Was KI in der Medizin bedeutet

KI in der Medizin beschreibt Systeme, die medizinische Probleme mit einem gewissen Grad an Selbständigkeit lösen. Anders als klassische Software mit fest vorprogrammierter Lösung nutzen sie statistische Modelle. Sie lernen aus großen Datenmengen, statt jeden Schritt vorgeschrieben zu bekommen. Eine einheitliche Definition von KI gibt es laut Bundesärztekammer (2025) allerdings nicht.

Am weitesten ist die Technik heute in der Bildgebung. Rund 76 % aller von der US-Behörde FDA freigegebenen KI-Medizinprodukte betreffen die Bildanalyse. Das zeigt, wo KI real ankommt: beim Auswerten von Aufnahmen, nicht beim Ersetzen ärztlicher Entscheidungen. Die Landkarte ist breiter, doch nur die Bildgebung ist quantitativ belegt.

Dieser Überblick trennt Belegtes von Werbung. Er zeigt, wo KI hilft, was Studien tatsächlich zeigen und wo die Grenzen verlaufen. Und er hält an einem Punkt fest, der sich durch den ganzen Text zieht: KI ist ein Werkzeug, kein Ersatz für den Menschen.

Wie medizinische KI lernt

Im Kern steht das maschinelle Lernen. Systeme erkennen dabei Muster in Daten, statt festen Regeln zu folgen (Bundesärztekammer 2025). Deep Learning ist ein Teilgebiet davon. Es nutzt mehrschichtige neuronale Netze, vor allem für Bild- und Signaldaten wie Röntgen, CT oder EKG.

Der Unterschied zur klassischen Software ist grundlegend. Ein festes Programm rechnet immer gleich, ein lernendes Modell passt sich an Beispiele an. Genau das macht KI stark bei Bildern und schwach bei der Nachvollziehbarkeit. Denn was das Netz gelernt hat, lässt sich oft nicht sauber erklären.

Als Perspektive gelten sogenannte Foundation-Modelle. Der Fachbegriff lautet „Generalist Medical AI“ (Moor et al., Nature 2023). Solche Modelle werden auf großen, heterogenen Datensätzen trainiert und sollen mehrere Modalitäten verbinden, etwa Bild, Akte, Labor und Text. Das ist bislang ein Forschungskonzept, kein Regelbetrieb.

Schon in der Arztpraxis

KI wartet nicht in der Spezialklinik, sie beginnt beim Hausarzt. Erste Anwendungen unterstützen bei der Telefonannahme, der Terminplanung und der Dokumentation. Sie nehmen Routine ab, damit mehr Zeit für den Patienten bleibt. Über Nutzen und Grenzen dieser stillen Helfer im Sprechzimmer lesen Sie mehr im Beitrag zu KI im Praxisalltag. Dort geht es um Ambient-Doku, Symptom-Checker und die Frage, was davon wirklich entlastet und was nur nach Fortschritt klingt.

Wo KI heute eingesetzt wird

Die Verbreitung lässt sich am besten an Zulassungen ablesen. Die FDA hat die Zahl zugelassener KI-Medizinprodukte von 6 Geräten (2015) auf 1.451 kumulierte Produkte bis Ende 2025 wachsen sehen, allein 295 Freigaben fielen ins Jahr 2025 (IntuitionLabs, gestützt auf FDA-Liste). Ein zweiter Beleg zeigt dasselbe Bild: Ende 2024 listete die FDA 1.026 zugelassene Produkte, davon 777 in der Radiologie (Deutsches Ärzteblatt). Solche zugelassenen Systeme sind im Verkauf und in Kliniken im Einsatz, kein Zukunftsversprechen.

Diese Zahlen sind eine Näherung und wachsen laufend. Zur Einordnung dient ein peer-reviewter Referenzpunkt: von 6 (2015) auf 223 zugelassene Produkte bis 2023 (Stanford HAI, AI Index 2025). Die Botschaft bleibt gleich. KI ist im Regelbetrieb angekommen, aber sehr ungleich über die Fächer verteilt.

Die Reifegrade sind qualitativ. Nur die Bildgebung ist über die FDA-Zahlen hart belegt. Für Dokumentation, Pflege, Wirkstoffforschung und Genomik gibt es Beispiele, aber keine belastbaren Leistungszahlen. Deshalb reißen die folgenden Abschnitte diese Felder nur an und verlinken auf die Vertiefungen. Was der Einsatz in der Bildgebung an Dokumentation verlangt, behandelt der Beitrag zu den Dokumentationspflichten bei KI-gestützten Befunden.

Bilder befunden lassen

Die Bildanalyse ist das reifste Feld der medizinischen KI. Software markiert verdächtige Stellen in CT, MRT oder Röntgen und priorisiert dringende Fälle. Das erklärt die 76-Prozent-Dominanz bei den Zulassungen. Diskutiert wird, ob das Zusammenspiel von Mensch und KI Fehldiagnosen senken kann, als Assistenz, nicht als Ersatz (Deutsches Ärzteblatt 2025). Wie das im Befundungsalltag funktioniert, zeigt der Beitrag zu KI in der Radiologie.

Krankheiten erkennen

Neben der reinen Bildanalyse soll KI bei der Diagnose selbst helfen. Klinische Entscheidungsunterstützung und Diagnose-Apps schlagen mögliche Ursachen vor. Die Evidenz dazu ist gemischt und stark vom Kontext abhängig (Meta-Analyse 2026). Ein Vorschlag ist kein Befund, die Einordnung bleibt ärztlich. Wo digitale Diagnosehilfen tragen und wo sie in die Irre führen, klärt der Beitrag zur KI-gestützten Diagnose.

Der Klinikalltag

Im Krankenhaus arbeitet KI oft im Hintergrund. Sie priorisiert Notaufnahmen, plant Betten und wertet Vitaldaten aus. Vieles davon ist noch in Erprobung, ein sauberer Zahlenbeleg fehlt für viele dieser Anwendungen. Der Nutzen liegt eher in der Organisation als in der Diagnose. Wie Kliniken KI konkret einsetzen und wo die Grenzen liegen, beschreibt der Beitrag zu KI im Krankenhaus.

Entlastung in der Pflege

In der Pflege soll Software Personal entlasten, nicht ersetzen. KI-gestützte Assistenz unterstützt Dokumentation, Planung und Sturzerkennung. Das Feld ist früh dran, harte Wirksamkeitszahlen gibt es kaum. Umso wichtiger ist die nüchterne Trennung von Anspruch und Beleg. Was Software-KI in der Pflege heute leistet und was noch Vision ist, ordnet der Beitrag zu KI in der Pflege ein.

Vorsorge und Früherkennung

Bei der Früherkennung setzt KI dort an, wo große Datenmengen anfallen. Screening-Programme durchsuchen Aufnahmen nach frühen Anzeichen. Der Ansatz ist vielversprechend, doch einzelne Erfolgszahlen kursieren oft ohne belastbare Primärquelle. Deshalb bleibt hier Vorsicht bei Werbeversprechen geboten. Wie Screening mit KI funktioniert und was belegt ist, vertieft der Beitrag zur KI in der Früherkennung.

Von der Diagnose bis zur Genesung

KI ist kein einzelnes Gerät, sondern begleitet den ganzen Versorgungsweg. Er beginnt in der Praxis, wo digitale Helfer bei Telefon, Doku und Anamnese unterstützen. Danach folgt die Diagnostik, in der Bild-KI Befunde vorbereitet, die Ärztin aber entscheidet. Wie weit die Pathologie dabei ist und woran ihre Digitalisierung tatsächlich hängt, steht in der Übersicht zur digitalen Pathologie.

Kommt es zum Eingriff, arbeiten Chirurginnen teils mit Assistenzsystemen wie dem OP-Roboter, der Bewegungen umsetzt, aber nichts selbst tut. In der Erholung übernimmt Technik unterstützende Rollen, etwa der Pflege-Roboter bei einfachen Aufgaben. Ein Roboter-Eingriff bedeutet dabei nicht automatisch eine bessere Genesung.

In der Reha kommen bewegungsunterstützende Systeme hinzu. Dazu zählen Reha-Roboter für das Gangtraining und Exoskelette zur Mobilisierung. An jeder Station gilt derselbe Grundsatz: Die Technik assistiert, die Verantwortung bleibt beim Team. Kein einzelnes System steuert den Weg von der Diagnose bis zur Genesung.

Was Studien wirklich zeigen

Der ehrlichste Teil betrifft die Evidenz. Eine viel zitierte Meta-Analyse verglich Bild-KI mit Fachpersonal. Deep-Learning-Modelle erreichten eine Sensitivität von 87,0 % und eine Spezifität von 92,5 %, das Fachpersonal 86,4 % und 90,5 % (Liu et al., Lancet Digital Health 2019). Die Lesart ist wichtig: im Mittel gleichwertig, nicht überlegen.

Dieselbe Auswertung zeigt, wie dünn die Basis ist. Von 31.587 gesichteten Arbeiten blieben am Ende nur 82 übrig. Wenige davon zeigten eine externe Validierung oder verglichen KI und Fachpersonal an derselben Stichprobe. Eine Methodenkritik fand für die medizinische Bildgebung nur zehn registrierte randomisierte Studien — zwei davon veröffentlicht, acht noch laufend. Von 81 nicht randomisierten Vergleichen waren nur neun prospektiv angelegt und nur sechs im realen Klinikbetrieb geprüft (Nagendran et al., BMJ 2020).

Auch der Blick auf zugelassene Produkte ernüchtert. Nur etwa 10 % der von der FDA freigegebenen KI-Medizinprodukte wurden umfangreich klinisch validiert (JAMA Network Open 2025). Zulassung heißt also nicht automatisch bewiesener klinischer Nutzen. Das ist kein Argument gegen KI, aber gegen jede Pauschalbegeisterung.

Wo die Grenzen liegen

Die technischen Grenzen sind bekannt und gehören offen benannt. KI lernt aus Trainingsdaten und übernimmt deren Verzerrungen. Ist der Datensatz einseitig, wird es das Modell auch. Fachleute sprechen von Bias, der Ergebnisse für einzelne Gruppen unzuverlässig macht.

Hinzu kommt die fehlende Generalisierbarkeit. Ein Modell, das an einer Klinik gut arbeitet, kann an einer anderen mit anderen Geräten scheitern. Dazu ist Deep Learning oft eine Blackbox, deren Entscheidungen sich schwer erklären lassen. Das erschwert Vertrauen und Fehlersuche gleichermaßen.

Schließlich bleibt die Haftungsfrage. Ein Modell trägt keine Verantwortung, ein Mensch schon. Solange KI Vorschläge macht und Ärztinnen entscheiden, bleibt die Zuordnung klar. Genau deshalb ist die nächste Frage so zentral.

Ersetzt KI den Arzt

Die kurze Antwort lautet nein. KI assistiert und unterstützt, die Diagnose und die Verantwortung bleiben ärztlich (Bundesärztekammer 2025). Ein Satz wie „die KI hat entschieden“ ist medizinisch und rechtlich falsch. Entschieden hat immer der Mensch, der das System nutzt.

Das passt zur Studienlage. Wenn Bild-KI im Mittel gleichwertig ist, aber selten prospektiv validiert, taugt sie als zweite Meinung, nicht als alleinige Instanz. Der größte belegte Nutzen entsteht im Zusammenspiel, wenn Mensch und Maschine gemeinsam auf einen Fall schauen.

Wer Werbung hört, sollte diese Trennung mitdenken. „KI ist besser als der Arzt“ ist keine belegte Aussage, sondern eine Verkürzung. Realistisch ist ein Werkzeug, das entlastet, priorisiert und manchmal etwas findet, das ein Mensch übersieht, aber nichts allein verantwortet.

Medizinprodukt und KI-Verordnung

Medizinische KI ist doppelt reguliert. Zuerst greift das Medizinprodukterecht. Software mit medizinischer Zweckbestimmung gilt unter der EU-MDR 2017/745 als „Software as a Medical Device“. Die Klassifizierung läuft vor allem über Regel 11 in Anhang VIII und endet meist bei Klasse IIa oder höher. Damit sind eine Benannte Stelle und ein CE-Zeichen Pflicht.

Darüber legt sich die KI-Verordnung. Die Verordnung (EU) 2024/1689 wurde am 12.07.2024 im EU-Amtsblatt veröffentlicht und trat am 01.08.2024 in Kraft. Nach Artikel 6 Absatz 1 in Verbindung mit Anhang I Abschnitt A gelten Medizinprodukte als Hochrisiko-KI, wenn sie unter die MDR fallen und eine Benannte Stelle beteiligt ist. Damit gilt der überwiegende Teil kommerzieller KI-Medizinprodukte zugleich als Hochrisiko-System, mit zusätzlichen Pflichten für Risikomanagement, Daten-Governance und menschliche Aufsicht.

Die Fristen sind gestaffelt. Pflichten für allgemeine KI-Modelle gelten ab 02.08.2025, die breite Anwendbarkeit ab 02.08.2026. Für Medizinprodukte als Hochrisiko-KI läuft nach aktueller Zählung eine verlängerte Frist bis 02.08.2027, wobei über eine Reform der Termine diskutiert wird. Für die Erstattung greift zusätzlich der DiGA-Rahmen nach § 33a und § 139e SGB V, mit rund 58 gelisteten Anwendungen Ende 2025 (laut BfArM-DiGA-Verzeichnis, schwankend).

Was das für Patienten heißt

Im Behandlungsalltag läuft KI meist im Hintergrund. Sie markiert ein Bild, sortiert eine Warteliste oder schlägt eine Diagnose vor. Die Entscheidung trifft weiterhin ein Mensch, mit dem Sie sprechen. Das ist der wichtigste Unterschied zu jeder App auf dem eigenen Handy.

Trotzdem lohnt es, wach zu bleiben. Fragen Sie ruhig nach, ob und wie KI an Ihrem Befund beteiligt war und wer das Ergebnis verantwortet. Ein gutes Team erklärt das offen und trennt Studienlage von Werbung. Transparenz ist Ihr Recht, kein Sonderwunsch.

Bei Gesundheits-Apps hilft ein Blick auf den Status. Ist eine Anwendung ein Medizinprodukt oder eine DiGA, gelten klare Regeln. Fehlt dieser Rahmen, ist Vorsicht angebracht. Verlässlich ist, was reguliert, geprüft und ärztlich begleitet ist.

Fazit

KI in der Medizin ist angekommen, aber ungleich verteilt. In der Bildgebung ist sie reif, dort betreffen rund 76 % der Zulassungen die Bildanalyse. In vielen anderen Feldern ist sie früh dran, und die Evidenz bleibt dünn. Im Mittel ist Bild-KI gleichwertig zu Fachpersonal, nicht überlegen.

Der nüchterne Kern lautet: KI ist ein Werkzeug, kein Ersatz. Sie assistiert und entlastet, doch entscheiden und haften Menschen. Rechtlich ist sie doppelt eingebunden, durch das Medizinprodukterecht und die KI-Verordnung. Wer das weiß, bewertet Schlagzeilen ruhiger und Chancen realistischer. Diese Mischung aus Offenheit und Skepsis bringt die Technik dorthin, wo sie wirklich hilft.