KI-Agenten in Kliniken, MVZs und Krankenkassen

Das deutsche Gesundheitswesen steht vor strukturellen Veränderungen: Pflegekräfte fehlen, ärztliches Personal ist knapp und gleichzeitig wächst die Versorgungsnachfrage. Krankenhäuser kämpfen mit Margen, MVZs konsolidieren, Krankenkassen müssen Verwaltungskosten senken und gleichzeitig die Versorgungsqualität steigern. Vor diesem Hintergrund sind KI-Agenten kein Luxus mehr, sondern Teil der Antwort auf akute Personalengpässe.

Anders als in anderen Branchen ist die Diskussion hier besonders sensibel – und das aus gutem Grund. Patientensicherheit, Berufsgeheimnis und Datenschutz haben Vorrang vor jeder Effizienzfrage. Dennoch zeigt die Praxis: Der größte Hebel von KI-Agenten liegt nicht in klinischen Entscheidungen, sondern in administrativen Prozessen, die heute medizinisches Personal binden, ohne medizinischen Mehrwert zu liefern.

Die regulatorische Landschaft ist anspruchsvoll, aber handhabbar. Mit MDR (Medical Device Regulation), DSGVO Art. 9, KHZG (Krankenhauszukunftsgesetz) und EU AI Act gibt es klare Leitplanken. Kliniken, MVZs und Kassen, die diese Anforderungen früh in die Architektur einbauen, vermeiden teure Nachbesserungen.

Die folgenden Use-Cases sind nach Reife und Wirkung sortiert. Wir empfehlen, mit administrativen Anwendungen zu starten und schrittweise in klinik-nahe Anwendungen zu expandieren – immer mit klar definierter Mensch-in-der-Schleife-Logik.

In nahezu jeder Klinik und jedem MVZ ist die Anmeldung der Engpass: Lange Telefon-Warteschlangen, gestresste Mitarbeitende und Patienten, die ihre Termine nicht zeitgerecht bekommen. Ein KI-Agent kann hier den größten unmittelbaren Effekt entfalten – über Telefon, Web-Chat, App und E-Mail.

Der Agent vereinbart Termine, prüft Verfügbarkeiten in mehreren Kalendern, klärt Vorerkrankungen und benötigte Unterlagen, schickt Erinnerungen und übernimmt die Vorbereitung der Aufnahme. Anbindung an KIS, Praxis-IS und Patientenportale ist die Voraussetzung – die Tools müssen sicher und auditierbar sein.

In der Aufnahme bereitet der Agent Stammdaten, Aufklärungsbögen und Dokumentenlage vor, prüft Versicherungsstatus und Kostenträgerdaten und reduziert die Wartezeit für Patienten erheblich. Die finale Anlage und Aufklärung bleibt beim medizinischen Personal.

Patientinnen und Patienten verstehen ärztliche Befunde häufig nicht – das führt zu Rückfragen, Sorgen und unnötigen Verzögerungen. Ein KI-Agent kann komplexe medizinische Inhalte in eine Sprache übersetzen, die Patienten verstehen, und Rückfragen in einem ersten Schritt beantworten. Wichtig: Die Übersetzung erfolgt unter ärztlicher Verantwortung, nicht autonom.

Konkret heißt das: Eine Befundzusammenfassung wird vom Agenten in einfacher Sprache aufbereitet, die Verantwortlichen prüfen und geben frei, der Patient erhält die verständliche Version mit der Originalfassung als Anhang. Das spart Erläuterungstermine und verbessert Verständnis und Therapietreue.

Bei Aufklärungen vor planbaren Eingriffen kann der Agent Standardfragen beantworten und Patienten gezielt auf das ärztliche Aufklärungsgespräch vorbereiten – mit klaren Hinweisen, wo die ärztliche Aufklärung beginnt.

Dokumentation ist eine der größten Belastungen ärztlichen Personals. Studien zeigen, dass Ärztinnen und Ärzte in deutschen Kliniken bis zu 40 Prozent ihrer Arbeitszeit mit administrativer Dokumentation verbringen. KI-Agenten können hier substantielle Entlastung bringen – ohne Verantwortung zu übernehmen, die nicht delegierbar ist.

Beispiel Arztbrief: Aus den strukturierten Daten der Akte und Stichworten des behandelnden Arztes erstellt der Agent einen Entwurf, der die typischen Bestandteile (Anamnese, Diagnostik, Therapie, Empfehlung) enthält. Der Arzt prüft, ergänzt und gibt frei. Studien aus Pilotkliniken zeigen Zeitersparnisse von 30 bis 50 Prozent pro Arztbrief, ohne dass die Qualität leidet.

Auch in der Pflegedokumentation, im Operationsbericht und in Übergaben kann der Agent Strukturierung und Vorentwurf liefern. Der Mensch entscheidet, der Agent unterstützt.

Krankenkassen haben mit KI-Agenten in mehreren Bereichen messbar Wirkung erzielt: Im Versichertenservice (24/7-Erreichbarkeit, Routineanfragen), in der Antragsprüfung (Vorbereitung der Entscheidung mit Vier-Augen-Prinzip), im Heil- und Hilfsmittel-Bereich (Genehmigungsverfahren) und in der Versorgungssteuerung (Identifikation von Hochrisikoversicherten für Programme der besonderen Versorgung).

Wichtig ist, dass die Kasse als Sozialversicherungsträger besondere Anforderungen erfüllen muss: Gleichbehandlung, Diskriminierungsfreiheit, Nachvollziehbarkeit und Sozialgeheimnis. Vollständig automatisierte Leistungsentscheidungen sind in der Regel nicht zulässig – der Agent bereitet vor, der Mensch entscheidet.

Die Regulatorik im Gesundheitswesen ist vielschichtig. Für KI-Agenten besonders wichtig: MDR (wenn KI für Diagnose oder Therapie eingesetzt wird), DSGVO Art. 9 für besondere Kategorien personenbezogener Daten, das KHZG mit den damit verbundenen IT-Sicherheits- und Interoperabilitätsanforderungen, sowie der EU AI Act mit seinen Risikoklassen.

Praxisrelevant ist die klare Abgrenzung: Administrative Agenten (Termin, Aufnahme, Dokumentation) fallen in der Regel nicht unter die MDR und können relativ schnell produktiv gesetzt werden. Klinische Anwendungen mit Diagnose- oder Therapieanspruch sind Medizinprodukte und benötigen die entsprechende Zertifizierung – ein Weg, den wir nur empfehlen, wenn der Wert eindeutig ist.

Patientendaten sind in besonderem Maße geschützt – sowohl durch das Berufsgeheimnis (§ 203 StGB für Heilberufe) als auch durch die DSGVO Art. 9. Das hat unmittelbare Konsequenzen für die Architektur: Patientenidentifizierende Daten dürfen nicht ungeschützt in externe Cloud-Modelle gelangen.

In der Praxis bewährt sich ein dreistufiges Vorgehen: Erstens lokale Pseudonymisierung von Patientendaten vor der Verarbeitung. Zweitens Verarbeitung in EU-residenten Modellen mit AVV und SCC. Drittens lokale Re-Personalisierung und Speicherung der Ergebnisse in den klinischen Systemen.

Für sehr sensitive Inhalte (z.B. psychiatrische Berichte, HIV-Status, genetische Information) empfehlen wir On-Premises-Lösungen mit Open-Source-Modellen, die das Krankenhaus oder das MVZ vollständig kontrolliert. Die Investition zahlt sich durch unkomplizierte Compliance-Freigaben aus.

Die Architektur folgt den gleichen Grundprinzipien wie in anderen regulierten Industrien, mit Gesundheitsspezifika: Anbindung an KIS/PIS, Patientenportale, Befundsysteme und in Krankenkassen die Bestands- und Leistungssysteme. Die Tool-Schicht muss berücksichtigen, dass viele klinische Systeme historisch gewachsen und nicht für moderne Schnittstellen entworfen wurden.

Empfehlenswert ist eine Plattform-Strategie: Ein zentrales Modell-Gateway, eine zentrale Tool-Bibliothek mit standardisierten Adaptern für gängige klinische Systeme, einheitliche Sicherheitsstandards. Use-Cases werden auf dieser Plattform aufgebaut und können wachsen, ohne dass die Grundarbeit pro Anwendung neu gemacht werden muss.

Der Erfolg von KI-Agenten in Kliniken hängt entscheidend davon ab, wie sie in den Arbeitsalltag eingebunden sind. Top-down-Initiativen ohne Beteiligung der Mitarbeitenden scheitern in der Regel. Bewährt hat sich ein Modell, in dem Stations- und Praxis-Teams aktiv eingebunden sind, ihre Schmerzpunkte priorisieren und die Lösungen mitgestalten.

Wichtige Rollen: Eine technische Plattform-Verantwortung (oft IT in Kombination mit dem CMIO), klinische Use-Case-Eignerinnen, Datenschutz und Stabsstellen als Begleiter, eine Vorstands-/Geschäftsführungsverantwortung mit Mandat für Priorisierung und Budget. Ohne diese Verankerung bleibt der Agent ein Pilot.

Der wirtschaftliche Effekt von KI-Agenten im Gesundheitswesen ist anders gelagert als in anderen Branchen. Personal kann hier nicht beliebig „abgebaut“ werden – das Personal fehlt ohnehin. Der Wert entsteht durch Entlastung: Weniger Überstunden, weniger Krankheit, mehr qualifizierte Patientenzeit, mehr behandelte Patienten pro Tag.

Beispielrechnung Anmeldung: Eine Klinik mit 50.000 Anmeldungen p.a. spart bei 60 Prozent Automatisierungsquote rund 1.500 Personal-Tage pro Jahr (5 Min je Anmeldung). Bei einer Vollkostenrate von 70 EUR/Stunde sind das knapp 850.000 EUR p.a. – plus die qualitativen Effekte einer kürzeren Patientenwartezeit.

Im MVZ-Bereich, wo Personalkosten besonders unter Druck stehen, sind Amortisationszeiten von 9 bis 14 Monaten realistisch. Krankenkassen erreichen ähnliche Werte in Servicebereichen mit hohem Anrufvolumen.

Ein klar getakteter Aufbau bringt Tempo und Sicherheit: Tag 1–30 für Discovery und Foundation (Use-Case-Workshop, Datenschutz-Konzept, Architektur), Tag 31–60 für MVP und Schatten-Modus (paralleler Betrieb mit menschlicher Bearbeitung, Validierung), Tag 61–90 für Produktivnahme (gestaffelter Rollout, Monitoring, Übergabe).

Ein süddeutscher Maximalversorger mit über 1.500 Betten hat 2025 einen KI-Agenten für Terminvereinbarung und Aufnahme produktiv gesetzt. Patientinnen und Patienten können 24/7 per Telefon und App Termine vereinbaren, verschieben und Aufnahmedokumente vorbereiten. Der Agent ist an das KIS, das Patientenportal und das Telefonsystem angebunden.

Die Wirkung: Telefon-Wartezeiten von durchschnittlich 4,5 auf 1,2 Minuten gesenkt. 65 Prozent aller Termin-Anliegen werden ohne menschliche Übergabe abgeschlossen. Mitarbeitende in der Anmeldung berichten von messbar höherer Arbeitszufriedenheit, weil die ständige Telefonbelastung reduziert ist und sie sich auf komplexe Fälle konzentrieren können.

Datenschutzrechtlich wurde der Use-Case mit dem behördlichen Datenschutzbeauftragten und der Landesdatenschutzaufsicht abgestimmt. Die EU-residente Modellbetriebsumgebung, die lokale Pseudonymisierung und das durchgehende Audit-Logging waren die zentralen Argumente für die Freigabe.