KI in Krankenhaus und Arztpraxis 2026: Was funktioniert, was kommt und was Hype bleibt

Künstliche Intelligenz ist in deutschen Praxen und Kliniken angekommen. Laut einer Bitkom/Hartmannbund-Erhebung von Anfang 2025 setzt bereits jede siebte Praxis und knapp jede fünfte Klinik KI in irgendeiner Form ein. In Kliniken hat sich die Nutzungsrate seit 2022 verdoppelt. 78% der befragten Ärztinnen und Ärzte bezeichnen KI als „riesige Chance". Doch für alle, die Praxen und Kliniken operativ führen, stellt sich weniger die Frage, ob KI kommt, sondern wo sie heute schon funktioniert und wo eine Investition verfrüht wäre. Dieser Artikel ordnet sieben zentrale Anwendungsfelder nach ihrem tatsächlichen Reifegrad ein.

„Jede siebte Praxis und knapp jede fünfte Klinik setzt bereits KI ein. In Kliniken hat sich die Nutzungsrate seit 2022 verdoppelt." ~ Bitkom/Hartmannbund, 2025

Wo KI in Praxis und Klinik tatsächlich zum Einsatz kommt

Die Einsatzfelder reichen von der täglichen Dokumentation über die Terminvergabe und Abrechnung bis zur diagnostischen Bildgebung. Nicht alle sind gleich weit. Einige Technologien sind seit Jahren produktiv im Einsatz, andere stecken in der Pilotphase, wieder andere existieren bislang nur als Forschungsprojekte. Die folgenden Abschnitte gehen die relevantesten Bereiche für das Praxis- und Klinikmanagement der Reihe nach durch.

Spracherkennung und medizinische Dokumentation

Dokumentation bindet in den meisten Praxen und Kliniken mehr Arbeitszeit als jede andere administrative Aufgabe. Die klassische medizinische Spracherkennung adressiert genau dieses Problem und ist das am längsten etablierte KI-Einsatzfeld im deutschen Gesundheitswesen. Cloudbasierte Diktiersysteme laufen seit Jahren in Maximalversorgern, werden aus deutschen Rechenzentren betrieben und sind BSI-C5-testiert. Eine Vergleichsstudie an der Uniklinik Düsseldorf ergab eine Dokumentationsbeschleunigung von rund 26%. Für Praxis- und Klinikmanager ist der Investitionsfall klar: Der Return on Investment liegt erfahrungsgemäß bei unter sechs Monaten, die Förderfähigkeit über den Krankenhauszukunftsfonds (KHZG) ist gegeben.

Die nächste Evolutionsstufe heißt Ambient Listening. Dabei hört die KI dem Arzt-Patienten-Gespräch zu und erstellt automatisch eine strukturierte Dokumentation. In den USA hat sich dieses Feld bereits zur umsatzstärksten klinischen KI-Kategorie entwickelt, mit einem geschätzten Umsatz von 600 Millionen US-Dollar im Jahr 2025. Eine unabhängige Studie an zwei großen US-Kliniken berichtet von einer signifikanten Reduktion der Burnout-Rate und einer messbaren Steigerung des Wohlbefindens in Bezug auf Dokumentation. In Deutschland laufen seit Oktober 2025 Pilotprojekte an mehreren Universitätskliniken.

Für das operative Management bedeutet das: Klassische Spracherkennung gehört in jede Digitalisierungsstrategie. Bei Ambient Listening sollte man die Entwicklung aktiv verfolgen, aber auf eine DSGVO-konforme, in das eigene PVS integrierte Lösung warten. Ohne explizite Patienteneinwilligung, Auftragsverarbeitungsvertrag und Datenschutz-Folgenabschätzung birgt der Einsatz rechtliche Risiken nach § 203 StGB.

KI-Telefonassistenz

Das Praxistelefon ist einer der größten operativen Engpässe im ambulanten Alltag. Doctolib beziffert den durchschnittlichen Telefonaufwand einer Praxis auf rund 45 Stunden pro Monat. Etwa 75% aller Patientenanrufe erreichen das Personal beim ersten Versuch nicht, was sowohl die Patientenzufriedenheit senkt als auch Folgeanrufe produziert, die das Team zusätzlich belasten.

75% aller Patientenanrufe erreichen das Praxisteam beim ersten Versuch nicht.

KI-Telefonassistenten adressieren genau diesen Engpass. Sie nehmen Anrufe entgegen, klassifizieren Anliegen, vergeben Termine und erkennen medizinische Notfälle. Ein führender Anbieter in Deutschland hat nach eigenen Angaben bis Anfang 2025 über zehn Millionen Patientenanfragen bearbeitet und dabei rund 39.500 Notfälle identifiziert. Der operative Effekt ist unmittelbar: Praxen berichten von ein bis zwei MFA-Stunden Entlastung pro Tag, weil das Telefon nicht mehr die zentrale Unterbrechungsquelle im Arbeitsablauf ist.

Digitale Triage und Symptom-Checker

Neben der Telefonassistenz entwickelt sich ein zweites Feld in der Patientenkommunikation: KI-gestützte Symptom-Checker und digitale Triage. Diese Systeme erfassen Symptome strukturiert vor dem Arztbesuch und ordnen Patienten einer Dringlichkeitsstufe zu. In Deutschland sind erste Lösungen als Medizinprodukt der Klasse IIb nach EU-MDR zertifiziert und kommen unter anderem in telemedizinischen Plattformen zum Einsatz.

Für Praxen mit hohem Patientenaufkommen sind zertifizierte Triage-Tools heute bereits einsetzbar, insbesondere als vorgeschaltete Lösung vor der Terminvergabe oder in Kombination mit telemedizinischen Angeboten. In der breiten Fläche bleibt die Adoption allerdings gering, nicht zuletzt, weil die Integration in bestehende PVS-Workflows noch selten nahtlos funktioniert.

Parallel verändert generative KI die Konsultation von der Patientenseite: Laut einer Bitkom-Umfrage vom November 2025 befragen bereits 45% der Bundesbürger ChatGPT, Gemini oder ähnliche Systeme zu Gesundheitsfragen. Für Praxen und Kliniken bedeutet das: Patienten kommen zunehmend mit einer „KI-Vordiagnose" in die Sprechstunde. Strukturierte Triage-Tools können hier einen Gegenpart bieten, der medizinisch valide Ersteinschätzungen liefert, statt Patienten mit ungeprüften LLM-Antworten allein zu lassen.

Terminmanagement und Praxisverwaltung

Laut Bitkom nutzen bislang nur 8% der Praxen KI explizit zur Verwaltungsoptimierung. Das täuscht allerdings über den tatsächlichen Technologieeinsatz hinweg: 37% der Praxen bieten bereits Online-Terminbuchung an, 25% eine Videosprechstunde. In beide Felder fließen zunehmend KI-Funktionen ein, etwa zur Optimierung der Slot-Auslastung oder zur automatisierten No-Show-Erinnerung. No-Show-Reduktion ist für Praxis- und Klinikmanager ein direkter Hebel auf den Umsatz, der Effekt liegt erfahrungsgemäß bei 3 bis 7%.

In MVZ-Gruppen und Klinikketten gehen die Anwendungen weiter: KI-gestützte Schichtplanung, Belegungsprognosen und Personaloptimierung befinden sich in Pilotanwendungen bei großen Klinikträgern. In der Einzelpraxis dominieren noch manuelle Workflows. Die zentrale Hürde ist die Interoperabilität: Das Praxisverwaltungssystem ist häufig die einzige relevante Datenquelle, doch Schnittstellen wie GDT, HL7 oder FHIR sind uneinheitlich umgesetzt. Viele KI-Tools laufen als Insellösungen, die nicht nahtlos in bestehende Systeme integriert sind.

Privatärztliche Abrechnung nach GOÄ

Die privatärztliche Abrechnung nach der Gebührenordnung für Ärzte (GOÄ) ist eines der Felder mit dem größten Potenzial für KI-gestützte Automatisierung, zugleich aber auch eines der anspruchsvollsten. Die GOÄ enthält rund 2.900 Ziffern, dazu kommen Analogbewertungen für Leistungen, die in der Gebührenordnung nicht explizit abgebildet sind, Steigerungsfaktoren mit differenzierten Begründungspflichten und IGeL-Sonderregeln. Für Abrechnungsabteilungen bedeutet diese Komplexität heute noch erheblichen manuellen Aufwand. Zwei KI-Ansätze adressieren dieses Problem auf unterschiedliche Weise.

Der erste Ansatz ist die KI-gestützte Rechnungsprüfung. Hier analysiert KI eine bereits erstellte GOÄ-Rechnung systematisch auf Konformität: Stimmen die abgerechneten Ziffern mit den dokumentierten Leistungsinhalten überein? Sind Ausschlusskombinationen beachtet? Ist die Steigerung korrekt begründet? Das Ziel ist, Fehler zu erkennen, bevor die Rechnung den Patienten oder die PKV erreicht. Dieser Ansatz ist heute bereits marktreif. Spezialisierte Anbieter können die PKV-Ablehnungsquote messbar senken und die Bearbeitungszeit pro Rechnung reduzieren. Entscheidend ist dabei, dass die Lösung auf echtem GOÄ-Regelwissen basiert. Generische Sprachmodelle scheitern an der Komplexität der GOÄ regelmäßig, weil sie Ziffern halluzinieren, Ausschlüsse nicht kennen und Analogbewertungen nicht fachlich einordnen können.

Der zweite, ambitioniertere Ansatz ist die KI-gestützte Auswertung, also die vollständige Generierung einer GOÄ-Rechnung direkt aus der Behandlungsdokumentation. Statt eine fertige Rechnung nachträglich zu prüfen, liest die KI die dokumentierten Diagnosen, Befunde und Leistungen und erstellt daraus einen vollständigen Rechnungsentwurf mit den passenden Ziffern, Steigerungsfaktoren und Begründungen. Dieser Ansatz befindet sich derzeit in intensiver Entwicklung und wird voraussichtlich Mitte 2026 erste marktreife Lösungen hervorbringen. Das Potenzial für Abrechnungsabteilungen ist erheblich: Statt jede Rechnung manuell aufzubauen, beginnt der Prozess mit einem KI-generierten Entwurf, den der Abrechnungsexperte prüft und freigibt. Der Arbeitsaufwand verschiebt sich von der Erstellung zur Kontrolle.

Die Herausforderung für beide Ansätze liegt in der Natur der GOÄ selbst. Analogbewertungen erfordern fachliche Einordnung, die nicht aus dem Ziffernkatalog allein ableitbar ist. Steigerungsfaktoren über den Schwellenwert hinaus setzen eine individuelle Begründung voraus, die sich auf den konkreten Behandlungsfall beziehen muss. Und die seit Jahrzehnten ausstehende GOÄ-Novelle sorgt dafür, dass viele Leistungen der modernen Medizin nur über Umwege abrechenbar sind. Gerade deshalb ist spezialisiertes Domänenwissen der entscheidende Faktor: KI-Systeme, die die GOÄ-Systematik tief verstehen, liefern hier deutlich zuverlässigere Ergebnisse als generische Modelle.

Diagnostik und Bildgebung

Die medizinische Bildgebung ist weltweit das am stärksten validierte KI-Anwendungsfeld. Im europäischen Health-AI-Register sind über 219 CE-zertifizierte radiologische KI-Produkte gelistet. Für das Klinikmanagement ist das relevant, weil Radiologie-KI inzwischen nicht mehr nur Forschungsprojekt ist, sondern im klinischen Alltag messbaren Mehrwert liefert.

Das derzeit stärkste Evidenzbeispiel kommt aus dem Mammographie-Screening. Die PRAIM-Studie, 2025 in Nature Medicine publiziert, untersuchte den KI-Einsatz an zwölf deutschen Screening-Einheiten mit über 463.000 Frauen. Das Ergebnis: Die Brustkrebsentdeckungsrate stieg um 17,6%, während die Recall-Rate leicht sank. Die KI erkannte also mehr Tumore, ohne mehr falsche Alarme auszulösen. In einer Nachanalyse schätzten die Autoren, dass die Arbeitsbelastung der Radiologen hypothetisch um über 50% hätte gesenkt werden können.

Auch in der Pathologie, der Dermatologie und der Augenheilkunde macht KI Fortschritte. In der Pathologie kooperieren deutsche Unternehmen mit großen Diagnostikherstellern, um KI-gestützte Gewebeanalysen in bestehende Laborworkflows zu integrieren. In der Dermatologie erreichen KI-Systeme in Studien die diagnostische Genauigkeit erfahrener Fachärzte bei der Melanom-Erkennung. In der Augenheilkunde existieren über 30 zugelassene KI-Medizinprodukte, vor allem für das Screening auf diabetische Retinopathie mit einer Sensitivität von über 96%.

Für das Klinikmanagement ist die strategische Frage weniger, ob Radiologie-KI funktioniert, sondern wie sie in bestehende Befundworkflows integriert wird. Die Priorisierung liegt nahe: Mammographie-Screening, CT-Triage bei Schlaganfall und Lungennoduli-Detektion sind die Anwendungen mit der stärksten Evidenz und dem klarsten operativen Nutzen.

Klinische Entscheidungsunterstützung (CDSS)

Klinische Entscheidungsunterstützungssysteme (CDSS) reichen von regelbasierten Wechselwirkungsprüfungen, die seit Jahren etabliert sind, bis hin zu KI-gestützten Risikoprediktionssystemen, die gerade erst auf den Markt kommen. Der Krankenhauszukunftsfonds fördert CDSS explizit als eigenen Fördertatbestand. Das Gesamtvolumen des Fonds liegt bei bis zu 4,3 Milliarden Euro, von denen mindestens 15% in IT-Sicherheit fließen müssen.

Auf der Produktseite existiert eine wachsende Landschaft: Wissensbasierte Plattformen sind in den meisten deutschen Universitätskliniken lizenziert. Daneben kommen zunehmend KI-basierte Systeme zum Einsatz, die Risiken wie Sepsis, Sturz oder Hypoglykämie vorhersagen sollen. Eines dieser Systeme wurde Anfang 2025 als Medizinprodukt der Klasse IIa zertifiziert.

Die spannendste, aber auch risikoreichste Entwicklung ist der Einsatz generativer KI in der klinischen Entscheidungsfindung. In einer viel beachteten Studie erreichte GPT-4 bei klinischen Reasoning-Aufgaben einen höheren Median-Score als Fach- und Assistenzärzte. Gleichzeitig produzierte das System häufiger fehlerhafte Reasoning-Schritte als die menschlichen Teilnehmer. Die Bundesärztekammer betont daher in ihrem Thesenpapier vom März 2025: KI-Empfehlungen müssen vom Arzt überprüft werden. Das „Human-in-the-Loop"-Prinzip ist nicht verhandelbar.

Regulierung, Hürden und was das Management wissen muss

Wer KI einführt, bewegt sich zwischen MDR (Marktzugang für Software als Medizinprodukt), EU AI Act (Hochrisiko-Anforderungen, voraussichtlich ab August 2028 für KI in Medizinprodukten) und DSGVO/§ 203 StGB (Datenschutz für Gesundheitsdaten). Bereits seit Februar 2025 gilt die KI-Literacy-Pflicht nach Artikel 4 des AI Acts: Alle Mitarbeitenden, die KI-Systeme einsetzen, müssen nachweislich geschult sein. Das betrifft jede Praxis, die auch nur einen KI-Telefonassistenten nutzt.

Parallel bleiben die Vorbehalte in der Ärzteschaft hoch. In der Bitkom/Hartmannbund-Befragung 2025 nannten Ärztinnen und Ärzte als größte Hürden: Datenschutzbedenken (66%), hoher technischer Aufwand (62%) und die befürchtete Überforderung des Praxisteams (61%). Für das Management heißt das: Die Technologieauswahl ist nur die halbe Aufgabe. Mindestens ebenso wichtig ist es, das Team frühzeitig einzubinden und KI als Entlastung statt als Bedrohung zu positionieren. Und solange weder GOÄ noch EBM eigene Vergütungsziffern für KI-gestützte Leistungen vorsehen, bleibt die Einführung ein Kostenposten, dessen Amortisation jede Einrichtung selbst berechnen muss.

Fazit: Die wichtigste KI-Entscheidung ist keine Technologiefrage

Die größte Gefahr für Praxen und Kliniken im Jahr 2026 ist nicht, die falsche KI auszuwählen. Es ist, auf den perfekten Zeitpunkt zu warten und währenddessen zuzusehen, wie Dokumentation, Telefonate und Abrechnungsfehler weiterhin Stunden fressen, die in der Patientenversorgung fehlen. Spracherkennung, Telefonassistenz und GOÄ-Prüfung sind heute reif genug, um den Praxisalltag messbar zu verändern. Wer 2026 noch keines dieser Felder evaluiert hat, trifft auch eine Entscheidung, nur eben eine, die Geld kostet.