\n Redaktion<\/span>\n 15.01.2026 16:51<\/time>\n <\/div>\n

\n <\/a>\n exxpress\/exxpress<\/span><\/span>\n <\/div>\n [vc_column_text]as klingt hart, ist aber schlicht Realit\u00e4t. Medizin ist komplex, Zeit und Personal sind knapp, und unter diesen Bedingungen lassen sich Fehler nie vollst\u00e4ndig ausschlie\u00dfen. Nicht aus Inkompetenz, sondern aus \u00dcberlastung. Genau deshalb ist Medizin der perfekte Einsatzort f\u00fcr Systeme, die eine Sache extrem gut k\u00f6nnen: Muster erkennen.<\/p>\n

Und hier beginnt die eigentliche Revolution. Nicht bei \u201eRoboter\u00e4rzten\u201c. Sondern bei KI, die im Hintergrund arbeitet, Bilder vorsortiert, Auff\u00e4lligkeiten markiert, Risiken priorisiert und Routinearbeit abnimmt.<\/p>\n

In den USA listet die FDA inzwischen \u00fcber 1.300 KI-gest\u00fctzte Medizinprodukte, davon rund 1.039 allein in der Radiologie. Bildgebung macht damit den Gro\u00dfteil dieser Zulassungen aus. Das ist wichtig, weil es zeigt: KI in der Medizin ist nicht mehr \u201eExperiment\u201c. Sie wird regulatorisch eingeordnet und Schritt f\u00fcr Schritt in echte Abl\u00e4ufe gedr\u00fcckt.[\/vc_column_text]

Warum KI in Bildern so stark ist<\/h2>[vc_column_text]Viele denken bei KI zuerst an ChatGPT. Ich hoffe, im Zuge meiner Kolumnen meinen Teil dazu beigetragen zu haben, dass regelm\u00e4\u00dfige eXXpress-Leser wissen: Large Language Models wie ChatGPT decken nur einen Teil der komplexen KI-Landschaft ab. In der Medizin sind die gr\u00f6\u00dften Spr\u00fcnge oft dort passiert, wo es um Bilder geht: R\u00f6ntgen, CT, MRT, Mammografie, Histologie.<\/p>\n
Technisch steckt dahinter meist Deep Learning, also neuronale Netze, die aus gigantischen Datenmengen statistische Muster lernen. Bei Bildern sind das oft CNNs (Convolutional Neural Networks). Vereinfacht gesagt: Die KI \u201escannt\u201c ein Bild mit vielen kleinen Filtern, erkennt erst Kanten, dann Formen, dann Strukturen. Am Ende steht keine Wahrheit, sondern eine Wahrscheinlichkeit: \u201eDas sieht zu 97 Prozent wie X aus.\u201c<\/p>\n
Und genau deshalb ist KI so n\u00fctzlich: Sie ist nicht m\u00fcde, sie wird nicht unkonzentriert, sie kann hunderttausende Bilder gleichf\u00f6rmig abarbeiten. Menschen sind kreativ, empathisch, verantwortlich. Aber Menschen sind nicht daf\u00fcr gebaut, monotone Hochvolumen-Diagnostik unter Zeitdruck zu leisten.[\/vc_column_text]

Der st\u00e4rkste Beleg kommt aus Europa<\/h2>[vc_column_text]Wer glaubt, das sei alles nur US-Hype, sollte nach Schweden schauen. In einer gro\u00dfen Studie in The Lancet Oncology zeigte sich: KI-unterst\u00fctztes Mammografie-Screening senkte die Screen-Reading-Workload um 44,3 Prozent, bei vergleichbarer Leistungsf\u00e4higkeit.<\/p>\n
Das ist nicht irgendein Gadget. Das ist ein Hebel f\u00fcr ein System, das \u00fcberall dieselbe Krankheit hat: zu wenig Personal, zu viel Arbeit, zu lange Warteschlangen.<\/p>\n
Und genau hier kommt mein Lieblingsvergleich.[\/vc_column_text]

Der Auto-Vergleich, der alles kl\u00e4rt<\/h2>[vc_column_text]Vor Jahrzehnten starben viel mehr Menschen im Stra\u00dfenverkehr. Heute ist Autofahren sicherer, weil Technik eingreift: ABS, Notbremsassistent, Spurhalteassistent. Viele dieser Systeme basieren ebenfalls auf KI oder sehr \u00e4hnlichen Mustererkennungs-Methoden.<\/p>\n
Niemand w\u00fcrde ernsthaft sagen: \u201eIch will keinen Notbremsassistenten, weil ich selbst eh keinen Fehler mache.\u201c Wir nutzen Technik, weil sie Fehler reduziert und dar\u00fcber hinaus unser Leben angenehmer macht.<\/p>\n
In der Medizin muss die Logik dieselbe sein. \u00c4rzte machen Fehler. Wir alle machen Fehler. Wenn KI in einem klar definierten Teilprozess nachweislich Fehler reduziert oder Kapazit\u00e4t freischaufelt, dann wird Nicht-Nutzung zur aktiven Entscheidung. Und diese Entscheidung hat Konsequenzen.[\/vc_column_text]

ChatGPT Health zeigt den Wendepunkt<\/h2>[vc_column_text]Jetzt zur Entwicklung, die in den letzten Tagen besonders sichtbar war: ChatGPT Health. OpenAI hat eine eigene Health-Erfahrung angek\u00fcndigt, in der Nutzer Gesundheitsdaten optional verbinden oder Dokumente nutzen k\u00f6nnen, mit dem Versprechen st\u00e4rkerer Privatsph\u00e4re und dem klaren Satz: Das sei nicht daf\u00fcr gedacht, Diagnosen oder Behandlungen zu ersetzen.<\/p>\n
Reuters berichtet dazu eine Zahl, die man sich auf der Zunge zergehen lassen muss: \u00fcber 230 Millionen w\u00f6chentliche health-bezogene Anfragen in ChatGPT. STAT zitiert zus\u00e4tzlich, dass OpenAI von mehr als 40 Millionen Menschen pro Tag spricht, die ChatGPT mit Gesundheitsfragen prompten.<\/p>\n
Das ist der Punkt, an dem jeder versteht: Die Nutzung passiert l\u00e4ngst. Die Frage ist nicht, ob Menschen KI in Gesundheitsfragen verwenden. Die Frage ist, ob wir das kontrolliert, sicher, eingebettet und transparent machen oder ob wir es im Wildwuchs lassen. Und \u00fcbrigens: Dass ChatGPT Health aktuell nicht in der EEA, Schweiz oder UK verf\u00fcgbar ist, ist kein Zufall. Das ist die Kollision aus Datenschutz, Medizinprodukterecht und Regulierung.[\/vc_column_text]

Warum HealthGPT so gef\u00e4hrlich wirken kann<\/h2>[vc_column_text]Jetzt kommt die unbequeme Wahrheit: Sprachmodelle sind rhetorisch brillant. Medizinisch korrekt sind sie nur dann zuverl\u00e4ssig, wenn sie sauber angebunden sind.<\/p>\n
Ein Large Language Model ist im Kern ein statistischer Vorhersageapparat f\u00fcr Sprache. Es berechnet, welches Wort als n\u00e4chstes am wahrscheinlichsten ist. Das kann unglaublich \u00fcberzeugend klingen. Aber \u201e\u00fcberzeugend\u201c ist nicht \u201erichtig\u201c.<\/p>\n
Deshalb sind zwei technische Konzepte entscheidend:<\/p>\n
1. RAG (Retrieval-Augmented Generation):
\nStatt frei zu \u201eraten\u201c, holt sich das System Informationen aus einer gepr\u00fcften Wissensquelle (Leitlinien, Studien, Klinikdatenbank) und antwortet auf Basis dieser Dokumente.<\/p>\n
2. Guardrails und klinische Grenzen:
\nDas System muss wissen, wann es stoppen muss. Wann es sagen muss: \u201eDas ist ein Notfall, bitte sofort Arzt.\u201c Und wann es schlicht nicht zust\u00e4ndig ist.<\/p>\n
Genau deshalb betont OpenAI bei ChatGPT Health \u201esupport, not replace\u201c und setzt zus\u00e4tzliche Privacy-Mechanismen.[\/vc_column_text]

KI ist nicht \u201ebesser\u201c, sie ist anders<\/h2>[vc_column_text]Jetzt zur Kernfrage: Ist KI besser als der Mensch? Die ehrliche Antwort ist: In manchen Teilaufgaben, ja. Und zwar objektiv.<\/p>\n
Hier ein paar Beispiele: In der Mustererkennung bei Bildern kann KI extreme Konsistenz liefern, vor allem als Zweitleser oder Vorfilter. In Routineprozessen kann sie Fehler durch M\u00fcdigkeit eliminieren. In der Medikamentenentwicklung hat KI der Biologie bereits einen massiven Boost gegeben. Allein die AlphaFold-Datenbank stellt \u00fcber 200 Millionen Proteinstruktur-Vorhersagen offen zur Verf\u00fcgung. Das ist ein v\u00f6llig neuer wissenschaftlicher Unterbau.<\/p>\n
Aber: KI hat keine Verantwortung. Kein Gewissen. Kein echtes Verst\u00e4ndnis von Kontext, der nicht in Daten abbildbar ist. Sie kann verzerrt sein, weil Daten verzerrt sind. Sie kann falsche Sicherheit geben, weil sie gut formuliert.<\/p>\n
Deshalb ist das Ziel nicht \u201eKI statt Mensch\u201c. Das Ziel ist ein System, in dem KI dort arbeitet, wo sie nachweislich besser ist, und der Mensch dort entscheidet, wo Werte, Verantwortung und Empathie z\u00e4hlen.[\/vc_column_text]

Meine These bleibt daher klar<\/h2>[vc_column_text]Wir m\u00fcssen die Debatte umdrehen. Nicht: \u201eIst es ethisch vertretbar, KI in der Medizin zu nutzen?\u201c Sondern: \u201eIst es ethisch vertretbar, sie nicht zu nutzen, wenn sie nachweislich hilft?\u201c Wenn KI Screening-Workloads um rund 44 Prozent reduzieren kann, ist das nicht nur Effizienz. Das ist Versorgungssicherheit. Wenn bereits \u00fcber 1.300 KI-Medizinprodukte in den USA regulatorisch gelistet sind, ist das nicht Spielerei. Das ist Standardisierung im Entstehen. Wenn Millionen Menschen t\u00e4glich Gesundheitsfragen an KI stellen, ist das nicht Trend. Das ist Verhalten.<\/p>\n
\u00d6sterreich und Europa brauchen keine KI-Panik. Wir brauchen drei konkrete Dinge: Erstens: klinische Testumgebungen, in denen KI schnell, aber kontrolliert in echten Abl\u00e4ufen gepr\u00fcft wird. Zweitens: Dateninfrastruktur, die Forschung erm\u00f6glicht, ohne Privatsph\u00e4re zu opfern. Das ist keine Utopie, sondern Handwerk: Pseudonymisierung, Zugriffskontrolle, Audit-Logs. Drittens: klare Haftung und klare Rollen. KI darf empfehlen, sortieren, warnen. Aber die Verantwortung f\u00fcr Therapieentscheidungen muss eindeutig bleiben.<\/p>\n
KI in der Medizin ist keine Zukunftsdebatte. Sie ist gerade dabei, Alltag zu werden. Leise, unspektakul\u00e4r, aber mit enormer Wirkung. Der moralische Reflex, alles \u201eerstmal zu verbieten\u201c, ist menschlich. Aber er ist gef\u00e4hrlich, weil er ein System konserviert, das heute schon an seine Grenzen kommt.<\/p>\n
So wie wir irgendwann nicht mehr ohne Sicherheitsgurt gefahren sind, werden wir in ein paar Jahren nicht mehr verstehen, warum wir Diagnostik und Klinikprozesse so lange ohne digitale Assistenz betrieben haben.[\/vc_column_text][\/vc_column][vc_column width=”1\/3″]
<\/div><\/div>
<\/div><\/div>[\/vc_column][\/vc_row][vc_row][vc_column width=”1\/6″][\/vc_column][vc_column width=”5\/6″]

\n
Dein Beitrag z\u00e4hlt \u2013 jetzt spenden!<\/summary>\n
<\/div>\n
\n
<\/div>\n
Mit deinem Beitrag schaffen wir Raum f\u00fcr Journalismus, der einordnet, hinterfragt und sichtbar macht, was wirklich z\u00e4hlt.<\/p>\n
\n
\n
\n