In winterlichen Berlin startet heute (18. 2. 2026) der Deutsche Krebskongress. Künstliche Intelligenz (KI) gehört zu den Topthemen im Programm, doch ein Blick in den Praxisalltag ernüchtert: KI ist oft noch weit entfernt und selbst bei „einfachen“ Digitalisierungsthemen hakt es.
Ist Künstliche Intelligenz in der Gynäkologischen Onkologie angekommen? Dieser Frage ging gleich die erste Session am Mittwochmorgen nach. Als Titel der Session und als Frage ans Publikum. Dass die TED-Abfrage dann an technischen Problemen scheiterte (… still loading), darf man fast schon als Orakel werten.
Wunsch und Wirklichkeit
Voraussetzung für valide KI-Anwendungen sind strukturierte, qualitätsgesicherte Datensätze. In der Realität dominieren jedoch heterogene Dokumentationsformate, redundante Dateneingaben und Freitextstrukturen im KIS. Onkologische Patientinnen – etwa mit Mammakarzinom – generieren Daten für Tumorboard, Register, DRG-Kodierung, Qualitätssicherung und Studien. Diese Informationen werden vielfach parallel dokumentiert. Ein interoperabler, standardisierter Basisdatensatz existiert meist nicht .
Und das ist ein fundamentales Problem. Viele KI-Lösungen funktionieren nur eingeschränkt ohne Anbindung an das KIS. Vollintegration erfordert Datenextraktionsserver, HL7-FHIR-Kompatibilität und Schnittstellenmanagement. Diese Infrastruktur ist kostenintensiv und in den allermeisten Häusern nicht etabliert.
Hinzu kommt die Fragmentierung des Marktes: Start-ups bieten spezialisierte Tools für Arztbriefschreibung, Tumorboard-Vorbereitung oder Studienrekrutierung. Ohne klare Interoperabilitätskriterien. Und so droht eine Landschaft aus Insellösungen – mit dem Risiko neuer Redundanzen statt Effizienzgewinnen.
Die Implementierung scheitert dabei weniger an der Technologie als an regulatorischen und administrativen Prozessen. DSGVO-Prüfungen, BSI-Vorgaben, C5-Testate, Cloud-Fragen und IT-Sicherheitsbewertungen verlängern Beschaffungsprozesse erheblich. Selbst Pilotprojekte erfordern umfangreiche Abstimmungen mit Einkauf, Datenschutz und IT. Zudem variieren die Rahmenbedingungen zwischen Bundesländern, insbesondere hinsichtlich Cloud-Nutzung. Was technisch möglich ist, ist regulatorisch nicht automatisch zulässig.
Ökonomischer Druck und Personaldebatte
KI wird nicht im Vakuum implementiert, sondern im Spannungsfeld ökonomischer Zwänge. Lizenzmodelle skalieren häufig mit Bettenzahl oder Nutzeranzahl. Gleichzeitig besteht die Sorge, digitale Effizienzgewinne könnten als Argument für Stellenreduktionen dienen. Realistisch betrachtet sind kurzfristige Personaleinsparungen jedoch unwahrscheinlich – vielmehr entstehen zunächst zusätzliche Belastungen durch Schulung, Prozessanpassung und Systemwechsel.
Selbst funktionierende Systeme führen nicht automatisch zu Entlastung. Häufig bleiben Medienbrüche bestehen: Inhalte müssen zwischen verschiedenen Plattformen übertragen werden, „Copy-and-Paste“ bleibt Alltag. Ohne durchgängige Prozessintegration entsteht eher eine Meta-Arbeitsebene zwischen Systemen als echte Vereinfachung.
Unter dem Strich läst sich festhalten: KI ist in der Versorgung noch lange nicht präsent. Der Engpass liegt aber nicht im Algorithmus, sondern in Datenqualität, Interoperabilität und Regulierung. Erst wenn diese Grundlagen konsistent adressiert werden, kann aus punktuellen Pilotprojekten eine nachhaltige digitale Transformation entstehen. Bis zum digitalen Frühling wird es wohl noch etwas dauern.
Text und Bild: Reinhard Merz
