser Rückrufe erfolgten innerhalb von 12 Monaten nach der Genehmigung (JAMA Health Forum, Lee et al., Aug. 2025).

• Diese frühe Rückrufrate ist etwa doppelt so hoch wie die für alle 510(k)-Produkte berichtete, und 59,3 % der Rückrufe waren bei Studienende noch nicht abgeschlossen (JAMA Health Forum, Lee et al., Aug. 2025).
• Die rückruffreie Überlebensrate lag nach einem Jahr bei 96,6 %, nach drei Jahren bei 93,5 % und nach fünf Jahren bei 91,8 % (JAMA Health Forum, Lee et al., Aug. 2025).
• Börsennotierte Unternehmen stellten 53,2 % der Produkte her, verursachten aber 91,8 % der Rückrufe (JAMA Health Forum, Lee et al., Aug. 2025).
• Fehlende klinische Validierung war unabhängig mit einem Rückruf verbunden, mit einer Odds Ratio von 2,8 (JAMA Health Forum, Lee et al., Aug. 2025).
• In einer separaten Studie zu 903 bis August 2024 genehmigten Produkten wurden 43 (4,8 %) nach einem Median von 458 Tagen zurückgerufen (JAMA Network Open, Ren et al., Juni 2026).
• Produkte ohne Angaben zu unterstützenden klinischen Studien hatten ein höheres Rückrufrisiko, mit einer Hazard Ratio von 1,39 (JAMA Network Open, Ren et al., Juni 2026).

Beide Studien weisen in dieselbe Richtung: Produkte mit weniger klinischer Prüfung versagen nach der Markteinführung häufiger.

Was ändern KI-Scribes und Automatisierung für Kliniker, und wer zahlt?

Scribes sind die erste klinische KI, die im Routinebetrieb ankommt. Die Evidenz aus Studien ist real, aber geringer, als Vorher-nachher-Umfragen nahelegen.

Wie viel Dokumentationszeit sparen KI-Scribes?

Bei der Permanente Medical Group nutzten 7.260 Ärzte einen KI-Scribe bei 2.576.627 Patientenkontakten zwischen Oktober 2023 und Dezember 2024, und eine Analyse ergab, dass er fast 16.000 Stunden Dokumentationszeit einsparte (Kaiser Permanente Division of Research, Apr. 2025).

• 3.447 dieser Ärzte nutzten den Scribe bei jeweils mindestens 100 Patientenkontakten (Kaiser Permanente Division of Research, Apr. 2025).
• 88 % von 102 befragten Ärzten sagten, der Scribe habe sich positiv auf die Interaktion in ihren Sprechstunden ausgewirkt (Kaiser Permanente Division of Research, Apr. 2025).
• In der UCLA-Studie wurden die beiden Scribes bei 33,5 % und 29,5 % der Termine genutzt, und die Ärzte bewerteten klinisch bedeutsame Ungenauigkeiten als nur gelegentlich auftretend (NEJM AI, Lukac et al., Dez. 2025).
• In einer Studie in Wisconsin mit 66 Behandelnden erzeugte ambiente KI 38 % von 71.487 Notizen und senkte die Zeit für Notizen um 0,36 Stunden pro Tag (NEJM AI, Afshar et al., Dez. 2025).
• Eine von NHS England finanzierte Studie ergab beim Einsatz von KI-Scribes 23,5 % mehr Zeit für den direkten Austausch mit Patienten und eine um 8,2 % kürzere Gesamtdauer der Termine (NHS England, Juli 2026).
• NHS England beschaffte in den Midlands einen Anbieter für ambiente Sprachtechnologie für alle 1.239 Hausarztpraxen und mehr als 70.000 Kliniker in 15 Trusts (NHS England, Juli 2026).
• In einer Evaluation mit 12.019 eingeschriebenen kanadischen Klinikern in der Primärversorgung gaben die Befragten an, nach sechs Monaten im Schnitt 1,11 Stunden pro Woche während der Arbeitszeit einzusparen (Canada Health Infoway, Juni 2026).
• Der Anteil der noch am selben Tag abgeschlossenen Notizen stieg in diesem Programm von 55,9 % auf fast 75 % (Canada Health Infoway, Juni 2026).
• Wo Scribes breit verfügbar sind, teilten Organisationen dem Peterson Health Technology Institute mit, dass die Nutzungsquote typischerweise bei 20 % bis 50 % liegt (PHTI, März 2025).

Die Einsparungen sind real, bescheiden und ungleich verteilt. Intensive Nutzer profitieren am meisten, und eines der beiden UCLA-Produkte zeigte überhaupt keine messbare Zeitersparnis.

Senken KI-Scribes den Burnout, und wie groß ist die Personallücke?

Der Burnout sank in jeder Studie, aber randomisierte Studien zeigen kleinere Effekte als Vorher-nachher-Umfragen. In der Studie in Wisconsin senkte ambiente KI die Arbeitserschöpfung um 0,44 Punkte auf einer Fünf-Punkte-Skala, und die Autoren hielten den Anstieg der beruflichen Erfüllung für nicht signifikant (NEJM AI, Afshar et al., Dez. 2025).

• In einer Studie mit sechs Systemen und 263 Klinikern sank der Burnout nach 30 Tagen mit einem KI-Scribe von 51,9 % auf 38,8 %, in einer Studie mit Autoren des Scribe-Anbieters Abridge (JAMA Network Open, Olson et al., Okt. 2025).
• Bei Mass General Brigham sank der Burnout unter den befragten Klinikern nach 42 Tagen von 50,6 % auf 29,4 %, wobei nur 30,4 % die Umfrage beantworteten (JAMA Network Open, You et al., Aug. 2025).
• 45,2 % der US-Ärzte berichteten 2023 über mindestens ein Burnout-Symptom, gegenüber 62,8 % im Jahr 2021, und Ärzte hatten ein höheres Risiko als andere US-Erwerbstätige, mit einer Odds Ratio von 1,82 (Mayo Clinic Proceedings, Shanafelt et al., Juli 2025).
• Die AAMC prognostiziert bis 2036 einen Mangel von bis zu 86.000 Ärzten in den USA (AAMC, März 2024).
• Die WHO prognostiziert bis 2030 einen weltweiten Mangel von 11,1 Millionen Beschäftigten im Gesundheitswesen, und fast jeder vierte Arzt ist älter als 55 (WHO, Sept. 2026).
• 31 % der Kliniker erwogen, ihre Stelle in den nächsten ein bis zwei Jahren aufzugeben, und 69 % sahen mehr Patienten als vor zwei Jahren (Elsevier, Juli 2025).
• 88 % der befragten Ärzte glauben, dass KI helfen kann, den Burnout zu verringern und die Arbeitszufriedenheit zu steigern (Doximity, Jan. 2026).

Ob sie Burnout beheben, statt ihn nur zu lindern, wird noch geprüft.

Rechnet sich KI, und wie viel Geld fließt?

An der UCSF erzielten Ärzte, die ambiente KI-Scribes einführten, pro Woche 1,81 relative Werteinheiten mehr als Ärzte ohne Scribe, das entspricht etwa 3.044 Dollar pro Jahr und Arzt zu den Medicare-Sätzen von 2025, ohne Veränderung bei Ablehnungen von Abrechnungen (JAMA Network Open, Holmgren et al., Jan. 2026).

• Diese Ärzte hatten außerdem 0,80 Patientenkontakte mehr pro Woche, und 698 von 1.565 Ärzten (44,6 %) nutzten einen Scribe (JAMA Network Open, Holmgren et al., Jan. 2026).
• Die Ausgaben für KI im Gesundheitswesen erreichten 2025 1,4 Milliarden Dollar, fast das Dreifache von 2024, davon entfielen 600 Millionen Dollar auf ambiente Scribes (Menlo Ventures, Okt. 2025). Der Bericht stammt von einer Venture-Capital-Firma, betrachten Sie ihn daher als Anbieterstudie.
• 85 % der Ausgaben für generative KI im Gesundheitswesen gehen an Start-ups statt an etablierte Anbieter (Menlo Ventures, Okt. 2025).
• Große Gesundheitssysteme erwarten, dass die Nutzung von Scribes in drei Jahren nur von 35 % auf 40 % steigt, und 67 % der ambulanten Leistungserbringer sagen, dass sie wahrscheinlich den Anbieter wechseln (Menlo Ventures, Okt. 2025).
• US-amerikanische und europäische Health-Tech-Unternehmen sammelten im ersten Halbjahr 2026 etwa 7,2 Milliarden Dollar ein, ihr bestes Halbjahr seit 2022, und die sechs größten Deals machten etwa 50 % davon aus (Silicon Valley Bank, Aug. 2026).
• Grand View Research beziffert den Markt für 2026 auf 50,7 Milliarden Dollar und erwartet bis 2033 einen Anstieg auf 505,6 Milliarden Dollar (Grand View Research, Okt. 2026).
• Precedence Research beziffert den Markt für 2026 in einem Bericht der Analystin Deepa Pandey auf 51,20 Milliarden Dollar und erwartet bis 2035 einen Anstieg auf 744,34 Milliarden Dollar (Precedence Research, Sept. 2026).
• MarketsandMarkets beziffert den Markt für 2026 auf 36,67 Milliarden Dollar und erwartet bis 2031 einen Anstieg auf 194,79 Milliarden Dollar (MarketsandMarkets, Okt. 2026).

Marktprognosen für dasselbe Jahr unterscheiden sich um fast 15 Milliarden Dollar, weil jede Firma den Markt anders definiert. Betrachten Sie alle drei als Schätzungen namentlich genannter Firmen und nicht als Fakten.

Wie genau ist die medizinische Diagnose durch KI, und beschleunigt sie die Arzneimittelforschung?

Spezialisierte Bildgebungswerkzeuge haben die beste Evidenz. Allgemeine Chatbots sind stark, wenn sie allein getestet werden, und schwach in den Händen echter Nutzer.

Verbessert KI die Krebsfrüherkennung?

In der schwedischen randomisierten MASAI-Studie mit 105.934 Frauen lag die Sensitivität bei 80,5 % mit KI-gestütztem Screening gegenüber 73,8 % bei der üblichen Doppelbefundung, und die Spezifität betrug in beiden Gruppen 98,5 % (The Lancet, Gommers et al., Jan. 2026).

• Die Intervallkarzinomrate betrug 1,55 pro 1.000 mit KI gegenüber 1,76 ohne, ein Verhältnis von 0,88, das Nichtunterlegenheit belegt (The Lancet, Gommers et al., Jan. 2026).
• Die KI-Gruppe hatte weniger invasive Intervallkarzinome: 75 gegenüber 89 (The Lancet, Gommers et al., Jan. 2026).
• Die frühere Screening-Analyse fand 270 invasive Karzinome mit KI gegenüber 217, und keinen signifikanten Anstieg bei Wiedereinbestellungen oder falsch-positiven Befunden (Lancet Digital Health, Hernström et al., Feb. 2025).
• In der deutschen PRAIM-Studie mit 463.094 Frauen und 119 Radiologen erkannte KI-gestütztes Screening 6,7 Karzinome pro 1.000 gegenüber 5,7, eine um 17,6 % höhere Rate (Nature Medicine, Eisemann et al., Jan. 2025).
• Die Wiedereinbestellungsrate lag bei 37,4 pro 1.000 mit KI gegenüber 38,3 ohne, und der positive prädiktive Wert der Wiedereinbestellung bei 17,9 % gegenüber 14,9 % (Nature Medicine, Eisemann et al., Jan. 2025).
• Ein KI-Mammographiesystem, das anhand britischer und US-amerikanischer Screening-Daten bewertet wurde, senkte die falsch-positiven Befunde absolut um 5,7 % bei den US-Daten und um 1,2 % bei den britischen Daten und die falsch-negativen um 9,4 % und 2,7 % (Nature, McKinney et al., Jan. 2020).
• In einer Metaanalyse von 14 direkt vergleichenden Bildgebungsstudien hatte Deep Learning eine gepoolte Sensitivität von 87,0 % gegenüber 86,4 % bei medizinischem Fachpersonal (Lancet Digital Health, Liu et al., Sept. 2019).
• Nur 25 der 82 Studien dieser Übersichtsarbeit waren extern validiert (Lancet Digital Health, Liu et al., Sept. 2019).

In der Früherkennung ist KI von retrospektiven Tests zu randomisierten Studien vorangekommen, und die Ergebnisse sind konsistent: mehr gefundene Karzinome ohne mehr Fehlalarme, dazu weniger Befundungsarbeit.

Können Chatbots und Sprachmodelle besser diagnostizieren als Ärzte?

Allein manchmal, als Hilfe für den Arzt noch nicht. In einer randomisierten Studie mit 50 Ärzten erreichte das diagnostische Denken 76 % mit einem Sprachmodell gegenüber 74 % mit konventionellen Hilfsmitteln, ein adjustierter Unterschied von 2 Punkten, der nicht signifikant war, während das Modell allein 16 Punkte mehr erzielte als die konventionelle Gruppe (JAMA Network Open, Goh et al., Okt. 2024).

• In der Oxford-Studie mit 1.298 Teilnehmern und zehn Szenarien wählten die Modelle allein im Schnitt in 56,3 % der Fälle die richtige Behandlungsdringlichkeit, Teilnehmer, die sie nutzten, in weniger als 44,2 % (Nature Medicine, Bean et al., Feb. 2026).
• ChatGPT Health wurde anhand von 60 von Klinikern verfassten Fallvignetten aus 21 klinischen Bereichen getestet, und die Fehler konzentrierten sich an den Extremen: 35 % bei nicht dringenden Fällen und 48 % bei Notfällen (Nature Medicine, Ramaswamy et al., Feb. 2026).
• Wenn Familie oder Freunde in den Vignetten die Symptome herunterspielten, verschob sich die Triage hin zu weniger dringlicher Versorgung, mit einer Odds Ratio von 11,7 (Nature Medicine, Ramaswamy et al., Feb. 2026).
• Microsofts MAI-DxO-Orchestrator erreichte bei 304 NEJM-Fällen 80 % Genauigkeit gegenüber 20 % bei Allgemeinmedizinern, und 85,5 %, wenn er auf maximale Genauigkeit konfiguriert war (Microsoft, Nori et al., Juni 2025). Dies ist ein Preprint eines Anbieters, und die Ärzte wurden gebeten, keine Suchmaschinen zu nutzen.
• Von 519 Studien zu großen Sprachmodellen in der Gesundheitsversorgung testeten 44,5 % medizinisches Wissen, etwa mit Fragen aus Approbationsprüfungen, und 19,5 % die Diagnose (JAMA, Bedi et al., Jan. 2025).

Benchmark-Werte liegen höher als die Ergebnisse mit echten Teilnehmern. Die zwei größten Tests mit echten Teilnehmern zeigen, dass der Zugang zu einem leistungsfähigen Modell allein keine besseren Entscheidungen hervorbringt.

Findet KI neue Medikamente schneller?

Die frühen Anzeichen sind gut, wenn es darum geht, Medikamente an den Menschen zu bringen, weniger klar bei der Zulassung. KI-entdeckte Moleküle hatten in Phase-I-Studien eine Erfolgsrate von 80 % bis 90 %, in Phase II dagegen von rund 40 %, laut einer Analyse der Pipelines KI-nativer Biotech-Unternehmen durch Autoren der Boston Consulting Group (Drug Discovery Today, Jayatunga et al., Apr. 2024).

• In einer Phase-2a-Studie mit 71 Patienten mit idiopathischer Lungenfibrose steigerte das KI-entdeckte Medikament Rentosertib die forcierte Vitalkapazität bei der 60-mg-Dosis um 98,4 ml, gegenüber einem Rückgang um 20,3 ml unter Placebo (Nature Medicine, Xu et al., Juni 2025).
• Unerwünschte Ereignisse unter der Behandlung traten bei 83,3 % der Patienten mit der 60-mg-Dosis und bei 70,6 % unter Placebo auf (Nature Medicine, Xu et al., Juni 2025).
• Das Arzneimittelzentrum der FDA hat von 2016 bis 2023 mehr als 500 Einreichungen mit KI-Komponenten erhalten (FDA CDER, Okt. 2026).
• Allein auf Isomorphic Labs entfielen bisher in 2026 etwa 15 % aller Investitionen in die Biopharmabranche (Silicon Valley Bank, Aug. 2026).
• Die Zahl der Publikationen zur KI-gestützten Proteinforschung wuchs zwischen 2024 und 2025 um etwa 71 % (Stanford HAI, Apr. 2026).

Phase I prüft hauptsächlich die Sicherheit; eine hohe Erfolgsrate zeigt, dass die Moleküle arzneimittelähnlich sind, nicht aber, dass sie wirken. Ein Ergebnis aus der mittleren Studienphase in einer kleinen Studie ist das einzige Wirksamkeitssignal in dieser Liste.

Wie sicher, fair und reguliert ist klinische KI?

Aufsichtsbehörden schreiben Regeln für Werkzeuge, die selten an echten Patienten getestet wurden.

Wie oft schlägt klinische KI fehl?

ECRI setzte den Missbrauch von KI-Chatbots im Gesundheitswesen auf Platz eins seiner Liste der Gesundheitstechnologie-Risiken 2026 und merkte an, dass die Werkzeuge weder als Medizinprodukte reguliert noch für das Gesundheitswesen validiert sind (ECRI, Jan. 2026).

• Über 31 Sprachmodelle hinweg trat schwerer Schaden in bis zu 22,2 % der Fälle auf, und 76,6 % der Fehler waren Auslassungen, etwa wenn ein kritischer Test nicht empfohlen wurde (NOHARM benchmark, Wu et al., Dez. 2025).
• Die besten Modelle übertrafen Allgemeinmediziner in diesem Benchmark bei der Sicherheit im Mittel um 9,7 % (NOHARM benchmark, Wu et al., Dez. 2025).
• Von LLMs erzeugte klinische Notizen hatten eine Halluzinationsrate von 1,47 % und eine Auslassungsrate von 3,45 % bei 12.999 von Klinikern annotierten Sätzen (npj Digital Medicine, Asgari et al., Mai 2025).
• Das Epic Sepsis Model verfehlte 67 % der Patienten mit Sepsis und schlug zugleich bei 18 % aller stationären Patienten Alarm, bei einer Fläche unter der Kurve von 0,63 (JAMA Internal Medicine, Wong et al., Juni 2021).
• Die Deskilling-Studie umfasste 1.443 Koloskopien in vier polnischen Zentren, und die Exposition gegenüber KI ging mit einer Odds Ratio von 0,69 für die Erkennung von Adenomen ohne KI einher (Lancet Gastroenterology and Hepatology, Budzyń et al., Aug. 2025).
• Ein Sepsis-Warnsystem überwachte 590.736 Patienten in fünf Krankenhäusern, und wenn Kliniker einen Alarm innerhalb von drei Stunden bestätigten, lag die Krankenhaussterblichkeit um 3,3 Prozentpunkte niedriger, eine relative Reduktion um 18,7 % (Nature Medicine, Adams et al., Juli 2022). Dies vergleicht bestätigte mit unbestätigten Alarmen, es handelt sich also um einen Zusammenhang.

Dasselbe Feld liefert Erfolge in randomisierten Studien und ein weit verbreitetes Sepsis-Modell, das zwei von drei Fällen verfehlte. Sicherheit hängt vom Werkzeug ab und davon, wie es nach der Einführung überprüft wird.

Ist klinische KI voreingenommen?

Ein weit verbreiteter US-Risikoalgorithmus wies schwarzen Patienten denselben Risikoscore zu wie kränkeren weißen Patienten; würde man das beheben, stiege der Anteil schwarzer Patienten, die zusätzliche Hilfe erhalten, von 17,7 % auf 46,5 % (Science, Obermeyer et al., Okt. 2019).

• Die Verzerrung entstand, weil der Algorithmus Gesundheitskosten statt Krankheit vorhersagte und für schwarze Patienten bei gleichem Bedarf weniger Geld ausgegeben wird (Science, Obermeyer et al., Okt. 2019).
• In 21 öffentlichen Hautkrebs-Bilddatensätzen mit zusammen 106.950 Bildern wurde die ethnische Zugehörigkeit bei 1,3 % der Bilder und der Fitzpatrick-Hauttyp bei 2,1 % erfasst (Lancet Digital Health, Wen et al., Nov. 2021).
• Nur 15,8 % der 519 Studien zu Sprachmodellen bewerteten Fairness, Verzerrung oder Toxizität, und 1,2 % die Kalibrierung und Unsicherheit (JAMA, Bedi et al., Jan. 2025).
• Im Stresstest von ChatGPT Health zeigten Hautfarbe bzw. ethnische Zugehörigkeit, Geschlecht und Zugangshürden zur Versorgung keine signifikanten Effekte, obwohl die Konfidenzintervalle klinisch bedeutsame Unterschiede nicht ausschlossen (Nature Medicine, Ramaswamy et al., Feb. 2026).
• Unter Amerikanern, die im Gesundheitswesen rassistische Verzerrungen sehen, glaubten 51 %, dass mehr KI sie verringern würde, und 15 %, dass sie sie verschlimmern würde (Pew Research Center, Feb. 2023).

Verzerrungen entstehen meist durch die Trainingsdaten oder den gewählten Stellvertreter-Indikator und fallen deshalb selten auf, es sei denn, jemand misst sie nach Gruppen.

Welche Regeln gelten für klinische KI?

Bisher haben nur wenige Länder KI-spezifische Regeln für das Gesundheitswesen verfasst. Von 50 Ländern der WHO-Region Europa haben 8 % Haftungsstandards für KI im Gesundheitswesen entwickelt und 6 % gesetzliche Anforderungen speziell für generative KI im Gesundheitswesen (WHO Europe, Nov. 2025).

• 86 % nannten rechtliche Unsicherheit als größtes Hindernis für den Einsatz, und 92 % sagten, klare Haftungsregeln wären der wichtigste Förderfaktor (WHO Europe, Nov. 2025).
• 64 % dieser Länder nutzten KI-gestützte Diagnostik und 50 % Chatbots zur Patientenunterstützung, aber nur 24 % boten berufsbegleitende KI-Schulungen für Beschäftigte im Gesundheitswesen an (WHO Europe, Nov. 2025).
• Die WHO-Leitlinien vom Januar 2024 zu großen multimodalen Modellen enthalten mehr als 40 Empfehlungen für Regierungen, Entwickler und Leistungserbringer (WHO, Jan. 2024).
• Die US-Vorschrift 45 CFR 92,210 verpflichtet erfasste Einrichtungen, angemessene Anstrengungen zu unternehmen, um Diskriminierungsrisiken durch Entscheidungshilfen in der Patientenversorgung zu erkennen und zu mindern (eCFR, HHS, Okt. 2026).
• Die endgültigen FDA-Leitlinien zu vorab festgelegten Änderungskontrollplänen für Softwarefunktionen KI-gestützter Medizinprodukte sind auf August 2025 datiert (FDA, Aug. 2025).
• Die FDA veröffentlichte im Januar 2026 aktualisierte Leitlinien zu Software zur klinischen Entscheidungsunterstützung (FDA, Jan. 2026).
• Das Digital Health Advisory Committee der FDA tagte am 6. November 2025, um digitale Medizinprodukte für die psychische Gesundheit mit generativer KI zu erörtern (FDA, Nov. 2025).
• Kaliforniens Gesetz AB 3030, am 28. September 2024 verkündet, verlangt, dass Patientennachrichten, die mit generativer KI erstellt wurden, einen Haftungsausschluss und Hinweise enthalten, wie man einen Menschen erreicht, es sei denn, ein zugelassener Leistungserbringer hat sie geprüft (California Legislature, Sept. 2024).
• Illinois unterzeichnete im August 2025 ein Gesetz, das den Einsatz von KI zur Durchführung von Therapie oder zum Treffen therapeutischer Entscheidungen verbietet, administrative und unterstützende Nutzungen aber erlaubt (Illinois IDFPR, Aug. 2025).
• Die EU-Leitlinie MDCG 2025-6 besagt, dass ein Medizinprodukt mit einem Hochrisiko-KI-System die Medizinprodukteverordnung und die KI-Verordnung gleichzeitig erfüllen muss (European Commission, MDCG, Juni 2025).
• Die Joint Commission und die Coalition for Health AI veröffentlichten im September 2025 Leitlinien zum verantwortungsvollen Einsatz von KI und planen eine freiwillige KI-Zertifizierung, die mehr als 22.000 akkreditierten Organisationen offensteht (Joint Commission, Sept. 2025).

Die Regeln kommen in drei Schichten: Medizinprodukterecht von den Aufsichtsbehörden, Antidiskriminierungs- und Offenlegungsrecht von Bundesstaaten und Bürgerrechtsbehörden sowie freiwillige Steuerung durch Akkreditierungsstellen.

Methodik und Quellen

Eine Zahl haben wir erst aufgenommen, nachdem wir sie bis zu der Organisation zurückverfolgt hatten, die sie erhoben hat, und diese Seite oder die Repository-Kopie derselben Arbeit geöffnet hatten, um die Zahl und ihr Datum zu bestätigen. Zusammenfassende Beiträge wurden bis zur Originalstudie zurückverfolgt oder verworfen. Daten von Regierungen und Aufsichtsbehörden, Peer-Review-Arbeiten und statistische Veröffentlichungen machen den Großteil der Seite aus. Umfragen und Berichte von Anbietern und kommerziellen Verlagen (Doximity, Elsevier, Wolters Kluwer, OpenAI, Menlo Ventures, Microsoft und Marktforschungsfirmen) sind benannt und gekennzeichnet, damit Sie sie einordnen können. Die FDA-Zahlen zu Medizinprodukten stammen aus den Zeilen der herunterladbaren FDA-Liste vom 29. Juni 2026 und sind als gezählt gekennzeichnet. Die Seite wird monatlich aktualisiert.

Quellen

• AAMC, New AAMC Report Shows Continuing Projected Physician Shortage
• ASTP/ONC, Data Brief 80: Hospital Trends in the Use, Evaluation, and Governance of Predictive AI, 2023-2024
• California Legislature, AB 3030 Health care services: artificial intelligence
• Canada Health Infoway, Results of the national AI Scribe Program
• Doximity, 2026 AI Report (Anbieterstudie)
• Drug Discovery Today, Jayatunga et al., How successful are AI-discovered drugs in clinical trials?
• eCFR, 45 CFR 92.210 Nondiscrimination in the use of patient care decision support tools
• ECRI, Misuse of AI chatbots tops annual list of health technology hazards
• Elsevier, Clinician of the Future 2025 (Anbieterstudie)
• European Commission, MDCG 2025-6 FAQ on the interplay between the MDR/IVDR and the AI Act
• FDA CDER, Artificial Intelligence for Drug Development
• FDA, Clinical Decision Support Software guidance
• FDA, Digital Health Advisory Committee
• FDA, List of Artificial Intelligence-Enabled Medical Devices
• FDA, Marketing Submission Recommendations for a Predetermined Change Control Plan for AI-Enabled Device Software Functions
• Gallup and West Health, Americans Turning to AI to Supplement Healthcare Visits
• Grand View Research, Artificial Intelligence in Healthcare Market (2026-2033)
• Illinois IDFPR, Gov Pritzker Signs Legislation Prohibiting AI Therapy in Illinois
• JAMA Health Forum, Lee et al., Early Recalls and Clinical Validation Gaps in Artificial Intelligence-Enabled Medical Devices
• JAMA Internal Medicine, Wong et al., External Validation of a Widely Implemented Proprietary Sepsis Prediction Model in Hospitalized Patients
• JAMA Network Open, Everson et al., Uptake of Generative AI Integrated With Electronic Health Records in US Hospitals
• JAMA Network Open, Goh et al., Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial
• JAMA Network Open, Holmgren et al., Ambient Artificial Intelligence Scribes and Physician Financial Productivity
• JAMA Network Open, Olson et al., Use of Ambient AI Scribes to Reduce Administrative Burden and Professional Burnout
• JAMA Network Open, Ren et al., Clinical Evidence and FDA Recalls of Artificial Intelligence-Enabled Medical Devices
• JAMA Network Open, You et al., Ambient Documentation Technology in Clinician Experience of Documentation Burden and Burnout
• JAMA, Bedi et al., Testing and Evaluation of Health Care Applications of Large Language Models: A Systematic Review
• JAMIA, Poon et al., Adoption of artificial intelligence in healthcare: survey of health system priorities, successes, and challenges
• Joint Commission and CHAI, Guidance on the Responsible Use of AI in Healthcare
• Kaiser Permanente Division of Research, AI-assisted notetaking gains steady support from Kaiser Permanente physicians
• KFF, Tracking Poll on Health Information and Trust: Use of AI for Health Information and Advice
• Lancet Digital Health, Hernström et al., Screening performance and characteristics of breast cancer detected in the MASAI trial
• Lancet Digital Health, Liu et al., A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging
• Lancet Digital Health, Wen et al., Characteristics of publicly available skin cancer image datasets: a systematic review
• Lancet Gastroenterology and Hepatology, Budzyń et al., Endoscopist deskilling risk after exposure to artificial intelligence
• MarketsandMarkets, Artificial Intelligence in Healthcare Market
• Mayo Clinic Proceedings, Shanafelt et al., Changes in Burnout and Satisfaction With Work-Life Integration in Physicians and the General US Working Population Between 2011 and 2023
• Menlo Ventures, 2025: The State of AI in Healthcare (Anbieterstudie)
• Microsoft AI, Nori et al., Sequential Diagnosis with Language Models (Preprint, Anbieterstudie)
• Nature Medicine, Adams et al., Prospective, multi-site study of patient outcomes after implementation of the TREWS machine learning-based early warning system for sepsis
• Nature Medicine, Bean et al., Reliability of LLMs as medical assistants for the general public
• Nature Medicine, Eisemann et al., Nationwide real-world implementation of AI for cancer detection in population-based mammography screening
• Nature Medicine, Ramaswamy et al., ChatGPT Health performance in a structured test of triage recommendations
• Nature Medicine, Xu et al., A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis: a randomized phase 2a trial
• Nature, McKinney et al., International evaluation of an AI system for breast cancer screening
• NEJM AI, Afshar et al., A Pragmatic Randomized Controlled Trial of Ambient Artificial Intelligence to Improve Health Practitioner Well-Being
• NEJM AI, Lukac et al., Ambient AI Scribes in Clinical Practice: A Randomized Trial
• NHS England, Midlands leads the way on ambient voice technology
• NOHARM benchmark, Wu et al., First, do NOHARM: towards clinically safe large language models
• npj Digital Medicine, Asgari et al., A framework to assess clinical safety and hallucination rates of LLMs for medical text summarisation
• npj Digital Medicine, Singh et al., How AI is used in FDA-authorized medical devices: a taxonomy across 1,016 authorizations
• OpenAI, AI as a Healthcare Ally (Anbieterdaten)
• Peterson Health Technology Institute, Adoption of Artificial Intelligence in Healthcare Delivery Systems: Early Applications and Impacts
• Pew Research Center, 60% of Americans Would Be Uncomfortable With Provider Relying on AI in Their Own Health Care
• Pew Research Center, Americans want transparency when AI is used in their healthcare
• Precedence Research, Artificial Intelligence in Healthcare Market Size, Key Companies and Trends 2026-2035
• Science, Obermeyer et al., Dissecting racial bias in an algorithm used to manage the health of populations
• Silicon Valley Bank, AI Investment Accounted for Nearly Half of Healthcare Investment in 2025
• Silicon Valley Bank, Healthcare Investments and Exits H2 2026
• Stanford HAI, AI Index Report 2026, Chapter 6: Medicine
• The Lancet, Gommers et al., Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading in the MASAI study
• West Health, Millions of Americans Now Consult AI Before, After, and Sometimes Instead of Seeing a Doctor
• WHO Regional Office for Europe, Artificial intelligence is reshaping health systems: state of readiness across the WHO European Region
• WHO, One in four doctors nearing retirement age as WHO warns of global health workforce gap
• WHO, WHO releases AI ethics and governance guidance for large multi-modal models
• Wolters Kluwer, 2026 Future Ready Healthcare Survey Report (Anbieterstudie)

Glossar

• KI-Scribe (ambiente KI, ambiente Sprachtechnologie): Software, die einen Termin aufzeichnet und die klinische Notiz entwirft, die der Kliniker prüft.
• 510(k), De Novo, PMA: die drei FDA-Wege, ein Medizinprodukt auf den Markt zu bringen. 510(k) weist die Gleichwertigkeit mit einem früheren Produkt nach, De Novo gilt für neue Produkte mit niedrigem bis mittlerem Risiko und PMA für Produkte mit hohem Risiko.
• PCCP: vorab festgelegter Änderungskontrollplan, ein mit der FDA vereinbarter Plan zur Aktualisierung eines KI-Medizinprodukts nach der Genehmigung.
• EHR: elektronische Patientenakte, die Software, mit der Krankenhäuser Patientendaten speichern.
• Prädiktive KI: Modelle, die Risikoscores oder Prognosen erzeugen, etwa zum Risiko einer Wiederaufnahme oder einer Sepsis.
• Generative KI / LLM: Systeme, die Texte, Zusammenfassungen oder Bilder erzeugen, sowie große Sprachmodelle, die Chatbots und Scribes antreiben.
• ASTP/ONC: der US-Staatssekretär für Technologiepolitik und das Büro des nationalen Koordinators für Gesundheits-IT.
• RVU: relative Werteinheit, ein Maß für ärztliche Arbeit, das in der Medicare-Vergütung verwendet wird.
• Intervallkarzinom: ein Brustkrebs, der zwischen zwei Screening-Runden auftritt und vom Screening nicht erkannt wurde.
• Sensitivität und Spezifität: der Anteil der tatsächlichen Fälle, den ein Test erkennt, und der Anteil der Gesunden, den er korrekt als gesund einstuft.
• Undertriage: einen Patienten auf eine niedrigere Versorgungsstufe einzuordnen, als sein Zustand erfordert.
• Deskilling: Verlust der eigenen Fähigkeiten eines Klinikers durch routinemäßiges Verlassen auf ein Werkzeug.
• MDCG: die Medical Device Coordination Group der EU.