Wie weit ist KI in deutschen Krankenhäusern tatsächlich?

Im TI-Atlas 2026 berichten Krankenhäuser, KI-Tools unter anderem für die Bild- und Befundanalyse (17 %) sowie für die Erstellung oder Zusammenfassung von Arzt- und Entlassbriefen (16 %) zu nutzen. An der Befragung im Mai 2026 nahmen 321 Krankenhäuser teil. Die Auswertungen für Krankenhäuser werden laut gematik gewichtet (gematik GmbH, 2026).

Das klingt zunächst nach einer recht einfachen Bestandsaufnahme: KI ist vorhanden, allerdings noch nicht überall.

Bei näherem Lesen wird die Lage weniger eindeutig. Auf derselben öffentlich zugänglichen TI-Atlas-Seite heißt es an einer Stelle, etwa die Hälfte der befragten Einrichtungen nutze bereits erste KI-Anwendungen. Wenig später ist von „bis zu einem Viertel“ die Rede; zugleich gebe etwa die Hälfte an, bisher keine KI zu nutzen (gematik GmbH, 2026). Ohne die zugrunde liegenden Item-Tabellen und exakten Frageformulierungen lässt sich aus der veröffentlichten Zusammenfassung nicht zuverlässig rekonstruieren, wie diese Aussagen zueinander stehen.

Eine radiologische Anwendung, die täglich in einem definierten Befundungsprozess läuft, ein Schreibassistent auf einer einzelnen Station, ein Forschungsprototyp und eine interne LLM-Plattform für freiwillige Nutzung können alle unter „KI im Einsatz“ fallen. Für eine Geschäftsführung beschreiben sie sehr unterschiedliche Zustände.

In Freiburg wurde zunächst geprüft, ob ein lokal betriebenes, deutschsprachiges Sprachmodell überhaupt brauchbare klinische Dokumentation erzeugen kann. Zwei menschliche Rater bewerteten 95 von 102 erzeugten Berichten – 93,1 % – übereinstimmend als direkt verwendbar oder nur geringfügig änderungsbedürftig (Heilmeyer et al., 2024). Diese Zahl beschreibt die praktische Verwendbarkeit in einem eng definierten Dokumentationssetting. Sie ist keine allgemeine Quote für medizinische Richtigkeit von LLM-Ausgaben.

Die spätere Freiburger Real-World-Studie ging einen Schritt weiter. Der Assistent war in den elektronischen Dokumentationsprozess eingebettet und schlug Textfortsetzungen auf Basis der vorhandenen Patientenakte vor. Über zwölf Monate wurden 15.615 Dokumente von 27 Ärztinnen und Ärzten ausgewertet. Die Dokumentationseffizienz verbesserte sich in der Gruppe der KI-Nutzenden stärker; der Interaktionseffekt zwischen Gruppe und Exposition war statistisch signifikant (p = 0,045). Bei der Zahl der Überarbeitungen durch vorgesetzte Ärztinnen und Ärzte zeigte sich dagegen kein statistisch signifikanter Interaktionseffekt (Heilmeyer et al., 2026).

In Bonn ergab sich ein anderes Bild. Nach Einführung eines KI-gestützten Computer-Aided-Detection-Systems für Prostata-MRT stieg die mittlere gesamte Durchlaufzeit von 16,99 auf 18,77 Minuten; dieser Unterschied war statistisch nicht signifikant. Bei Fällen mit hohem Verdacht stieg die diagnostische Lesezeit signifikant von 15,73 auf 23,07 Minuten. Veränderungen der selbst berichteten Arbeitsbelastung oder des Stresses wurden nicht gefunden (Wenderott et al., 2024).

An der Universitätsmedizin Magdeburg wurde wiederum keine einzelne klinische Spezialanwendung untersucht, sondern eine selbst gehostete LLM-Plattform für unterschiedliche Berufsgruppen. 322 Personen hatten sich registriert; 91 vollständige Antworten gingen in die Auswertung der freiwilligen Nutzerbefragung ein. 40 dieser 91 Befragten berichteten eine wöchentliche Zeitersparnis von mindestens 30 Minuten. Die Autoren weisen auf Selbstselektion, Selbstauskunft und den spezifischen lokalen Kontext hin (Grünig et al., 2026).

Diese Beispiele lassen sich nicht sinnvoll zu einer gemeinsamen „Wirksamkeitszahl“ verrechnen. Sie untersuchen verschiedene Technologien, Aufgaben, Outcomes und Implementierungsformen. Genau deshalb sind sie für eine Bestandsaufnahme hilfreich: Sie zeigen, wie breit die Kategorie „KI im Krankenhaus“ geworden ist.

Der DigitalRadar liefert dazu Kontext. In der zweiten nationalen Erhebung 2024 nahmen 1.592 Krankenhäuser teil. Der durchschnittliche Score stieg von 33,3 Punkten im Jahr 2021 auf 42,4 von maximal 100 Punkten. Größere Häuser, Lehrkrankenhäuser und Universitätsstandorte erreichten im Mittel höhere Werte; zugleich blieben die Unterschiede innerhalb der Dimensionen groß (Amelung et al., 2025).

Auch die Einführung der elektronischen Patientenakte zeigt, wie unterschiedlich technische Inbetriebnahme und organisationsweite Nutzung sein können. In einer repräsentativen DKI-Blitzumfrage unter 489 Krankenhäusern hatten Ende Februar 2026 rund 90 % mit der technischen Inbetriebnahme der ePA im führenden Krankenhausinformationssystem begonnen. 57 % gingen zu diesem Zeitpunkt davon aus, die ePA noch im ersten Halbjahr 2026 im gesamten Krankenhaus nutzen zu können (Deutsches Krankenhausinstitut, 2026).

Daraus lässt sich kein Beweis ableiten, dass ePA-Umsetzung oder ein niedrigerer DigitalRadar-Score KI-Einführung verhindern. Diese Daten beschreiben den organisatorischen und technischen Kontext, in dem KI eingeführt wird. Eine Kausalbehauptung wäre mit den vorliegenden Quellen nicht gedeckt.

Für einzelne Anwendungen gibt es inzwischen Real-World-Evidenz aus deutschen Kliniken. Gleichzeitig erzählen diese Studien sehr unterschiedliche Geschichten: Effizienz kann steigen, erwartete Zeitersparnis kann ausbleiben, und ein System kann technisch verfügbar sein, ohne damit bereits organisationsweit verankert zu sein.

Für die nächste Stufe der Bestandsaufnahme interessiert mich deshalb weniger ein einziger Adoptionswert. Interessanter wird die Frage, welche Bedingungen dazu beitragen, dass aus einer erprobten Anwendung ein dauerhaft tragfähiger Teil der Versorgung wird.