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.
In der Medizin stellen sich oft ethische Fragen. Ethisch bedeutet: Was ist richtig? Und was ist falsch? Und wie sollen Menschen handeln? Diese ethischen Fragen stellen sich Experten in der Medizin schon lange.
Ein Beispiel: Schwangere Frauen haben vor der Geburt des Babys viele Untersuchungen. Der Arzt untersucht vielleicht das Blut der schwangeren Frau. So bekommt der Arzt auch Informationen über die Gene von dem Baby. Die Gene sind die Bausteine des Menschen. Dann kann der Arzt zum Beispiel erkennen: Sind die Gene des Babys vielleicht verändert? Hat das Baby vielleicht eine vererbte Krankheit? Eine vererbte Krankheit ist in den Genen.
Die Untersuchungen vor der Geburt sollen Eltern helfen. Die Eltern sollen wissen: Wie entwickelt sich das Baby? Dann können die Eltern informierte Entscheidungen treffen. Sie können zum Beispiel entscheiden: Soll das Baby behandelt werden? Und die Eltern können entscheiden: Das Baby ist sehr krank. Möchten wir die Schwangerschaft vielleicht abbrechen?
Was kann die KI in Zukunft?
Experten sagen: KI wird auch bei den Vorsorgeuntersuchungen während der Schwangerschaft immer wichtiger. In der Zukunft kann die KI vielleicht viele verschiedene Daten gleichzeitig auswerten. Die Daten sind zum Beispiel:
Vielleicht gibt es in Zukunft auch große Datenbanken. In einer Datenbank sind sehr viele Informationen gespeichert. In den Datenbanken sind dann auch Informationen über die Gene der Mutter und des Vaters. Dann kann die KI auch diese Informationen auswerten. Dann kann die KI vielleicht vorhersagen: Hat das Kind vielleicht ein höheres Risiko für bestimmte Krankheiten? Oder hat das Kind vielleicht ein Risiko für eine seltene Krankheit?
Die KI kann viel mehr Daten auswerten als ein Mensch. Und die KI kann mehr Dinge in den Daten erkennen als ein Mensch. Deshalb kann eine KI vielleicht mehr Krankheiten bei ungeborenen Babys finden.
Die Menschen müssen deshalb in der Zukunft viel öfter ethische Fragen stellen. Sie müssen überlegen:
Vorsorgeuntersuchungen sollen nicht zum Aussortieren genutzt werden
Vorsorgeuntersuchungen sind gut. Aber Vorsorgeuntersuchungen können auch als Werkzeug zum Aussortieren von ungeborenen Kindern werden. Aussortieren bedeutet hier: Eine Schwangerschaft wird abgebrochen und das Baby getötet. Ein Test hat nämlich ein Risiko für eine schwere Krankheit gezeigt.
Ein Beispiel:
In Dänemark können alle Schwangeren einen Test machen lassen. Dieser Test erkennt die Krankheit Down-Syndrom. Ursache des Down-Syndroms ist eine Veränderung in den Genen. Der Test zeigt: Das Baby hat wahrscheinlich das Down-Syndrom? Dann können die Eltern die Schwangerschaft abbrechen. Seit es den Test gibt, werden weniger Kinder mit der Krankheit Down-Syndrom geboren. Im Jahr 2017 wurden nur 13 Kinder mit Down-Syndrom in Dänemark geboren.
Wichtig ist: Die Entscheidung über eine Untersuchung oder eine Behandlung muss immer bei dem Menschen liegen. Eine KI darf nichts entscheiden. In Deutschland gibt es dazu klare Regeln. Der Staat Deutschland darf nicht sagen: Alle Schwangeren müssen einen genetischen Test in der Schwangerschaft machen lassen. Und nur genetisch gesunde Babys dürfen leben. Das ist in Deutschland verboten.
In Deutschland gibt es viele Regeln für die Medizin. Die Regeln sind sehr streng. Das ist gut für die Menschen. So können sie den Ärzten vertrauen. Ärzte müssen medizinische Entscheidungen treffen. Dafür ist wichtig: Hilft die Behandlung wahrscheinlich? Braucht der Patient die Behandlung? Die Kosten für die Behandlung dürfen die Entscheidung nicht beeinflussen. Manche Menschen haben ein genetisches Risikoprofil. Das heißt: Sie können bestimmte Krankheiten leichter bekommen. Aber diese Menschen sollen trotzdem die gleiche Hilfe bekommen wie andere Menschen. Die Hilfe darf nicht teurer sein.
Was ist das Recht auf Nichtwissen?
Eine weitere wichtige Regel für die Arbeit von Ärzten ist das Recht auf Nichtwissen. Das bedeutet: Menschen dürfen frei entscheiden, was sie wissen möchten. Und die Eltern dürfen entscheiden: Wir möchten nicht wissen: Hat unser Kind eine genetische Krankheit? Dann darf niemand die Eltern unter Druck setzen.
Zusammenfassung
Mit Hilfe von KI werden Ärzte in Zukunft sehr viel mehr über Patienten wissen. Und Ärzte werden schon vor der Geburt mehr über das Baby wissen. Die Ärzte haben dann zum Beispiel mehr Informationen über die Gene des Babys. Und die Ärzte kennen vielleicht das Risiko für bestimmte Krankheiten. Das kann helfen. Die wichtigste Frage bleibt aber: Was machen wir als Gesellschaft mit diesem Wissen? Das ist keine technische Frage an die KI. Das ist eine Frage für uns alle.
Etwa acht Minuten. So lang dauert ein durchschnittliches Arzt-Patienten-Gespräch in Deutschland – für Symptome, Diagnose, Therapieoptionen und Rückfragen. Die Dokumentation läuft nebenher. Wer schon einmal beobachtet hat, wie eine Ärztin während des Gesprächs auf den Bildschirm tippt, weiß: Die knappe Zeit wird nicht immer für das Wesentliche genutzt.
Genau hier setzt KI an. Nicht als Ersatz für das Gespräch, sondern als Werkzeug, das es von Ballast befreit.
Was KI heute schon verändert
Die Dokumentation ist der erste große Hebel. Als erste Klinik in Deutschland begann die Charité – Universitätsmedizin Berlin im Mai 2025 damit, die KI-gestützte Software „Dragon Copilot“ von Microsoft im klinischen Alltag zu erproben. Das System erfasst Arzt-Patienten-Gespräche in Echtzeit, mit Einwilligung beider Seiten, und erstellt strukturierte medizinische Notizen, die Ärztinnen und Ärzte nur noch prüfen und freigeben müssen. Das Ziel: Zeit zu gewinnen, von der dann Patienten und Patientinnen profitieren.
Wie groß das Potenzial ist, zeigt ein Blick nach England: Im Juni 2026 kündigte NHS England an (also das nationale Gesundheitssystem in UK), Microsoft 365 Copilot an 505.000 Klinik- und Verwaltungsmitarbeitende auszurollen – der größte KI-Rollout im Gesundheitswesen weltweit. Ein vorangegangenes Pilotprojekt mit mehr als 30.000 Beschäftigten in 90 NHS-Einrichtungen hatte gezeigt: KI-gestützte Verwaltungsunterstützung spart im Schnitt 43 Minuten pro Person und Tag – fünf Wochen pro Jahr (The Street, Juni 2026).
Der zweite Hebel ist Verständlichkeit. Prof. Dr. med. Keno Bressem, Wissenschaftler am TUM Klinikum Deutsches Herzzentrum, forscht daran, medizinische Dokumente automatisch in patientenverständliche Sprache zu übersetzen. Die Idee: Wer seinen Befund versteht, kann besser mitentscheiden. „Wenn man besser versteht, was mit der eigenen Gesundheit passiert, kann man auch besser in die Entscheidungsfindung mit reingehen“, sagt Bressem. Auch Sprachbarrieren könnten so sinken – ein erheblicher Gewinn in einer zunehmend multikulturellen Gesellschaft, in der der Medizin-Betrieb heute teilweise noch stark auf Dolmetscher angewiesen ist.
Was erstmal gut klingt, hat ein „aber“: Halluzinationen oder Fehler, die die KI in die Übersetzungen einbaut, müssen unbedingt vermieden werden. Stand jetzt – und vermutlich auch noch in zehn Jahren – braucht es deshalb ärztliche Aufsicht und Kontrolle.
Das Gespräch der Zukunft
Prof. Dr. Lisa Adams, Stellvertretende Direktorin am Institut für diagnostische und interventionelle Radiologie am TUM Klinikum Rechts der Isar, skizziert, wie sich das Arzt-Patienten-Gespräch bis 2036 verändern könnte: Statt statischer Fragebögen im Wartezimmer befragt eine KI Patientinnen und Patienten vorab zu Hause. Interaktiv, in Ruhe, mit der Möglichkeit nachzufragen. Ärztinnen und Ärzte erhalten ein vollständigeres Briefing, bevor das Gespräch überhaupt beginnt.
Aber auch hier gilt: kein Alleingang der KI ohne ärztliche Kontrolle. KI wird als Assistent bei der (tele-)medizinischen Anamneseerhebung dabei sein, aber nicht alleine die Anamnese stellen. „Die Grenze zwischen Entscheidungsassistenz und automatisierter Entscheidung darf nicht überschritten werden“, so formuliert es ein Beschlussprotokoll der Bundesärztekammer von 2025 zum KI-Einsatz in der Medizin.
Während des Gesprächs könnte eine KI im Hintergrund zuhören, das Arzt-Patienten-Gespräch dokumentieren und diskret auf fehlende oder widersprüchliche Informationen hinweisen. In den USA werden solche Systeme bereits in vielen Kliniken eingesetzt. Adams geht davon aus, dass sie sich in den kommenden zehn Jahren auch in Deutschland zunehmend etablieren werden. Das Ziel sei jedoch nicht, den Arzt zu ersetzen, sondern ihm mehr Zeit für den Patienten zu verschaffen. „Ich glaube, die Arzt-Patienten-Beziehung könnte sich von einer reinen Informationsvermittlung stärker hin zu einer gemeinsamen Einordnung der Befunde und einer gemeinsamen Entscheidungsfindung entwickeln.“
Patientinnen und Patienten könnten sich außerdem rund um die Uhr über ihre Erkrankung informieren mit KI-Systemen, die auf geprüften medizinischen Quellen basieren. Wer gut vorbereitet in die Praxis kommt, nutzt die zehn Minuten besser. Und fragt vielleicht auch die Fragen, die man sich sonst nicht zu stellen traut: „Man traut sich gegenüber der KI vielmehr dümmere Fragen zu stellen“, sagt Bressem und meint das als Kompliment an die Technologie.
Was bleibt – und was offen ist
So viel Potenzial die Technologie bietet: Bressem warnt vor überzogenen Erwartungen. Sprachmodelle halluzinieren. Sie erfinden Informationen, die sich plausibel anhören, aber falsch sind. Und sie können je nach Geschlecht, Ethnie oder sozialem Status unterschiedliche Antworten geben. „Das Gefährliche sind nicht die krassen Fehlschläge, die erkennt man. Sondern die subtilen Sachen“, sagt Bressem. Ärztliche Qualitätskontrolle bleibt deshalb unverzichtbar, auch in zehn Jahren.
Offen bleibt auch die Frage der Gerechtigkeit. Patientinnen und Patienten mit hoher digitaler Kompetenz könnten stärker von medizinischer KI profitieren als andere. Gleichzeitig drohen Krankenhäuser ohne ausreichende finanzielle und technische Ressourcen gegenüber besser ausgestatteten Einrichtungen ins Hintertreffen zu geraten. „Es besteht die Gefahr einer neuen digitalen Kluft, in der sich bestehende sozioökonomische und demografische Unterschiede weiter verstärken“, sagt Adams.
Das Gespräch zwischen Arzt und Patientin wird 2036 nicht verschwinden. Aber es wird anders klingen: weniger Tippen, weniger Suchen, weniger Warten auf den Befund. Mehr Zuhören. Mehr gemeinsames Entscheiden. Die KI übernimmt den Papierkram. Damit der Mensch wieder im Mittelpunkt steht.
Über die Expertinnen und Experten
Prof. Dr. Lisa Adams ist Stellvertretende Direktorin und Leitende Oberärztin am Institut für diagnostische und interventionelle Radiologie am TUM Klinikum Rechts der Isar.
Prof. Dr. med. Keno Bressem ist Professor für Medical Data Sciences in Oncology am Deutschen Krebsforschungszentrum (DKFZ) und der Universität Duisburg-Essen sowie Wissenschaftler am TUM Klinikum Deutsches Herzzentrum. Seine Forschungsschwerpunkte sind Künstliche Intelligenz, multimodale Foundation Models und digitale Patientenzwillinge für die Präzisionsmedizin.
Quellen
Charité – Universitätsmedizin Berlin (2025): Weniger Bürokratie für das Personal und mehr Zeit für Patientengespräche durch Tech-Innovation. Pressemitteilung, 5. Mai 2025. https://www.charite.de/service/pressemitteilung/artikel/detail/weniger_buerokratie_fuer_das_personal_und_mehr_zeit_fuer_patientengespraeche_durch_tech_innovation
The Street (Juni 2026): Microsoft and Copilot just hit a jackpot in healthcare. https://www.thestreet.com/health/microsoft-and-copilot-just-hit-a-jackpot-in-healthcare-ai-nhs
Busch F, Hoffmann L, Rueger C et al. Current applications and challenges in large language models for patient care: a systematic review. Commun Med 5, 26 (2025). https://doi.org/10.1038/s43856-024-00717-2
Müller P, Obermann K. Von der Datenbank zum Dialog mit den Patienten: KI in der Patientenkommunikation. In: Digitales Empowerment im Gesundheitswesen. Springer, Berlin, Heidelberg (2026). https://doi.org/10.1007/978-3-662-72469-9_4
AOK (2025): KI entlastet Ärzte bei der Gesprächsdokumentation. https://www.aok.de/pp/gg/versorgung/ki-gesundheitskommunikation/
Interviews mit Prof. Dr. Lisa Adams und PD Dr. med. Keno Bressem, TUM Klinikum Rechts der Isar (2026).
Irving G. et al. (2017): International variations in primary care physician consultation time: a systematic review of 67 countries. BMJ Open. DOI: 10.1136/bmjopen-2017-017902
Beschlussprotokoll 129. DÄT 2025, S. 326 u. Entschließung zu TOP Ic „KI in der Medizin“ (28.05.2025); BÄK, „Von ärztlicher Kunst mit Künstlicher Intelligenz“, 27.05.2025.
Ein Gespräch zwischen einem Arzt und einem Patienten dauert heute etwa 10 Minuten. In dieser Zeit fragt der Arzt nach den Beschwerden und findet heraus: Welche Krankheit verursacht die Beschwerden? Der Arzt empfiehlt dann eine Behandlung. Und der Arzt beantwortet die Fragen des Patienten. Der Arzt schreibt im Gespräch alle Informationen auf. Der Arzt muss deshalb die Zeit mit dem Patienten für viele Dinge gleichzeitig nutzen. Und oft ist nicht genug Zeit. Hier kann die KI im Jahr 2036 vielleicht helfen. Die KI kann dann vielleicht im Gespräch Notizen machen. Dann kann der Arzt sich mehr auf den Patienten konzentrieren.
Wie hilft KI heute schon im Gespräch zwischen Ärzten und Patienten?
Ein großes Krankenhaus in Berlin benutzt heute schon eine KI. Das Krankenhaus heißt: Charité Universitätsmedizin Berlin. Die KI hört das Gespräch zwischen Arzt und Patient. Dann schreibt die KI auf: Was hat der Arzt gesagt? Und was hat der Patient gesagt? Aus diesen Informationen schreibt die KI einen medizinischen Bericht. Der Arzt muss den Bericht dann nicht selbst schreiben. Der Arzt liest aber den Bericht der KI. Und der Arzt prüft: Sind alle Informationen richtig? So hat der Arzt mehr Zeit für die Patienten.
In England wird seit 2026 auch eine KI eingesetzt. Die KI ist für mehr als 500.000 Mitarbeiter im Gesundheitssystem. Die Mitarbeiter sind zum Beispiel Ärzte und Pflegepersonal. Die Mitarbeiter sollen die KI für Verwaltungsaufgaben benutzen. Verwaltungsaufgaben heißt zum Beispiel Berichte schreiben. Die Mitarbeiter benutzen KI? Dann sind die Mitarbeiter vielleicht schneller. Dann haben die Mitarbeiter auch mehr Zeit für die Patienten.
KI kann auch schon fachliche Texte einfacher schreiben. Fachleute in München erforschen: Wie kann KI medizinische Dokumente leichter verständlich machen? Die KI übersetzt die Texte in eine leicht verständliche Sprache. Dann können die Patienten die Texte besser verstehen. Und die Patienten können gemeinsam mit dem Arzt entscheiden: Welche Behandlung möchte ich?
Wie wird KI im Jahr 2036 das Gespräch zwischen Arzt und Patient verändern?
Im Jahr 2036 kann KI vielleicht das Gespräch zwischen dem Arzt und Patienten vorbereiten. Die KI fragt die Patienten vor dem Gespräch verschiedene Dinge. Diese Dinge sind wichtig für den Arzt. Die KI fragt zum Beispiel nach den Beschwerden. Und die KI fragt zum Beispiel nach Vorerkrankungen. Die Patienten können die Fragen zuhause beantworten. Und die Patienten können sich mehr Zeit für die Antworten nehmen als in der Praxis beim Arzt. Die Antworten schickt die KI an den Arzt. So hat der Arzt vor dem Gespräch schon viele Informationen.
Während des Gesprächs kann eine KI vielleicht mithören. Die KI kann Notizen schreiben. Und die KI kann Informationen geben. Der Arzt kann dem Patienten die Informationen erklären. Dann können Arzt und Patient zum Beispiel zusammen entscheiden: Welche Behandlung ist für diesen Patienten die richtige?
In der Zukunft kann die KI den Patienten mehr Informationen über ihre Krankheit geben. Die KI bekommt die Informationen dann aus geprüften Quellen. Geprüfte Quellen sind zum Beispiel wissenschaftliche Studien und Artikel aus Fachzeitschriften. Dann können sich die Patienten auf das Gespräch mit dem Arzt vorbereiten. Die Patienten trauen sich vielleicht nicht, dem Arzt bestimmte Fragen zu stellen. Aber vielleicht trauen sie sich, der KI diese Fragen zu stellen.
Welche Risiken hat KI?
KI kann vielleicht helfen. Aber Fachleute sagen: Man darf nicht zu viel erwarten. Die KI kann Fehler machen. Vielleicht erfindet sie Informationen. Die Informationen klingen dann richtig. Aber die Informationen sind falsch. Und die KI gibt nicht immer die gleichen Antworten. Die KI gibt verschiedenen Menschen unterschiedliche Antworten. Zum Beispiel bekommen Männer andere Antworten als Frauen.
Manchmal macht die KI vielleicht große Fehler. Die großen Fehler kann man leicht sehen. Aber manchmal die KI vielleicht kleine Fehler. Die kleinen Fehler sind gefährlich. Die kleinen Fehler kann man nicht leicht erkennen. Deshalb müssen Ärzte immer prüfen: Ist das Ergebnis richtig? Das ist auch 2036 noch wichtig.
Vielleicht können manche Patienten besser mit KI arbeiten als andere Patienten. Dann bekommen diese Patienten vielleicht eine bessere Behandlung als andere Patienten. Und manche Krankenhäuser können sich KI-Programme vielleicht nicht leisten. Dann können diese Krankenhäuser vielleicht nicht so gut arbeiten wie andere Krankenhäuser.
Zusammenfassung
Im Jahr 2036 werden Ärzte noch mit ihren Patienten reden. Aber das Gespräch wird anders sein. Die Ärzte müssen weniger mitschreiben. Und die Ärzte müssen weniger nach Informationen suchen. Dann können die Ärzte mehr zuhören. Die KI unterstützt die Ärzte. So können sich die Ärzte mehr um ihre Patienten kümmern.
Millionen Menschen tippen ihre Symptome längst in Sprachmodelle. Nachts, wenn die Praxis geschlossen ist, oder weil sie sich die Frage beim Arzt nicht zu stellen trauen. Seit Januar 2026 können Patientinnen und Patienten in den USA mit ChatGPT Health sogar offiziell ein KI-System für medizinische Fragen nutzen. In Europa ist das Angebot wegen strenger Datenschutzgesetze noch nicht verfügbar. Doch die Nutzung passiert längst. Still, unkontrolliert und in einem Ausmaß, das die Medizin nicht ignorieren kann.
Wie verlässlich ist KI als Gesundheitsratgeber?
Das ist die entscheidende Frage. Und die Antwort ist ernüchternd: Eine aktuelle Studie mit 60 Fallvignetten zeigte, dass ChatGPT Health in 48 Prozent der Notfallszenarien falsch entschied – und in mehr als der Hälfte der eindeutigen Notfälle zu einer ärztlichen Konsultation innerhalb von 24 bis 48 Stunden riet, obwohl der sofortige Gang in die Notaufnahme angezeigt gewesen wäre (Ramaswamy et al., Nature Medicine, 2026). Gleichzeitig stuften die Modelle 64,8 Prozent der nicht dringlichen Fälle zu hoch ein. Ein Muster, das Vertrauen kostet und Notaufnahmen unnötig belasten kann.
Warum KI lügt – und warum das nicht aufhört
Prof. Dr. med. Keno Bressem, Radiologe am TUM Klinikum Deutsches Herzzentrum, Wissenschaftler am DKFZ und Forscher an der Schnittstelle von KI und Patientenkommunikation, benennt das Grundproblem präzise: „Ein Sprachmodell ist im Grunde ein statistisches Modell, das das wahrscheinlichste nächste Wort vorhersagt. Es wird aufgrund dieser Natur immer das Risiko haben, einen Fehler zu machen. Das kann man reduzieren, aber nie ausschließen.“
Dieses Phänomen – in der Fachsprache Halluzination genannt – beschreibt, wie Modelle Informationen erfinden, die sich plausibel anhören, aber inhaltlich falsch sind. Hinzu kommt das Problem des Bias: KI-Modelle können abhängig von Geschlecht, Ethnie oder sozialem Status unterschiedliche Antworten geben. „Das Gefährliche sind nicht die krassen Fehlschläge, die erkennt man. Sondern die subtilen Sachen, die eine etwas andere Therapie empfehlen würden aufgrund eines Geschlechts“, sagt Bressem. Da die Trainingsdaten gesellschaftliche Vorurteile widerspiegeln, lässt sich dieses Problem nie vollständig lösen – nur reduzieren.
Und doch plädiert Bressem nicht für ein Verbot. Die sogenannte Schattennutzung, also die private, unkontrollierte Nutzung von Sprachmodellen für Gesundheitsfragen, lässt sich ohnehin nicht verhindern. „Wir müssen einfach Wege finden, das effektiver zu machen“, sagt er. Seine Antwort: Bildung. Gesellschaftliche KI-Kompetenz müsse früh in der Schule beginnen – ähnlich wie einst die Medienkompetenz im Umgang mit dem Internet.
Was KI heute schon kann – unter ärztlicher Kontrolle
Während die unkontrollierte Nutzung im Graubereich bleibt, gibt es Bereiche, in denen KI in der Medizin bereits heute verlässlich und sinnvoll eingesetzt wird – allerdings stets mit ärztlicher Aufsicht.
Ein Beispiel ist die Vereinfachung von Arztbriefen. Bressem forscht daran, medizinische Dokumente per KI in patientenverständliche Sprache zu übersetzen. Die Idee: Wer seinen Befund versteht, kann besser mitentscheiden. „Wenn man besser versteht, was mit der eigenen Gesundheit passiert, kann man auch besser in die Entscheidungsfindung mit reingehen“, sagt Bressem. Fehlerquellen – etwa Diagnosen, die heruntergespielt werden – werden dabei noch durch ärztliche Nachkontrolle abgesichert.
Auch die Dokumentation verändert sich – und das mit beachtlicher Geschwindigkeit.
Als erste Klinik in Deutschland begann die Charité – Universitätsmedizin Berlin im Mai 2025 damit, die KI-gestützte Software „Dragon Copilot“ von Microsoft im klinischen Alltag zu erproben. Das System erfasst Arzt-Patienten-Gespräche in Echtzeit – mit Einwilligung beider Seiten – und erstellt strukturierte medizinische Notizen, die Ärztinnen und Ärzte anschließend nur noch prüfen und freigeben müssen. Das Ziel: Zeit zu gewinnen auf Seiten der Ärzte und Ärztinnen, die dann für die Betreuung der Patienten genutzt werden kann.
Wie groß das Potenzial ist, zeigt ein Blick über den Ärmelkanal. Im Juni 2026 kündigte NHS England an (also das staatliche Gesundheitssystem in UK), Microsoft 365 Copilot an 505.000 Klinik-Mitarbeitende und Verwaltungsmitarbeitende auszurollen – der größte KI-Rollout im Gesundheitswesen weltweit. Grundlage war ein Pilotprojekt mit mehr als 30.000 Beschäftigten in 90 NHS-Einrichtungen. Das Ergebnis: Im Schnitt sparte KI-gestützte Verwaltungsunterstützung 43 Minuten pro Person und Tag – das entspricht fünf Wochen pro Jahr. Die vollständige Einführung soll bis Oktober 2026 abgeschlossen sein (The Street, Juni 2026).
Prof. Dr. Lisa Adams, Stellvertretende Direktorin am Institut für diagnostische und interventionelle Radiologie am TUM Klinikum Rechts der Isar, sieht im gezielten KI-Einsatz in der Dokumentation eine strukturelle Chance: „Ich glaube, die Arzt-Patienten-Beziehung könnte sich von einer reinen Informationsvermittlung mehr zu einer gemeinsamen Einordnung und Entscheidungsbildung entwickeln.“ KI übernimmt die Zeitfresser und schafft Raum für das, was Algorithmen nicht können: echte menschliche Zuwendung.
2036: Wie KI das Arztgespräch verändern wird
Was ist in zehn Jahren realistisch? „In der Radiologie wird KI viele Routineaufgaben übernehmen und Bildbefunde oft bereits weitgehend vollständig vorbereiten“, sagt Adams. „Radiologinnen und Radiologen werden diese Ergebnisse prüfen, einordnen und in den klinischen Kontext setzen, insbesondere bei komplexen oder folgenreichen Entscheidungen.“ Vollständig autonom wird die Radiologie voraussichtlich auch 2036 nicht sein. Die Rolle der Radiologinnen und Radiologen wird sich jedoch verändern, weg von der primären Befunderstellung hin zu Qualitätssicherung, klinischer Integration und der Verantwortung für diagnostische Entscheidungen.
Auch die Voranamnese in den Arztpraxen könnte sich verändern: Statt statischer Fragebögen könnte eine KI Patientinnen und Patienten zu Hause interaktiv befragen – und bei der Antwort „Ich wurde operiert“ gezielt nachhaken: Was? Wann? Warum? Ärztinnen und Ärzte erhalten ein vollständigeres Briefing, bevor das Gespräch beginnt. Und bei der Aufklärung vor Eingriffen könnte KI Fragen beantworten, die man sich im Gespräch mit einem gestressten Arzt nicht zu stellen traut. „Man traut sich gegenüber der KI vielleicht, dümmere Fragen zu stellen“, sagt Bressem.
Eine systematische Übersichtsarbeit zu Sprachmodellen in der Patientenversorgung (Busch et al., Communications Medicine, 2025) bestätigt das Potenzial: Die Modelle zeigen Stärken bei der Beantwortung medizinischer Fragen, der Vereinfachung von Texten und der klinischen Dokumentation. Doch dieselbe Studie benennt auch die Grenzen: Unzuverlässigkeit, fehlende Transparenz, Bias und das Risiko falscher Ausgaben machen menschliche Aufsicht weiterhin unabdingbar.
Die Grenze bleibt: Qualitätskontrolle durch Menschen
So weit die Möglichkeiten reichen – eine Grenze ziehen beide Expertinnen und Experten klar: Ärztliche Qualitätskontrolle bleibt unverzichtbar. „Stand aktuelle Technik würde ich sagen: ja“, antwortet Bressem auf die Frage, ob das auch in zehn Jahren noch gilt. Halluzinationen lassen sich reduzieren, Bias lässt sich verringern, aber nie vollständig eliminieren.
Und eine gesellschaftliche Frage bleibt offen: Wer profitiert von medizinischer KI? Wer hat Zugang zu hochwertigen Systemen und wer kann deren Qualität überhaupt beurteilen? Adams sieht hier eine zentrale Herausforderung: Krankenhäuser, denen die Ressourcen für die Einführung und den Betrieb moderner KI-Systeme fehlen, könnten gegenüber besser ausgestatteten Einrichtungen ins Hintertreffen geraten. Auch Patientinnen und Patienten mit geringer digitaler Gesundheitskompetenz oder eingeschränktem Zugang zu digitalen Angeboten könnten weniger von den neuen Möglichkeiten profitieren. „Es besteht die Gefahr, dass bestehende sozioökonomische und demografische Unterschiede durch KI eher verstärkt als verringert werden“, sagt Adams.
Die Antwort auf die Ausgangsfrage lautet also: Nein – Ärztinnen und Ärzte werden nicht überflüssig. Aber ihre Rolle verändert sich. Wer 2036 in die Praxis kommt, wird einer Ärztin begegnen, die weniger tippt, weniger diktiert und weniger sucht und dafür mehr zuhört. Die KI arbeitet im Hintergrund. Der Mensch bleibt im Mittelpunkt.
Über die Expertinnen und Experten
Prof. Dr. Lisa Adams ist Stellvertretende Direktorin und Leitende Oberärztin am Institut für diagnostische und interventionelle Radiologie am TUM Klinikum Rechts der Isar.
Prof. Dr. med. Keno Bressem ist Professor für Medical Data Sciences in Oncology am Deutschen Krebsforschungszentrum (DKFZ) und der Universität Duisburg-Essen sowie Wissenschaftler am TUM Klinikum Deutsches Herzzentrum. Seine Forschungsschwerpunkte sind Künstliche Intelligenz, multimodale Foundation Models und digitale Patientenzwillinge für die Präzisionsmedizin.
Quellen
Ramaswamy A et al. Accuracy of ChatGPT Health in medical triage. Nat Med. 2026;32:1671–5.
Busch F, Hoffmann L, Rueger C et al. Current applications and challenges in large language models for patient care: a systematic review. Commun Med 5, 26 (2025). https://doi.org/10.1038/s43856-024-00717-2
Müller P, Obermann K. Von der Datenbank zum Dialog mit den Patienten: KI in der Patientenkommunikation. In: Digitales Empowerment im Gesundheitswesen. Springer, Berlin, Heidelberg (2026). https://doi.org/10.1007/978-3-662-72469-9_4
Charité – Universitätsmedizin Berlin (2025): Weniger Bürokratie für das Personal und mehr Zeit für Patientengespräche durch Tech-Innovation. Pressemitteilung, 5. Mai 2025. https://www.charite.de/service/pressemitteilung/artikel/detail/weniger_buerokratie_fuer_das_personal_und_mehr_zeit_fuer_patientengespraeche_durch_tech_innovation
The Street (Juni 2026): Microsoft and Copilot just hit a jackpot in healthcare. https://www.thestreet.com/health/microsoft-and-copilot-just-hit-a-jackpot-in-healthcare-ai-nhs
AOK (2025): KI entlastet Ärzte bei der Gesprächsdokumentation. https://www.aok.de/pp/gg/versorgung/ki-gesundheitskommunikation/
OECD: Health at a Glance Europe 2024. https://www.oecd.org/en/publications/health-at-a-glance-europe-2024_b3704e14-en.html
Interviews mit Prof. Dr. Lisa Adams und PD Dr. med. Keno Bressem, TUM Klinikum Rechts der Isar (2026).
Viele Menschen stellen der KI Fragen über die Gesundheit. Die Menschen fragen die KI zum Beispiel: Was verursacht meine Kopfschmerzen? Die Menschen möchten vielleicht nicht ihren Arzt fragen. Vielleicht haben sie Angst vor der Reaktion des Arztes. Oder sie können den Arzt nicht fragen, weil die Praxis geschlossen ist. Dann fragen die Menschen vielleicht eine KI.
Aber die Menschen können sich nicht immer auf die KI verlassen. Eine Studie hat eine KI untersucht. Für die Studie haben Fachleute der KI 60 Fälle von kranken Personen gezeigt. Die KI hat dann entschieden: Welcher Fall ist ein Notfall? Muss die Person in ein Krankenhaus oder zum Hausarzt?
Die KI hat in vielen Fällen falsch entschieden. In mehr als der Hälfte von den Notfällen hat die KI gesagt: Die Person soll am nächsten Tag zum Arzt gehen. Das war falsch. Die Person sollte in die Notaufnahme gehen.
Die KI hat aber auch viele von den Fällen für den Hausarzt falsch eingeschätzt. Das heißt die KI hat gesagt: Die Person soll sofort zum Arzt gehen. Aber das war nicht nötig. Der Fall war nämlich kein Notfall.
Diese Antworten der KI können ein Problem sein. Eine Person hat Beschwerden? Und die Person fragt die KI: Was soll ich tun? Dann antwortet die KI vielleicht falsch. Vielleicht sucht die Person dann zu spät Hilfe. Oder die Person hat keinen Notfall. Aber die KI sagt trotzdem: Geh in die Notaufnahme. Dann hat das Personal in den Notaufnahmen vielleicht zu viele Patienten. Deshalb kann das Personal in der Notaufnahme dann nicht alle Patienten sofort behandeln.
Warum gibt die KI falsche Informationen?
Eine Art von KI heißt: großes Sprachmodell. Diese Art von KI kann besonders gut Texte schreiben. Sprachmodelle werden mit großen Textmengen aus dem Internet trainiert. Die Sprachmodelle lernen von diesen Texten: Welche Wörter kommen oft zusammen vor? Das Sprachmodell rechnet dann für jede Frage: Welches Wort kommt im Satz wahrscheinlich als nächstes? Die KI weiß die Antwort nicht. Die KI sagt nur: Was ist wahrscheinlich richtig? Deshalb kann die KI leicht Fehler machen.
Manche KIs erfinden deshalb neue Informationen. Das nennt man: Halluzination. Die Information klingt dann vielleicht richtig. Aber die Information ist trotzdem falsch.
Manchmal gibt die KI den Menschen unterschiedliche Antworten auf die gleiche Frage. Männer bekommen vielleicht andere Antworten als Frauen. Und Menschen aus unterschiedlichen Ländern bekommen vielleicht andere Antworten. Die anderen oder falschen Antworten erkennt man vielleicht nicht sofort. Deshalb kann man sich auf die Antworten der KI vielleicht nicht immer verlassen.
Die Menschen können sich also nicht immer auf die KI verlassen. Die Menschen benutzen KI aber trotzdem. Deshalb sagen Experten: Bildung ist wichtig. Die Menschen müssen lernen: Wie funktioniert KI? Und wie kann man mit KI umgehen?
Was kann KI in der Medizin heute schon?
In manchen Bereichen der Medizin benutzen Ärzte heute schon KI. Die Ergebnisse der KI werden aber immer von Ärzten geprüft.
Eine KI kann zum Beispiel Arztbriefe einfacher machen. Dann verstehen Patienten die Informationen besser. Und die Patienten können dann besser mit den Ärzten gemeinsam entscheiden: Welche Behandlung möchte ich? Die Information wird von der KI vereinfacht. Aber Ärzte prüfen immer: Ist der Text fachlich richtig? Dann können sich die Patienten auf die Informationen im einfachen Text auch verlassen.
Eine KI kann zum Beispiel auch Gespräche zwischen einem Arzt und seinem Patienten dokumentieren. Das bedeutet: Die KI hört das Gespräch. Und die KI macht Notizen über das Gespräch. Die KI schreibt zum Beispiel auf: Was hat der Arzt gesagt? Und was hat der Patient gesagt? Die Ärzte müssen die Notizen dann nicht mehr selbst schreiben. Die Ärzte prüfen dann: Sind die Notizen richtig? So sparen die Ärzte Zeit. Aber Arzt und Patient müssen beide sagen: Die KI darf das Gespräch mithören und Notizen machen.
Was kann die KI vielleicht im Jahr 2036?
Im Jahr 2036 kann die KI vielleicht mehr Dinge: Vielleicht kann die KI CT-Untersuchungen auswerten. Bei einer CT-Untersuchung werden Bilder von den Organen gemacht. Die KI kann auf den Bildern erkennen: Hat der Patient eine Krankheit? Dann schreibt die KI einen Bericht. Der Facharzt prüft den Bericht. So kann die KI dem Facharzt helfen.
Vielleicht kann die KI auch das Gespräch zwischen Arzt und Patient vorbereiten. Die KI stellt den Patienten dann vielleicht vor dem Gespräch Fragen. Die Antworten sind wichtig für den Arzt. Der Arzt weiß dann zum Beispiel: Welche Beschwerden hat der Patient? Hatte der Patient eine Operation? Warum hatte der Patient eine Operation? Dann ist der Arzt vielleicht besser auf das Gespräch vorbereitet.
Die KI kann 2036 vielleicht eine große Hilfe für Ärzte und Krankenhäuser sein. Aber die Ergebnisse der KI müssen trotzdem immer geprüft werden. Die Technik entwickelt sich weiter. Aber die KI kann trotzdem weiter Fehler machen. Deshalb ist diese Prüfung wichtig.
Vielleicht entstehen durch die KI auch mehr Unterschiede: Für manche Krankenhäuser ist eine KI vielleicht zu teuer. Diese Krankenhäuser haben dann vielleicht Nachteile. Und manche Patienten können vielleicht keine KI benutzen. Dann haben die Patienten vielleicht Nachteile.
Wie wird die KI im Jahr 2036 die Medizin verändern?
KI kann heute schon viele Dinge, zum Beispiel:
Aber KI macht auch Fehler. Und die KI antwortet nicht für alle Menschen gleich. Deshalb müssen Menschen die Ergebnisse der KI immer prüfen. Ärzte sind deshalb auch in der Zukunft wichtig. Aber ihre Arbeit ändert sich vielleicht. Im Jahr 2036 müssen die Ärzte vielleicht weniger schreiben, wenn sie mit den Patienten sprechen. Die Ärzte haben dann mehr Zeit zum Zuhören. Die KI arbeitet dann im Hintergrund und unterstützt die Ärzte. Die Ärzte haben dann vielleicht mehr Zeit für ihre Patienten. "
Bis ein neues Medikament zugelassen ist, vergeht oft mehr als ein Jahrzehnt. Chemische Suche, vorklinische Tests, drei Phasen klinischer Studien – jeder Schritt ist aufwendig, teuer und risikoreich. „Viele Wirkstoffe fallen erst sehr spät durch, etwa wegen Nebenwirkungen oder unzureichender Wirksamkeit“, erklärt Chemiker Prof. Stephan Sieber, Leiter des Lehrstuhls für Organische Chemie II an der TU München. Künstliche Intelligenz soll diesen Prozess grundlegend verändern.
In der Anfangsphase setzt KI heute schon bei der Strukturvorhersage an. Systeme wie AlphaFold können berechnen, wie die exakte Struktur von Eiweißen im Körper sind – entscheidend dafür, wie Medikamente ansetzen. „Erstmals können wir Strukturen präzise modellieren, ohne sie im Labor aufwendig herstellen zu müssen“, so Sieber. KI spart damit nicht nur Zeit, sondern liefert die Grundlage für gezielteres Wirkstoffdesign.
KI kann außerdem Millionen potenzieller Moleküle virtuell testen, bevor auch nur eine chemische Substanz synthetisiert wird. „Wir werden nicht mehr Millionen von Molekülen experimentell durchtesten“, sagt Sieber, „sondern maßgeschneiderte Molekülvorschläge generieren.“ Die Trefferquote steigt – und mit ihr die Effizienz. Weniger experimentelle Tests bedeuten schließlich eine schnellere Marktreife.
Für die späten Phasen der Entwicklung weist Prof. Björn Eskofier auf einen weiteren Engpass hin: „Klinische Studien sind der teuerste und langsamste Teil. Viele scheitern, weil Teilnehmende abbrechen oder Daten fehlen. Hier könnten synthetische Daten helfen – also KI‑erzeugte Datensätze, die echte ergänzen.“ Noch steht diese Methode am Anfang, aber sie könnte künftig Studien verkürzen und Kosten senken, ohne an Aussagekraft zu verlieren.
Werden 2036 Medikamente entwickelt, die heute noch niemand für rentabel hält – zum Beispiel für seltene Erkrankungen?
Pharmaforschung folgt bislang ökonomischen Regeln. Lohnt sich ein Wirkstoff nicht, weil nur wenige Menschen ihn brauchen, bleibt er meist unerforscht. KI könnte dieses System aushebeln. „Wenn ich die Entwicklungskosten deutlich reduzieren kann, dann kann ich mir wieder leisten, risikoreichere Entwicklungen anzustoßen – auch für kleinere Zielgruppen“, sagt Prof. Björn Eskofier. KI-gestützte Analysen verkürzen die Entdeckungs- und Testphasen so stark, dass selbst seltene Krankheiten wieder interessant werden.
Besonders Biologika – also Medikamente, die auf komplexen Eiweißen beruhen – profitieren davon. Ihre Herstellung ist heute extrem teuer. KI kann solche Moleküle virtuell optimieren: Sie simuliert, welche Varianten sich leichter produzieren lassen, ohne ihre Wirkung zu verlieren. „Wenn KI hilft, kleinere, stabilere Moleküle zu designen, wird das ganze System günstiger“, ergänzt Sieber. Patientinnen und Patienten mit bislang unbezahlbaren Therapien könnten so neue Chancen auf eine individuelle Behandlung erhalten.
Wie findet KI überhaupt einen Wirkstoff – und warum ist das besser als bisher?
Während menschliche Forschende meist mit einer Hypothese starten („Vielleicht wirkt dieses Molekül gegen jenes Protein“), geht KI ergebnisoffen vor. „KI ist anders voreingenommen als der Mensch“, erklärt Eskofier. „Ein maschinelles Lernverfahren hat keine Grundannahme – es kann Muster finden, die wir gar nicht suchen würden.“
Diese Fähigkeit zur Mustererkennung ist der Kern des Fortschritts. KI verknüpft chemische Strukturen, biologische Daten und klinische Beobachtungen und entdeckt Zusammenhänge zwischen Molekülformen und Wirkungen. So erkennt sie Hinweise auf Wirksamkeit oder Toxizität, die im klassischen Labor übersehen würden. Für Forschende wie Stephan Sieber ist entscheidend, diese Ergebnisse kritisch zu prüfen: „KI ergänzt die Experimente, ersetzt sie aber nicht. Am Ende steht immer die Validierung im Labor.“
Solche Systeme helfen nicht nur zu verstehen, welche Substanz wirkt, sondern auch warum sie wirkt. Dadurch entstehen neue Ansätze – zum Beispiel, um Antibiotika‑Resistenzen zu durchbrechen oder Krebsmedikamente gezielt an Tumorzellen zu binden. KI bringt also nicht nur Geschwindigkeit, sondern neue Ideen.
KI als Katalysator einer neuen Medikamenten-Ära?
Die Medikamentenforschung von 2036 wird schneller, offener und personalisierter sein. KI spart nicht nur Ressourcen, sondern verschiebt die Grenzen dessen, was machbar ist. „Wer KI nicht nutzt, wird überholt“, sagt Eskofier. Doch sowohl er als auch Sieber warnen vor überzogenen Erwartungen: Ohne gute Daten und menschliche Kontrolle bleibe jede Vorhersage fragil.
Trotzdem zeichnet sich ein Paradigmenwechsel ab: Medikamente könnten künftig so individuell sein wie die Menschen, die sie einnehmen – und neue Therapien entstehen dort, wo bisher nur Hoffnung war.
Prof. Dr. Stephan Sieber ist Chemiker und leitet den Lehrstuhl für Organische Chemie II an der Technischen Universität München. Er forscht auf dem Gebiet der Bioorganischen Chemie mit der Zielsetzung neue Medikamente gegen multiresistente Bakterien zu entwickeln – auch mit dem Einsatz Künstlicher Intelligenz.
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.
Quellen:
Interviews mit Prof. Stephan A. Sieber (TU München) und Prof. Björn Eskofier (LMU)
Forscher entwickeln ein neues Medikament? Das dauert heute über 10 Jahre und ist sehr teuer. Das hat mehrere Gründe. Ein neues Medikament muss viele Tests bestehen. Die Forscher müssen prüfen:
Viele Medikamente bestehen nicht alle Tests. Manche helfen nicht genug. Andere haben zu starke Nebenwirkungen. Dann dürfen sie nicht verkauft werden.
KI hilft schon heute bei der Suche nach neuen Medikamenten. Zum Beispiel untersucht KI Eiweiße. Eiweiße sind wichtige Bausteine im Körper. Viele Medikamente wirken an Eiweißen. Die Forscher müssen aber wissen: Wie sieht die Struktur von einem Eiweiß genau aus? Früher mussten die Forscher das aufwendig im Labor untersuchen. Heute kann die KI dabei helfen. Das spart Zeit. Außerdem finden die Forscher so leichter die passenden Wirkstoffe. Ein Wirkstoff ist der wichtigste Teil von einem Medikament. Der Wirkstoff hilft gegen eine Krankheit.
Früher mussten Forscher sehr viele Wirkstoffe im Labor testen. Das hat oft sehr lange gedauert und viel Geld gekostet. Heute kann die KI Millionen möglicher Wirkstoffe am Computer prüfen. Sie schlägt die besten Wirkstoffe vor. Erst danach werden diese Stoffe im Labor getestet. So müssen weniger Versuche gemacht werden.
Ein Medikament soll zugelassen werden? Dann muss es auch mit Menschen getestet werden. Diese Untersuchungen heißen: klinische Studien. Klinische Studien sind ein wichtiger Teil der Entwicklung von Medikamenten. Aber klinische Studien dauern am längsten. Klinische Studien sind auch der teuerste Teil der Entwicklung von Medikamenten. Manchmal brechen Teilnehmer die Studie ab. Oder es fehlen wichtige Informationen. Auch dabei könnte KI helfen. KI kann Daten künstlich erzeugen. Diese Daten ergänzen dann die echten Daten. Forscher überprüfen schon heute: Wie gut funktioniert diese Methode?
Neue Medikamente für seltene Krankheiten mit KI
Manche Krankheiten sind sehr selten. Dann brauchen nur wenige Menschen ein neues Medikament. Für Firmen lohnt sich die Entwicklung dieser Medikamente oft nicht. Sie ist zu teuer. KI könnte die Entwicklung günstiger machen. Dann könnten Forscher auch Medikamente für seltene Krankheiten entwickeln.
Bei manchen schweren Krankheiten braucht man spezielle Medikamente. Sie heißen Biologika. Biologika bestehen aus natürlichen Stoffen. Biologika sind oft sehr teuer. KI kann vielleicht auch bei diesen Medikamenten helfen: Die Herstellung von solchen Medikamenten wird mit KI vielleicht besser. Zum Beispiel kann KI berechnen: Welche Form von Biologika kann am günstigsten hergestellt werden?
Das wäre für viele kranke Menschen eine neue Hoffnung.
Wie findet die KI neue Wirkstoffe?
Forschen arbeiten mit Vermutungen. Das bedeutet die Forscher vermuten: Vielleicht hilft dieser eine Stoff gegen diese eine Krankheit. Die KI arbeitet aber anders. Die KI durchsucht sehr viele Informationen. Dabei entdeckt sie Muster. Muster sind Ähnlichkeiten oder Zusammenhänge. So bringt die KI die Forscher manchmal auf neue Ideen. Auf diese Ideen wären die Forscher vielleicht nie gekommen. Die KI erkennt zum Beispiel: Welche Stoffe können gut wirken? Oder welche Stoffe können gefährlich sein? Trotzdem gilt: Die Ergebnisse der KI müssen immer im Labor geprüft werden. Die KI ersetzt die Forschenden nicht. Sie unterstützt ihre Arbeit.
Wie könnte die Herstellung von Medikamenten im Jahr 2036 aussehen?
Mit Hilfe von KI können Medikamente vielleicht schneller entwickelt werden. Und die Entwicklung kostet vielleicht weniger. Vielleicht gibt es dadurch mehr neue Medikamente. Vielleicht gibt es auch bessere Behandlungen für seltene Krankheiten. Trotzdem braucht es weiterhin Forscher. Sie müssen alle Ergebnisse genau prüfen. Nur so können neue Medikamente sicher sein. KI ist deshalb ein wichtiges Hilfsmittel. Aber sie entscheidet nicht allein.
Ein digitaler Zwilling ist eine virtuelle Kopie eines lebenden Körpers oder Organs, die sich ständig mit Daten aus der Realität aktualisiert. Etwa aus Laborwerten, Genanalysen oder Wearables. Man kann sich das vorstellen wie ein Spiegelbild des eigenen biologischen Zustands, nur, dass dieser Spiegel rechnen kann. Er zeigt nicht nur, was ist, sondern simuliert, was passieren könnte.
In der Medizin bedeutet das: Ärztinnen und Ärzte können Behandlungen zuerst am digitalen Zwilling ausprobieren, bevor sie beim realen Menschen etwas verändern. Das Modell könnte auf Basis von Milliarden Zell- und Geninformationen vorhersagen, welche Therapie am wahrscheinlichsten hilft, welche Nebenwirkungen auftreten könnten, oder wie sich eine Krankheit im Verlauf entwickelt, wenn nichts unternommen wird.
Diese Idee ist nicht neu. Sie stammt ursprünglich aus der Ingenieurwissenschaft: Flugzeuge oder Motoren werden seit Jahren digital „getestet“, bevor man sie baut. Jetzt wagt die Medizin denselben Schritt, nur viel komplexer. Denn der Mensch ist kein mechanisches System, sondern ein Netz aus Millionen lebender Zellen, die ständig miteinander kommunizieren.
Landkarte aller Zellen
„Der digitale Zwilling ist ein Begriff, den es schon lange gibt“, erklärt der KI-Forscher und Mathematiker Prof. Fabian Theis, Leiter des Computational Health Center und des Institute of Computational Biology bei Helmholtz Munich. Er und sein Team arbeiten an der Grundlage für eine neue Generation digitaler Zwillinge: dem Human Cell Atlas – einer Art Landkarte aller Zellen im menschlichen Körper. „Wir sind alle genetisch fast gleich“, erklärt Theis, „aber unsere Zellen tun sehr unterschiedliche Dinge. Wer Gesundheit verstehen will, muss sie auf der Ebene einzelner Zellen betrachten.“
Durch die Kombination von Human Cell Atlas und KI-gestützten Basismodellen können Forscherinnen und Forscher heute etwas tun, das vor wenigen Jahren noch utopisch klang: „Wir können beginnen, die Biologie zu simulieren.“ Statt starre Gleichungen zu füttern, lernen Algorithmen direkt aus echten Daten, aus Millionen einzelner Zellen, deren Genaktivität, räumliche Anordnung und Reaktionsmuster erfasst werden. „Jede Krankheit passiert auf Zellebene. Also müssen wir auch dort verstehen, was schiefgeht.“
Hier verschmelzen biomedizinische Grundlagenforschung und maschinelles Lernen. Theis spricht von einem „Lab in the Loop“ – einem Labor, das sich selbst ständig verbessert: „Wir versuchen, aus bestehenden Daten genau die nächsten Experimente vorherzusagen, die uns weiterbringen.“ So entstehen Modelle, die reale Zellverläufe simulieren, Therapien digital erproben und sogar Zellen umprogrammieren können, bevor sie im Labor gezüchtet werden. „Wenn man verstehen will, warum eine Zelle bei Diabetes versagt, muss man das biophysikalisch modellieren können“, sagt er. „Und das geht nur mit KI.“
Forschung beschleunigen und verbessern
Die Vision, die daraus erwächst, ist doppelt: präziser und demokratischer. Präziser, weil Simulationen individuelle Unterschiede abbilden und die Auswahl von Medikamenten oder Zelltherapien verfeinern könnten – „das könnte die Zahl der in klinischen Phasen scheiternden Medikamente drastisch senken“, so Theis. Demokratischer, weil medizinische Exzellenz nicht mehr an große Zentren gebunden wäre: „Das Wissen eines Chefarztes aus München könnte so theoretisch auch einem Arzt im hintersten bayerischen Wald oder sogar in einem Entwicklungsland helfen.“
Aber wie nah sind wir dran, dass Ärztinnen und Ärzte tatsächlich digitale Zwillinge behandeln statt Menschen? Theis überlegt: „2036 – das ist gar nicht so weit. Die Beschleunigung ist enorm. Wir sprechen jetzt schon von Basismodellen, die komplette Gewebezustände vorhersagen.“ Noch sei das Ziel nicht, den Körper zu ersetzen, sondern ihn datenbasiert besser zu verstehen. Der digitale Zwilling sei kein Ersatz für den Patienten, sondern sein Spiegel. Eine Simulation von Möglichkeiten.
Vielleicht werden Ärzte in der Zukunft mit digitalen Zwillingen arbeiten. Ein digitaler Zwilling ist ein Modell im Computer. Dieses Modell zeigt den Körper eines echten Menschen. Der digitale Zwilling hat sehr viele Informationen über diesen Menschen. Und der digitale Zwilling bekommt immer wieder neue Informationen. Informationen im digitalen Zwilling sind zum Beispiel:
Der digitale Zwilling kann zeigen: Wie geht es dem Menschen gerade? Der digitale Zwilling kann aber noch mehr. Der digitale Zwilling kann vielleicht vorhersagen: Wie wird es dem Menschen vielleicht in der Zukunft gehen?
Der digitale Zwilling kann auch bei der Behandlung von Patienten helfen. Die Ärzte können nämlich eine Behandlung zuerst am digitalen Zwilling ausprobieren. Erst danach behandeln sie den echten Menschen. So könnten sie bessere Entscheidungen treffen. Zum Beispiel:
Die Idee mit dem digitalen Zwilling ist nicht neu. Die Idee kommt von Ingenieuren. Ingenieure planen und bauen technische Dinge. Ingenieure testen schon lange zum Beispiel Flugzeuge oder Motoren zuerst am Computer. Die digitalen Zwillinge von Flugzeugen oder Motoren funktionieren? Erst dann werden die echten Flugzeuge oder Motoren gebaut. In der Medizin ist das aber schwieriger. Der menschliche Körper ist nämlich sehr kompliziert. Der menschliche Körper besteht aus vielen Millionen Zellen. Diese Zellen arbeiten ständig zusammen. Und bei jedem Menschen haben die Zellen unterschiedliche Aufgaben.
Eine Landkarte von allen Zellen
Experten bauen heute schon an einer großen Übersicht über alle Zellen im menschlichen Körper. Diese Übersicht heißt: Human Cell Atlas. Human Cell Atlas ist ein englisches Wort. Der Human Cell Atlas ist wie eine Landkarte aller Zellen. Die KI kann in der Zukunft Millionen von Zellen untersuchen. Dabei erkennt sie dann Muster. So kann die KI berechnen:
Die KI und der Human Cell Atlas können auch in der Forschung helfen. Forscher müssen ihre Experimente sehr genau planen. Manchmal machen sie heute ein Experiment und merken dann: Ich hätte zuerst ein anderes Experiment machen müssen. Dann müssen sie vielleicht wieder von vorne anfangen.
Die KI kann in der Zukunft aber vielleicht vorhersagen: Welches Experiment sollen die Forscher als nächstes machen? Die Forscher geben der KI zum Beispiel die Daten von früheren Experimenten. Dann kann die KI berechnen: Welches Experiment soll dann als nächstes gemacht werden.
Forschung schneller und besser machen
Die Arbeit mit digitalen Zwillingen kann viele Vorteile haben. Vorteile sind zum Beispiel:
Im Jahr 2036 können digitale Zwillinge vielleicht eine wichtige Rolle in der Medizin spielen. Sie sollen den Menschen aber nicht ersetzen. Der digitale Zwilling ist nur ein Hilfsmittel. Er hilft den Ärzten, Krankheiten besser zu verstehen. Und Ärzte können dann vielleicht leichter die passende Behandlung finden.
KI kann Krankheiten erkennen, bevor sie ausbrechen. Aber wollen wir das wirklich – immer und um jeden Preis?
Früherkennung klingt nach einem eindeutigen Versprechen: Je früher, desto besser. Wenn ein Herzfehler beim Ungeborenen erkannt wird, bevor die Geburt beginnt, können Ärztinnen und Ärzte vorbereitet sein. Jede Minute zählt. Das Operationsteam steht bereit, der Kaiserschnitt ist geplant, das Kind kommt direkt in sichere Hände.
Prof. Dr. Julia Schnabel, Informatikerin und KI-Forscherin an der Technischen Universität München, arbeitet genau an solchen Systemen. Ihr Ansatz: Ultraschallbilder, Blutmarker, Genomdaten und Lebensstilinformationen zusammenführen – und daraus Muster lesen, die kein menschliches Auge allein erkennen kann. KI ist dabei keine Diagnose-Maschine, sondern macht Zusammenhänge sichtbar, die in der Datenmenge verborgen geblieben wären. „In gewisser Weise ist die KI eine Art automatische Statistik "", erklärt Schnabel.
Das Ziel ist eine Medizin, die nicht wartet, bis jemand krank ist. Sondern eine, die früh genug eingreift, um Krankheiten zu verhindern oder zumindest abzumildern. Das reicht vom Ultraschall in der Schwangerschaft bis zur Demenz-Früherkennung im Alter. „Das Ideal ist, dass man gesund bleibt und gar nicht erst krank wird"", sagt sie.
Das Recht auf Wissen wird demokratisiert
Vor allem mit Blick auf die Menschen, die Vorurteilen ausgesetzt sind, öffnen sich für Schnabel mit den Systemen der KI ganz neue Möglichkeiten. „KI kann Diagnosen fairer machen: Studien zeigen, dass bestehende Systeme bei Frauen und Menschen mit dunkler Hautfarbe ungenauer sind – weil die Trainingsdaten einen Bias, also eine systematische Verzerrung, haben.“ KI könne helfen, diesen Bias zu erkennen und zu korrigieren. „Mir geht es darum, dass man demokratisiert, dass Menschen gleiche Behandlungserfolge bekommen – egal wie groß, wie dick, was für ein Geschlecht sie haben.“
Doch je präziser die Vorhersage, desto drängender wird eine andere Frage: Was machen wir mit dem Wissen? Ein einfacher Bluttest könnte künftig genetische Risikofaktoren für Lungenkrebs, Herzerkrankungen oder Alzheimer aufzeigen, noch bevor jemand auch nur ein Symptom spürt. Das klingt nach Kontrolle. Aber es ist auch eine Last.
Denn wer weiß, dass er in zwanzig Jahren an Demenz erkranken könnte, lebt anders. Vielleicht besser, mit mehr Prävention, mehr Bewusstsein. Vielleicht aber auch mit mehr Angst, mehr Druck, mehr Entscheidungen, die niemand allein tragen kann. „Man will ja vielleicht gar nicht wissen, woran man in 30 Jahren stirbt.“ Weil das Leben dann nicht mehr frei und unbeschwert wäre, sondern belastet. Wenn jeder weiß, welche Krankheiten im Laufe seines Lebens auf ihn zukommen, kann sich kaum noch wer gesund fühlen.
Das Recht auf Nichtwissen
KI erfindet ethische Fragen nicht neu, aber sie macht sie drängender. Und sie stellt uns vor eine Entscheidung, die wir als Gesellschaft treffen müssen: Wollen wir eine Medizin, die alles weiß – oder eine, die klug auswählt, was sie wissen will? Denkbar sind für Prof. Björn Eskofier, Leiter des Lehrstuhls für KI-unterstützte Therapieentscheidungen und des Instituts für Künstliche Intelligenz in der Medizin an der Ludwig-Maximilians-Universität München (LMU), zum Beispiel abgestufte Modelle, nach denen die Menschen wählen können: „Alles wissen, nichts wissen oder nur bestimmte Kategorien von Risiken wissen. Etwa solche, die in 20 Jahren zu einer Krebserkrankung führen könnten und die ich verhindern kann.“
Für ihn könnte es so gelöst werden: Persönliche KI-Gesundheitscoaches übernehmen das Screening und spielen Risikoinformationen implizit in Lebensstilempfehlungen ein, ohne dass Betroffene explizit mit einer Diagnose konfrontiert werden müssen. Der KI-Assistent empfiehlt etwa mehr Hüftmuskeltraining statt Kardio, weil das Risiko für eine künstliche Hüfte erhöht ist.
Auch Schnabel sieht das pragmatisch: Entscheidend ist, ob das Wissen zu einer besseren Behandlung führt – oder nur zu mehr Unsicherheit. Die Antwort auf die Frage, ob es uns besser geht, wenn wir alles wissen, lautet also weder Ja noch Nein. Sie lautet: Es kommt darauf an, was wir mit dem Wissen machen.
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. 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).
Früherkennung ist auch heute schon in der Medizin sehr wichtig. Früherkennung bedeutet: Menschen werden von Ärzten untersucht. Die Menschen werden untersucht, bevor sie Beschwerden haben. Dann können die Ärzte Krankheiten früh erkennen. Eine Krankheit wird früh erkannt? Dann können Ärzte die Krankheit oft besser behandeln. Im Jahr 2036 kann die KI vielleicht beim frühen Erkennen von Krankheiten helfen.
Bei Untersuchungen werden viele Informationen über einen Patienten gesammelt. Zum Beispiel:
Die KI kann diese Informationen auswerten. So kann die KI vielleicht Gefahren für die Person entdecken. Diese Gefahren kann ein Mensch nicht sehen. Es gibt nämlich sehr viele Informationen. Die KI soll aber nicht die Diagnose stellen. Das heißt: Die KI sagt nicht: Der Mensch ist krank. Und Die KI sagt nicht: Der Mensch ist gesund. Die KI soll nur Hinweise geben. Ärzte stellen dann die Diagnose.
Das Ziel ist: Die Medizin soll sich ändern. Die Menschen sollen gar nicht erst krank werden. KI soll den Menschen dabei helfen.
Alle Menschen sollen die gleichen Informationen bekommen können.
Manche Menschen haben Nachteile. Experten sagen: Menschen mit dunkler Hautfarbe und Frauen haben Nachteile. Viele Studien werden nämlich mit Männern mit heller Hautfarbe gemacht. Das bedeutet: Ihre Ergebnisse werden als Grundlage für manche Untersuchungen genommen. Bei Frauen oder Menschen mit dunkler Hautfarbe sind die Ergebnisse aber manchmal anders.
Das kann die KI in der Zukunft vielleicht ändern. Die KI wird bedenken:
Wollen alle Menschen die genauen Ergebnisse von Untersuchungen wissen?
Die Ergebnisse von Untersuchungen werden in der Zukunft vielleicht immer genauer. Ärzte können dann vielleicht schon früh sagen: Der Mensch wird eine Krankheit bekommen. Das klingt gut. So können vielleicht Krankheit früh behandelt werden. Aber solche Vorhersagen können auch ein Problem sein.
Ein Beispiel: Vielleicht können Menschen in der Zukunft einen Bluttest machen. Der Bluttest wird von der KI ausgewertet. Das Ergebnis zeigt dann: Vielleicht bekommt der Mensch Lungenkrebs. Oder vielleicht bekommt der Mensch eine Krankheit am Herzen. Oder vielleicht bekommt der Mensch eine Demenz.
Der Bluttest mit der KI-Auswertung zeigt die Ergebnisse schon sehr früh. Der Mensch hat dann vielleicht noch keine Beschwerden.
Vielleicht erfährt der Mensch dann: Ich bekomme in 20 Jahren Demenz. Dann lebt der Mensch anders. Vielleicht lebt der Mensch dann besser. Der Mensch kann dann vielleicht schon früh etwas gegen die Krankheit tun. Dann bekommt er vielleicht doch keine Demenz. Aber vielleicht hat der Mensch dann auch viel Angst. Oder der Mensch hat vielleicht mehr Druck. Der Mensch muss dann viele Dinge entscheiden. Das kann den Menschen vielleicht sehr belasten.
Vielleicht möchte der Mensch nicht wissen: Welche Krankheit bekomme ich später? Oder woran werde ich vielleicht in 30 Jahren sterben? Das Leben des Menschen ist dann nämlich nicht mehr frei und leicht. Das Leben ist dann schwerer. Deshalb sagen Experten: Die Menschen sollen selbst entscheiden können: Welche Informationen möchte ich über meine Gesundheit haben?
Ein Beispiel: Vielleicht sagt der Mensch: Gegen manche Krankheiten kann man vorher etwas tun. Ich möchte nur Vorhersagen über diese Krankheiten bekommen. Manche Krankheiten kann man nicht verhindern. Zu diesen Krankheiten möchte ich keine Vorhersagen bekommen.
Vielleicht gibt es im Jahr 2036 persönliche KI-Gesundheitshelfer. Die Gesundheitshelfer sind keine Menschen. Die Gesundheitshelfer sind KIs. Die KI-Gesundheitshelfer prüfen die Gesundheit des Menschen. Dann kann die KI vielleicht dem Menschen sagen: So können Sie gesund leben. Aber die KI sagt nicht direkt: Sie werden eine Krankheit bekommen.
Experten fassen zusammen: Wissen ist nicht immer gut. Manchmal macht Wissen Angst. Manchmal hilft Wissen aber. Wichtig ist: Was machen wir mit dem Wissen?