LLMs liefern in der medizinischen Lehre teils präzisere und vollständigere Antworten als Lehrende – ersetzen können sie diese nach Einschätzung von Studierenden dennoch nicht.
Große Sprachmodelle (LLMs) könnten in der medizinischen Aus- und Fortbildung künftig eine deutlich größere Rolle spielen. Eine aktuelle Studie aus der Optometrie zeigt, dass mehrere KI-Modelle bei der Beantwortung realer studentischer Fragen in wichtigen Qualitätsdimensionen besser abschnitten als menschliche Lehrkräfte. Untersucht wurden 108 offene Fragen von Medizinstudierenden, die sowohl von Lehrenden als auch von fünf verschiedenen LLMs beantwortet wurden. Zwei Experten bewerteten die Antworten anschließend verblindet nach Genauigkeit, Vollständigkeit, Verständlichkeit und Gesamtqualität.
Dabei erzielten vor allem die Online-Modelle sehr gute Ergebnisse. GPT-4.0 erreichte die höchsten Werte bei Genauigkeit und Vollständigkeit, Claude-3 lag bei Verständlichkeit und Gesamtqualität vorn. Gleichzeitig antworteten die KI-Systeme deutlich schneller und ausführlicher als die beteiligten Lehrkräfte. Die Autoren sehen darin einen Hinweis darauf, dass LLMs insbesondere dann hilfreich sein können, wenn Lernende rasch zusätzliche Erklärungen, strukturierte Informationen und weiterführende Inhalte benötigen.
Für die ärztliche Fortbildung ist das besonders interessant. Digitale Lernangebote leben davon, dass komplexe Inhalte verständlich, aktuell und flexibel aufbereitet werden. KI-gestützte Systeme könnten hier dazu beitragen, individuelle Fragen schneller aufzugreifen, ergänzende Informationen bereitzustellen und selbstgesteuertes Lernen zu unterstützen. Gerade in Fachgebieten mit hoher Informationsdichte kann das ein relevanter Mehrwert sein.
Gleichzeitig macht die Studie aber auch deutlich, dass KI ärztliche Lehrende nicht ersetzt. Die befragten Studierenden bewerteten die Antworten der Lehrkräfte insgesamt als leichter verständlich und sprachen sich mehrheitlich nicht dafür aus, menschliche Lehrende durch KI zu ersetzen. Das unterstreicht einen zentralen Punkt auch für die Fortbildung: Didaktische Einordnung, klinische Erfahrung, Kontextverständnis und persönlicher Austausch bleiben wesentliche Bestandteile hochwertiger medizinischer Lehre.
Der sinnvolle Weg dürfte daher in einem kombinierten Ansatz liegen. KI kann Lehr- und Fortbildungsprozesse unterstützen, etwa durch schnelle Erstinformationen, strukturierte Zusammenfassungen oder die Beantwortung standardisierter Rückfragen. Die fachliche Verantwortung und die kritische Einordnung sollten jedoch weiterhin bei qualifizierten ärztlichen Expertinnen und Experten liegen.
Quelle: Huang Z, Lin T, Lin H et al. Comparative Performance Evaluation of Large Language Models and Human Teachers in Answering Optometry Questions from Medical Undergraduates. Journal of Medical Education and Curricular Development. 2026.
Text: Redaktion arztCME
Bild: Open AI für arztCME
