Künstliche Intelligenz (KI) im Gesundheitswesen wird derzeit vor allem in drei Anwendungsfeldern diskutiert: Diagnose-Unterstützung, klinische Entscheidungsfindung und administrative Automatisierung. Weniger Aufmerksamkeit erhält ein Bereich, in dem täglich mehrere Millionen Beratungsgespräche stattfinden – der Handverkaufstisch der öffentlichen Apotheke. Hier entsteht derzeit eine eigene Kategorie von KI-Anwendungen: nicht für Diagnostik oder Dokumentation, sondern für Sprache und Gesprächsführung. Der folgende Beitrag ordnet ein, warum dieser Bereich in der Digital-Health-Debatte unterschätzt wird – und welche Designprinzipien über seine Akzeptanz und Wirkung entscheiden werden.
Rund 16.000 öffentliche Apotheken bilden in Deutschland die niederschwelligste Versorgungsschicht im Gesundheitssystem – und zugleich die am wenigsten messbare. Was im Sprechzimmer durch Anamnese, ePA-Eintrag und ICD-Code nachvollziehbar wird, verdunstet in der Apotheke binnen Sekunden in einem Dialog, der weder dokumentiert noch evaluiert wird. Dabei laufen hier zwei Drittel aller Selbstmedikations-Entscheidungen zusammen: Patient:innen schildern ein Symptom, das Apothekenteam fragt, hört zu, empfiehlt – oder unterlässt das Empfehlen. Die Qualität dieses Dialogs ist eine Black Box des Versorgungssystems, und sie ist nirgends so groß wie hier.
Der blinde Fleck der Digital-Health-Debatte
Während KI-gestützte Diagnostik, Triage und Befundbearbeitung in Klinik und Praxis bereits breit diskutiert und erprobt werden – mit deutlicher Präsenz in Fachöffentlichkeit, Forschung und industriellen Investitionsentscheidungen –, fehlt für den letzten Meter zum Patienten ein vergleichbarer Innovationsschub. Die Gründe sind strukturell: Der HV-Tisch ist kein klar definierter Datenpunkt, sondern ein flüchtiges Gespräch zwischen Mensch und Mensch. Er entzieht sich klassischen E-Health-Architekturen, die auf Datensätzen, Schnittstellen und Befunden aufsetzen. Wer die Beratungsqualität verbessern will, braucht keinen weiteren Datentransfer – er braucht ein Werkzeug, das auf die Kompetenz der handelnden Personen einzahlt. Diese Lücke beginnt sich seit etwa zwei Jahren zu schließen, getrieben durch zwei parallele Entwicklungen: die kommunikative Reife generativer Sprachmodelle und die Suche nach Lernformaten, die sich in den fragmentierten Apothekenalltag integrieren lassen.
Vom Wissen zum Können: Warum Microlearning allein nicht reicht
Die Wissensvermittlung im Apothekenmarkt stützt sich bislang im Wesentlichen auf vier Formate: Erklärvideos, Webinare, Kurzschulungen und Präsenztrainings. Genutzt werden sie in Randzeiten der Arbeitszeit, in der Mittagspause oder nach Dienstschluss – konzentriertes Lernen während des laufenden HV-Betriebs ist im Apothekenalltag weder organisatorisch noch fachlich vorgesehen. Microlearning als eigenständiges Format – kurze, fokussierte Lerneinheiten von wenigen Minuten – ist in anderen Branchen seit Jahren etabliert, in der pharmazeutischen Fortbildung für Apothekenteams jedoch bislang nur in Ansätzen erkennbar. Wo es zum Einsatz kommt, löst es ein reales Problem: Apothekenmitarbeitende haben keine zusammenhängenden Schulungsblöcke und können kürzere Einheiten besser in den Berufsalltag integrieren. Was Microlearning in seiner klassischen, rein rezeptiven Form jedoch nicht leistet, ist der Übergang vom Wissen zum Können. Lernpsychologisch ist die Differenz gut belegt: Faktenwissen entsteht durch Rezeption, kommunikative Kompetenz durch Produktion und Korrektur – durch das aktive Sprechen, Scheitern und Wiederholen. Klassische Rollenspiele in Präsenztrainings adressieren diese Lücke, sind aber teuer, terminlich aufwendig und werden von Lernenden wie Trainer:innen häufig als unangenehm erlebt. Was bisher fehlte, war ein skalierbares Format zwischen Erklärvideo und Live-Rollenspiel.
Vom Lerninhalt zur KI-Interaktion
Mit Sprach-KI verschiebt sich diese Grenze. Großmodelle sind inzwischen in der Lage, einen typischen HV-Dialog zu simulieren: das Symptom einer Patientin schildern, auf Rückfragen reagieren, Bedenken äußern, eine Empfehlung kritisch hinterfragen. Lernende sprechen mit dem Smartphone, lesen oder hören die Antwort der KI, antworten erneut – und erhalten anschließend ein strukturiertes Feedback: Wurde eine offene Bedarfsanalyse geführt? Wurden Begleitsymptome erfragt? Wurde die Empfehlung in patientengerechte Sprache übersetzt? Wurde an Therapieergänzung oder Optimalversorgung gedacht? Aus didaktischer Sicht ist das ein qualitativer Sprung: Erstmals lässt sich Gesprächskompetenz unter den Bedingungen psychologischer Sicherheit trainieren – allein, in der stillen Ecke, beliebig oft wiederholbar, ohne Bewertung durch Vorgesetzte oder Kolleg:innen. Der eigentliche lernpsychologische Effekt liegt nicht primär im KI-Feedback selbst, sondern in der niedrigen Schwelle des Übens.
Datenschutz als Akzeptanzfaktor
Genau hier setzt eine Diskussion an, die in der allgemeinen KI-Debatte zu kurz kommt: Wem gehören die Lerndaten? Wer hört mit, wenn eine PTA mit einer KI über die Beratung bei chronischer Migräne, Fußpilz oder Blasenschwäche spricht? Für die Akzeptanz im Apothekenteam ist die Antwort entscheidender als jedes Detail der Benutzeroberfläche. Drei Designprinzipien zeichnen sich als Mindeststandard ab: Erstens Hosting und Datenverarbeitung in Deutschland oder im EU-Raum, mit Auftragsverarbeitungsvereinbarung pro Vertragspartner. Zweitens eine strikte Trennung zwischen aggregierten Trainingskennzahlen, die ein industrieller Auftraggeber sehen darf, und individuellen Lernpfaden, die ausschließlich der lernenden Person gehören. Drittens Transparenz über das eingesetzte Modell und die Speicherorte der Sprachdaten. Wo diese Prinzipien fehlen, wird das System nicht angenommen – nicht aus juristischen, sondern aus kulturellen Gründen. Die Apotheke ist ein Ort, an dem über Inkontinenz, Depression und Obstipation gesprochen wird; die Schulungsumgebung muss dasselbe Vertrauensniveau erreichen wie die Offizin selbst.
