Geht es um echte Interoperabilität im Gesundheitswesen, ist FHIR seit Jahren ein großer Hoffnungsträger. Mit ihm werden medizinische Daten zwischen verschiedenen IT-Systemen reibungslos übertragbar – unabhängig davon, ob sie aus einem Praxisverwaltungssystem (PVS), einem Krankenhausinformationssystem (KIS) oder einer elektronischen Patientenakte (ePA) stammen. Aber seit ebenso vielen Jahren bleibt FHIR auch genau das – die große Hoffnung. Trotz intensiver Diskussionen, vielfältiger Initiativen und zahlreicher Pilotvorhaben ist FHIR in den deutschen Kliniken bislang nur punktuell im Einsatz, wenn überhaupt. Das ist der Grund für eine sehr spannende Diskussion, die gerade Fahrt aufnimmt: Kann KI erledigen, wofür heute noch Standards nötig sind? Künstliche Intelligenz wäre dann eine Art Übersetzer, der ein Datenformat in ein anderes überführt. Je weiter die Technologie im Gesundheitswesen Verbreitung findet, desto intensiver dürfte diese Debatte werden.
Die Attraktivität des Gedankens resultiert aus einer Schwäche von FHIR: Um Interoperabilität zu ermöglichen, nutzt der Standard ein stark strukturiertes Datenmodell. Informationen müssen also hoch geordnet vorliegen. Die Technik dahinter ist zweifellos gut, und es war eine außerordentliche Leistung aller Beteiligten, sie zu entwickeln. Über die Jahre hat sich allerdings gezeigt, dass sich diese starke Strukturierung sehr schwer in der klinischen Realität umsetzen lässt.
Medizinische Informationen entstehen im Versorgungsprozess oftmals unstrukturiert: in Form von Gesprächsnotizen, frei formulierten Einschätzungen oder handschriftlichen Befunden. Ärztliche Entscheidungsfindung stützt sich auf Nuancen, Beobachtungen und Kontext – Elemente, die sich nur schwer in vordefinierte Datenfelder pressen lassen. Die Skepsis des medizinischen Personals gegenüber starren Eingabemasken entspringt dabei nicht nur der Macht der Gewohnheit. Eine wichtige Rolle spielt der Kampf gegen die stetig wachsende Bürokratie. Bestehende Interoperabilitätsinitiativen liefern dafür gute Belege. Oft war die Grundüberlegung auf den ersten Blick smart: Medizinische Informationen sollten sofort beim Eintippen in ein strukturiertes Format gebracht werden, statt es am Ende den Fachkräften zuzumuten, unstrukturierte Notizen oder diktierte Befunde mühsam über Eingabemasken sortieren zu müssen.
Auf diese Weise konnten sie später tatsächlich problemlos systemübergreifend weitergegeben werden. Aber in der Praxis bedeutet dies mehr Zeitaufwand für Fachkräfte, weil die strukturierte Eingabe deutlich länger braucht. Medizinisches Personal verbringt also einen beträchtlichen Teil der Zeit mit formalen Tätigkeiten, die nicht unmittelbar den Patient:innen zugutekommen und zudem dem üblichen klinischen Denkprozess widersprechen. Dem Deutschen Krankenhausinstitut zufolge verbringen Ärztinnen und Ärzte heute schon im Durchschnitt drei Stunden täglich mit Dokumentation. Zusätzliche Strukturierungsanforderungen stoßen daher schnell auf Ablehnung, vor allem wenn bestehende KIS-Landschaften durch individuelle Anpassungen und historisch gewachsene Datenmodelle ohnehin bereits komplex sind.
Strategische Bedeutung für Krankenhäuser
Genau hier setzt ein Paradigmenwechsel an, der seit einigen Jahren zunehmend an Bedeutung gewinnt: Es geht darum, die Standardisierung nicht an den Anfang zu stellen, sondern ans Ende. Auf diese Weise lassen sich Daten zunächst in ihrer natürlichen, narrativen Form erfassen und erst im Anschluss automatisiert in das benötigte Format überführen. Diese Perspektive gewinnt besondere Relevanz, seit moderne KI-Systeme in der Lage sind, komplexe Inhalte aus nahezu jeder Quelle auszulesen, zu interpretieren und kontextgerecht zu strukturieren.
Große Sprachmodelle (Large Language Models, LLMs) machen es möglich, unstrukturierte Daten in nahezu beliebige Zielformate zu überführen, darunter auch FHIR-Profile. Die KI fungiert dabei als universeller Übersetzer zwischen Datenwelten. APIs bleiben weiterhin wichtig, doch die aufwendige, oft fehleranfällige Logik zur Formatkonvertierung wandert in intelligente KI-Schichten, die im Hintergrund arbeiten. Man könnte sagen: Ein hochspezialisiertes LLM übersetzt – nur eben jetzt nicht vom Englischen ins Deutsche, sondern von einem medizinischen Datenformat in ein anderes.
Dieses Prinzip eröffnet zahlreiche Anwendungsfelder. Daten aus einem PVS könnten automatisch in das KIS einer Klinik überführt werden, ohne dass Ärztinnen und Ärzte hierfür zusätzliche Arbeit investieren müssten. Eingescannte Dokumente aus Papierakten, die Patient:innen in die Notaufnahme mitbringen, könnten direkt strukturiert einsortiert werden. Gerade für die ePA wird dieses Szenario künftig eine zentrale Rolle spielen: Informationen lassen sich nahtlos integrieren, unabhängig davon, wo sie ursprünglich entstanden sind.
Mit der zunehmenden Verbreitung generativer KI wachsen die Chancen, dass diese Vision Realität wird. 2026 dürfte dabei eine entscheidende Wegmarke sein. Mehrere Kliniken – darunter das Robert Bosch Krankenhaus oder das Klinikum Rheine – erproben bereits die KI-gestützte Verarbeitung von Patientendaten. Auch die Medizinischen Dienste setzen verstärkt auf KI, um Abrechnungsunterlagen zu prüfen. Hersteller wie Meierhofer integrieren entsprechende Technologien direkt in ihre Systeme, sodass Krankenhäuser ohne großen Implementierungsaufwand davon profitieren können.
Ein KI-basierter Workflow könnte künftig deutliche Effizienzgewinne bedeuten. Eine Ärztin dokumentiert ein Patientengespräch mithilfe eines KI-Assistenten, der die Inhalte mitschneidet und automatisch strukturiert. Die Ärztin prüft die Vorschläge, korrigiert bei Bedarf und gibt die fertigen Daten anschließend frei. Ein zweites Modell generiert daraus die strukturierte FHIR-Ressource oder jede andere benötigte Datenform, die nahtlos in das KIS übertragen wird. Soll ein niedergelassener Kollege informiert werden, erzeugt die KI einen formatierten Arztbrief, der relevante Inhalte nicht nur lesbar darstellt, sondern auch strukturiert in das PVS übernommen werden kann.
Studien aus dem Ausland zeigen, dass dies keine Zukunftsvision mehr ist. UCLA Health etwa konnte in randomisierten Untersuchungen nachweisen, dass KI-Dokumentationsassistenten Burnout-Symptome reduzieren. Praxisstudien mit „Ambient-AI“-Schreibassistenten zeigen eine tägliche Reduktion von Dokumentationszeit um mehrere Minuten bis hin zu etwa 20 Minuten pro Ärztin oder Arzt. Hochgerechnet entstehen erhebliche Entlastungen und mehr Kapazitäten für die Versorgung.
Warum FHIR weiterhin eine Rolle spielt – aber anders als erwartet
Bedeutet diese Entwicklung, dass FHIR überflüssig wird? Eher nicht. FHIR bleibt essenziell für Daten, die ohnehin strukturiert vorliegen – etwa für Forschung, regulatorische Anforderungen, Register oder Abrechnung. Zudem existieren weltweit mehrere etablierte Standards, die sich langfristig kaum vollständig ablösen lassen.
Die entscheidende Veränderung liegt an anderer Stelle: Es wird weniger wichtig, ein universelles Austauschformat zu etablieren. Stattdessen können KI-basierte Systeme als intelligente Brücken zwischen bestehenden Standards fungieren. Schon diese Fähigkeit würde die Interoperabilität im Gesundheitswesen erheblich voranbringen und Krankenhäusern zugleich mehr Flexibilität geben.