Wie sieht die Medizin der Zukunft aus?

Werden kranke Menschen schon vor der Geburt aussortiert?

Ultraschall, Bluttests, Genomanalysen: Die Möglichkeiten, ein ungeborenes Kind medizinisch zu untersuchen, sind heute schon beeindruckend. Der nicht-invasive Pränataltest (NIPT) liest aus winzigen Zellspuren des Embryos im mütterlichen Blut genetische Informationen aus und kann chromosomale Veränderungen wie das Down-Syndrom mit hoher Genauigkeit erkennen. In Deutschland ist er bei entsprechender Indikation Kassenleistung. Künstliche Intelligenz wird solche Verfahren weiter verfeinern und neue ermöglichen. Doch was bedeutet das für die ethischen Fragen, die damit einhergehen?

Früh erkennen: Multimodale Daten, präzisere Vorhersagen

Dass KI in der Pränatal- und Neonataldiagnostik zunehmend Einzug halten wird, hält Prof. Dr. Björn Eskofier, Leiter des Lehrstuhls für KI-unterstützte Therapieentscheidungen und des Instituts für Künstliche Intelligenz in der Medizin an der LMU München, für sicher. Künftig werden genetische Daten, Laborwerte, Bildgebungen und Vitaldaten – von Mutter und Fötus – kombiniert ausgewertet. Sobald große Gen-Datenbanken aufgebaut sind, die auch Kombinationen aus mütterlichem und väterlichem Erbgut abbilden, wird eine datenbasierte Vorhersage von Risiken für seltene Erkrankungen oder Entwicklungsstörungen möglich. Denn KI kann Muster in großen Datensätzen erkennen, die dem menschlichen Auge verborgen bleiben.

Prof. Dr. Alena Buyx, Professorin für Ethik der Medizin und Gesundheitstechnologien an der TU München, ordnet das ein: „KI ist sehr gut darin, Entwicklungen, die wir in der Medizin haben, zu beschleunigen. Aber das ist kein Game-Changer in Bezug auf die Bedeutung, die das hat fürs medizinische Handeln.“ Die ethischen Fragen, die pränatale Diagnostik aufwirft, seien nicht neu. Sie werden durch KI lediglich drängender.

Ein Beispiel dafür liefert Dänemark: Seit der NIPT in die Regelversorgung aufgenommen wurde, sank die Zahl der Kinder, die mit Down-Syndrom geboren werden, drastisch. Im Jahr 2017 wurden nur noch 13 Kinder mit dieser vorgeburtlich bekannten Diagnose geboren – nicht weil ein Algorithmus entschieden hätte, sondern weil Eltern auf Basis präziser Diagnostik Entscheidungen trafen. „Das ist eine Diskussion, der man sich gesellschaftlich stellen muss“, sagt Buyx. „Gleichzeitig muss man sehr, sehr genau darauf achten, dass das nicht eine Abwertung der Vielfalt menschlichen Lebens bedeutet.“

Besser entscheiden: Informiert – aber nicht unter Druck

Was wäre, wenn KI künftig nicht nur chromosomale Veränderungen erkennt, sondern auch Risikoprofile für spätere Erkrankungen erstellt? Für Brustkrebs, Herzerkrankungen oder Depressionen? Solche sogenannten hochprädiktiven Risikoprofile sind technisch bereits heute möglich. Die Frage ist, was die Gesellschaft damit macht.

Eskofier steht auf dem Standpunkt, dass in die Vielfalt des Lebens nicht eingegriffen werden darf. Pränataldiagnostik soll informierte Entscheidungen ermöglichen. Mit der notwendigen Beratung und Begleitung, nicht als Selektionsinstrument. Entscheidungen müssen frei bleiben: nicht beeinflusst von Versicherungen, Arbeitgebern oder sozialem Druck. „Diskriminierende Anwendungen, Schutz vor sozialem Druck – das muss natürlich verhindert werden“, sagt er. „Die Entscheidungen müssen tatsächlich frei bleiben.“

Der Deutsche Ethikrat hat dazu bereits 2017 in seiner Stellungnahme zu Big Data und Gesundheit eine klare Linie gezogen: In einer solidarischen Krankenversorgung dürfen hochprädiktive Risikoprofile niemals aus Kostengründen Versorgungsentscheidungen beeinflussen. Das Patientenwohl bleibt der Maßstab – nicht die statistische Wahrscheinlichkeit einer künftigen Erkrankung. Buyx, die von 2020 bis 2024 Vorsitzende des Deutschen Ethikrats war, unterstreicht: Therapieentscheidungen müssen auf klinischer Ebene getroffen werden, durch Fachgesellschaften, auf Basis von Evidenz, Wirksamkeit und Dringlichkeit.

Ein staatliches, eugenisches Screening-Programm auf Basis genetischer Risikofaktoren wäre in Deutschland verfassungswidrig. Buyx ist in diesem Punkt unmissverständlich: „Das würde ein faschistischer Staat machen. Und das wird es in Deutschland nicht geben.“ Die Fragen, die KI aufwirft, seien dieselben, die die Gesellschaft schon seit Jahrzehnten mit der Pränatal- und Präimplantationsdiagnostik diskutiert. Deutschland habe dabei einen Vorteil: Es hat diese Debatten nie abgekürzt.

Gezielt handeln: Das Recht auf Nichtwissen – und neue Modelle der Selbstbestimmung

Zu den zentralen ethischen Prinzipien gehört das Recht auf Nichtwissen: Werdende Eltern müssen nicht wissen wollen, welche genetischen Risiken ihr Kind trägt – und dürfen nicht unter Druck gesetzt werden, es herauszufinden.

Deutschland verfügt in der Fortpflanzungsmedizin über einen der restriktivsten regulatorischen Rahmen weltweit. Das schützt vor Übergriffen und schafft Vertrauen. Buyx sieht das als Privileg: „Ich bin froh, in Deutschland und Europa zu leben, weil ich mich darauf verlassen kann, dass jedenfalls in der organisierten Medizin die Dinge sorgfältig und verantwortlich eingeführt werden.“

Die Medizin des Jahres 2036 wird mehr wissen: über Gene, Risiken, Wahrscheinlichkeiten. KI wird dabei helfen, dieses Wissen schneller und präziser zu gewinnen. Doch die entscheidende Frage bleibt dieselbe wie heute: Was machen wir mit diesem Wissen? Die Antwort darauf ist keine technische. Sie ist eine gesellschaftliche.

Prof. Dr. Alena Buyx ist Professorin für Ethik der Medizin und Gesundheitstechnologien an der Technischen Universität München (TUM) und war von 2020 bis 2024 Vorsitzende des Deutschen Ethikrats.

Prof. Dr. Björn Eskofier leitet den Lehrstuhl für KI-unterstützte Therapieentscheidungen und das Institut für Künstliche Intelligenz in der Medizin an der Ludwig-Maximilians-Universität München (LMU).

Quellen:

Interviews mit Prof. Dr. Alena Buyx, Professorin für Ethik der Medizin und Gesundheitstechnologien, TU München (TUM), und Prof. Dr. Björn Eskofier, Lehrstuhl für KI-unterstützte Therapieentscheidungen & Institut für KI in der Medizin, LMU München. Deutscher Ethikrat (2017): Big Data und Gesundheit – Datensouveränität als informationelle Freiheitsgestaltung. Stellungnahme. Berlin. Spiegel Online (2020): In Dänemark werden kaum noch Kinder mit Down-Syndrom geboren. apotheken-umschau.de: Nicht-invasiver Pränataltest (NIPT) – Kassenleistung und Voraussetzungen.

Versorgung von Schwangeren

Clara, 34, ist in der 28. Schwangerschaftswoche. Ihr Handgelenk trägt einen kleinen Sensor – unauffällig, leicht, immer dabei. Er misst Blutdruck, Herzfrequenz und Sauerstoffsättigung, rund um die Uhr. An diesem Morgen schickt ihre Gesundheits-App eine Meldung: Blutdruck leicht erhöht, zweimal in Folge. Kein Alarm, kein Notfall. Aber ein Signal, das eine KI bereits ausgewertet hat. Und das Claras Ärztin jetzt auf dem Bildschirm sieht, noch bevor Clara selbst etwas gespürt hat.

Früh erkennen: Begleitung, bevor etwas passiert

2036 würde eine Schwangerschaft nicht mehr nur aus punktuellen Vorsorgeuntersuchungen bestehen. Wearables, tragbare Sensoren, würden Vitaldaten der Schwangeren kontinuierlich erfassen und direkt an die Klinik übermitteln. Eine KI würde diese Daten in Echtzeit auswerten, Muster erkennen und Abweichungen melden, lange bevor Symptome auftreten. Claras Ärztin könnte eingreifen, bevor eine Situation gefährlich wird. Die Schwangere könnte zu Hause bleiben, bei ihrer Familie, statt zur Beobachtung ins Krankenhaus eingewiesen zu werden.

Heute ist das noch die Ausnahme. Zwei bis fünf Prozent der Frauen entwickeln im Laufe der Schwangerschaft eine Präeklampsie, umgangssprachlich Schwangerschaftsvergiftung. Weil schwere Komplikationen lebensbedrohlich sein können, werden viele Frauen mit dem Verdacht zur Sicherheit stationär aufgenommen, auch wenn es rückblickend nicht nötig gewesen wäre. Projekte zeigen heute schon, dass es anders geht: Ein KI-Algorithmus, trainiert auf den Daten von tausenden Patientinnen, berechnet das individuelle Komplikationsrisiko in Echtzeit und gibt Ärztinnen eine fundierte Grundlage, um zu entscheiden, ob eine Einweisung wirklich notwendig ist. Erste Studien belegen: Das System ist sicher, reduziert unnötige Krankenhausaufenthalte und erhöht die Zufriedenheit der Patientinnen. 2036 könnte das, was heute noch Forschungsprojekt ist, überall Standard sein. „Für diese Situationen kann Digitalisierung enorm helfen“, sagt Prof. Dr. Jacqueline Lammert, Oberärztin für Gynäkologische Präzisionsonkologie an der TUM.

Mehr wissen. Aber wie viel?

2036 würde KI nicht nur Vitalwerte überwachen. Sie könnte auch genetische Informationen beider Elternteile einbeziehen und daraus Risiken für Komplikationen oder Erkrankungen des Kindes vorhersagen. „Aus der Kombination der Daten von Mutter und Vater werden sich potenzielle Komplikationen und Risiken für seltene Erkrankungen sehr viel besser vorhersagen lassen, als wir es heute tun können“, sagt Prof. Dr. Björn Eskofier, Leiter des Lehrstuhls für KI-unterstützte Therapieentscheidungen und des Instituts für Künstliche Intelligenz in der Medizin an der LMU München.

Mehr Wissen bedeutet aber auch: mehr Entscheidungen. Wollen Eltern wissen, wenn ein Risiko besteht? Und wenn ja, welches? „Man kann informierte Entscheidungen ermöglichen“, sagt Eskofier. „Aber dann mit der entsprechenden Beratung und Begleitung.“ Er ist überzeugt: Das Recht auf Nichtwissen muss auch 2036 gewahrt bleiben als bewusste, selbstbestimmte Entscheidung, frei von sozialem Druck, von Versicherungen oder dem Umfeld.

„Ich finde es ganz wichtig, den Paaren das Ausmaß der genetischen Untersuchung zu erklären – was ist die Einschränkung, wie viel kann ich sehen, und wie viel übersehe ich eventuell“, sagt Lammert. KI kann mehr sehen als je zuvor. Aber sie kann nicht entscheiden, was Menschen wissen wollen.

Nach der Geburt: wenn die Begleitung nicht endet

Claras Blutdruck bleibt die ganze Schwangerschaft über hoch, aber gut überwacht übersteht sie die Zeit und muss nicht in Krankenhaus. Nach der Geburt normalisiert er sich innerhalb weniger Tage. Aber das Risiko bleibt. Frauen, die in der Schwangerschaft Bluthochdruck oder Schwangerschaftsdiabetes entwickelt haben, tragen ein deutlich erhöhtes Risiko, in den folgenden Jahren an manifestem Diabetes oder Herz-Kreislauf-Erkrankungen zu erkranken. Heute werden die meisten Frauen nach der Entbindung aus der Betreuung entlassen und sind auf sich gestellt. 2036 würde die Begleitung hier nicht enden: Ein KI-gestütztes Nachsorgeprogramm würde Clara auch nach der Geburt begleiten: mit regelmäßigen Erinnerungen, datengestützten Empfehlungen, stillen Hinweisen. Nicht als Überwachung. Sondern als Fürsorge, die dann da ist, wenn sie gebraucht wird.

Prof. Dr. Jacqueline Lammert ist Oberärztin für Gynäkologische Präzisionsonkologie am TUM-Klinikum und leitet die Forschungsgruppe KI in der Frauengesundheit am Institut für KI und Informatik in der Medizin der Technischen Universität München. Sie forscht an KI-Systemen, die medizinisches Wissen zugänglicher und gerechter machen sollen.

Prof. Dr. Björn Eskofier leitet den Lehrstuhl für KI-unterstützte Therapieentscheidungen und das Institut für Künstliche Intelligenz in der Medizin an der Ludwig-Maximilians-Universität München. Er forscht an KI-gestützten Systemen zur Früherkennung und personalisierten Gesundheitsversorgung über alle Lebensphasen hinweg.

Pränatal-Diagnostik: Ist alles in Ordnung?

Krümel ist zehn Wochen alt, gemessen ab dem Tag der Befruchtung. Er ist etwa drei Zentimeter groß, hat Finger und Zehen, ein schlagendes Herz und ein Gehirn, das gerade beginnt, sich zu falten. Noch ist er ein Embryo, noch nicht offiziell ein Fötus. Aber für seine Mutter Clara, 34, ist er längst eine Person mit einem Spitznamen. Heute begleitet Clara ihn zur ersten großen Vorsorgeuntersuchung.

Was KI im Ultraschall sieht

2036 könnte Krümels erster großer Ultraschall ganz anders ablaufen als heute. Nicht weil die Untersuchung selbst sich verändert hat – Ultraschall bleibt Ultraschall – sondern weil ein KI-System die Bilder in Echtzeit mitliest. Trainiert mit Hunderttausenden fetaler Ultraschall-Aufnahmen, würde es Herzstrukturen vermessen, Organentwicklung bewerten, feinste Abweichungen markieren. Herzfehler, Organfehlbildungen, Hinweise auf seltene genetische Syndrome: Die KI würde nicht diagnostizieren, aber sie würde auf das hinweisen, was genauer untersucht werden sollte.

Dabei könnte KI im Jahr 2036 nicht nur besser auswerten, sondern auch bessere Bilder erzeugen. Denn ein Problem bleibt: Krümel bewegt sich, Clara bewegt sich, der Schallkopf bewegt sich. Dadurch entstehen Bildstörungen: Sogenannte Bewegungsartefakte trüben die Aufnahmen. „KI-Systeme könnten diese Daten nachträglich so zusammensetzen, dass ein schärferes, vollständigeres Bild entsteht – und damit Details sichtbar machen, die heute noch im Verborgenen bleiben“, sagt Prof. Dr. Julia Schnabel, Direktorin des Instituts für Machine Learning in Biomedical Imaging, Helmholtz Munich.

Die Vorteile dieser verbesserten Diagnostik zeigen sich zum Beispiel bei angeborenen Herzfehlern. „Wird ein falsch verbundenes Herz erst bei der Geburt entdeckt, sinkt der Sauerstoffgehalt im Blut des Babys innerhalb von Minuten. Jede Sekunde zählt. 2036 könnte eine KI-gestützte Ultraschallauswertung solche Defekte bereits im Mutterleib erkennen – sodass Operateure vorbereitet sind, bevor das Kind auf die Welt kommt“, erklärt Schnabel. Den Anfang macht die Gegenwart: Schon jetzt werden testweise KI-System eingesetzt zur algorithmischen Unterstützung bei der Erstellung und Interpretation fetaler Ultraschallbilder. Was heute noch Ausnahme ist, könnte 2036 überall verfügbar sein, in der Landarztpraxis genauso wie in der Universitätsklinik.

„Manche Schritte, wie zum Beispiel ein Organscreening, werden in Zukunft automatisiert ablaufen können“, sagt Prof. Dr. Jacqueline Lammert, Oberärztin für Gynäkologische Präzisionsonkologie an der TUM und Leiterin der Forschungsgruppe KI in der Frauengesundheit. „Diejenigen Frauen, die sonst vielleicht nicht in die Pränataldiagnostik gegangen wären, könnten dann noch mal mehr rausgefischt werden.“

Bluttest, Ultraschall – und was KI daraus macht

Beim Ultraschall zeigt sich bei Krümel eine minimale Verdickung der Nackenfalte. Ein Hinweis, kein Befund. Aber der Beginn einer Frage, die Clara nicht loslässt: Was bedeutet das? Seit 2022 ist der nicht-invasive Pränataltest (NIPT) in Deutschland Kassenleistung für Frauen mit erhöhtem Risiko. Aus einer Blutprobe der Mutter lässt sich mit hoher Sicherheit feststellen, ob bestimmte Chromosomenstörungen, etwa Trisomie 21, beim ungeborenen Kind vorliegen könnten. Aber der Test hat Grenzen: Er deckt nur einen kleinen Ausschnitt möglicher Erkrankungen ab. Viele Fehlbildungen zeigen sich ausschließlich im Ultraschall. Und seltene genetische Syndrome bleiben oft lange unsichtbar oder aber zur Abklärung werden invasive Methoden wie eine Fruchtwasseruntersuchung nötig.

Genau hier könnte KI 2036 den Unterschied machen: nicht als einzelnes Instrument, sondern als Verbindungsglied. Sie würde Bluttest, Ultraschallbefund, Alter der Mutter und weitere Parameter zusammenführen – und daraus ein individuelles Risikobild berechnen, das präziser ist als jede Einzeluntersuchung allein. „Wo man Ultraschallauffälligkeiten sieht, kann KI auf jeden Fall sehr gut unterstützen, weil man eben die Durchsuchbarkeit von Möglichkeiten – vor allem von extrem seltenen Erkrankungen – dann noch mal besser ins Auge greift"", sagt Lammert.

Mehr Wissen, mehr Entscheidungsfreiheit

Statt einer allgemeinen Risikoeinschätzung bekäme Clara 2036 ein konkretes, auf sie zugeschnittenes Bild. Und ihre Ärztin hätte eine fundierte Grundlage, um gemeinsam mit ihr zu entscheiden, welche nächsten Schritte sinnvoll sind – ohne voreilige Schlüsse, ohne unnötige Eingriffe. Krümels Nackenfalte ist etwas dicker als der Durchschnitt – das zeigt auch die KI. Aber sie zeigt noch mehr: Herzstruktur unauffällig, Organentwicklung altersentsprechend, kein weiterer Hinweis auf eine Chromosomenstörung. Die Ärztin empfiehlt einen NIPT zur Absicherung. Clara stimmt zu. Eine Woche später kommt das Ergebnis: unauffällig. Krümel ist, soweit man das mit zehn Wochen sagen kann, gesund. Nicht weil die KI es garantiert hätte. Sondern weil sie geholfen hat, nichts zu übersehen.

Prof. Dr. Julia Schnabel ist Direktorin des Instituts für Machine Learning in Biomedical Imaging, Helmholtz Munich und Professorin an der Technischen Universität München. Sie forscht an KI-gestützter medizinischer Bildgebung – von der Pränataldiagnostik bis zur Früherkennung von Demenz.

Prof. Dr. Jacqueline Lammert ist Oberärztin für Gynäkologische Präzisionsonkologie am TUM-Klinikum und leitet die Forschungsgruppe KI in der Frauengesundheit am Institut für KI und Informatik in der Medizin der Technischen Universität München. Sie forscht an KI-Systemen, die medizinisches Wissen zugänglicher und gerechter machen sollen.

Psychische Gesundheit: Tendenzen erkennen, beim Gesundwerden begleiten

Lina ist 16 und eigentlich eine ruhige, beliebte Schülerin. Doch in den letzten Monaten zieht sie sich zurück. Hausaufgaben bleiben liegen, Tennistraining sagt sie öfter ab. Ihre Eltern denken zuerst an Pubertät oder Stress. Schließlich steht die elfte Klasse bevor. Was niemand sieht: Lina schläft schlecht, ihr Kopf ist ständig voll von unsinnigen Gedanken, und morgens fühlt sich alles anstrengender an als früher.

In der Medizin von 2036 könnten diese frühen, oft übersehenen Signale nicht mehr nur das Bauchgefühl der Eltern oder Lehrkräfte sein. Eine KI-gestützte Gesundheitsplattform wertet diskret Linas Daten aus: Schlafrhythmus, Bewegungsmuster, Social-App-Aktivität, Sprache in Sprachnachrichten oder Chat-Texten. Alles streng datenschutzkonform, pseudonymisiert und nur mit Zustimmung. Die Muster zeigen, dass Linas Stimmung über Wochen abflacht und ihre Aktivitätskurven abflauen. Bevor sich eine Depression manifestiert, bekommt sie, gemeinsam mit ihren Eltern, ein niedrigschwelliges Unterstützungsangebot.

Heute: Zwischen Tabus und Wartelisten

Heute hängt die Erkennung psychischer Krisen oft davon ab, dass jemand sie bemerkt: ein Lehrer, eine Freundin, der Hausarzt. Doch diese Beobachtungen bleiben Momentaufnahmen. Hinzu kommt: Aktuell vergehen in Deutschland im Schnitt drei bis sechs Monate, bis Jugendliche mit psychischen Problemen einen Therapieplatz finden. Viele haben Angst vor Stigmatisierung. Lehrerinnen oder Eltern erkennen Warnzeichen oft zu spät. Und Sätze wie „reiß dich zusammen“ halten sich hartnäckig. KI kann diese Strukturen nicht ersetzen, aber sie könnte sie ergänzen und beschleunigen: Indem sie unterstützt, bevor das Stimmungstief chronisch wird. Die Modelle könnten kontinuierliche Datenströme lesen und lernen, wie Linas normaler Alltag aussieht und erkennen Abweichungen, bevor sie klinisch auffallen. „Früherkennung in der Psychiatrie bedeutet, minimale Veränderungen zu sehen, bevor sie das Leben einschränken“, sagt Prof. Peter Falkai, Direktor der Klinik für Psychiatrie und Psychotherapie am LMU Klinikum. KI könne hier ein objektiveres Bild liefern, nicht als Ersatz für ärztliche Urteilskraft, sondern als ihr Frühwarnsystem.

Unterstützung, die sich anpasst

Wenn Lina 2036 ein digitales Coaching startet, interagiert sie mit einem emotional intelligenten Avatar – einem KI‑Agenten, der Tonfall, Mimik und Wortwahl analysiert, um den Gemütszustand zu erkennen. Der Assistent motiviert, spiegelt Fortschritte, schlägt gezielte Übungen vor. Fühlt sich Lina einsam, bietet die App Gruppenchats mit Peers in ähnlicher Lage oder einen Termin mit einer Schulpsychologin an. Der Avatar begleitet sie wie eine Art digitaler Coach, der weiß, wann es Zeit ist, Hilfe von echten Menschen einzubinden.

KI-Experten wie Prof. Eric Schulz, Direktor des Helmholtz Munich Institute of Human-Centered AI, erforschen Systeme für ein solches Szenario. Sie sind darauf ausgelegt, Vertrauen zu fördern – ohne blinden Glauben. Schulz untersucht, warum Menschen KI vertrauen, gerade bei sensiblen Themen wie psychischer Gesundheit. Seine Forschung zeigt: Jugendliche akzeptieren digitale Helfer besonders dann, wenn sie anonym, wertfrei und leicht zugänglich sind. Das kann Hemmschwellen senken – besonders für jene, die sonst nie eine Praxis betreten würden.

Zwischen Mensch und Maschine: ein realistischer Ausblick

Lina nutzt die App im Jahr 2036 regelmäßig. In schlechten Wochen meldet sie sich häufiger, erinnert sie an Routinen, bietet kleine Aufgaben statt großer Ziele. Nach einigen Monaten stabilisiert sich ihr Schlaf und sie nimmt wieder am Tennistraining teil. Die KI hat keine Depression geheilt. Sie hat dafür gesorgt, dass sie gar nicht erst tiefgreifend wird.

Für Falkai steht fest: „Psychiatrie bleibt Beziehung. KI ist unser Werkzeug, um diese Beziehung früher und gezielter zu beginnen.“ 2036 könnte bedeuten, dass niemand mehr warten muss, bis es richtig schlimm wird, um Hilfe zu bekommen.

Prof. Dr. Peter Falkai ist Direktor der Klinik für Psychiatrie und Psychotherapie am LMU Klinikum München. Er forscht zu Neurobiologie, Früherkennung und personalisierter Behandlung psychischer Erkrankungen unter anderem mit KI‑gestützten Verfahren zur Mustererkennung und Prognose.

Leukämie bei Kindern: Was machen die Gene?

Mia ist sieben Jahre alt und liebt Fußball. Als sie nach dem Training immer häufiger müde ist und ihr Gesicht blass bleibt, denkt ihre Mutter zunächst an Eisenmangel. Beim Kinderarzt zeigt das Blutbild etwas viel Schlimmeres: Mia hat Leukämie. Die akute lymphoblastische Leukämie (ALL) ist die häufigste Krebserkrankung im Kindesalter, sie macht rund 30 Prozent aller Kinderkrebsfälle aus. Darm-, Brust-, oder Lungenkrebs, die bei Erwachsenen dominieren, kommen bei Kindern kaum vor. Er entwickelt sich schnell – spricht aber auch oft sehr gut auf Therapie an.

Gene erzählen eine Geschichte – wenn man sie lesen kann

Etwa jedes siebte bis zehnte Kind, das an Krebs erkrankt, trägt eine angeborene genetische Veränderung. Das bedeutet nicht, dass diese Kinder zwangsläufig erkranken – aber ihr Risiko ist erhöht, und es bleibt es ein Leben lang.

Genau hier setzt die Arbeit von Prof. Dr. Julia Hauer an. Die Kinderonkologin an der Technischen Universität München erforscht, wie sich solche angeborenen Risikofaktoren frühzeitig erkennen und für Prävention nutzen lassen. Wenn bei einem erkrankten Kind eine genetische Risiko-Veränderung gefunden wird, können gezielt auch Geschwister und Eltern untersucht werden. Besitzt etwa Mias jüngerer Bruder Finn dasselbe Risikoprofil, empfehlen Ärztinnen und Ärzte dem Jungen jährliche Untersuchungen – um mögliche Veränderungen zu erkennen, bevor sie sich klinisch bemerkbar machen und schlechter therapierbar werden. „Diese Früherkennung sorgt dafür, dass die Kinder noch wahrscheinlicher geheilt werden können"", sagt Hauer.

KI macht den Unterschied

Das Problem: Ob Finn wirklich erkranken wird, kann heute niemand mit Sicherheit sagen. Eine genetische Veränderung erhöht das Risiko – aber wie stark, hängt von vielen weiteren Faktoren ab: anderen Genen und Einflüssen, die sich gegenseitig verstärken oder aufheben. Dieser Prozess der Risikobewertung läuft bislang weitgehend erfahrungsbasiert ab: Ärztinnen und Ärzte orientieren sich an bekannten Risikosyndromen und klinischen Merkmalen – und treffen Entscheidungen, die gut begründet, aber selten wirklich individuell sind.

„Genau hier könnte KI bis 2036 den Unterschied machen“, sagt Hauer. „Ein KI-Modell, trainiert an großen internationalen Patientenkohorten, könnte Muster in genetischen Daten erkennen, die für das menschliche Auge unsichtbar bleiben: Welche Kombination aus Genen und Begleitfaktoren erhöht das Risiko tatsächlich – und für wen ist Vorsorge besonders dringend?“ So ermittelt die KI auch das persönliche Risiko der bereits erkrankten Mia, einen Rückfall zu erleiden, um auch hier schnell einschreiten zu können.

Gezielt behandeln: Ein System, das Mia nicht aus den Augen verliert

KI endet für Hauer nicht bei der Diagnose. Im Jahr 2036 fließt Mias gesamtes Risikoprofil aus Genetik, Therapiehistorie und Lebensstilfaktoren in ein langfristiges Nachsorgekonzept ein. Heute werden Kinder nach einer Krebserkrankung in spezialisierten Nachsorgeambulanzen betreut – individuell, aufwendig, kaum skalierbar. Kontrolluntersuchungen sind zeitlich getaktet und reaktiv: Man wartet auf Beschwerden und handelt dann.

Stattdessen könnten in Zukunft Wearables, also tragbare Sensoren wie Smartwatches, bei den kleinen Patienten kontinuierlich Körperwerte erfassen. Eine KI erkennt frühzeitig Abweichungen, die auf Langzeitspätfolgen der Chemotherapie oder Bestrahlung hindeuten könnten. Und sie gibt den Medizinern rechtzeitig einen Hinweis, bevor Symptome auftreten. „Wenn das funktioniert, ist das ein erheblicher Fortschritt"", sagt Hauer.

Für Mia und Finn bedeutet die Medizin des Jahres 2036 bessere Chancen: ein individuelles Risikobild statt einer allgemeinen Einschätzung, eine Vorsorge, die wirklich zu Finn passt, und ein System, das Mia auch nach der Therapie nicht aus den Augen verliert. Für Hauer ist das keine ferne Utopie, sondern die logische Fortsetzung dessen, was die Kinderonkologie in den letzten Jahrzehnten bereits geleistet hat: Schritt für Schritt, Kind für Kind.

Prof. Dr. Julia Hauer ist Leiterin der Forschungsgruppe Kinderonkologie am TranslaTUM – Zentrum für Translationale Krebsforschung – und Klinikdirektorin am Zentrum für Kinder- und Jugendmedizin: eine Kooperation der München Klinik und des TUM Klinikums.

Seltene Erkrankungen, aber keine seltenen Diagnosen mehr

Lena ist 16, als ihre Beine anfangen, ihr Probleme zu machen. Nicht dramatisch, nicht plötzlich – eher schleichend. Beim Sport bleibt sie zurück, die Waden fühlen sich morgens steif an. Ihr Hausarzt ordnet eine Blutuntersuchung an. Und weil es das Jahr 2036 ist, könnte dazu inzwischen auch eine vollständige Genomsequenzierung gehören. Die Kosten würde die Krankenkasse übernehmen. So zumindest die Hoffnung der Forschenden, die heute dafür die Grundlagen legen.

KI-Systeme würden Lenas gesamtes Erbgut – die DNA – Buchstabe für Buchstabe durchsuchen. Die DNA ist der unveränderliche Bauplan des Körpers, der in jeder Zelle gleich ist. Die KI sucht darin nach einem winzigen Fehler: einer einzelnen falschen Stelle in einer Abfolge von drei Milliarden Buchstaben, die die Krankheit auslöst. Doch ein Fehler im Bauplan bedeutet nicht automatisch, dass man auch weiß, ob er wirklich Schaden anrichtet. Deshalb würden Algorithmen parallel eine Blutprobe analysieren und dabei die RNA untersuchen. Die RNA ist gewissermaßen der Bauplan in Aktion: Sie zeigt, welche Gene der Körper gerade abliest und ob dabei etwas schiefläuft. Verhält sich ein Gen deutlich anders als bei gesunden Menschen, produziert es zu viel, zu wenig oder etwas Fehlerhaftes, ist das ein starkes Signal, dass genau hier die Ursache der Erkrankung liegt. Erst die Kombination beider Analysen liefert die Gewissheit. Wenige Tage später hätte die Ärztin einen Befund: eine seltene Erkrankung der Muskulatur, ausgelöst durch die Veränderung in einem einzigen Gen. Lena wüsste endlich, womit sie es zu tun hat.

Der Forscher, der Genome lesen lehrt

Ob dieses Szenario 2036 Wirklichkeit wird, hängt unter anderem von der Arbeit von Julien Gagneur ab, Professor für Computational Biology an der TU München. Sein Labor verbindet Mathematik, Informatik und Medizin – und entwickelt seit über einem Jahrzehnt KI-Werkzeuge, die das Erbgut von Patientinnen und Patienten mit seltenen Erkrankungen auswerten.

„Bei seltenen Erkrankungen leidet die Mehrheit der Patientinnen und Patienten an Mutationen, die bislang noch nicht klinisch beschrieben wurden“, erklärt Gagneur. „Man braucht also ein Modell, das etwas interpretieren kann, was es noch nicht kennt.“ Sein Ansatz: sogenannte genomische Sprachmodelle – KI-Systeme, die auf dem Erbgut tausender Arten trainiert werden, von Pilzen bis zum Menschen. Sie sollen Muster im genetischen Text erkennen und neue Mutationen als wahrscheinliche Fehler einordnen können, auch wenn sie noch nie aufgetaucht sind. Die Technologie ist vielversprechend, aber noch nicht in der klinischen Routine angekommen.

„Komplementär zur DNA-Analyse suchen wir nach statistischen Ausreißern in RNA-Daten – also nach RNA-Molekülen, die bei einer Patientin oder einem Patienten deutlich anders vorkommen als bei gesunden Personen“, sagt Gagneur. „Das ist wie bei der Bank: Wenn eine Transaktion aus dem Rahmen fällt, meldet das System Alarm.“ Dieses Verfahren, das auf Modellierungsprinzipien aus der KI basiert, hat sein Team bereits entwickelt. Es wird heute schon in Forschungsnetzwerken eingesetzt und hat bereits Hunderte neue Diagnosen ermöglicht. Die Infrastruktur dafür entsteht gerade: Das German Human Genome Archive (GHGA), an dem Gagneurs Gruppe mitarbeitet, soll Genomdaten aus Kliniken sicher und pseudonymisiert speichern – und sie für die Forschung zugänglich machen. Ungelöste Fälle werden künftig in sogenannten Solvathons neu analysiert: kollaborative Treffen, bei denen Spezialistinnen und Spezialisten aus ganz Deutschland gemeinsam an schwierigen Diagnosen arbeiten. „Manchmal reicht ein Jahr Abstand, sich die Daten eines Patienten neu anzuschauen“, sagt Gagneur, „weil die Wissenschaft sich weiterentwickelt hat und wir die Daten mit neuen Augen sehen.“

Noch ist Lenas Geschichte eine andere. Ohne KI-gestützte Routinediagnostik wäre die Genomsequenzierung ein teurer Sonderfall. Selbst wenn sie angeordnet würde, stünden Ärztinnen und Ärzte vor Millionen von Varianten, deren Bedeutung unklar ist. Heute gelingt es nur bei etwa 50 Prozent der Betroffenen, überhaupt eine genetische Ursache zu identifizieren. Der Weg bis zur Diagnose dauert im Schnitt fünf bis sieben Jahre – Jahre, in denen die Muskeln bei der Myopathie-Krankheit weiter schwächer werden.

Von der Diagnose zur Chance

Eine Diagnose ist kein Happy End – aber sie wäre der entscheidende erste Schritt. Erst wenn die genetische Ursache bekannt ist, lässt sich gezielt handeln. Gagneur kennt bereits heute Fälle, in denen die Lösung verblüffend einfach war: „Wir hatten Kinder mit schweren Entwicklungsverzögerungen. Nach der genetischen Diagnose hat ein Kollege eine Vitamintherapie vorgeschlagen – und die Erkrankung hat aufgehört, sich weiterzuentwickeln. Manche Fähigkeiten kamen sogar zurück.“ Gagneur ist dabei vorsichtig mit großen Versprechen: „KI ist ein statistisches Werkzeug – kein Allwissender.“ Ärzte bliebe unverzichtbar als letzte Instanz, die den Befund einordnen und die Verantwortung tragen. Sein größtes Anliegen: dass Medizinerinnen und Mediziner durch KI nicht verlernen, selbst zu urteilen.

Lena ist 17, als sie – in diesem Szenario – die Diagnose bekommt. Sie ist erleichtert, nicht weil alles gut ist, sondern weil sie endlich weiß, was mit ihr passiert. Für Lenas Mutation gäbe es auch 2036 vielleicht noch keine zugelassene Gentherapie – aber sie könnte in Entwicklung sein, und Lena könnte an einer klinischen Studie teilnehmen. Ob sie geheilt werden kann, bleibt offen. Aber ihre Chancen, ein selbstbestimmtes Leben zu führen, könnten 2036 deutlich besser sein als heute – wenn ein KI-System einen Tippfehler in ihrem Erbgut findet, den kein Mensch allein hätte finden können.

Prof. Dr. Julien Gagneur ist Experte für Computational Biology an der Technischen Universität München und unter anderem an der Entwicklung des German Human Genome Archive (GHGA) beteiligt, einer nationalen Infrastruktur für Genomdaten in der Forschung.

Zahngesundheit: Der Speichel schlägt Alarm

Anna, 34, ist Projektmanagerin, viel unterwegs und ehrlich gesagt: zu ihrer Zahnärztin geht sie erst, wenn's zieht. Ihr Alltag ist eng getaktet. Morgens Kaffee, mittags Meeting, abends Sport. An Zahnseide denkt sie meistens, außerdem putzt sie morgens und abends mit ihrer smarten Zahnbürste. Eines Morgens erscheint eine Meldung in ihrer Gesundheits-App: eine minimale Entzündungsreaktion im hinteren Bereich des Oberkiefers. Kein Alarm, kein Schmerz. Aber ein Hinweis, dem ihre Zahnärztin nachgehen wird.

Früh erkennen: Wie KI Zahnerkrankungen entdeckt, bevor sie wehtun

Annas Mund hat 2036 einen digitalen Zwilling. Ein virtueller Nachbau, gespeist aus 3D-Scans, Speichelanalysen und den täglichen Daten ihrer intelligenten Zahnbürste. Die KI bewertet diese Daten kontinuierlich, vergleicht sie mit Millionen anderer Profile und erkennt feinste Abweichungen im Zahnfleisch oder Zahnschmelz – lange bevor Anna irgendetwas spürt.

Prof. Dr. Falk Schwendicke, Direktor der Poliklinik für Zahnerhaltung, Parodontologie und digitale Zahnmedizin des LMU Klinikum München, nennt das die „Virtualisierung des Patienten"". Damit lassen sich Risiken simulieren, bevor sie real werden. „Wir werden Ereignisse vorausahnen und entsprechend präventiver für und zusammen mit unseren Patientinnen und Patienten wirken"", erklärt er. Zahnerkrankungen sind 2036 kein plötzlicher Befund mehr – sondern vorhersehbare, behandelbare Ereignisse.

Besser entscheiden: Wenn KI die Therapieoptionen individuell berechnet

Beim nächsten Termin sieht Annas Zahnärztin nicht nur ein Röntgenbild – sie sieht ein vollständiges Datenprofil. Die KI hat bereits mehrere Behandlungsszenarien simuliert: von einer intensivierten Mundhygiene mit individuell abgestimmten Pflegeprodukten über eine professionelle Tiefenreinigung der Zahnfleischtaschen bis hin zur gezielten Biofilm-Modifikation. Für jede Option berechnet sie Erfolgswahrscheinlichkeit, Heilungsdauer und Langzeitrisiko – zugeschnitten auf Annas individuelle Zahnstruktur, ihr Ernährungsverhalten und ihre Vorgeschichte. Die Zahnärztin bespricht die Optionen mit Anna. Gemeinsam entscheiden sie sich für den schonendsten Weg. Die KI liefert die Grundlage – die Entscheidung bleibt beim Menschen.

Möglich macht das unter anderem das sogenannte Natural Language Processing: KI-Systeme lesen Behandlungsverläufe, Befundberichte und Sprachaufnahmen aus früheren Terminen automatisch aus und verdichten sie zu einem klaren Bild. „In der nächsten Dekade wird die Sprachverarbeitung in der Medizin die nächste Revolution auslösen"", sagt Schwendicke. Nicht weil sie Diagnosen ersetzt, sondern weil sie Informationen zusammenführt, die sonst verstreut blieben.

Gezielt behandeln: Präziser, schonender, persönlicher

Wenn Anna 2036 behandelt wird, arbeitet ihre Zahnärztin mit einem System, das mitdenkt. Eine intelligente Robotereinheit berechnet datengestützt, wie die Prozedur optimal abläuft, und nimmt sie autonom vor. Ein sprachgesteuerter Assistent dokumentiert den Eingriff in Echtzeit, ohne dass jemand tippen muss. Die Zahnärztin hat beide Hände und den Kopf frei für Anna. Das Ergebnis: minimalinvasive Eingriffe, schnellere Heilung, weniger Substanzverlust. Und eine Nachsorge, die ebenfalls datengestützt läuft: Die App erinnert Anna an Kontrolltermine, passt Empfehlungen an ihren Heilungsverlauf an und meldet neue Auffälligkeiten direkt an die Praxis.

Schwendicke ist überzeugt: „Zahnärztinnen und Zahnärzte werden in diesem Prozess nicht überflüssig. Sie müssen diese automatisierten Vorgänge begleiten und weiterhin Verantwortung für jegliche Entscheidungen tragen."" KI ist das Werkzeug – der Mensch bleibt die Instanz. Für Anna bedeutet Zahngesundheit 2036 vor allem eines: Sie muss nicht mehr warten, bis es wehtut. Ihr digitaler Zwilling wacht mit. Ihre Zahnärztin entscheidet.

Prof. Dr. Falk Schwendicke ist Direktor der Poliklinik für Zahnerhaltung, Parodontologie und digitale Zahnmedizin an der Zahnklinik des LMU Klinikum München.

Glioblastom: Mehr Qualität im Leben

Jonas ist 34 Jahre alt, Vater einer zweijährigen Tochter und arbeitet als Ingenieur. Als er beginnt, unter anhaltenden Kopfschmerzen und merkwürdigen Wortfindungsstörungen zu leiden, denkt er zunächst an Stress. Dann kommt die Diagnose: Glioblastom – ein bösartiger Hirntumor, der zu den aggressivsten Krebserkrankungen überhaupt zählt. Die mittlere Überlebenszeit nach Diagnose liegt trotz Therapie bei etwa 15 Monaten. Für Jonas beginnt ab diesem Moment ein Wettlauf gegen die Zeit. Und die Frage, die ihn und seine Familie beschäftigt, lautet: Welche Therapie hat die besten Chancen – für ihn, ganz persönlich?

Daten sehen mehr als das menschliche Auge

Eine der größten Herausforderungen in der Krebsmedizin ist die enorme Bandbreite, mit der Patienten auf Therapien ansprechen. Zwei Menschen mit derselben Diagnose können auf dieselbe Behandlung völlig unterschiedlich reagieren – mit gravierenden Folgen für Lebensqualität und Überlebenschancen.

Genau hier setzt die Arbeit von Prof. Dr. Kristian Unger an. An der Klinik und Poliklinik für Strahlentherapie und Radioonkologie des LMU Klinikums analysiert er sogenannte Omics-Daten: hochkomplexe molekulare Informationen, die aus klinischen Proben wie Tumorgewebe oder Blut gewonnen werden. Sie geben Auskunft darüber, welche Gene aktiv sind, welche Proteine gebildet werden – und wie ein Tumor auf molekularer Ebene wirklich tickt.

„Die schiere Komplexität dieser Daten lässt sich mit klassischen statistischen Methoden nur in sehr begrenztem Maße erfassen"", erklärt Unger. KI-gestützte Verfahren hingegen können Muster in diesen Datensätzen erkennen, die durch das menschliche Auge überhaupt nicht erkennbar wären – und daraus Vorhersagemodelle ableiten, die das individuelle Ansprechen auf eine Krebstherapie prognostizieren.

Ohne KI läuft dieser Prozess heute weitgehend erfahrungsbasiert ab: Ärztinnen und Ärzte orientieren sich an klinischen Merkmalen des Tumors, an Studiendaten aus großen Patientengruppen – und treffen Therapieentscheidungen, die gut begründet, aber selten wirklich individuell sind.

Besser entscheiden: Die richtige Therapie für den richtigen Patienten

Für Jonas bedeutet das konkret: Im Jahr 2036 könnte sein Tumor nicht nur histologisch, sondern molekular vollständig charakterisiert werden. Ein KI-Modell analysiert seine Omics-Daten und ordnet ihn einer Patientengruppe zu – nicht nach allgemeinen Risikoklassen, sondern nach seinem spezifischen molekularen Profil. Das Modell sagt vorher, wie sein Tumor auf Strahlentherapie, Chemotherapie oder eine Kombination aus beidem ansprechen wird.

„Ein zentrales Ziel dieser Modelle ist die sogenannte Therapie-Deeskalation: Das bedeutet, eine Behandlung bewusst weniger intensiv zu gestalten“, erklärt Unger. „Also zum Beispiel auf eine Chemotherapie zu verzichten, obwohl sie nach gängigen klinischen Kriterien eigentlich vorgesehen wäre.“ Das klingt zunächst kontraintuitiv, macht aber Sinn, wenn man weiß: Nicht jeder Patient, der formal als Hochrisiko eingestuft wird, braucht auch die aggressivste Therapie. So kann man ihm die Belastungen einer Chemotherapie ersparen – ohne seine Heilungschancen zu verschlechtern. „Damit verringern wir zumindest nicht die Lebensqualität dieser Patienten"", so Unger. Die Zeit, die den Patienten und Patientinnen verbleibt, wird so zumindest nicht durch kräftezehrende Therapien belastet.

Gezielt behandeln: Monitoring, das mitdenkt

KI endet für Unger nicht bei der Diagnose. Im BMFTR-Forschungsprojekt KardioRad geht es um die Vorhersage herzbedingter Komplikationen nach Strahlentherapie, etwa bei Lungen- oder Brustkrebs. Daten aus Smartwatches, EKGs und sogenannten Patient Reported Outcome Measures – also Selbstauskünften der Patienten über ihren Gesundheitszustand – fließen in ein integriertes Frühwarnsystem ein.

„Über Basismodelle, in die Millionen von EKGs eingeflossen sind, lassen sich, in Kombination mit anderen klinischen Daten, Muster erkennen, die durch das menschliche Auge überhaupt nicht erkennbar wären"", erklärt Unger. Schlägt das System an, wird der Patient frühzeitig zum Kardiologen eingeladen oder engmaschig begleitet.

Dieses Prinzip – kontinuierliches, KI-gestütztes Monitoring über den gesamten Behandlungsverlauf – ist auch für die Glioblastom-Therapie der Zukunft denkbar. Statt auf Symptome zu warten, könnten Veränderungen im Krankheitsverlauf frühzeitig erkannt und die Therapie entsprechend angepasst werden. Heute hingegen sind Kontrolluntersuchungen zeitlich getaktet und reaktiv: Man wartet auf Beschwerden oder auffällige Bildgebungsbefunde und handelt dann.

Für Jonas bedeutet die Medizin des Jahres 2036 keine Garantie auf Heilung. Das Glioblastom bleibt eine der ungünstigsten Diagnosen, die ein Mensch erhalten kann. Aber es bedeutet: mehr Zeit. Zeit, um seine Tochter aufwachsen zu sehen. Zeit, die nicht durch unnötige Behandlungen aufgezehrt wird. Eine Therapie, die wirklich zu ihm passt – und ein System, das ihn dabei nicht allein lässt.

Prof. Dr. Kristian Unger leitet an der Klinik und Poliklinik Strahlentherapie der LMU München Forschungsprojekte zur KI-gestützten Krebstherapie. Als OMICS-Experte ist er am Leuchtturm „Omics und Liquid Biopsy"" des Bayerischen Krebsforschungszentrums (BZKF) beteiligt.

Eierstockkrebs: Im Wettlauf gegen die Zeit

Sabine, 52, hat den Satz noch im Ohr: „Wir haben alle Standardtherapien ausgeschöpft.“ Zwei Jahre Chemotherapie, unzählige Untersuchungen – und doch wuchs der Tumor weiter. Eierstockkrebs ist tückisch: 80 Prozent der Fälle werden erst entdeckt, wenn er sich schon ausgebreitet hat. An diesem Punkt beginnt Sabines Geschichte – und die einer neuen Form von Medizin.

Früh erkennen: KI verbindet, was Menschen trennt

Was Sabine im Jahr 2036 erwartet, gibt es in Ansätzen bereits heute – an wenigen spezialisierten Zentren, noch auf Studienbasis, noch nicht für alle. An der Technischen Universität München (TUM) etwa läuft seit einigen Jahren ein molekulares Tumorboard: Ärztinnen und Ärzte analysieren dort in einer Art Konferenz gemeinsam das genetische Profil eines Tumors und suchen nach Therapien, die genau zu diesem Profil passen. Bisher ein aufwendiger Prozess: Dutzende Datenbanken mussten manuell durchforstet werden.

„Früher berieten wir im Tumorboard drei, vier Stunden an einer einzelnen Patientin. Heute kann das KI-System diese Recherche in Sekunden leisten"", sagt Prof. Dr. Jacqueline Lammert, Oberärztin für Gynäkologische Präzisionsonkologie an der TUM. 2036 könnte das, was heute noch Ausnahme ist und im Rahmen von Studien angewendet wird, zum Standard geworden sein: Die KI analysiert, welche Mutationen Sabines Tumor antreiben, gleicht sie mit zehntausenden Fällen ab und schlägt passende Therapieoptionen vor.

Besser entscheiden: Das kollektive Gedächtnis der Medizin

Im Tumorboard diskutieren Onkologinnen, Pathologen und Informatiker jede Empfehlung, die die KI berechnet hat. Es ist eine Allianz, keine Konkurrenz. „KI ersetzt nicht die Expertise der Ärztinnen und Ärzte – sie hilft uns, Optionen zu sehen, die wir sonst übersehen hätten“, sagt Lammert.

Gerade bei seltenen Tumorarten oder komplizierten Rückfällen greift das System auf große Datensätze zurück – aus anonymisierten Fallverläufen, Studienprotokollen, internationalen Leitlinien. So entsteht ein kollektives Gedächtnis der Medizin, das Entscheidungsspielräume sichtbar macht. Sabines Ärztin könnte 2036 gezielt nach einer Therapie suchen, die genau zu ihrem Biomarkerprofil passt. Jedes Tumorboard, also die Tumorkonferenz der Ärzte und Ärztinnen, wäre auch ein Training für das System und kreierte Wissen, das beim nächsten Fall wieder hilft.

Gezielt behandeln: Der digitale Zwilling lernt mit

Bereits heute forscht Lammerts Team an GO Twin: einem KI-System, das auf den Daten von über 3000 Patientinnen mit Eierstockkrebs basiert. Es erstellt für jede Patientin ein digitales Abbild ihrer Erkrankung – den sogenannten digitalen Zwilling. Aus klinischen Berichten, Radiologie- und Pathologiebildern, genetischen Profilen und Therapieverläufen entsteht ein Modell, das Simulationen erlaubt: Welche Kombination könnte das Tumorwachstum stoppen? Welche Resistenzmechanismen drohen?

„Wir konnten über GO Twin einen Resistenzmechanismus entdecken, den wir in einzelnen Datenquellen nie gesehen hätten“, sagt Lammert. Auf Grundlage dieser Erkenntnis soll eine neue klinische Studie starten. 2036 könnte ein solcher digitaler Zwilling für Sabine selbstverständlich sein und ihre Therapie nicht nur begleiten, sondern maßgeblich gestalten.

KI bringt Wissen dorthin, wo es gebraucht wird

Schon heute kommen 40 Prozent der Fälle in Lammerts Tumorboard aus anderen Regionen Deutschlands. Ärzte und Ärztinnen senden digitale Daten, die Patientinnen bleiben wohnortnah in Behandlung.

„Ich finde es besonders wichtig, dass personalisierte Medizin kein Standortvorteil bleibt, sondern in die Fläche kommt“, betont Lammert. Genau daran arbeitet das neue Projekt Violett: Ein KI-Agentensystem, das Therapieleitlinien maschinenlesbar macht und klinische Entscheidungen unterstützt; auch dort, wo keine Universitätsklinik in der Nähe ist. Bereits 2031 soll es in städtischen Krankenhäusern, kleinen kommunalen Häusern und Praxen erprobt sein.

Damit wird ein Ziel sichtbar, das weit über Sabine hinausweist: Dass die Chancen einer Präzisionsmedizin nicht davon abhängen, wo man lebt, sondern welches Wissen verfügbar ist. Sabine könnte 2036 ein Medikament erhalten, das ursprünglich für eine andere Krebsart zugelassen war, ausgewählt auf Basis ihres genetischen Profils und der Simulationen ihres digitalen Zwillings. Sie wüsste, dass es kein Wundermittel ist. Aber es könnte die Krankheit stabil halten. Und zum ersten Mal seit Jahren bliebe Zeit: für Spaziergänge, für Pläne. „Es geht nicht darum, Wunder zu versprechen"", sagt Lammert. „Sondern darum, jede Therapie so zu gestalten, dass sie zu dieser Frau passt.“

Prof. Dr. Jacqueline Lammert ist Oberärztin für Gynäkologische Präzisionsonkologie am TUM-Klinikum und leitet die Forschungsgruppe KI in der Frauengesundheit am Institut für KI und Informatik in der Medizin der Technischen Universität München.

Herz- und Kreislauferkrankungen: Sternstunde der Wearables

Sabine, 52 Jahre, ist Abteilungsleiterin in einem mittelständischen Unternehmen, liebt klare Abläufe – und ignoriert gern die kleinen Warnsignale ihres Körpers. Seit Wochen fühlt sie sich erschöpft, manchmal sticht es in der Brust, und doch schiebt sie Termine und Verantwortung vor.

Im Jahr 2036 hat Sabine ein digitales Gesundheitskonto, das ihre Daten aus Uhr, Blutdrucksensor und Routine-Check-ups miteinander verknüpft. Die Aufzeichnungen ihres Wearables zeigen subtile Veränderungen: leicht erhöhte Herzfrequenz in Ruhephasen, minimale Gewichtszunahme, einen unregelmäßigen Puls. Eine medizinische KI gleicht diese Daten mit Millionen anderer Profile ab und erkennt früh ein mögliches Risiko für eine Herzinsuffizienz. Noch bevor Sabine Symptome spürt, meldet ihr System: „Bitte einen Kontrolltermin vereinbaren.“

Früh erkennen: Wie KI das Problem entdeckt, bevor es gefährlich wird

„KI-Modelle könnten Patientinnen und Patienten mit erhöhtem Risiko identifizieren, etwa für koronare Herzerkrankungen. Sie werden so frühzeitig zu Untersuchungen geschickt, und wenn man vulnerable Plaques, also entzündliche Fettablagerungen in den Arterien, findet, lässt sich rechtzeitig eine Therapie beginnen – zum Beispiel mit Cholesterinsenkern, Plättchenhemmern oder invasiven Verfahren wie Stents, um einen Herzinfarkt zu verhindern“, sagt Clemens Scherer, der an der Medizinischen Klinik und Poliklinik I der LMU München zu KI und Herz- & Kreislauferkrankungen forscht.

Der Vorteil bei der Früherkennung durch KI liegt in der kontinuierlichen Musteranalyse. Die KI erkennt Trends, die für den Menschen unsichtbar wären. Kliniken nutzen ein sogenanntes „Federated Learning“ – also ein vernetztes Lernen aus verschlüsselten Daten vieler Zentren. So wird das System ständig genauer, ohne dass Patientendaten zentral gesammelt werden müssen.

Heute entdeckt der Hausarzt Bluthochdruck oder Rhythmusstörungen meist erst bei Routineuntersuchungen oder wenn Beschwerden auftreten. Dann sind ggf. schon Schäden im Körper entstanden. Viele Risikopatientinnen bleiben unbemerkt, bis der erste klinische Zwischenfall geschieht.

Besser entscheiden: Wie KI bei der Therapie unterstützt

Sabines Arzt erhält den Hinweis des Systems und lässt ein KI-gestütztes Herzultraschall durchführen. Auf dem Monitor sieht Sabine, wie die Software in Echtzeit das Pumpverhalten ihres Herzens analysiert. Zusätzlich werden automatisiert weitere Parameter erhoben, die für die Therapie und Prognose entscheidend sind. Für sie ist das zunächst ungewohnt – früher hätte sie wochenlang auf den Arztbrief warten müssen. Nun bekommt sie unmittelbar eine verständliche Übersicht ihrer Werte. KI und Arzt identifizieren gemeinsam mögliche Ursachen wie eine beginnende koronare Herzkrankheit und besprechen, welche Therapien am besten zu ihrem Lebensstil passen.

Das Entscheidende: Die KI dient nicht als Ersatz, sondern als Navigationshilfe. Ärztinnen und Ärzte bleiben die letzte Instanz. Doch mit den neuen Tools können sie schneller und gezielter prüfen, welche Therapie individuell optimal ist – etwa welches Medikament Sabine gut verträgt oder welche Untersuchungen wirklich nötig sind. So sinkt das Risiko, entscheidende Details zu übersehen, und Sabine versteht ihre Behandlung besser.

Heute stützen sich Entscheidungen auf Leitlinien und Erfahrung. Individuelle Prognose- und Therapieabschätzungen sind kaum realisierbar, weil dazu Millionen Daten analysiert werden müssten. Das erledigt in Zukunft die KI in Sekunden.

Gezielt behandeln: Wenn Präzision Leben rettet

Nach der Untersuchung bekommt Sabine eine Therapieempfehlung: eine leichte Anpassung ihrer Blutdruckmedikamente und ein digitales Programm zur täglichen Herzüberwachung. Ihre Uhr misst Blutdruck, Puls und Gewicht, die Werte fließen automatisch in ihr Patientenkonto. Die KI erkennt kleinste Veränderungen – etwa eine unregelmäßige Herzfrequenz – und schlägt eine Rücksprache mit dem Arzt vor. Sabine erhält eine freundliche Benachrichtigung auf ihrem Display: „Nehmen Sie bitte heute eine zusätzlich Blutdrucktablette ein, da ihr Blutdruck zu hoch ist.“

Auch im Krankenhaus überwacht eine KI im Hintergrund unzählige Vitaldaten anderer Patientinnen und Patienten und schlägt Alarm, wenn sich kritische Werte abzeichnen. Damit lassen sich Klinikaufenthalte und Sterblichkeit deutlich senken, wie aktuelle Studien zeigen. Sabine weiß, dass die Technik ihr Sicherheit gibt – sie muss nicht mehr auf Symptome warten, um zu handeln.

Im jetzigen System reagieren Teams erst, wenn Beschwerden stärker werden. Ärztinnen und Pfleger müssen Daten manuell prüfen. Künftig erkennt KI Unregelmäßigkeiten selbstständig – und verschafft Sabines Ärztin mehr Zeit für Gespräche, Anpassungen und Motivation.

Ausblick: Mensch und Maschine im Zusammenspiel

2036 ist Künstliche Intelligenz in der Kardiologie längst alltäglich. Sie entlastet Sabines Ärztin von Bürokratie, hilft, Diagnosen präzise zu stellen und Therapien zu optimieren. Doch das Wichtigste bleibt der menschliche Kontakt – davon ist auch Experte Scherer vom LMU-Klinikum überzeugt: „KI kann Prozesse beschleunigen und Therapien verbessern. Aber sie kann nicht die ärztliche Einordnung, Verantwortung und Empathie ersetzen. Für die ärztliche Kommunikation bleibt sie ein Werkzeug – nicht der Ersatz.“

Sabine schätzt, dass sie ihre Gesundheit heute aktiver mitgestalten kann. „Wenn uns KI von administrativen Aufgaben entlastet, bleibt mehr Zeit für die Patientinnen und Patienten“, betont Scherer. Für Sabine heißt das: mehr Gespräche, weniger Wartezeiten.

Sabines Alltag hat sich mit der neuen Technologie spürbar verändert: Sie lebt bewusster, fühlt sich eingebunden und hat das gute Gefühl, dass ihr Herz auch zwischen zwei Terminen nicht allein bleibt.

Priv.-Doz. Dr. med. Clemens Scherer ist Oberarzt an der Medizinischen Klinik und Poliklinik I, die zum LMU Klinikum München gehört.

Schlaganfall: Mit datengestützter Früherkennung Leben retten

Sebastian ist 55. Er weiß, dass er gesünder leben könnte. Mehr Sport, gesünderes Essen, weniger Alkohol täten ihm gut. Und dass er ein paar Kilos zu viel auf die Waage bringt, sieht man ihm an. Dennoch denkt er selten über seine Gesundheit nach – bis an einem Sommermorgen im August 2036 eine Benachrichtigung auf seiner Smartwatch erscheint – dezent, aber eindringlich: „Auffälliges Durchblutungsmuster – bitte Kontakt mit Hausarzt aufnehmen.“

Früh erkennen: den Notfall vorausahnen

Was Sebastian nicht weiß: Hinter dieser Meldung arbeitet eine lernende KI, die Vitaldaten, Herz-Aktivität und Blutdruckmuster von Millionen Menschen analysiert. „KI kann helfen, den Zeitpunkt eines Schlaganfalls präzise zu bestimmen“, erklärt der Informatiker Prof. Daniel Rückert, der an der TU München die Professur für Artificial Intelligence in Healthcare und Medicine innehat. „Das ist entscheidend, um sofort die richtige Therapie einzuleiten.“

Bald tritt der Ernstfall ein: Eines Nachts spürt Sebastian Taubheitsgefühle – seine KI-App auf der Smartwatch schlägt Alarm, der Notarzt wird gerufen und die relevanten Patientendaten vorbereitet. Rückert betont: „KI kann radiologische Aufnahmen in wenigen Minuten analysieren und so auch in kleineren Krankenhäusern ohne entsprechendes Fachpersonal hochwertige Diagnosen ermöglichen.“

Besser entscheiden: lebensrettende Entscheidungen in kürzester Zeit treffen

Im Krankenhaus läuft alles koordiniert. Noch bevor die Ärztin den Monitor betrachtet, hat die KI die MRT-Bilder analysiert, den mutmaßlichen Zeitpunkt des Infarkts datiert und Therapieoptionen markiert. Die Entscheidung fällt gemeinsam: Thrombektomie, also die operative Entfernung des Blutgerinnsels, innerhalb des optimalen Zeitfensters.

Wo heute Minuten über bleibende Schäden entscheiden, sorgt 2036 ein Zusammenspiel aus Mensch und Maschine für Tempo – und für Sicherheit. Rückert zieht gerne den Vergleich: „Das lässt sich gut mit dem selbstfahrenden Auto vergleichen: Es unterstützt zunächst den Menschen und wird nach und nach eigenständiger.“

Rehabilitation: Lernen mit lernenden Systemen

Nach der Akutphase beginnt für Sebastian ein neues Kapitel: die Rückkehr ins Leben. Seit dem Schlaganfall kämpft Sebastian mit einem unsicheren Gang und Momenten, in denen sein Bein einfach nicht so will wie er möchte. Manchmal fällt es ihm auch schwer, die richtigen Worte zu finden. Frühzeitig übernimmt ein KI‑gestütztes Rehabilitationssystem die Planung seiner Übungen. Bewegungssensoren an Armen und Beinen zeichnen jede Trainingseinheit auf, die KI erkennt Fortschritte und passt Intensität und Dauer automatisch an. „Besonders vielversprechend sind KI‑gestützte Robotiksysteme, die Patient:innen beim Training nach einem Schlaganfall unterstützen“, erklärt Rückert. „Sie helfen, Bewegungen oder Sprachfähigkeiten wiederzuerlernen – auch dort, wo therapeutische Kapazitäten begrenzt sind.“

Sebastians digitales Trainingsprogramm lernt mit: Nach jeder Einheit erhält er Feedback, kleine Erfolgsmeldungen und neue Ziele. So wird Reha zu einer motivierenden Lernkurve anstelle monotoner Wiederholung. Nach einigen Monaten kann Sebastian wieder selbstständig gehen; seine Fortschritte fließen anonymisiert in das Lernsystem ein. Durch die Analyse seiner Daten sollen auch künftige Patienten von den Erkenntnissen profitieren und besser unterstützt werden.

Gezielt behandeln: Wenn Vorsorge rechtzeitig ansetzt

Zehn Wochen später haben sich Sebastians Werte verbessert. Die KI registriert den Trend, passt Empfehlungen fortlaufend an und erkennt, dass das Risiko für einen weiteren Schlaganfall deutlich gesunken ist. Für Professor Rückert von der TU München ist das kein Zukunftstraum, sondern eine logische Weiterentwicklung: „Wir müssen weg von pauschaler Prävention hin zu echter, personalisierter Gesundheitsvorsorge.“ KI kann Risiken sichtbar machen, bevor sie Schaden anrichten und Menschen zu einem Wechsel im Lebensstil motivieren, weil sie ihr eigenes Risiko verstehen.

Ausblick: Von der Reaktion zur Prävention

Wenn Sebastian heute an seinen Gesundheitsassistenten denkt, spürt er Dankbarkeit. 2036 ist die Schlaganfallmedizin nicht mehr nur im Krankenhaus, sondern am Handgelenk: mit Systemen, die zuhören, lernen und rechtzeitig warnen.

Quelle: Interview mit Prof.  Dr.  Daniel  Rückert, Technische Universität  München, 2026.

Infektionen: mehr Aufmerksamkeit für das Unscheinbare

Klaus ist 58 Jahre alt, Schreiner, körperlich fit – und seit einer Woche nicht mehr er selbst. Er schläft schlecht, ist ungewöhnlich müde, hat leichtes Fieber. Sein Hausarzt untersucht ihn, findet nichts Auffälliges, schreibt ihm ein Antibiotikum auf. Zwei Wochen später sitzt Klaus wieder in der Praxis. Das Fieber ist weg, aber er fühlt sich noch immer nicht wieder richtig gut. Irgendwas stimmt nicht.

Was Klaus nicht weiß: Solche Verläufe sind in der Infektiologie häufiger, als man denkt. Infektionskrankheiten gehören zu den häufigsten Todesursachen im Alter. Ab dem mittleren Lebensalter nehmen Häufigkeit und Schwere fast aller bakteriellen Infektionen zu: Lungenentzündungen, Harnwegsinfektionen, Haut- und Weichteilinfektionen. Sie sind der häufigste Grund für Krankenhauseinweisungen bei Menschen über 65 Jahren und machen dort rund 30 Prozent aller Aufnahmen aus. Und sie verlaufen anders als bei Jüngeren. Oft ohne die typischen Warnsignale, dafür mit Folgen für Kognition, Mobilität und Selbstständigkeit.

Das Problem beginnt häufig schon bei der Diagnose.

Früh erkennen: Wie erkennt KI das Problem, bevor es schlimmer wird?

Im Jahr 2036 könnte Klaus‘ Hausärztin beim ersten Termin auf ein System zurückgreifen, das still im Hintergrund mitdenkt. Während sie mit Klaus spricht, läuft eine KI, die seine Laborwerte, Vitalzeichen und Krankengeschichte kontinuierlich auswertet und Muster erkennt, die im Alltag einer gut ausgelasteten Praxis leicht übersehen werden.

Unspezifische Symptome sind das Kernproblem der Infektiologie im mittleren und höheren Lebensalter. Fieber, Abgeschlagenheit, leichte Verwirrtheit: Das klingt nach vielem. Die KI könnte helfen, aus dieser Unschärfe ein klareres Bild zu formen. Welche Kombination aus Symptomen, Vorerkrankungen und Laborwerten deutet auf eine Lungenentzündung hin? Welche auf eine beginnende Sepsis, also eine lebensbedrohliche Überwältigungsreaktion des Körpers auf eine Infektion? Und wann ist ein einfaches Antibiotikum ausreichend, wann braucht es mehr?

„Dann würde die KI sagen: Moment mal, Warnsignal“, erklärt PD Dr. med. Hans Christian Stubbe, Infektiologe am LMU Klinikum München und dort als Chief Medical Information Officer für die Digitalisierung klinischer Prozesse zuständig. „Sie empfiehlt: ‘Mach nochmal einen Test zur Sicherheit.‘ Und dann könnte eine Erkrankung früher identifiziert werden, was dem Patienten natürlich extrem hilft.“

Stubbe beschreibt das als das nächste Level der Medizin. Voraussetzung dafür ist, dass Patientendaten gut digitalisiert und zugänglich sind. Daran arbeitet sein Team bereits heute: In der Infektionsambulanz des LMU Klinikums testen sie Systeme, bei denen Patientinnen und Patienten ihre Daten schon im Wartezimmer per App eingeben, Medikamentenpläne per QR-Code eingelesen werden und KI das Arztgespräch in Echtzeit transkribiert, damit der Arzt sich voll auf den Menschen vor ihm konzentrieren kann.

Die Realität vielerorts sieht anders aus: Praxen arbeiten noch mit Software aus den frühen 2000ern, Befunde werden abgetippt, Berichte spät nachts geschrieben. Wer mit unspezifischen Symptomen kommt, wird oft nach Erfahrung behandelt. Gut begründet, aber selten wirklich individuell.

Besser entscheiden: Wie hilft KI, die richtige Therapie zu wählen?

Wenn Klaus 2036 in der Praxis sitzt, könnte seine Hausärztin nicht nur auf seine aktuelle Symptomatik schauen, sondern auf ein vollständiges Datenprofil: Welche Erreger kommen bei jemandem mit seinem Alter, seiner Vorgeschichte und seinen Laborwerten am häufigsten vor? Welches Antibiotikum wirkt und welches nicht, weil der Erreger resistent ist?

Besonders groß ist das Potenzial laut Stubbe bei chronischen Infektionskrankheiten wie HIV oder Hepatitis. Diese Patientinnen und Patienten brauchen jahrelange, engmaschige Betreuung durch Spezialistinnen und Spezialisten. Wann muss die Therapie umgestellt werden? Welches Medikament verträgt sich mit einer neu hinzugekommenen Erkrankung wie Diabetes? Fragen, die heute nur erfahrene Infektiologen sicher beantworten können.

„Meine Vorstellung ist, dass der HIV-Patient mit seiner komplexen Infektion zum Hausarzt geht und ein Modell dem Hausarzt hilft, die Infektion zu steuern“, sagt Stubbe. „Selbst die komplexesten infektiologischen Fragen könnte eine spezialisierte KI in Windeseile beantworten, ohne dass ein zusätzlicher Facharztbesuch nötig wäre."" Nur wenn das Modell keine hinreichende Sicherheit erreicht, würde noch in ein Zentrum überwiesen.

Das wäre ein enormer Gewinn, nicht nur für Patientinnen und Patienten in Städten, sondern vor allem für Menschen auf dem Land, wo die nächste Infektiologie Stunden entfernt ist und Wartezeiten von Wochen keine Seltenheit sind.

Gezielt behandeln: Wie macht KI die Behandlung präziser und wirksamer?

Diagnose und Therapieentscheidung sind der Anfang. Was danach kommt, ist ebenso entscheidend: die Begleitung über die Zeit. Denn Infektionskrankheiten verändern sich. Die Behandlung muss sich mit ihnen verändern.

Im Jahr 2036 könnte Klaus' Verlauf kontinuierlich überwacht werden: Laborwerte, Vitalzeichen, vielleicht Daten aus einer Smartwatch. Eine KI erkennt, ob die Therapie anschlägt oder ob sich der Zustand verschlechtert, bevor Klaus selbst etwas spürt. Schlägt das System an, wird die Hausärztin informiert.

Klaus geht 2036 mit einem Behandlungsplan nach Hause, der zu ihm passt. Nicht zu einem Durchschnittspatienten, nicht zu einer Leitlinie, die für alle gilt. Zu ihm, mit seiner Geschichte, seinen Werten, seiner Situation. Ob das ausreicht, um ihn schnell wieder auf die Beine zu bringen, bleibt offen. Aber seine Chancen, dass das Problem früh erkannt, richtig eingeordnet und gezielt behandelt wird, die sind 2036 deutlich besser als heute.

PD Dr. med. Hans Christian Stubbe ist Facharzt für Innere Medizin und Infektiologie an der Medizinklinik 2 des LMU Klinikums München. Er hat sich für Entscheidungsfindung in der klinischen Infektiologie habilitiert und ist als Chief Medical Information Officer am LMU Klinikum für die Digitalisierung klinischer Prozesse zuständig.

Quellen: Ärzteblatt Hessen, „Infektionskrankheiten im höheren Lebensalter"", Juli/August 2024 (laekh.de); Interview mit PD Dr. med. Hans Christian Stubbe, LMU Klinikum München, 2026

Alzheimer: dem Vergessen zuvorkommen

Georg ist 68 Jahre alt, pensionierter Lehrer, leidenschaftlicher Schachspieler. Seit einigen Monaten fällt ihm auf, dass er mitten im Satz nach Worten sucht – Dinge, die er früher mühelos abrief. Er erwähnt es beim nächsten Termin mit seiner Hausärztin fast beiläufig, zwischen Blutdruckmessung und Cholesterinwert. Seine Ärztin hört zu. Und dann passiert etwas, was heute noch selten ist: Sie handelt.

Alzheimer ist die häufigste Ursache für Demenz – und eine der am schwersten zu greifenden Erkrankungen überhaupt. Nicht, weil sie selten wäre, sondern weil sie sich so lange versteckt. Die Veränderungen im Gehirn beginnen Jahre, manchmal Jahrzehnte vor den ersten spürbaren Symptomen. Bis eine Diagnose gestellt wird, vergehen heute im Durchschnitt 3,5 Jahre nach dem ersten Auftreten von Beschwerden, und ein großer Teil der fortgeschrittenen Demenzen wird überhaupt nicht diagnostiziert. Viele Betroffene warten noch länger. Dabei gilt: Je früher eine Diagnose gestellt wird, desto länger lässt sich die Phase erhalten, in der Menschen noch weitgehend selbstständig leben können.

Früh erkennen: Wie erkennt KI das Problem, bevor es schlimmer wird?

Im Jahr 2036 beginnt die Früherkennung von Alzheimer bei der Hausärztin – nicht erst in der Gedächtnisambulanz, nicht erst dann, wenn die Erkrankung bereits weit fortgeschritten ist. Georgs Ärztin führt einen bis dahin standardisierten Brain Health Check-up durch: ein kurzer digitaler Gedächtnistest am Tablet, eine Blutabnahme, ein Gespräch. Die KI übernimmt die Auswertung.

Ein entscheidender Schritt ist ein Bluttest auf den Biomarker pTau217 – ein Eiweißfragment, das auf krankhafte Amyloid-Ablagerungen im Gehirn hinweist, lange bevor Symptome spürbar werden. Der Test ist heute seit kurzem CE-zertifiziert, also für den Einsatz in Deutschland zugelassen. 2036 wird er Routine sein – und es wird noch weitere, neue Tests geben. Gegenüber bisherigen Untersuchungs-Methoden (z. B. PET-Scan vom Gehirn oder Untersuchung der Nervenflüssigkeit), die teuer, schwer zugänglich oder invasiver sind, wären solche Bluttests ein enormer Fortschritt. Künftig könnten in der Alzheimer-Diagnostik verschiedenen Ansätze kombiniert werden: Tests auf Amyloid, weitere Biomarker, digitale Marker etc., ähnlich wie bei der Krebsvorsorge.

„Der Zeitpunkt der Erkennung wird sich in Zukunft weiter nach vorne verschieben, in asymptomatische Stadien,“ prognostiziert Robert Perneczky, Leiter der Abteilung für Psychische Gesundheit im Alter und des Alzheimer Therapie- und Forschungszentrums des LMU-Klinikums München. „In diesen Phasen weisen nur gewisse Biomarker auf die Erkrankung hin, es sind noch keine Symptome vorhanden.“

Ergänzt wird der Bluttest in Zukunft durch einen KI-gestützten kognitiven Schnelltest, der Sprachfluss, Reaktionszeit und Gedächtnisleistung misst – ähnlich dem klassischen Uhrentest, bei dem eine Uhr gezeichnet werden muss, nur präziser und vollständig automatisiert ausgewertet. Für Georg bedeutet die frühe Erkennung: Er weiß, womit er es zu tun hat. Und er kann handeln, solange er noch alle Möglichkeiten hat.

Zeigen die Werte Auffälligkeiten, wird 2036 der nächste Schritt klar sein: Der digitale Patientenpfad – eine KI-gestützte Plattform, die alle Befunde bündelt – schlägt automatisch die Überweisung in die neurologische Praxis vor und koordiniert den Termin. Alle Beteiligten im Behandlungsprozess, von der Hausärztin bis zur Gedächtnisambulanz, sehen genau die Informationen, die an dieser Stelle des Pfades relevant sind. „Solche klar definierten Patientenpfade, wie es sie aktuell für zum Beispiel für Herzerkrankungen bereits gibt, fehlen für Demenz,“ ordnet Perneczky ein. „Die Vorteile für Betroffenen: einerseits verbesserte Früherkennung und damit letztlich Prävention der Alzheimer-Erkrankung, andererseits mehr Empowerment. Betroffene und Angehörige wissen ganz klar, wo sie im Patientenpfad stehen und welche Ansprechstellen die richtigen für sie sind.“

Besser entscheiden: Wie hilft KI, die richtige Therapie zu wählen?

Nicht jede Gedächtnisschwäche ist Alzheimer. Und nicht jeder Alzheimer-Befund bedeutet dasselbe. KI hilft 2036 dabei, beides zu unterscheiden und die Therapie gezielt auf die individuelle Situation abzustimmen.

Georgs Blutbiomarker zeigen erhöhte pTau217-Werte, zusätzlich wertet die KI seine MRT-Aufnahmen vom Gehirn aus. Zusammen mit den kognitiven Testergebnissen ergibt sich ein klares Bild: frühe Alzheimer-Erkrankung, noch im Stadium leichter kognitiver Beeinträchtigung – dem sogenannten Mild Cognitive Impairment (MCI). In dieser Phase sind erste Einschränkungen messbar, aber die Selbstständigkeit im Alltag ist noch weitgehend erhalten. Genau hier liegt das größte Potenzial: Wer in diesem Stadium erkannt wird, hat die besten Chancen, von einer Therapie zu profitieren.

Gezielt behandeln: Wie macht KI die Behandlung präziser und wirksamer?

Auf dieser Grundlage entscheidet das Behandlungsteam – gemeinsam mit Georg – über die nächsten Schritte. Zur Verfügung stehen 2036 voraussichtlich mehrere zugelassene Medikamente, zum Beispiel Antikörper, die gezielt gegen Amyloid-Ablagerungen im Gehirn wirken, aber auch neuere Wirkstoffe. Sie werden einfacher in der Verabreichung sein, schwere Nebenwirkungen werden weniger als heute. Die Wahl des richtigen Präparats hängt vom individuellen Biomarkerprofil ab – eine Entscheidung, die KI vorbereitet, aber das ärztliche Team trifft.

Langfristige Begleitung: von KI unterstützt

Diagnose und Therapieentscheidung sind der Anfang. Was danach kommt, ist ebenso entscheidend: die Begleitung über die Zeit. Denn Alzheimer ist eine Erkrankung, die sich verändert – und die Behandlung muss sich mit ihr verändern.

Georgs digitaler Patientenpfad läuft weiter, auch nach der ersten Diagnose und Therapie. Kognitive Tests werden regelmäßig wiederholt – nicht mehr als aufwändige Termine in der Klinik, sondern als kurze digitale Checks, die Georg von zu Hause aus ausfüllt. Die KI erkennt, ob sich sein Zustand stabilisiert, verbessert oder verschlechtert, und gibt dem Behandlungsteam frühzeitig Hinweise, wenn eine Anpassung der Therapie nötig wird.

Georg wird seine Erkrankung nicht besiegen. Aber er hat bessere Chancen als je zuvor: früher erkannt, gezielter behandelt, besser begleitet.

Wissenschaftliche Grundlage: Interview mit Univ.-Prof. Dr. med. Robert Perneczky, MBA, Leiter des Alzheimer Therapie- und Forschungszentrums am LMU Klinikum München und Arbeitsgruppenleiter am Deutschen Zentrum für Neurodegenerative Erkrankungen (DZNE) München. Ergänzend: Orgeta V et al., „Dementia takes 3.5 years to diagnose after symptoms begin"", University College London (2025); Roche, CE-Zulassung Elecsys® pTau217 (2025); DZNE, Alzheimer-Bluttest USA (2025); DZNE-Magazin, „Eine App gegen Alzheimer"" (2025); Alzheimer Forschung Initiative, Behandlungsübersicht (2025); Thieme Connect, Deep-Learning-Modell zur Amyloid-Vorhersage via MRT (2025); Springer, KI und OMICs-Ansätze bei Alzheimer (2024).

Pflege: smarte Unterstützung für mehr Menschlichkeit

Hildegard ist 79 Jahre alt, lebt allein in ihrer Wohnung in Landsberg am Lech, westlich von München, und liebt es, morgens lange am Küchentisch zu sitzen. Seit einem Jahr kommt dreimal täglich eine Pflegerin – kurze Besuche, immer ein anderes Gesicht, manchmal kaum Zeit für ein Gespräch. Hildegard versteht das. Aber manchmal wünscht sie sich einfach jemanden, der zuhört.

Dass Hildegards Wunsch 2036 vielleicht erfüllt werden könnte – nicht von einem Menschen, aber von einer Technologie, die sich anfühlt wie Gesellschaft –, daran arbeitet Prof. Dr. Alexander König, Lehrstuhlvertreter für Robotik und Systemintelligenz an der Technischen Universität München. Sein Forschungsprojekt Geriatronics hat ein Ziel: Ältere Menschen sollen möglichst lange selbstbestimmt zu Hause leben können.

Früh erkennen: wenn die Wohnung mitdenkt

Im Jahr 2036 könnte Hildegards Wohnung still mitdenken. Sensoren an Türen, Herd und Bett registrieren, ob sie aufgestanden ist, ob sie gegessen hat, ob der Herd nach zehn Minuten noch läuft. Eine KI wertet diese Daten kontinuierlich aus – und schlägt Alarm, wenn etwas nicht stimmt. Fällt Hildegard, erkennt das System den Sturz automatisch und wählt den Notruf. Aktuelle Forschung zeigt, dass solche Systeme bereits heute in der Lage sind, Gesundheitsanomalien frühzeitig zu erkennen und medizinische Termine automatisch einzuplanen, bevor Symptome schlimmer werden.

Auch die Medikamenteneinnahme könnte überwacht werden: Ein smarter Dispenser erinnert Hildegard zur richtigen Zeit, dokumentiert, ob sie die Tabletten genommen hat, und informiert bei Bedarf ihre Tochter, per App, aus der Ferne. Nicht als Kontrolle, sondern als Sicherheitsnetz. KI-gestützte Sprachassistenten können dabei regelmäßige Check-ins durchführen, Veränderungen in Stimmung oder Symptomen erkennen und bei Bedarf direkt Pflegekräfte oder Ärztinnen benachrichtigen.

„Es wird viel über Sensorik kommen“, erklärt Prof. König. „Systeme, die eine Sturzerkennung haben und dann automatisch den Notruf wählen können. Medikamentenüberwachung, Sicherheitsüberwachungen – das sind viele Dinge, die passieren werden.“

Zeitsparen mit KI: für mehr Zeit mit den Menschen

2036 könnte ein Roboter im ländlichen Pflegeheim mehr sein als ein Helfer für Hol-und-Bring-Aufgaben. Professor König beschreibt ein Szenario, das heute in den USA bereits in Ansätzen existiert: Ein teleoperierter Roboter führt unter Anleitung einer Ärztin einen Fernbesuch durch und hört das Herz ab, macht einen Ultraschall, übermittelt die Daten in Echtzeit. Die Ärztin sitzt 100 Kilometer entfernt.

Für Hildegard würde das bedeuten: keine Taxi-Orga, kein langer Fahrtweg zur Praxis, kein Warten im Wartezimmer. Die Untersuchung kommt zu ihr. Und die Pflegekraft vor Ort – augmentiert, also erweitert, durch Technologie – kann Informationen liefern, die früher nur ein Arztbesuch ergeben hätte. KI-Systeme können dabei Krankenakten, Vitalwerte aus Wearables und frühere Behandlungsverläufe zusammenführen und dem ärztlichen Team in Echtzeit aufbereitete Entscheidungsgrundlagen liefern.

Auch die Dokumentation, heute eine der größten Zeitfresser im Pflegealltag, könnte KI übernehmen. „Die Pflegekraft kann unterwegs einfach diktieren: ‘Frau Müller hat heute drei Gläser Wasser getrunken, die Wunde schaut gut aus, sie war guter Stimmung’“, sagt König. „Das wird systematisch gemacht, dann hat man die Fahrzeit produktiv genutzt und die Pflegekraft entlastet.“

Adieu, Einsamkeit: eine KI mit unendlicher Geduld beim Zuhören

Hildegard lebt allein, aber sie muss sich nicht allein fühlen. Im Jahr 2036 könnte auf ihrem Küchentisch ein kleines Gerät stehen, das sie anschaut, wenn sie spricht. Es erinnert sich an alles, was sie erzählt hat. Es ist immer geduldig. Es spricht, wenn nötig, sogar bayerisch. Und es könnte ihr Lieblingsgedicht vorlesen, das Foto vom Urlaub 1987 zeigen oder einfach fragen, wie die Nacht war.

„Jemandem zuhören ist etwas, was eine KI inzwischen mindestens genauso gut kann wie ein Mensch“, sagt König. „Und sie ist immer verfügbar. Sie wird sich immer an alles erinnern, was ich gesagt habe. Sie wird unendliche Geduld mitbringen.“ König betont dabei ausdrücklich: Es geht nicht um Ersatz, sondern um Augmentierung – die Pflegekraft, die weiterhin kommt, wird durch Technologie unterstützt, nicht verdrängt.

Was König beschreibt, ist wissenschaftlich belegt: Aktuelle Forschung zeigt, dass KI-gestützte Sprachsysteme in der Lage sind, Einsamkeit und soziale Isolation bei älteren Menschen wirksam zu reduzieren. Sogenannte Reminiszenztherapie per KI – bei der das System personalisierte Inhalte wie Musik, Fotos oder Geschichten aus dem Leben der Person abruft – verbessert nachweislich die Stimmung und stärkt das Gefühl von Zugehörigkeit (Khalil et al., 2026). Solche Ansätze gehen weit über einfache Sprachassistenten hinaus: Sie lernen, passen sich an und werden mit der Zeit zu einem echten Gegenüber.

Robotik-Lösungen für Menschen, die mit Worten kaum noch erreichbar sind

Demenzpflege ist eine der größten Herausforderungen im Pflegesystem. Stationäre Einrichtungen sind vielerorts bereits heute überwiegend mit Demenzpflege beschäftigt. Und die Zahl der Betroffenen steigt. Technologie, die diese Menschen erreicht, wo Sprache versagt, könnte eine der wichtigsten Entwicklungen der nächsten zehn Jahre sein. Heute gibt es dafür bereits erste Ansätze: Robotische Kuscheltiere mit Herzschlag und Atemrhythmus helfen, Aufregung zu dämpfen und emotionale Regulation zu fördern. „Wenn Worte nicht mehr reichen“, so der Slogan eines Startups, das solche Geräte vertreibt. Auch das ist, in Königs Worten, verkörperte KI.

Hildegard wird 2036 vielleicht immer noch dreimal täglich Besuch bekommen. Aber die Pflegerin, die kommt, hat mehr Zeit – weil die Dokumentation schon erledigt ist, weil der Roboter die Wäsche gemacht hat, weil das Sensorsystem in der Nacht aufgepasst hat. Und auf dem Küchentisch steht jemand, der zuhört, wenn sie erzählen möchte. Ob das genug ist, bleibt offen. Aber es wären bessere Chancen als heute.

Prof. Dr. Alexander König ist Lehrstuhlvertreter für Robotik und Systemintelligenz an der Technischen Universität München und leitet das Forschungsprojekt Geriatronics, das KI-gestützte Assistenzsysteme für ältere Menschen entwickelt.

Quellen:

Interview mit Prof. Dr. Alexander König, TUM, Juni 2026

Khalil, R. A., Ahmad, K. & Ali, H. (2026). Redefining Elderly Care With Agentic AI: Challenges and Opportunities. IEEE Open Journal of the Computer Society, 7. DOI: 10.1109/OJCS.2026.3650842

Statistisches Bundesamt (Destatis, 2026): Demografischer Wandel

The New York Times (2026): To Stay in Her Home She Let In An A.I. Robot; Geriatronics Research Center, TUM.