Diese Papiermenge muss erst einmal jemand füllen: Für jeden Patienten, jede Patientin in deutschen Krankenhäusern fallen mittlerweile geschätzte 27 Seiten an Dokumentation an – pro Tag. Kein Wunder, dass Mediziner:innen heute weniger Zeit für die eigentliche Diagnose und Therapie haben: 2023 kamen im Krankenhaus im Schnitt 99 Fälle auf eine Vollzeitkraft, 27 Prozent weniger als noch 2010. In nahezu allen anderen Bereichen des Berufslebens ist die Effizienz gestiegen. In der Medizin ist sie gesunken.
Und wenn bei den 27 Seiten pro Tag und Patient:in kaum noch jemand mit dem Befüllen hinterkerkommt –mit dem Lesen ist es nicht anders. Das Ergebnis ist paradox: Ärztinnen und Ärzte erfassen eine stetig zunehmende Menge an Daten, aber kommen immer weniger dazu, diese Daten sinnvoll für ihre Arbeit zu nutzen. Genau darin liegt der Grund, warum Künstliche Intelligenz die große Hoffnung in der Medizin ist. Sie kann sowohl bei der Erfassung als auch anschließend beim Durchforsten der Daten unterstützen. Wichtig wäre eine Art ChatGPT für Patientenakten.
KI im Regelbetrieb – Erfahrungen für die Praxis
Zwei Kliniken in Deutschland testen dieses ChatGPT für Ärztinnen und Ärzte erstmals: das Robert Bosch Krankenhaus in Stuttgart und das Klinikum Rheine. Das Produkt „Medical Summary“ vom deutschen KI-Unternehmen Averbis fasst alle verfügbaren Informationen, die über einen Patienten oder eine Patientin in der Klinik vorliegen, übersichtlich zusammen. Die Mediziner:innen können gezielt Fragen stellen, etwa über Allergien oder das Ergebnis der letzten Röntgenaufnahme. In Sekundenschnelle bekommen sie die passende Antwort nebst Link zu dem Dokument, aus dem die Information stammt. Perspektivisch können in die Medical Summary auch sektorenübergreifende Informationen, etwa aus der elektronischen Patientenakte ePA oder weiteren Datenquellen, einfließen.
Das Robert Bosch Krankenhaus ist eines der größten Kliniken im Raum Stuttgart. Seine 1191 Betten verteilen sich auf zwei Standorte, bis zu 40 000 Patient:innen werden dort jährlich stationär versorgt. Als Teil des Bosch Health Campus treibt es zudem Innovationen in der medizinischen Versorgung voran. Ein großes Thema dabei sind Digitalisierung und KI. Dafür hat der Bosch Health Campus den Bosch Digital Innovation Hub mit dem vom Land geförderten KI-Reallabor Gesund-heit BW etabliert. Dieses KI-Reallabor ist eines der ersten seiner Art in Europa nach der im letzten Jahr verabschiedeten EU-KI-Verordnung. Es fungiert als geschützter Experimentierraum für Innovation und Regulierung und kann so KI-Innovationen gleichzeitig mit den notwendigen regulatorischen Rahmenbedingungen bis zur Anwendung weiterentwickeln. Averbis ist Teil des Vorhabens. Der Leiter des Bosch Digital Innovation Hubs, Prof. Dr. med. Oliver Opitz, beschreibt die Motivation hinter dem KI-Projekt: „Gemeinsam mit Averbis gelingt es uns, medizinische Informationen mithilfe von KI sogar aus unstrukturierten Daten wie PDF-Dokumenten zu extrahieren und sie gezielt für Patientenversorgung und Forschung nutzbar zu machen.“
Die Technologie löst damit eines der größten Hindernisse für den breiteren Einsatz von KI in der Medizin: die fehlenden Daten. ChatGPT und viele andere Large Language Models (LLMs) haben auf beeindruckende Weise gezeigt, was mit generalisierten Datensätzen möglich ist. Wenn aber ein konkreter Patient oder eine Patientin im Sprechzimmer sitzt, reicht diese generelle Information nicht mehr aus. Ärztinnen und Ärzte möchten dann nicht unbedingt wissen, was die medizinischen Leitlinien im Fall einer akuten Blinddarmentzündung empfehlen. Sie wollen genau für die vor ihnen sitzenden Patient:innen wissen: Haben sie eine Allergie gegen ein bestimmtes Anästhetikum? Was war das Ergebnis des letzten großen Blutbilds? Und sie möchten dafür nicht stapelweise Papierakten oder PDF-Dokumente durchgehen. Sie würden am liebsten einen hoch verlässlichen, für medizinische Zwecke programmierten Chatbot fragen.
Der aber kann nur dann Auskunft geben, wenn er Daten zu diesem speziellen Patienten hat. Sie sind prinzipiell verfügbar, liegen allerdings sehr oft unstrukturiert vor und damit nicht in einer Form, die eine KI verwerten kann. Viele Informationen stehen beispielsweise in Freitextfeldern, die Mediziner:innen nach ihrer eigenen Methode befüllen. Oder sie finden sich in PDFs, etwa bei Arztbriefen oder Labor- oder anderen Befunden. Das betrifft geschätzte 90 Prozent aller Daten von Patient:innen. Bevor also eine KI eine Zusammenfassung erstellen oder Fragen von Mediziner:innen beantworten kann, muss sie diese Daten strukturieren, oder anders ausgedrückt: in eine maschinenlesbare Form bringen.
Für die KI hinter der Medical Summary ist dies der entscheidende erste Schritt. Die Technologie greift auf alle verfügbaren Daten zu einem Patienten oder einer Patientin zu und ordnet sie so, dass die Krankheitsgeschichte in einer einheitlichen Datenbasis zur Verfügung steht. Mittels dieser Datenbasis entsteht dann die Zusammenfassung der medizinisch relevanten Ereignisse nebst Chatbot-Funktion. Erste Ergebnisse aus dem Bosch Health Campus haben gezeigt, dass Mediziner:innen auf diese Weise fünfmal schneller die für ihre Diagnose- oder Therapieentscheidung relevanten Daten sichten können. „Wir müssen die Ressourcen möglichst effektiv nutzen, das muss der Anspruch an digitale Lösungen sein. Mit der Lösung aus unserem Reallabor und mit Averbis haben wir genau die Chance, die Effizienz zu erhöhen“, sagt Prof. Dr. med. Mark Dominik Alscher, Geschäftsführer des Robert Bosch Krankenhauses am Bosch Health Campus.
Der Weg zur KI-Implementierung
Wichtig dafür ist die Anbindung an das Krankenhausinformationssystem der Klinik, neben dem Archiv die wichtigste Datenquelle. Das KIS dient im Moment auch als Gateway, um die Daten aus der ePA mit einzubeziehen. Weitere Systeme zur Patientendokumentation können ebenfalls angebunden werden, etwa Daten vom HL7-Kommunikationsserver.
Als sinnvoll hat sich bei der Einführung von digitalen Lösungen und KI zudem erwiesen, Schritt für Schritt vorzugehen. Das erhöht nicht nur die Systemstabilität, sondern stärkt auch die KI-Akzeptanz – ein weiterer Schwerpunkt des Reallabors. Aus diesem Grund wird eine Testumgebung zunächst auf einer besonders motivierten Pilotstation eingeführt. So lassen sich am besten die Vorbehalte des medizinischen Personals abbauen. Es hat allzu oft die Erfahrung machen müssen, dass neue Software mehr Arbeit bedeutet statt weniger. Am Robert Bosch Krankenhaus soll Ende dieses Jahres dann auch die erste Abteilung produktiv gehen. Anschließend ist die klinikweite Einführung geplant.
Alle Daten bleiben dabei lokal in der Infrastruktur des Krankenhauses. Eine Cloud-Anbindung ist dennoch nötig, weil lokale Rechenkapazitäten nicht für die großen Sprachmodelle ausreichen. Beim KI-Reallabor des Bosch Health Campus geschieht dies beim Anbieter StackIT, gehostet in Baden-Württemberg und angebunden über eine verschlüsselte Verbindung. Dort werden die Daten prozessiert, aber nicht gespeichert.
Mindestens eine Stunde Zeitersparnis – pro Arzt und Tag
Die zukünftigen Einsatzmöglichkeiten sind jedoch nicht nur auf die einfache und zeitsparende Auswertung von Patientenakten beschränkt. Die Technologie kann ebenso gut dazu dienen, die Dokumentation an sich zu vereinfachen. Umsetzbar ist dies unter anderem für Arzt-Patienten-Gespräche: Die KI analysiert den Verlauf, extrahiert alle relevanten Gesundheitsinforma-tionen, identifiziert die Diagnose nebst ICD-10-Klassifikation und dokumentiert alles im KIS. Mediziner:innen kontrollieren anschließend die Daten, nehmen Korrekturen vor, wo nötig – müssen aber nicht mehr alles selbst eintippen. Ebenso werden die Lösungen für eine intelligente Arztbriefschreibung genutzt.
Ein weiteres Szenario ist, diese Informationen aus Arztbriefen automatisiert in Praxisverwaltungssysteme einzuspeisen. Im Hausarzt-Zentrum in Wiesloch nahe Heidelberg kommt diese Variante zum Einsatz. „Die KI-Lösungen von Averbis ermöglichen es uns, medizinische Informationen wie Diagnosen, Blutdruckwerte und Epikrisen direkt aus Arztbriefen in unser PVS zu übernehmen. So automatisieren wir bürokratische Prozesse und reduzieren den Dokumentationsaufwand erheblich“, sagt Dr. med. Rita Bangert Semb, Geschäftsführerin des Hausarzt -Zentrums. Pro Tag spart sich jeder Arzt nun täglich eine Stunde.
Legt man die 189 551 Ärzt:innen und Psychotherapeut:innen zugrunde, die hierzulande an der vertragsärztlichen Versorgung teilnehmen, ergibt sich allein dadurch ein Potenzial von 41,7 Millionen Stunden pro Jahr. Die Menge entspricht knapp 1 800 zusätzlichen Vollzeitstellen für Ärztinnen und Ärzte – und damit entsprechend mehr Zeit für Patient:innen. Das Potenzial in Krankenhäusern ist hier noch gar nicht eingerechnet. Heben können wir dieses Potenzial aber nur, wenn das medizinische Personal wirklich Vertrauen in die Arbeit der KI besitzt. Denn sobald der Eindruck entsteht, dass Fehler passieren und die Aussagen unzuverlässig sind, wird die Technologie nicht genutzt. Völlig zu Recht, schließlich soll das Ziel am Ende nicht Zeitersparnis sein, sondern eine gute Versorgung der Patient:innen. Und wenn eine KI Fehler macht, ist genau das in Gefahr. Viele Gespräche in Kliniken zeigen, dass Halluzinationen oder andere Fehlerquellen die größte Sorge der Ärzte und Ärztinnen ist.
Zuverlässigkeit als Knackpunkt – so lässt sich die Qualität der KI sicherstellen
Der entscheidende Knackpunkt für die Verbreitung der Technologie ist daher die Zuverlässigkeit und Qualität der KI-Modelle und die konsequente Testung dieser Modelle im Reallabor-Setting. Auf dem Markt existieren mittlerweile Hunderte LLMs, jedes dieser Modelle hat spezifische Stärken, aber eben auch bestimmte Schwächen. Der Ansatz ist, die verschiedenen LLMs so zu verknüpfen, dass die Stärken des einen die Schwächen des anderen ausgleichen. Gut orchestriert, kommt man so sehr nahe an eine hundertprozentige Verlässlichkeit.
Die Orchestrierung bietet zudem eine weitere Chance: minimierte Kosten. Die Nutzung großer LLMs kann allein aufgrund von Lizenzgebühren schnell in die Hunderttausende Euro gehen. Für Kliniken werden die Summen rasch nicht mehr finanzierbar. Stimmt man die LLMs hingegen gut aufeinander ab, sinkt der Betrag erheblich. So lassen sich feste Beträge für die Nutzung kalkulieren, Kliniken haben finanzielle Planungssicherheit.
Das gut durchdachte Zusammenspiel verschiedener LLMs verbessert also Effizienz und Qualität. Zur Wahrheit gehört aber auch: Absolute Fehlerfreiheit wird auf absehbare Zeit nicht erreichbar sein, möglicherweise auch nie. Daher ist der zweite Ansatz mindestens ebenso wichtig: KI muss transparent machen, wie sie zu ihren Ergebnissen kommt. Für jede medizinische Information muss sie auf das dazugehörige Dokument verlinken. So können Ärztinnen und Ärzte bei Zweifeln selbst nachschauen. Genauso entscheidend ist jedoch, Unsicherheiten kenntlich zu machen. Dabei reicht es nicht, lediglich eine Wahrscheinlichkeit anzugeben, mit der eine Information korrekt ist – also beispielsweise „der Patient hat mit 80-prozentiger Sicherheit keinen erhöhten Blutzuckergehalt“. Mehr Vertrauen erzeugt der Hinweis, dass sich beispielsweise zwei Dokumente in dieser Frage widersprechen oder zu leicht unterschiedlichen Schlüssen kommen.
Es geht also nicht darum, den Ärzt:innen Entscheidungen abzunehmen oder gar bestimmte Diagnosen zu automatisieren. Erst recht geht es nicht darum, Ärztinnen und Ärzte zu ersetzen – wir haben schon jetzt viel zu wenige. Das Ziel ist im Gegenteil, vorhandene Informationen so aufzubereiten, dass die Mediziner:innen bessere Entscheidungen fällen können. Es geht darum, sie die besten Ärztinnen und Ärzte sein zu lassen, die sie sein können.
---------------------------------------------------------------------------------------------------------------------------
Ein KI-Reallabor für Kliniken
Das KI-Reallabor Gesundheit BW wurde vom Bosch Digital Innovation Hub am Bosch Health Campus entwickelt. Es wird vom baden-württembergischen Ministerium für Soziales, Gesundheit und Integration als eines der ersten europäischen KI-Reallabore im Gesundheitswesen nach den Kriterien des
EU AI Act gefördert.
Im KI-Reallabor Gesundheit BW werden die notwendigen Rahmenbedingungen so gestaltet, dass aus einem geschützten Experimentierraum für Innovation und Regulierung heraus anwendungsnahe KI-Innovationen beschleunigt in realen Versorgungskontexten getestet, evaluiert und letztlich im Versorgungsalltag verankert werden können.
Die Rahmenstruktur bilden ein KI-Datalab, ein KI-Framework-Lab sowie ein KI-Kompetenzlab, in denen KI-Entwicklungen, deren Translations- und Implementierungshürden sowie die Stärkung von KI-Kompetenz bei Entwicklern, Anwendern und Nutzern iterativ erarbeitet werden. Das Reallabor bietet das geeignete und erfolgversprechende Instrumentarium, entsprechende Rahmen-bedingungen gemeinsam mit den regulatorischen Behörden zu gestalten, um KI-Innovationen schneller und erfolgreicher zu entwickeln und in den konkreten Versorgungskontext zu implementieren.
Innovation und konsequente Translation, kombiniert mit gestaltenden Datennutzungskonzepten in innovativen Datenarchitekturen, sowie eine frühe, transparente und aufrichtige Einbindung aller Stakeholder als Schlüssel, um KI-Akzeptanz bei allen Beteiligten zu stärken, sind dabei die Säulen eines erfolgreichen Reallabors und Grundlage für eine erfolgreiche Umsetzung von KI-Lösungen im Gesundheitswesen.
www.bosch-health-campus.de/de/KI-Reallabor-Gesundheit-BW
----------------------------------------------------------------------------------------------------------------------------