Dialogorientierte KI im Gesundheitswesen: Ein praktischer Leitfaden für Gesundheitssysteme

Unter „Konversations-KI im Gesundheitswesen“ versteht man Systeme der künstlichen Intelligenz, die über natürliche Sprache – in Form von Text oder Sprache – mit Patienten, Leistungserbringern und Mitarbeitern kommunizieren, um Aufgaben von der Patiententriage bis zur Terminvereinbarung zu erledigen. Diese dialogorientierten KI-Tools kombinieren natürliche Sprachverarbeitung (NLP) und maschinelles Lernen, um die Fragestellung einer Person zu verstehen, die dahinter stehende Absicht zu interpretieren und so zu antworten, dass es sich wie ein menschliches Gespräch anfühlt.

Die Technologie ist längst keine Theorie mehr. Einrichtungen des Gesundheitswesens setzen dialogorientierte KI-Systeme ein, um Nachrichten im Patientenportal zu verwalten, da diese Aufgabe mittlerweile so umfangreich geworden ist, dass sie mit manuellen Arbeitsabläufen nicht mehr zu bewältigen ist. „Früher lag das Verhältnis bei einer Nachricht pro Patientenbesuch, doch mittlerweile gehen einige Studien von einem Verhältnis von 6 zu 1 aus“, sagt Don Woodlock, Präsident von InterSystems.

Ganz gleich, ob Sie KI-Lösungen für den Dialog im Gesundheitswesen evaluieren oder versuchen zu verstehen, wo diese Technologie messbare Ergebnisse liefert – im Folgenden finden Sie eine Aufschlüsselung dessen, was heute funktioniert, basierend auf realen Implementierungen und veröffentlichten Forschungsergebnissen.

Im Kern geht es bei der dialogorientierten künstlichen Intelligenz darum, mithilfe der Verarbeitung natürlicher Sprache (Natural Language Processing) geschriebene oder gesprochene menschliche Sprache zu analysieren und mithilfe von maschinellem Lernen die Antworten im Laufe der Zeit zu verbessern. Im Gegensatz zu regelbasierten Chatbots, die starren Skripten folgen, verstehen moderne dialogorientierte KI-Systeme den Kontext, erkennen Absichten und generieren Antworten, die sich an die Besonderheiten der jeweiligen Interaktion anpassen.

Im Gesundheitswesen steht mehr auf dem Spiel als in anderen Branchen. KI-Tools für den Dialogbetrieb müssen mit klinischer Terminologie umgehen können, den Dringlichkeitsgrad in Patientenmeldungen erkennen, Datenschutzbestimmungen einhalten und sich in elektronische Patientenakten integrieren lassen. Virtuelle Assistenten und KI-Chatbots in diesem Bereich ersetzen keine medizinischen Fachkräfte. Sie übernehmen die routinemäßige Kommunikation, die den medizinischen Fachkräften Zeit raubt, wie beispielsweise die Beantwortung häufig gestellter Fragen, die Weiterleitung von Nachrichten und das Verfassen von Antworten, sodass sich das klinische Personal auf die direkte Patientenversorgung konzentrieren kann.

Der Unterschied ist wichtig: Konversations-KI ist nicht gleichbedeutend mit generativer KI. Einige Systeme nutzen herkömmliche NLP-Verfahren und Klassifizierung, während neuere Systeme möglicherweise generative KI für das Verfassen von Texten, die Zusammenfassung oder den Dialog einsetzen.

Die Nutzung des Patientenportals hat stark zugenommen. Eine MGMA-Umfrage aus dem Jahr 2025ergab, dass 70 % der Ärztegruppen für das Jahr 2024 einen Anstieg des Nachrichtenvolumens über das Patientenportal vermeldeten. Zahlreiche Studien bestätigen, dass der nach der COVID-Pandemie verzeichnete Anstieg der digitalen Patientenbeteiligung dauerhaft geworden ist und Patienten mittlerweile erwarten, dass sie über Portale genauso einfach mit ihren Gesundheitsdienstleistern kommunizieren können wie per SMS.

Das Problem ist nicht nur das Volumen. Es geht darum, was in diesem Band verborgen ist.

„4 bis 10 % der Nachrichten sind dringend … Der Patient hätte das vielleicht wirklich nicht ins Portal schreiben sollen, hat es aber trotzdem getan, und nun liegt es einfach nur da“, erklärt Don. Die meisten Gesundheitssysteme verpflichten sich zu einer Bearbeitungszeit von 24 bis 48 Stunden für Nachrichten über das Portal. Das bedeutet, dass eine dringende Nachricht, die an einem Freitag um 23 Uhr gesendet wird, möglicherweise bis Montagmorgen ungelesen bleibt.

Erschwerend kommt hinzu, dass die Selbstzuordnung der Patienten – bei der diese das Thema oder die Abteilung für ihre Nachricht auswählen – nur in etwa der Hälfte der Fälle korrekt ist. Das ist nicht zuverlässig genug, um den klinischen Arbeitsablauf zu steuern. Nachrichten landen in der falschen Warteschlange, verbleiben dort stundenlang und werden erst dann an das richtige Team weitergeleitet, was zu weiteren Verzögerungen in einem ohnehin schon überlasteten System führt.

Genau diese Lücke soll die dialogorientierte KI schließen. Für Gesundheitssysteme, die Portalnachrichten über mehrere elektronische Patientenakten hinweg verwalten, bündeln Plattformen wie InterSystems HealthSharePatientendaten und Nachrichten aus unterschiedlichen Quellen zu einer einheitlichen Ansicht. Dies bildet die Grundlage, die dialogorientierte KI benötigt, um Nachrichten effektiv zu priorisieren, weiterzuleiten und zu beantworten.

Drei Anwendungsfälle haben sich als die bewährtesten Einsatzmöglichkeiten von dialogorientierter KI im Nachrichtenaustausch über Patientenportale herauskristallisiert; alle zeichnen sich durch eine hohe Genauigkeit und ein geringeres Risiko aus als andere KI-Anwendungen im Gesundheitswesen.

Die einfachste Anwendungsmöglichkeit: KI-Modelle so zu trainieren, dass sie dringende Patientenmeldungen automatisch kennzeichnen. Das System durchsucht eingehende Nachrichten, erkennt Sprachmuster, die mit akuten Notfällen wie Brustschmerzen, Atembeschwerden und Nebenwirkungen von Medikamenten in Verbindung stehen, und kennzeichnet diese zur sofortigen Überprüfung.

In der Praxis bedeutet dies, dass ein Callcenter-Mitarbeiter, der um 7 Uhr morgens zur Arbeit kommt, seine Warteschlange nach Dringlichkeit sortieren, die kritischen Fälle zuerst bearbeiten und den Rest des Tages ein gleichmäßiges Arbeitstempo beibehalten kann. Die dringendsten Nachrichten gehen meist über Nacht oder am Wochenende ein, sodass dieser Workflow genau die Fälle erfasst, die bei einer manuellen Überprüfung am ehesten übersehen würden.

NYU Langone Healthhat ein Modell zur Dringlichkeitserkennung entwickelt und eingeführt, das auf BERT (einer Architektur zur Verarbeitung natürlicher Sprache) basiert und anhand von über 40.000 Patientenmitteilungen trainiert wurde. Das System erkennt Formulierungen, die sofortiges Handeln erfordern, wie beispielsweise einen Anruf beim Patienten, und ist bereits seit mehreren Jahren im produktiven Einsatz. Bei der Validierung erreichte das Modell einen C-Statistik-Wert von 97 % und eine durchschnittliche Präzision von 72 %; im operativen binären Einsatz betrug die Präzision 67 % und die Sensitivität 63 %.

Die zweite Anwendungsmöglichkeit: Die KI schlägt einen Antwortentwurf auf eine Patientenanfrage vor, den ein medizinisches Fachpersonal überprüft, überarbeitet und versendet.

Die überraschende Erkenntnis dabei betrifft das Thema Empathie. Eine 2023 in der Fachzeitschrift „JAMA Internal Medicine“ veröffentlichte Studieverglich die Antworten von Ärzten auf Patientenfragen mit den von Chatbots generierten Antworten. Die Bewerter stuften die Antworten des Chatbots als qualitativ hochwertiger und deutlich einfühlsamer ein; sie wurden 9,8-mal häufiger als „einfühlsam“ oder „sehr einfühlsam“ bewertet als die Antworten der Ärzte allein.

„Nicht, weil Computer einfühlsamer sind als Menschen, sondern weil Einfühlungsvermögen Zeit braucht“, sagt Don. Das Verfassen einer Nachricht, die die Bedenken des Patienten zur Kenntnis nimmt, aufrichtige Fürsorge zum Ausdruck bringt und dennoch klinische Informationen vermittelt, dauert einige Minuten – Zeit, die einem Arzt bei der Bearbeitung von Dutzenden von Nachrichten fehlt. AI hat diese Protokolle.

Don beschreibt das effektivste Format als „Empathie-Sandwich“:

• Einleitung: Begrüßen Sie die Patientin und bringen Sie Ihre Fürsorge zum Ausdruck – „Sehr geehrte Frau Jones, vielen Dank für Ihre Kontaktaufnahme. Ihre Betreuung ist uns wichtig …“
• Mitte: Der klinische Inhalt – dieser Teil wird vom Menschen verfasst oder umfassend überarbeitet
• Abschluss: Zusicherung und nächste Schritte – „Wir hoffen, dass wir Ihre Frage damit beantwortet haben. Sie können sich gerne wieder an uns wenden – hier ist unsere Telefonnummer.“

Die KI entwirft die einfühlsamen Buchstützen. Der Kliniker konzentriert sich auf das, was er am besten kann: die klinische Betreuung im Mittelpunkt. Die Patientenzufriedenheit steigt. Die Produktivität der Mitarbeiter steigt. Beides ist messbar.

Die dritte Anwendung beseitigt einen der größten Engpässe in Portal-Workflows: die manuelle Weiterleitung von Nachrichten.

In den meisten Gesundheitssystemen landen eingehende Nachrichten zunächst in einer Warteschlange der ersten Instanz. Ein Mitarbeiter öffnet jede einzelne Nachricht, liest sie durch und leitet sie an die zuständige Stelle weiter – Terminplanung, Nachbestellungen, Pflege oder eine andere Abteilung. Diese Nachricht könnte einen ganzen Tag lang in der ersten Warteschlange verbleiben, bevor sie weitergeleitet wird. Der Patient wartet. Die Zeit der Mitarbeiter wird durch das Sortieren beansprucht, nicht durch das Lösen von Problemen.

Konversations-KI-Modelle können Nachrichten klassifizieren und direkt an den richtigen Pool weiterleiten, wodurch die Warteschlange der Erstbearbeitung vollständig umgangen wird. Veröffentlichte Routing-Modelle haben zu erheblichen Verbesserungen hinsichtlich Genauigkeit und Arbeitsabläufen geführt, doch die Leistung variiert je nach Gesundheitssystem, Kategorisierungskonzept, Trainingsdaten und Umsetzung.

Der Einblick in die Umsetzung macht das Ganze so praktisch: „Man muss die Daten nicht einmal kennzeichnen“, erklärt Don. „Die Zuordnung erfolgt automatisch auf der Grundlage der bisherigen Weiterleitungs- und Poolzuweisungsaktivitäten.“ Einrichtungen des Gesundheitswesens können Routing-Modelle anhand ihres eigenen Weiterleitungsverhaltens der letzten Monate trainieren. Das Modell lernt, wo Nachrichten letztendlich landen, und simuliert diesen Routing-Prozess automatisch. Keine manuelle Annotation. Das bisherige Routing-Verhalten kann den Aufwand für die manuelle Kennzeichnung verringern, doch die Umsetzung erfordert nach wie vor Validierung, Steuerung und Überwachung.

Im Bereich der Nachrichtenübermittlung über Patientenportale ist die Evidenz am stärksten, doch die dialogorientierte KI im Gesundheitswesen erstreckt sich über den gesamten Patientenverlauf:

• Terminplanung und Erinnerungen – Virtuelle Assistenten kümmern sich rund um die Uhr um Terminvereinbarungen, Terminverschiebungen und Bestätigungen, wodurch das Anrufaufkommen im Callcenter sinkt und Terminausfälle reduziert werden
• Symptomcheck und Unterstützung bei der klinischen Entscheidungsfindung– Strukturierte Triage-Abläufe helfen Patienten dabei, ihre Symptome einzuschätzen und die richtige Versorgungsstufe zu finden, von der Selbstversorgung über die Notfallversorgung bis hin zu einem persönlichen Arztbesuch
• Medikamentenmanagement und Überwachung chronischer Erkrankungen– KI-gestützte Erinnerungen verbessern die Therapietreue bei Patienten mit Erkrankungen wie Bluthochdruck oder Diabetes
• Unterstützung bei psychischen Problemen– KI-basierte Chat-Tools bieten zwischen den Therapiesitzungen die Möglichkeit, den psychischen Gesundheitszustand zu überprüfen, Bewältigungsstrategien zu erlernen und angeleitete Selbsthilfemaßnahmen durchzuführen. Diese Angebote sind leicht zugänglich und oft anonym, wodurch die Unterstützung bei psychischen Problemen über die Sprechzeiten hinaus erweitert wird. Diese Tools sind kein Ersatz für die klinische Versorgung, da eine effektive Umsetzung Sicherheitsvorkehrungen zur Krisenerkennung, Eskalationsprotokolle, die Aufsicht durch medizinisches Fachpersonal sowie klar kommunizierte Nutzungsgrenzen umfasst.
• Verwaltungsaufgaben und Abrechnungsanfragen– Beantwortung häufig gestellter Fragen zu Versicherungen, Abrechnungen und Patientenakten, wodurch der Verwaltungsaufwand, der die Zeit der Mitarbeiter in Anspruch nimmt, reduziert wird

Der rote Faden: Konversations-KI übernimmt routinemäßige, häufig vorkommende Patienteninteraktionen, sodass sich das medizinische Fachpersonal auf komplexe klinische Aufgaben konzentrieren kann.

Die Produktivitätssteigerungen sind unmittelbar. Die automatische Dringlichkeitskennzeichnung und die intelligente Weiterleitung reduzieren den Zeitaufwand, den Einrichtungen des Gesundheitswesens für die Sortierung von Nachrichten aufwenden. Durch KI erstellte Antworten verkürzen die Bearbeitungszeit für Contact-Center-Mitarbeiter. Veröffentlichte Forschungsergebnisse zu eingesetzten Routing-Modellen zeigen, d ass gruppenweise weitergeleitete Nachrichten die anfängliche Antwortzeit um im Median eine Stundeund die Gesamtdauer der Kommunikation um über 22 Stunden im Vergleich zu manuell weitergeleiteten Nachrichten verkürzt haben. Das Personal kann mehr Patienten versorgen, ohne dass die Mitarbeiterzahl erhöht werden muss.

Geschwindigkeit spielt in der klinischen Praxis eine wichtige Rolle. Wenn dringende Meldungen innerhalb von Minuten statt Stunden gekennzeichnet und bearbeitet werden, verbessert sich die Patientensicherheit, was sich wiederum positiv auf die Behandlungsergebnisse auswirkt. Wenn einfühlsame und ausführliche Antworten die Patienten schneller erreichen, steigen das Engagement und die Zufriedenheit der Patienten. Wenn die Erinnerungen an die Einnahme von Medikamenten pünktlich eintreffen, verbessert sich die Therapietreue, insbesondere bei Patienten mit chronischen Erkrankungen. Eine bessere Patientenversorgung beginnt mit einer schnelleren und genaueren Kommunikation. Dons Einschätzung aufgrund seiner Zusammenarbeit mit InterSystems-Kunden: „Sehr positives Feedback von Kunden, die dies umgesetzt haben … verkürzte Bearbeitungszeiten, die Contact-Center-Mitarbeiter haben sich sehr positiv geäußert.“

Don macht eine praktische Anmerkung zum Thema Risiko: Diese KI-Anwendungen im Gesundheitswesen fallen im Vergleich zu diagnostischer oder klinischer KI in eine Kategorie mit geringerem Risiko. „Du liest die Nachrichten doch sowieso alle“, sagt er. Bei der Dringlichkeitskennzeichnung und Weiterleitung übernimmt die KI das Sortieren und Filtern, während der Mensch weiterhin jede Nachricht überprüft. Bei vorgeschlagenen Antworten übernimmt der Mensch die Bearbeitung und den Versand. Die KI beschleunigt den Arbeitsablauf, ohne die klinische Aufsicht zu beeinträchtigen.

Die Modelle selbst sind klein. „Dabei handelt es sich um kleinere Sprachmodelle, die auf BERT aus dem Jahr 2018 basieren und entsprechend optimiert wurden. „Man kann sie auf einem Laptop oder einem kleinen Server ausführen, ohne dass die Gefahr besteht, Daten an Cloud-Dienste zu senden“, merkt Don an. Durch die Bereitstellung vor Ort werden die Bedenken hinsichtlich des Datenschutzes ausgeräumt, die viele Organisationen im Gesundheitswesen davon abhalten, KI einzuführen. Patientendaten verlassen zu keinem Zeitpunkt die Infrastruktur der Organisation.

Jedes dialogorientierte KI-System, das Patientendaten verarbeitet, muss die Bestimmungen des Health Insurance Portability and Accountability Act (HIPAA) einhalten. Das bedeutet Verschlüsselung, Zugriffskontrollen, Protokollierung von Prüfvorgängen und eine Vereinbarung über die Zusammenarbeit mit Geschäftspartnern (Business Associate Agreement) mit allen beteiligten Anbietern.

Dons Anmerkung zu den lokalen Modellen ist hier von Bedeutung. Modelle zur Dringlichkeitskennzeichnung und Weiterleitung sind so kompakt, dass sie auf lokaler Infrastruktur ausgeführt werden können – ohne Cloud-API-Aufrufe und ohne externe Datenübertragung. Eine lokale Bereitstellung kann die Abhängigkeit von externen KI-APIs verringern und den Datentransfer einschränken, doch der Datenschutz hängt von der gesamten Architektur, der Protokollierung, dem Zugriff der Anbieter und den Governance-Kontrollen ab.

Bei dialogorientierten KI-Plattformen, die eine Cloud-Anbindung erfordern – insbesondere solchen, die größere Sprachmodelle zur Generierung von Antworten nutzen –, müssen Gesundheitsdienstleister die Einhaltung der HIPAA-Vorschriften sowie die Richtlinien zur Datenlokalisierung überprüfen und sicherstellen, dass keine Patientendaten für das Training der Modelle verwendet werden. Die Integration elektronischer Patientenakten bringt eine weitere Ebene mit sich: KI-Tools für den dialogorientierten Austausch benötigen Lesezugriff auf Patientenakten, was eine klare Regelung darüber erfordert, welche Daten wohin fließen.

Auch die Datenverwaltung im Trainingsbereich spielt eine wichtige Rolle. Das bisherige Weiterleitungsverhalten kann als Trainingsdaten dienen; der Inhalt der Nachrichten erfordert jedoch weiterhin eine sichere Handhabung, gegebenenfalls eine Anonymisierung sowie einen geregelten Zugriff.

Für Einrichtungen des Gesundheitswesens, die den Einsatz von dialogorientierter KI in Betracht ziehen, beginnt der praktische Weg mit Anwendungen mit geringerem Risiko, die einen unmittelbaren Nutzen bieten.

Beginnen Sie dort, wo die Genauigkeit am höchsten und das Risiko am geringsten ist. Sowohl die Dringlichkeitszuordnung als auch die Nachrichtenweiterleitung erreichen eine Genauigkeit von über 90 %, werden unter Einbeziehung eines Menschen durchgeführt und nutzen kompakte Modelle, die vor Ort ausgeführt werden können. Das sind keine „Moonshot“-Projekte. Es handelt sich um Verbesserungen der Arbeitsabläufe, die auf veröffentlichten wissenschaftlichen Erkenntnissen beruhen.

Nutzen Sie Ihre eigenen Daten. Dons Erkenntnis bezüglich automatisch beschrifteter Trainingsdaten beseitigt ein großes Hindernis für die Einführung. Wenn Ihr Contact-Center-Team in den letzten sechs Monaten Nachrichten weitergeleitet hat, verfügen Sie bereits über die Trainingsdaten für ein Routing-Modell. Es ist kein Annotationsprojekt erforderlich.

Halten Sie die Ärzte auf dem Laufenden. Bei von der KI vorgeschlagenen Antworten erstellt das Modell einen Entwurf; der Mensch überprüft diesen und versendet die Antwort. Dies ist der Arbeitsablauf, der in veröffentlichten Studien zu mehr Empathie und einer höheren Qualität geführt hat.

Stellen Sie sicher, dass Ihre Datenbasis bereit ist. Eine dialogorientierte KI ist nur so effektiv wie die Daten, auf die sie zugreifen kann. InterSystems IRIS for Healthund Health Connectbieten die interoperable Datenschicht und Integrations-Engine, die Plattformen für dialogorientierte KI benötigen, um auf Patientenakten zuzugreifen, Nachrichten systemübergreifend weiterzuleiten und sich in bestehende klinische Arbeitsabläufe einzubinden – insbesondere in Umgebungen mit mehreren elektronischen Patientenakten (EHR).

Die aktuelle Generation der dialogorientierten KI im Gesundheitswesen ist weitgehend reaktiv: Sie reagiert auf Nachrichten, leitet diese weiter und verfasst Antwortentwürfe. Die nächste Generation der KI im Gesundheitswesen wird proaktiv sein.

Ausgefeiltere NLP-Modelle werden nicht nur die Dringlichkeit, sondern auch Stimmungsschwankungen erkennen: einen Patienten, dessen Nachrichten im Laufe der Zeit immer kürzer und frustrierter werden, oder einen Behandlungsplan, der mehr Fragen als üblich aufwirft. Dialogorientierte KI-Systeme werden mit Wearables und Fernüberwachungsdaten verknüpft und erkennen so Risikopatienten, noch bevor diese überhaupt eine Nachricht senden.

Mehrsprachige Funktionen erweitern den Zugang für Patienten; KI-Assistenten, die sich fließend in der bevorzugten Sprache des Patienten verständigen, beseitigen eines der hartnäckigsten Hindernisse bei der Gesundheitsversorgung. Und mit der Weiterentwicklung von Interoperabilitätsstandards wie FHIR werden sich dialogorientierte KI-Tools leichter zwischen verschiedenen Gesundheitssystemen integrieren lassen, was die Einführung beschleunigt und die Abhängigkeit von maßgeschneiderten Integrationen verringert.

Die Gesundheitssysteme, die heute in dialogorientierte KI im Gesundheitswesen investieren, bauen damit die Kommunikationsinfrastruktur auf, auf die sie im nächsten Jahrzehnt setzen werden.