Wie Ärzte in Europa KI nutzen: Fünf Anwendungsfälle aus Interviews

Im Rahmen unserer Zusammenarbeit mit der MPA Berufs- und Handelsschule AG, einem medizinischen Bildungsinstitut in der Ostschweiz, das seit über 30 Jahren medizinische Praxisassistentinnen ausbildet und Weiterbildungen für medizinisches Fachpersonal anbietet, haben wir eine Reihe von KI-fokussierten Workshops mit Ärzten, Praxismanagern und Mitarbeitenden aus Arztpraxen in der gesamten Region durchgeführt. Wir arbeiten auch eng mit den Gründern der Schule zusammen, die ihre Institution auf KI ausrichten.

Dieser Artikel ist der erste Teil einer zweiteiligen Serie über KI für Arztpraxen in der Schweiz und Liechtenstein. Dieser Teil behandelt, was heute bereits mit KI in Arztpraxen gemacht wird. Der zweite Teil wird sich damit befassen, was als Nächstes kommt und was es braucht, um loszulegen.

Schweizer Ärzte verbringen täglich 2,5 Stunden mit administrativen Aufgaben. Diese Zahl ist in den letzten zehn Jahren um 25 Minuten gestiegen. In unseren Gesprächen mit Praxen in der Region tauchen jedes Mal zwei Antworten auf, wenn wir fragen, warum sie KI noch nicht eingeführt haben. Die erste ist der Datenschutz. Die zweite, sobald sich die Leute sicher genug fühlen, es auszusprechen, ist einfacher: Wir haben keine Zeit.

In einer unserer jüngsten Sitzungen fragten wir in die Runde: Wie viele Stunden pro Woche verbringen Sie mit administrativen Aufgaben, von denen Sie sich wünschen, dass KI sie erledigen könnte? Die Antworten reichten von 10 bis über 20 Stunden. Im Raum waren CFOs, Praxismanager, Internisten und ein Vorstandsmitglied eines Unternehmens für digitale Diagnostik. Niemand von ihnen zweifelte daran, dass KI helfen könnte. Alle waren ratlos, wie sie anfangen sollten.

Dr. Alberto Tozzi nahm an dieser Sitzung teil. Er leitet die Forschungseinheit für prädiktive und präventive Medizin am Kinderkrankenhaus Bambino Gesù im Vatikan, Europas grösstem Kinderkrankenhaus und dem sechstbesten der Welt, das heute Patienten aus Kriegsgebieten in der Ukraine und Gaza sowie zunehmend aus den Vereinigten Staaten behandelt. Er ist ausgebildeter Kinderarzt, technisch versiert genug, um Fragen zu Federated Learning und Edge Computing zu beantworten, und spricht offen darüber, was funktioniert und was nicht.

Sein erster Rat an die Anwesenden war entwaffnend einfach: Beginnen Sie bei den Problemen, nicht bei den Lösungen. Wenn Sie bei den Problemen anfangen, sagte er, werden Sie immer Wege finden, voranzukommen. Der Fehler, den die meisten Menschen in der Innovation machen, ist, bei den Lösungen anzufangen.

Also begannen wir bei den Problemen. Hier sind Beispiele, die bereits funktionieren.

Inhalt dieses Artikels

Anwendungsfall 1: Praxisanalysen mit Copilot in Excel.** Eine gesprochene Anweisung, acht Minuten, ein vollständiges operatives Dashboard. Keine neue Software.
Anwendungsfall 2: KI-gesteuerte administrative Arbeitsabläufe mit Pseudonymisierung.** Eine Schweizer Praxis, die bereits KI in Abrechnung, Terminplanung und Betrieb einsetzt und dabei Patientendaten vollständig schützt.
Anwendungsfall 3: Digitale Zwillinge zur Optimierung der Patientenreise.** Wie das Kinderkrankenhaus Bambino Gesù Änderungen an klinischen Behandlungspfaden simuliert, bevor sie implementiert werden.
Anwendungsfall 4: Sprache-zu-Bericht für die klinische Dokumentation.** Was heute funktioniert und wo die Integrationslücke noch besteht.
Anwendungsfall 5: Patientendaten und Einwilligung.** Warum der eigentliche Engpass institutionell und nicht patientengetrieben ist.

Anwendungsfall 1: Praxisanalysen mit Copilot in Excel

Jede Arztpraxis in der Schweiz arbeitet mit Tabellenkalkulationen: Abrechnungsdaten, Terminpläne, Versicherungsansprüche, Inventarlisten, Personalpläne. Diese Daten befinden sich in Excel oder werden aus dem ERP-System der Praxis dorthin exportiert. Es handelt sich um operative, nicht um klinische Daten. Es gibt keine Patientennamen, keine Diagnosen, keine AHV-Nummern. Für ein KI-Modell ist es eine Gewinn- und Verlustrechnung mit Registerkarten.

Malcolm Werchota öffnete Excel, drückte den Copilot-Button, wechselte in den Agentenmodus und sprach etwa 60 Sekunden lang. Die Anweisung war praktisch, die Art von Frage, die eine medizinische Praxisassistentin in ihrer ersten Woche stellen könnte:

Erstelle ein Dashboard mit monatlichen Einnahmen. Zeige mir die Anwesenheitsquote und offene Rechnungen. Fünf Erkenntnisse zur Abrechnung. Empfängerprobleme. Welches Personal fehlt uns nächste Woche? Welche Ärzte müssen wir noch besetzen? Schlage konkrete Massnahmen vor.

Dann ging er weg. Drei bis vier Minuten lang geschah nichts Sichtbares. Dann erschienen Dashboards. Eines nach dem anderen. Abrechnungslücken, sortiert nach Versicherer. Personalengpässe für die kommende Woche. Inventargegenstände, die kurz vor dem Verfallsdatum stehen. Erstattungsprobleme, nach Schweregrad geordnet. An einem Punkt erkannte die KI, dass die deutschsprachigen Formeln fehlerhaft waren, korrigierte sie autonom und fuhr mit der Erstellung fort.

Malcolms Beobachtung an die Anwesenden war prägnant: Einer MPA oder einem Arzt zu sagen, sie sollen Copilot oder ChatGPT verwenden, stösst auf sofortigen Widerstand. Ihnen zu sagen, sie sollen einen Knopf in Excel drücken, löst keinen Widerstand aus. Das Tool ist dieselbe KI. Aber weil es innerhalb von Excel, auf der bereits von der Praxis genutzten Microsoft-Infrastruktur, in einem privaten Tenant, wo die Daten bereits liegen, arbeitet, verschwindet der Widerstand. Keine neue Software, kein neues Konto, keine Daten verlassen das Gebäude.

Malcolm ging noch einen Schritt weiter. Anstatt anzugeben, welche Metriken berechnet werden sollten, bat er die KI, die am schlechtesten performenden Metriken selbst zu identifizieren, über Hunderte von Datenzeilen hinweg. Es lief weitere sechs Minuten und deckte Muster auf, die die Praxis nie zuvor identifiziert hatte.

Anwendungsfall 2: KI-gesteuerte Verwaltungsabläufe mit Pseudonymisierung

Die Excel-Demo zeigte, was mit bestehenden Tools möglich ist. Ein Arzt aus unserem direkten Netzwerk zeigte, was möglich ist, wenn man noch einen Schritt weitergeht.

Dieser Arzt hat mit einem einzigen IT-Spezialisten KI-gesteuerte Arbeitsabläufe in seiner gesamten Praxis implementiert. Sie nutzen Pseudonymisierung: Identifizierende Informationen werden verschlüsselt, bevor Daten die KI erreichen. Die Ausgabequalität bleibt hoch. Patientendaten verlassen niemals die Kontrolle der Praxis.

Der Ansatz, wie er uns vom Direktor der MPA beschrieben wurde, ist unkompliziert: Namen, Geburtsdaten und Sozialversicherungsnummern werden vor der Verarbeitung durch verschlüsselte Identifikatoren ersetzt. Die KI liefert Ergebnisse auf dem gleichen Qualitätsniveau. Volle Funktionalität, ohne Informationen preiszugeben, die über das unbedingt Notwendige hinausgehen.

Anwendungsfall 3: Digitale Zwillinge zur Optimierung von Patientenpfaden

Dr. Tozzi brachte eine Perspektive vom anderen Ende des Spektrums ein: nicht eine kleine Praxis, die die Abrechnung optimiert, sondern ein großes Kinderkrankenhaus, das Tausende von Kindern mit komplexen Erkrankungen behandelt.

Sein Team erstellt virtuelle Kopien von Patientenpfaden. Sie kartieren den gesamten Weg, den ein Kind durch das Krankenhaus nimmt: jede Konsultation, jeder Eingriff, jeder Zeitstempel und jede Interaktion mit Spezialisten. Aus diesen Daten erstellen sie einen digitalen Zwilling und führen Simulationen durch. Was passiert, wenn der Endokrinologe den Patienten vor dem Chirurgen sieht? Was, wenn der Patient länger auf der Station bleibt, bevor er operiert wird? Diese Fragen können untersucht werden, ohne den tatsächlichen Behandlungspfad zu beeinflussen.

Sie nutzen auch historische Daten aus Tausenden von Onkologiefällen, um prädiktive Algorithmen für die Operationsplanung zu entwickeln: die Schätzung der Zeit bis zur Operation für spezifische Erkrankungen und die Nutzung dieser Vorhersagen zur Optimierung von OP-Listen. Bei diesem Volumen führen selbst kleine Verbesserungen in der Planung zu erheblichen Steigerungen des Patientendurchsatzes.

Dr. Tozzi äußerte sich offen zum aktuellen Stand. Die Experimente laufen noch, und die Übertragung von Forschungsergebnissen in den klinischen Alltag bleibt schwierig. Aber der Weg ist klar.

Er zog einen Vergleich zum Stethoskop, das Jahrzehnte brauchte, um nach seiner Erfindung durch Laennec im Jahr 1816 zur klinischen Standardpraxis zu werden. Die Einführung von KI im Gesundheitswesen wird schneller erfolgen. Aber die Integrationsherausforderung ist real.

Zur Frage, welche Metriken wichtig sind, vertrat er die Ansicht, dass die algorithmische Genauigkeit (ROC-Kurven, Präzision, Recall) notwendig, aber nicht ausreichend ist. Die Metrik, die zählt, ist eine messbare Veränderung der Versorgungsqualität für Patienten. Alles andere ist ein Stellvertreterwert.

Anwendungsfall 4: Spracherkennung für Berichte in der klinischen Dokumentation

Ärzte in der Schweiz und Liechtenstein nutzen bereits DSGVO- und HIPAA-konforme Transkriptionstools. Der Arbeitsablauf ist einfach: Nach einer Konsultation spricht der Arzt in ein Gerät, und ein strukturierter Bericht erscheint. Ärzte sind natürliche Nutzer dieser Technologie, da sie ständig diktieren. Sprache ist ihre native Schnittstelle.

Die Lücke ist spezifisch. Ein Internist, der zwei Privatpraxen führt, benannte es direkt während der Sitzung: Es gibt keine Integration zwischen KI-Transkription und webbasierter Dokumentationssoftware. Die KI generiert den Bericht. Aber das Übertragen dieses Inhalts in die spezifischen Eingabemasken eines Praxisverwaltungssystems erfordert immer noch eine manuelle Übertragung.

Ein Vorstandsmitglied eines Unternehmens für digitale Diagnostik, das daran arbeitet, ein zugelassenes KI-Produkt in die Arbeitsabläufe von Hausärzten und Krankenhäusern zu integrieren, bestätigte dies von Produktseite. Die Menschen wissen nicht, wie sie KI in ihren bestehenden Arbeitsablauf integrieren sollen. Ein Teil davon ist technischer Natur. Aber das tiefere Problem ist Vertrauen: Kann sich ein Arzt auf die Ausgabe verlassen, um stundenlange manuelle Arbeit zu ersetzen und zum gleichen Ergebnis zu kommen?

Dr. Tozzis Perspektive dazu war, dass die entscheidende Herausforderung darin besteht, KI-Tools an der richtigen Stelle im klinischen Behandlungspfad zu platzieren. Er bemerkte auch aus seiner Erfahrung in der medizinischen Ausbildung, dass die Kommunikation von Kliniker zu Kliniker weitaus effektiver ist als die Kommunikation von Ingenieur zu Arzt, wenn es um die Vermittlung der KI-Einführung geht. Bei Ärzten beginnt man mit einem klinischen Fall. Wenn man mit den technischen Konzepten beginnt, kommt es nicht an.

Neue Tools schließen die Integrationslücke. Microsofts Cowork, das innerhalb des Jahres erwartet wird, wird es der KI ermöglichen, direkt mit Anwendungen auf dem Bildschirm zu interagieren: Formulare ausfüllen, webbasierte Software navigieren, mehrstufige Arbeitsabläufe ausführen. Aber heute ist für die meisten Praxen der letzte Schritt zwischen KI-Ausgabe und Dokumentationssystem immer noch manuell.

Die ehrliche Zusammenfassung: Abrechnung, Terminplanung, Bestandsverwaltung und Korrespondenzanalyse sind jetzt einsatzbereit. Die Integration der klinischen Dokumentation ist nah, aber noch nicht nahtlos.

Anwendungsfall 5: Patientendaten und Einwilligung

Datenschutz war die am häufigsten genannte Bedenken, als wir den Raum befragten. In einer Region, in der die Wirtschaft, vom Bankwesen über den Tourismus bis zum Gesundheitswesen, auf Diskretion aufgebaut ist, ist diese Sorge strukturell, nicht performativ.

Dr. Tozzi bot eine Perspektive an, die die Diskussion neu ausrichtete. Sein Team am Bambino Gesù fragt Eltern regelmäßig, ob KI mit den medizinischen Daten ihres Kindes arbeiten darf, um anderen Kindern zu helfen. Dabei handelt es sich um Familien, die mit seltenen Krankheiten, Onkologie und komplexen Fällen konfrontiert sind. Seiner Erfahrung nach hat noch kein Elternteil abgelehnt. Wenn der Zweck klar und der Nutzen greifbar ist, stimmen Patienten zu. Sie verstehen, was ihre Daten bewirken können.

Er plädierte nicht gegen den Datenschutz. Er betonte einen spezifischeren Punkt: Der Widerstand gegen KI im Gesundheitswesen ist häufiger institutionell bedingt als patientengetrieben. Patienten sind dem System voraus.

Dies beseitigt nicht die Frage der Compliance. Praxen in dieser Region arbeiten unter strengen Standards, und das sollten sie auch. Aber es ordnet neu ein, wo der Engpass liegt. Es ist nicht so, dass Patienten sich weigern. Es ist vielmehr so, dass Praxen noch keinen vertrauenswürdigen Weg für den Anfang haben.

Dr. Tozzis abschließender Gedanke an die Anwesenden war, dass diejenigen, die lernen, diese Tools gut zu nutzen, einen echten Einfluss auf die Patientenergebnisse haben werden. In einer früheren Sitzung mit unserer Community, in der er eine ganze Stunde Zeit hatte, formulierte er es direkter: Wenn Ärzte KI einsetzen, können sie mehr Patientenleben retten. Die Anwesenden im Raum hatten Tränen in den Augen.

Die Tools sind da. Die Patienten sind bereit. Die Frage ist, ob die Praxen die nötige Anleitung finden werden, um zu beginnen.

Diese Session war Teil der werchota.ai Chief AI Community. Dr. Tozzi schaltete sich aus Rom zu. Zu den Teilnehmern gehörten Ärzte, Praxismanager, CFOs und Technologieexperten aus der gesamten DACH-Region und den Vereinigten Staaten. Hier können Sie die Aufzeichnung abrufen: https://chief.werchota.ai/c/free-events/ki-in-der-arztpraxis-was-geht-heute-wirklich

Der Kurs https://www.mpa-engineering.ch/sichere-ki-anwendung-in-der-arztpraxis beginnt am 22. April 2026. Fünf Wochen. Hybrid. Deutsch. Entwickelt von MPA und werchota.ai für Praxen, die bereit sind, zu starten.

‍