Ein Radiologe am Universitätsspital Zürich befundert pro Tag zwischen 50 und 100 bildgebende Untersuchungen: CTs, MRTs, Röntgenbilder. Bei dieser Menge leidet nicht die Kompetenz — aber die verfügbare Zeit pro Befund. KI-gestützte Diagnostik ändert das: Sie markiert Auffälligkeiten vor, priorisiert dringende Fälle und reduziert die Übersehensquote messbar.
Was KI in der medizinischen Bildgebung heute kann
Moderne KI-Systeme erkennen in radiologischen Bildern:
• Lungenrundherde: Früherkennung von Tumoren in CT-Scans mit einer Sensitivität von über 94 %
• Frakturen: Haarfeine Brüche, die im Stress der Notaufnahme übersehen werden könnten
• Schlaganfall-Anzeichen: Große Gefäßverschlüsse werden in Sekunden erkannt — lebensrettend bei „Time is Brain“
• Hautveränderungen: Dermatoskopische Aufnahmen werden mit einer Trefferquote analysiert, die der von erfahrenen Dermatologen entspricht
Wichtig: Die KI entscheidet nicht. Sie priorisiert, markiert und empfiehlt — der Arzt befundet.
Was die Bundesärztekammer sagt
Im Thesenpapier 2025 der Bundesärztekammer heißt es klar: „KI wird die Digitalisierung des Gesundheitswesens massiv beschleunigen.“ Gleichzeitig betont die Kammer: Ärztliche Expertise bleibt zentral. KI ist ein Werkzeug, keine Konkurrenz.
Laut Better Health Report 2025 von Simon-Kucher nimmt die Akzeptanz für digitale Gesundheitsanwendungen jährlich zu — besonders bei jüngeren Patientengruppen.
Zertifizierte Systeme in Deutschland
Für den deutschen Markt relevant sind CE-zertifizierte Systeme:
• Siemens Healthineers AI-Rad Companion: Automatische Vermessung und Befundunterstützung
• Aidoc: Israelisches Startup mit EU-Zulassung — fokussiert auf Notfallradiologie
• contextflow: Wiener Unternehmen, spezialisiert auf CT-basierte Lungenanalyse
Alle Systeme erfüllen die Anforderungen der EU-Medizinprodukteverordnung (MDR).
Was Kliniken beachten müssen
Datenschutz: Patientendaten dürfen das lokale Netzwerk nicht verlassen, es sei denn, ein konformer Cloud-Anbieter mit Verarbeitung in der EU wird genutzt. Integration: KI-Systeme müssen in PACS (Picture Archiving and Communication System) eingebunden werden — das erfordert DICOM-Kompatibilität.
Die technische Integration ist lösbar. Die organisatorische Veränderung — Vertrauen der Ärzte aufbauen, Workflows anpassen — dauert länger.
Nächster Schritt für Gesundheitseinrichtungen
Pilotprojekt in einer Abteilung starten: Radiologie ist der naheliegendste Einstieg, weil die Datenlage gut ist und die KI-Systeme am reifsten sind. Vier Wochen testen, Ergebnisse mit manueller Befundung vergleichen — dann entscheiden.
Weiterführende Artikel:
KI-gestütztes Onboarding: Neue Mitarbeiter schneller und besser integrieren
KI in der Vertragsanalyse: Rechtsdokumente schneller und sicherer prüfen
KI-gestützte Datenschutz-Folgenabschätzung: Schneller DSGVO-konform
