Künstliche Intelligenz in der Medizin ist längst kein Zukunftsszenario mehr. Sie liest Röntgenbilder, strukturiert Arztbriefe, schlägt Differenzialdiagnosen vor und unterstützt bei der Leitlinienrecherche. Neu ist jedoch die nächste Eskalationsstufe: KI-Systeme sollen nicht mehr nur einzelne Aufgaben übernehmen, sondern klinische Prozesse über längere Verläufe hinweg begleiten – von der Anamnese über Diagnostik und Therapieplanung bis zur Aufnahmeentscheidung.

Zwei aktuelle Nature-Arbeiten zeigen, wie weit diese Entwicklung bereits ist. Das in Heidelberg und Dresden entwickelte System MIRA arbeitet in einer simulierten elektronischen Patientenakte (LINK). Es kann Patientenhistorien erheben, Labor-, Bildgebungs- und mikrobiologische Untersuchungen anfordern, Befunde interpretieren, Differenzialdiagnosen erstellen und Therapieentscheidungen vorbereiten – inklusive Medikationsvorschlägen, Prozeduren und Aufnahmeplanung. In Simulationen auf Basis realer Patientendaten erreichte MIRA eine diagnostische Leistung auf ärztlichem Niveau oder darüber. Die Autor betonen jedoch ausdrücklich: Getestet wurde in einer kontrollierten, „sandkastenartigen“ Umgebung, nicht im klinischen Alltag.

Ähnlich ambitioniert ist AMIE, ein von Google entwickeltes dialogorientiertes KI-System für das Disease Management (LINK). AMIE wurde in einer randomisierten, verblindeten virtuellen OSCE-Studie mit 21 Hausärztinnen und Hausärzten verglichen. Grundlage waren 100 Mehrfachkontakt-Szenarien über verschiedene medizinische Fachgebiete hinweg. Das Ergebnis ist bemerkenswert: AMIE war den Ärzt im Management Reasoning nicht unterlegen und schnitt insbesondere bei der Präzision von Diagnostik- und Therapieempfehlungen sowie bei der Leitlinienanbindung besser ab. Auch bei anspruchsvollen Fragen zur Arzneimitteltherapie war AMIE überlegen – allerdings blieb die Gesamtleistung selbst im offenen Setting mit Zugriff auf externe Arzneimittelinformationen deutlich unter Perfektion.

Genau hier beginnt die eigentliche Diskussion. Denn aus hoher Testleistung folgt noch keine bessere Versorgung. Adam Rodman, Internist am Beth Israel Deaconess Medical Center und KI-Forscher an der Harvard Medical School, bringt in einem SPIEGEL-Interview (LINK) eine zentrale klinische Erfahrung auf den Punkt: KI kann bei ungewöhnlichen Fällen enorm hilfreich sein. Sie kann eine seltene Differenzialdiagnose früh ins Spiel bringen, einen kognitiven Bias durchbrechen oder eine übersehene Arzneimittelreaktion sichtbar machen. Aber sie verbessert die Versorgung nicht automatisch. Entscheidend ist die Mensch-Maschine-Interaktion.

Das Risiko liegt weniger darin, dass KI grundsätzlich „dumm“ wäre. Es liegt darin, dass sie plausibel klingt – auch wenn sie falsch liegt. Sprachmodelle können halluzinieren, sie können erfundene Befunde oder Quellen mit hoher sprachlicher Sicherheit präsentieren. Hinzu kommt ein subtileres Problem: Modelle neigen zur Bestätigung. Wird eine Frage suggestiv gestellt, kann die KI die implizite Annahme verstärken. Für die Medizin ist das gefährlich, weil es bestehende Fehlannahmen stabilisieren kann. Die klinische Kunst besteht deshalb nicht darin, die KI nach einer Bestätigung zu fragen, sondern sie neutral als kognitives Gegenüber einzusetzen.

Für Ärztinnen und Ärzte bedeutet das: KI darf nicht als Ersatz für klinisches Denken missverstanden werden. Sie ist eher ein zusätzlicher diagnostischer Resonanzraum. Besonders nützlich kann sie werden, wenn Befundkonstellationen nicht zum erwarteten Muster passen, wenn mehrere Leitlinien gleichzeitig berücksichtigt werden müssen oder wenn komplexe Verläufe über mehrere Kontakte hinweg synthetisiert werden sollen. Gerade dort, wo klinische Versorgung fragmentiert ist, könnte ein gut regulierter KI-Copilot Kontinuität schaffen.

Die Nebenwirkungen sind jedoch erheblich. Erstens besteht das Risiko des Automation Bias: Empfehlungen werden übernommen, weil sie technisch und sprachlich überzeugend wirken. Zweitens droht ein Kompetenzproblem in der Ausbildung. Wenn junge Ärztinnen und Ärzte von Beginn an KI-Systeme nutzen, stellt sich die Frage, ob sie die erforderlichen diagnostischen und pathophysiologischen Grundfähigkeiten in gleicher Tiefe entwickeln. Drittens ist die Haftungsfrage offen. Solange generative KI nicht klar reguliert ist, bleibt die ärztliche Verantwortung bestehen. Viertens hinkt die Regulierung der technischen Entwicklung hinterher. Klassische Konzepte von „Software als Medizinprodukt“ erfassen adaptive, generative Systeme nur unzureichend.

Die beiden Nature-Arbeiten sind deshalb weniger ein Beweis für den unmittelbar bevorstehenden „KI-Arzt“ als vielmehr ein Weckruf. Sie zeigen, dass agentische Systeme klinische Workflows erstaunlich realistisch abbilden können. Sie zeigen aber auch, dass der Weg in die Versorgung nur über prospektive Studien, klare Governance-Strukturen, Auditierbarkeit, Datenschutz, Interoperabilität und definierte Verantwortlichkeiten führen kann.

Die wichtigste Botschaft lautet: KI wird die Medizin nicht dadurch verbessern, dass sie Ärztinnen und Ärzte ersetzt. Ihr Potenzial liegt darin, klinische Entscheidungen transparenter, leitliniennäher und konsistenter zu machen – sofern sie kritisch eingesetzt wird. Die entscheidende Frage lautet also nicht: Kann KI Medizin? Sondern: Unter welchen Bedingungen macht sie Medizin sicherer? Bis dahin gilt: KI kann ein starker Copilot sein. Aber sie darf nicht allein fliegen.

Text: Reinhard Merz
Bild: openAI für arztCME

Der Beitrag Die Versprechen der KI – Risiken und Nebenwirkungen inklusive erschien zuerst auf arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte.

Die erweiterte Deklarationspflicht für Duftstoffallergene macht Inhaltsstofflisten transparenter, aber auch komplexer. Für die COSMILE Europe App ist das kein Problem: Sie kann relevante Allergene beim Produktscan automatisch erkennen und so die dermatologische Beratung im Alltag unterstützen.

Nach positivem Epikutantest ist die Empfehlung meist eindeutig: konsequente Kontaktvermeidung. Für Betroffene ist das im Alltag jedoch schwer umzusetzen. Kosmetika enthalten lange INCI-Listen, Rezepturen ändern sich, und allergologisch relevante Stoffe sind für Laien oft kaum einzuordnen.

Mit der Kommissionsverordnung (EU) 2023/1545 wird die Deklarationspflicht für allergieauslösende Duftstoffe deutlich erweitert. Die frühere Liste der „26 Duftstoffallergene“ wird um zahlreiche zusätzliche Stoffe und Stoffgruppen ergänzt; künftig umfasst die Kennzeichnung mehr als 80 Duftstoffallergene. Dazu zählen unter anderem Menthol, Camphor und Vanillin. Für Patientinnen und Patienten bedeutet mehr Transparenz zugleich mehr Komplexität. Genau hier zeigt sich der Nutzen der COSMILE Europe App: Auch die erweiterte Deklarationspflicht ist für die App kein Problem. Alle relevanten Duftstoffallergene können in der App markiert werden; beim Produktscan erkennt die App diese Stoffe automatisch in der INCI-Liste und weist darauf hin. Damit wird aus einer zunehmend schwer lesbaren Inhaltsstoffliste eine praktische Entscheidungshilfe am Point of Sale. Nach der Diagnose können Patientinnen und Patienten ihre relevanten Allergene in der App hinterlegen und Kosmetikprodukte bei jedem Neukauf schnell prüfen. Bei Unsicherheit können sie die INCI-Liste oder einen Screenshot aus der App zur dermatologischen Kontrolle mitbringen.

Die App ersetzt keine Diagnostik und keine ärztliche Bewertung. Sie kann aber helfen, die Lücke zwischen Patch-Test-Befund und Alltagshandeln zu schließen. Grundlage ist die europäische COSMILE-INCI-Datenbank, die auf der CosIng-Datenbank der Europäischen Kommission aufbaut. Die App ist kostenfrei, werbefrei, in 13 Sprachversionen verfügbar und im Apple App Store sowie bei Google Play erhältlich.

Quelle: Wiegers W. Kontaktallergie und Kosmetik: Allergenvermeidung im Alltag. Der Privatarzt Dermatologie, 2026; Ausgabe 2: S. 32 

Link zum Beitrag

Text: Redaktion arztCME

Bild: Open AI für arztCME

Der Beitrag App unterstützt Allergenvermeidung bei Kosmetika erschien zuerst auf arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte.

Die elektronische Patientenakte (ePA) ist nicht mehr Zukunftsmusik. Aber so richtig in der Versorgung angekommen ist sie auch noch nicht. Ein Vor-Ort-Bericht von der Dauerbaustelle.

Seit Januar 2025 wurde für gesetzlich Versicherte automatisch eine ePA angelegt, sofern kein Widerspruch erfolgte. Nach dem bundesweiten Rollout im Frühjahr 2025 ist die Nutzung seit Oktober 2025 für Praxen, Krankenhäuser und Apotheken verpflichtend. Damit ist die ePA formal im Versorgungsalltag angekommen. Die entscheidende Frage lautet aber: Ist sie dort auch nutzbringend angekommen?

Eine aktueller Erfahrungsbericht von heise online trägt den bezeichnenden Titel „Gut gemeint, ist nicht gut gemacht“ [Link] und bringt das Kernproblem auf den Punkt: Digitale Gesundheitsversorgung verspricht Entlastung, in der Sprechstunde zeigt sich aber häufig ein anderes Bild. Heise verortet die ePA dabei nicht isoliert, sondern im Kontext der Telematikinfrastruktur insgesamt – mit E-Rezept, elektronischem Heilberufsausweis und den vielen kleinen Prozessbrüchen, die im Praxisalltag den Unterschied zwischen „digital“ und „funktional“ ausmachen.

Auch der Abschlussbericht der TI-Modellregionen beschreibt ein gemischtes Bild. Zu Beginn der Pilotierung traten häufig Zugriffsprobleme auf. Viele Akten waren leer oder enthielten keine Fremdbefunde. In Hausarztpraxen wurde die ePA zwar zunehmend befüllt, die Dokumentenliste war aber wegen fehlender Inhalte, unzureichender Metadaten und begrenzter Zeit im Patientengespräch oft nur eingeschränkt nutzbar [Link].

Aus Patientensicht verlief die Entwicklung ähnlich ambivalent. Der Medicallearning-Selbstversuch von 2021 war noch eine kleine Odyssee: App-Installation, fehlerhafte Anmeldung, unklare Supportantworten, notwendige Identifikation in der Kassenfiliale und am Ende eine zu alte Gesundheitskarte [Link]. Der Beitrag von Juli 2024 blickte entsprechend skeptisch auf den bevorstehenden Opt-out-Rollout: Die Idee war richtig, aber der Start drohte an unvollständigen Praxisanbindungen, PDF-Dokumenten statt strukturierter Daten und mangelnder Alltagstauglichkeit zu scheitern [Link].

Im November 2024 klang der Ton erstmals optimistischer: Login per PIN und NFC funktionierten, das E-Rezept war in der App sichtbar und konnte in der Apotheke per QR-Code eingelöst werden [Link]. Der Fortschritt war real – aber er beruhte auf einem einfachen, gut abgrenzbaren Anwendungsfall. Die eigentliche ePA als longitudinaler, sektorenübergreifender Informationsraum war damit noch nicht bewiesen.

Aktuelle Verbraucherperspektiven bestätigen diesen Befund. Zwar ist die ePA inzwischen sehr bekannt, aber ein großer Teil der Versicherten verwaltet die eigene Akte nicht aktiv. Das heißt: Die ePA ist rechtlich eine versichertengeführte Akte, praktisch aber oft eine Akte, die ohne aktive Versichertensteuerung existiert. Wer die App nicht nutzt, Zugriffsrechte nicht versteht oder keine digitalen Identifikationsverfahren beherrscht, hat formal eine ePA, aber kaum Patientensouveränität.

Medizinisch ist das Potenzial der ePA unbestritten. Eine aktuelle Medikationsliste, Entlassbriefe, Laborwerte, Impfstatus, Notfalldaten und künftig strukturierte Medikationspläne könnten Anamnese, Arzneimitteltherapiesicherheit und Versorgungskontinuität deutlich verbessern. Das Problem: Dieser klinische Nutzen entsteht erst, wenn Informationen vollständig genug, auffindbar, aktuell und in den Workflow integriert sind.

Der Stand der Dinge lautet daher: Die ePA ist da, aber noch nicht reif. Sie scheitert nicht an der Idee, sondern an der Implementierung. Die ePA muss weniger beworben als verbessert werden. Nicht mehr Versprechen, sondern weniger Reibung. Nicht mehr Opt-out als politischer Erfolg, sondern aktive Nutzung als Versorgungsgewinn. Erst dann wird aus „gut gemeint“ irgendwann auch „gut gemacht“.

Text: Reinhard Merz
Bild: chatGPT für arztCME

Der Beitrag ePA – was geht auf der Dauerbaustelle? erschien zuerst auf arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte.

Der Beitrag von arztCME zeigt, wie MOOC-Prinzipien in einem regulierten professionellen Umfeld adaptiert werden können – und welche Rolle akkreditierte digitale Fortbildung künftig in medizinischen Lernökosystemen spielen kann.

Die Online-Fortbildung im Gesundheitswesen entwickelt sich seit Jahren weiter: Neben klassischen E-Learning-Modulen gewinnen skalierbare, strukturierte und zugleich qualitätsgesicherte Lernformate an Bedeutung. Ein aktueller Buchbeitrag im internationalen Peer-Reviewed-Projekt Implementation Strategies and Effects of Massive Open Online Courses greift diese Entwicklung auf und beschreibt arztCME.de als Beispiel für ein domänenspezifisches MOOC-Modell in der akkreditierten ärztlichen Fortbildung. Der Beitrag mit dem Titel „Accredited Medical MOOCs: arztCME.de as a Domain-Specific MOOC Model for Continuing Medical Education (CME)” erscheint im Rahmen der Buchreihe Education and Human Development bei IntechOpen.

Im Mittelpunkt des Kapitels steht die Frage, wie sich Prinzipien von Massive Open Online Courses, kurz MOOCs, auf einen regulierten Bildungsbereich wie die ärztliche Fortbildung übertragen lassen. Während klassische MOOCs häufig auf große Teilnehmerzahlen, niedrige Zugangshürden und selbstgesteuertes Lernen ausgerichtet sind, gelten in der Continuing Medical Education besondere Anforderungen. Dazu gehören Akkreditierung, Neutralität, transparente Interessenkonflikte, überprüfbare Lernerfolgskontrollen, verlässliche Zertifizierungsprozesse und datenschutzkonforme Auswertungen. Der Buchbeitrag führt hierfür den Begriff „accredited medical MOOCs“ ein. Gemeint ist ein spezifisches Modell digitaler Fortbildung, das die Skalierbarkeit und Zugänglichkeit von MOOCs mit den Anforderungen akkreditierter medizinischer Weiterbildung verbindet. arztCME.de dient dabei als reflektiertes Praxisbeispiel: Die Plattform zeigt, wie standardisierte Lernmodule, strukturierte Inhalte, Prüfungslogik, Zertifikatsprozesse und Qualitätssicherung in einem digitalen Fortbildungsökosystem zusammengeführt werden können.

Ein wesentlicher Aspekt des Beitrags ist die Abgrenzung zu allgemeinen MOOC-Modellen. In der ärztlichen Fortbildung bedeutet „offen“ nicht automatisch anonym oder beliebig zugänglich. Zwar können digitale Inhalte niedrigschwellig bereitgestellt werden, doch für die Anerkennung von CME-Punkten sind registrierte Teilnahme, nachvollziehbare Prüfungsschritte und dokumentierte Zertifizierung erforderlich. Damit entsteht ein hybrides Modell: breiter digitaler Zugang auf der einen Seite, formale Nachweis- und Qualitätsanforderungen auf der anderen. Das Kapitel beschreibt außerdem, wie digitale CME-Module didaktisch aufgebaut sein sollten. Dazu zählen klar formulierte Lernziele, transparente Angaben zu Autorenschaft und möglichen Interessenkonflikten, strukturierte Inhalte, optionale Selbsttests, eine summative Lernerfolgskontrolle sowie Evaluation und Feedback. Ergänzend werden moderne Formate wie avatarbasierte Einführungen, Chatbots zur tutoriellen Unterstützung, interaktive Fallvignetten, Microlearning und Spaced Learning diskutiert.

Ein weiterer Schwerpunkt liegt auf Learning Analytics. Der Beitrag zeigt, wie aggregierte Kennzahlen – etwa Modulstarts, Start der Lernerfolgskontrolle, Zertifikate, Downloads ergänzender Materialien oder regionale Verteilung – zur Qualitätssicherung und Projektsteuerung genutzt werden können. Zugleich wird betont, dass solche Auswertungen datenschutzkonform, zweckgebunden und möglichst aggregiert erfolgen müssen. Auch der verantwortungsvolle Einsatz von Künstlicher Intelligenz wird aufgegriffen. KI-gestützte Funktionen können künftig etwa bei der Orientierung in Lernmodulen, bei Zusammenfassungen, bei adaptiven Übungsfragen oder in der tutoriellen Unterstützung helfen. Der Beitrag plädiert jedoch für einen schrittweisen und kontrollierten Einsatz, insbesondere dort, wo Akkreditierung, Prüfungsvalidität und Neutralität berührt sind.

Für arztCME ist die Veröffentlichung ein wichtiger wissenschaftlicher Bezugspunkt. Sie ordnet die langjährige praktische Erfahrung mit digitaler ärztlicher Fortbildung in einen internationalen Diskurs über MOOCs, professionelle Weiterbildung und digitale Bildungssysteme ein. Zugleich macht der Beitrag deutlich, dass medizinische Online-Fortbildung mehr ist als die digitale Bereitstellung von Inhalten: Sie erfordert ein Zusammenspiel aus Didaktik, technischer Plattformlogik, Akkreditierung, Datenschutz, Transparenz und kontinuierlicher Qualitätssicherung.

Wolf, S., Wiegers, W. (2026). Accredited Medical MOOCs: arztCME.de as a Domain-Specific MOOC Model for Continuing Medical Education (CME). In: Ye, J.-H. et al. (eds.), Implementation Strategies and Effects of Massive Open Online Courses [Working Title]. IntechOpen, Online First.
https://doi.org/10.5772/intechopen.1015248

Text: Redaktion arztCME

Bild: Open AI für arztCME

Der Beitrag arztCME in Buchprojekt zu MOOCs in der medizinischen Fortbildung erschien zuerst auf arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte.

Fast täglich erscheinen aktuell White Paper zur Zukunft der Arbeit und dem Wandel durch Künstliche Intelligenz (KI). Das McKinsey-Global-Institute-Paper „Agents, robots, and us“ (Link) beschreibt dabei keine ferne Zukunftsvision, sondern eine beginnende Reorganisation von Arbeit. 

Für Europa beziffert die Analyse den theoretisch automatisierbaren Anteil aktueller Arbeitsstunden auf 58%: 44% könnten durch digitale Agenten, 14% durch Roboter übernommen werden. Für Deutschland weist das Dashboard ein ähnliches Profil aus: 45% agentenfähige und 14% robotikfähige Arbeitsstunden; 41% bleiben primär menschlich geprägt. Wichtig ist: Das ist technisches Potenzial, keine Prognose für Stellenabbau.

Für den Gesundheitsbereich ist diese Differenzierung zentral. Ärztliche und pflegerische Arbeit gehört zu den Tätigkeiten, in denen klinische Urteilsbildung, Empathie, Verantwortungsübernahme und situatives Handeln nicht substituiert werden. Zugleich enthält der Versorgungsalltag viele strukturierte, dokumentations- und koordinationsintensive Prozesse: Befundzusammenfassungen, Arztbriefe, Kodierung, Termin- und Ressourcenplanung, Qualitätskontrolle, Abrechnung, Patientenkommunikation oder Vorselektion administrativer Anfragen. Genau hier liegt der kurzfristig relevanteste Nutzen von KI-Agenten.

Das Paper schätzt, dass im europäischen Sektor „Healthcare and social assistance“ bis 2030 im Midpoint-Szenario rund 19% der heutigen Arbeitsstunden automatisiert werden könnten; der wirtschaftliche Wert wird mit 177 Milliarden US-Dollar beziffert. Auffällig ist, dass 80% dieses Potenzials auf digitale Agenten und nur 20% auf Robotik entfallen. Für deutsche Krankenhäuser und Praxen bedeutet das: Die größere Produktivitätsreserve liegt zunächst nicht im Pflegeroboter, sondern in der Entlastung von Dokumentation, Informationssuche, Prozesssteuerung und Routinekommunikation.

Medizinisch entscheidend wird sein, KI nicht als isoliertes Tool einzuführen, sondern Workflows neu zu designen. Das Paper betont, dass punktuelle Automatisierung in alten Prozessen oft wenig Nutzen erzeugt. Für die Versorgung heißt das: KI muss in KIS, Praxissoftware, ePA, Laborsysteme und Medikationsprozesse integriert werden – mit klarer ärztlicher Letztverantwortung, Auditierbarkeit und Datenschutzkonzept.

Die wichtigste Kompetenz wird daher „AI Fluency“: Ärztinnen und Ärzte müssen KI-Ergebnisse interpretieren, Plausibilität prüfen, Bias erkennen und wissen, wann Human Review zwingend ist. KI kann Zeit zurückgeben. Ob daraus bessere Medizin wird, hängt weniger von der Software ab als von Governance, Interoperabilität und klinischer Prozesskompetenz.

Text: Reinhard Merz
Bild: openAI für arztCME

Der Beitrag Rettet KI das Gesundheitswesen vor dem administrativen GAU? erschien zuerst auf arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte.

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

Der Beitrag KI – kein Ersatz für Lehrende? erschien zuerst auf arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte.

Künstliche Intelligenz kann Befunde strukturieren, Arztbriefe vorbereiten, klinische Studien matchen, Leitlinienwissen verfügbar machen und Tumorboards entlasten. Doch die entscheidende Voraussetzung dafür ist Interoperabilität. Ohne strukturierte, semantisch eindeutige und technisch austauschbare Daten bleibt KI im Gesundheitswesen ein Pilotprojekt mit begrenzter Wirkung. Eine Session auf der DMEA befasste sich mit dieser spannenden Frage.

Die Ausgangslage ist bekannt: Gesundheitsdaten entstehen in hochheterogenen Systemlandschaften. Krankenhausinformationssysteme, Praxisverwaltungssysteme, Fachanwendungen, Patientenportale, elektronische Patientenakten, Register und Forschungsplattformen verwenden unterschiedliche Datenmodelle, lokale Codes und proprietäre Schnittstellen. Was in einem System als „Kardiologie“ dokumentiert ist, kann in einem anderen System völlig anders codiert sein. Für Menschen ist diese Uneinheitlichkeit oft noch interpretierbar; für automatisierte Prozesse und KI-Systeme ist sie ein erhebliches Risiko.

Interoperabilität beginnt deshalb bei der Basis: syntaktisch durch einheitliche Datenstrukturen wie HL7 FHIR und semantisch durch verbindliche Terminologien, Codesysteme und Wertelisten. HL7 steht für „Health Level Seven“ und bezeichnet eine Familie von Standards für den Austausch medizinischer Daten. FHIR bedeutet „Fast Healthcare Interoperability Resources“ und ist ein moderner HL7-Standard, der Gesundheitsinformationen in standardisierten digitalen Bausteinen, sogenannten Ressourcen, beschreibt. SNOMED CT, LOINC, FHIR-Profile, Dokumenttypenlisten und zentrale Terminologieserver bilden die Infrastruktur, auf der digitale Versorgung aufbauen kann. Sie sorgen dafür, dass Daten nicht nur transportiert, sondern auch kontextgerecht verstanden werden.

Besonders relevant wird dies im Europäischen Gesundheitsdatenraum. Patientinnen und Patienten sollen Gesundheitsdaten grenzüberschreitend nutzen können. Zugleich sollen Daten für Versorgung, Forschung und Public Health europaweit besser verfügbar werden. Dafür braucht es sprachunabhängige, international anschlussfähige Codiersysteme und klare semantische Strategien. Der zentrale Terminologieserver des BfArM wird hier zum Baustein einer „Single Source of Truth“: ein Ort, an dem Kodiersysteme, Wertelisten und Mappings in standardisiertem Format bereitgestellt und versioniert werden.

Erst auf dieser Grundlage können KI-Agenten ihren klinischen Mehrwert entfalten. Moderne agentische Systeme kombinieren Large Language Models, also große KI-Sprachmodelle, mit Werkzeugen: etwa Datenbankabfragen, FHIR-Servern oder Analysemodulen. Sie können selbstständig prüfen, wo relevante Informationen vorliegen, fehlende Daten an anderer Stelle suchen und klinische Dokumente aus heterogenen Quellen zusammenführen. In der Onkologie ist dieser Ansatz besonders naheliegend: komplexe Patientenverläufe, rasch wachsendes Leitlinien- und Publikationswissen, molekulare Diagnostik und Studienkriterien überfordern zunehmend manuelle Prozesse.

KI kann hier Tumorboards vorbereiten, Therapieoptionen evidenzbasiert strukturieren, Studienmatching unterstützen oder administrative Meldungen erleichtern. Entscheidend bleibt jedoch: Die Qualität der KI-Ausgabe hängt direkt von der Qualität, Struktur und Interoperabilität der Eingangsdaten ab. „FHIR“ allein genügt nicht; Profile, Terminologien, Berechtigungsmodelle, Identifikatoren und klinische Validierung müssen zusammengedacht werden.

Fazit
Interoperabilität ist kein rein technisches Thema, sondern ein Versorgungs- und Patientensicherheitsthema. Sie reduziert Reibungsverluste, vermeidet Datensilos, ermöglicht Automatisierung und schafft die Grundlage für vertrauenswürdige KI. Erst wenn Systeme miteinander sprechen und Daten dasselbe bedeuten, kann KI klinische Entscheidungen sinnvoll unterstützen.

Text: Reinhard Merz
Bild: openAI für arztCME

Der Beitrag KI und Interoperabilität: Warum die Medizin erst eine gemeinsame Sprache lernen muss erschien zuerst auf arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte.

Wohin geht die Reise der digitalen Pflege? Dr. Reinhard Merz (MiM-Verlag/arztCME, Mitte) im Gespräch mit Philip Kraul (Pflegecampus, links) und Klaus Mueller (Medice, rechts).

Digitale Dokumentation, KI-gestützte Assistenzsysteme, smarte Sensorik und Robotik versprechen, Pflegekräfte zu entlasten und Versorgungsprozesse sicherer zu machen. Doch zwischen technologischer Vision und Pflegealltag liegen oft Medienbrüche, Zeitdruck, fehlende Schnittstellen und begrenzte Ressourcen. Im Interview sprechen wir darüber, wo die Pflege bei der Digitalisierung tatsächlich steht, welche Lösungen echten klinischen Nutzen bringen und warum Fortschritt nicht allein von Technik abhängt, sondern von Akzeptanz, Schulung und praxistauglicher Implementierung.

Text: Reinhard Merz
Bilder: Mascha Prüß

Der Beitrag Pflege auf der DMEA 2026: Zwischen Steinzeit und Pflegeroboter erschien zuerst auf arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte.

Jüngst wurde die ePA(-Pflicht) ein Jahr alt. Grund zum Feiern? Eine Podiumsdiskussion auf der DMEA in Berlin (21.-23.4.2026) ging heute dieser Frage nach und fragte auch: Wie wird es in 5 Jahren aussehen?

Eine illustre Runde hatte sich zusammengefunden, um über die Frage zu diskutieren, ob und wann die elektronische Patientenakten (ePA) in der Versorgung ankommt. Moderiert wurde die Veranstaltung von der politischen Redakteurin des Deutschen Ärzteblatts, Rebecca Beerheide, und es diskutierten: Prof. Thomas Grechenig, Geschäftsführer der Rise GmbH, Andreas Storm, Vorstandsvorsitzender der DAK Gesundheit, die Klinikerin Prof. Claudia Schmidtke und die niedergelassene Gynäkologin Dr. Maike Henningsen.

Der Einstiegsfrage, ob sie den ersten Geburtstag gebührend gefeiert hätten, beantworteten alle Diskutanten mit einem etwas zögerlichen „Ja, aber …“. Schnell wurde klar: Man hätte sich schon ein bisschen mehr Fortschritt gewünscht in den letzten 12 Monaten. Zwar haben 94% der gesetzlich Versicherten jetzt eine Akte, aber deren Nutzung ist trotz aller Jubelmeldungen noch sehr bescheiden.

Trotzdem war der Grundtenor positiv. Prof. Grechenig hob hervor: „Was viele vergessen: Wir haben in den letzten 10 Jahren ein System aufgebaut, das digital souverän agiert und in der Lage ist, personalisierte Dienst für eine digitale Verwaltung zu liefern – weit über den eigentlichen Gesundheitsbereich hinaus.“ Und Andreas Storm ordnete es so ein: „Wir haben in den letzten 12 Monaten mehr Fortschritte gemacht als in den 10 Jahren davor.“

Dr. Henningsen erzählte aus ihrer Praxis: „Viele meiner Patientinnen sind der ePA gegenüber prinzipiell positiv eingestellt, sehen aber nicht, wo sie persönlich profitieren können. Hier müssen wir noch viel Aufklärungsarbeit leisten.“ Und Prof. Schmidtke ergänzte: „Patienten und Patientinnen müssen verstehen, dass die ePA zusammen mit KI-Auswertungstools in der Lage sein wird, Zusammenhänge zu finden, die ein Arzt nie entdecken würde.“

Reicht das, um nach vielen Rückschlägen positiv in die Zukunft zu schauen? Bei der Abschlussfrage mochte man das fast glauben. Denn alle Diskutanten waren der optimistischen Meinung, dass die ePA in fünf Jahren ein selbstverständlicher Teil unserer Versorgung sein wird – wie das Smartphone heute ein selbstverständlicher Teil unserer Kommunikation ist. Ob das der Realität entspricht, lesen Sie dann in unserem DMEA-Bericht 2031.

Text und Bild: Reinhard Merz

Der Beitrag DMEA 2026: Wo steht die ePA heute? erschien zuerst auf arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte.

Auch Extended Reality (XR) gewinnt an Bedeutung: VR, AR & Co. könnten die ärztliche Fortbildung nachhaltig verändern – vor allem dort, wo Lernen erlebbar wird.

In den vergangenen Monaten hat sich auch die Berichterstattung – auch im MedicalLearning-Blog – stark auf ein Thema konzentriert: Künstliche Intelligenz. Das ist nachvollziehbar, denn KI verändert derzeit in rasantem Tempo Diagnostik, Therapieplanung und medizinische Entscheidungsprozesse. Gleichzeitig existiert jedoch auch ein zweites technologisches Feld, das für die ärztliche Fortbildung zunehmend an Bedeutung gewinnt: Extended Reality (XR), also die Kombination aus Augmented Reality (AR), Virtual Reality (VR) und Mixed Reality (MR). Eine aktuelle systematische Übersicht von Siddiqui et al. (2025) liefert hierzu einen fundierten Überblick und analysiert auf Basis von 21 Studien aus den Jahren 2021 bis 2024 den Einsatz von XR in medizinischer Ausbildung und Versorgung . Auch wenn die Autorenschaft nicht aus klassischen internationalen Spitzenzentren stammt, ist die Arbeit methodisch sauber durchgeführt und stützt sich auf internationale Evidenz. Gerade für die Einordnung aktueller Entwicklungen ist sie daher gut geeignet.

Was beim Blick in die Ergebnisse deutlich wird: XR ist weit mehr als ein technisches Experiment. Die Technologien ermöglichen es, digitale Inhalte direkt mit der realen Umgebung zu verknüpfen und schaffen damit eine neue Qualität des Lernens. Anatomische Strukturen lassen sich dreidimensional erkunden, Eingriffe realitätsnah simulieren und komplexe klinische Situationen beliebig oft trainieren – ohne Risiko für Patientinnen und Patienten. Besonders in der chirurgischen Ausbildung, im Notfalltraining und in der Anatomievermittlung zeigen sich klare Vorteile. Bemerkenswert ist dabei, dass diese Vorteile weniger im klassischen Wissenszuwachs liegen. Die analysierten Studien zeigen vielmehr, dass XR vor allem Motivation, Zufriedenheit und Selbstvertrauen der Lernenden deutlich steigert, während der Kompetenzgewinn gegenüber traditionellen Lehrmethoden häufig vergleichbar bleibt . Für die Fortbildung ist das ein relevanter Aspekt: Nachhaltiges Lernen hängt wesentlich vom Engagement der Teilnehmenden ab – und genau hier scheint XR anzusetzen.

Auch über die Ausbildung hinaus ergeben sich interessante Perspektiven. XR kann in der Operationsplanung eingesetzt werden, indem komplexe anatomische Strukturen als 3D-Modelle visualisiert werden. Intraoperativ lassen sich zusätzliche Informationen einblenden, in der Telemedizin entstehen realitätsnähere Interaktionen, und in der Patientenaufklärung können komplexe Sachverhalte verständlicher vermittelt werden. Besonders spannend wird es dort, wo XR auf KI trifft: Während KI große Datenmengen analysiert und Entscheidungsgrundlagen liefert, macht XR diese Informationen visuell erfahrbar. Gleichzeitig bleibt die Entwicklung realistisch betrachtet noch in einem frühen Stadium. Die Kosten für Hardware und Infrastruktur sind hoch, die Integration in bestehende Abläufe ist anspruchsvoll, und die Studienlage ist teilweise heterogen. Zudem stammt ein Großteil der Evidenz aus Ländern mit hoher Ressourcenverfügbarkeit, was die Übertragbarkeit einschränkt . Auch das viel diskutierte „Metaversum“ hat zuletzt an Dynamik verloren – ein Hinweis darauf, dass nicht jede technologische Vision unmittelbar in der Praxis ankommt.

Dennoch sollte XR nicht vorschnell als vorübergehender Trend eingeordnet werden. Für die ärztliche Fortbildung eröffnet sich hier eine Entwicklung, die über klassisches E-Learning hinausgeht. Während bisher vor allem Wissen vermittelt wurde, rückt zunehmend das praktische Erleben in den Vordergrund: das sichere Trainieren klinischer Situationen, das intuitive Verstehen komplexer Zusammenhänge und das wiederholbare Üben ohne Risiko. Für Plattformen wie arztCME ergibt sich daraus perspektivisch eine interessante Erweiterung. Immersive Lernformate könnten bestehende Angebote sinnvoll ergänzen und insbesondere praktische Inhalte stärker abbilden. Entscheidend wird dabei sein, XR nicht als Ersatz, sondern als Ergänzung etablierter Fortbildungsformate zu verstehen.

Text: Redaktion arztCME

Bild: Open AI für arztCME

Der Beitrag Jenseits der KI: Extended Reality in der medizinischen Fortbildung erschien zuerst auf arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte.