KI-Kompetenz in der Klinik: Alle müssen ran

Jan Beger ist Global Head of AI Advocacy bei GE HealthCare

© GE / hakinmhan – stock.adobe.com

Jan Beger, Global Head of AI Advocacy bei GE HealthCare, beschäftigt sich seit 2007 mit dem Einsatz von maschinellem Lernen in der Medizin. Er sagt: „Jeder Mitarbeiter im Gesundheitswesen – von der Krankenschwester bis hin zum Chefarzt – muss ein gewisses Grundverständnis von KI haben.“ 

Dazu gehört für ihn auch das Wissen, dass das, was aktuell im Gesundheitswesen Einzug hält, nur noch bedingt etwas mit den KI-Tools der vorigen Generation zu tun hat: Lieferte die Technik früher belastbare Ergebnisse, müsse bei den neuen generativen KI-Modellen der Output kritisch hinterfragt werden, um nicht einer überzeugend formulierten Fehlinformation aufzusitzen. „Dafür sind neue Skills und Kompetenzen gefordert.“ 

Diese auch als „Halluzinationen“ bekannten Fehler sind Begleiterscheinungen einer neuen, leistungsstarken KI-Generation, die den verstärkten Einsatz in der Medizin – Beger spricht von einem regelrechten „Boost“ in den vergangenen zwei Jahren – erst möglich macht. Im Fokus steht dabei der Aspekt der Multimodalität, also die Fähigkeit, eine Vielzahl unterschiedlicher Datenquellen wie radiologische Bildgebung, Laborwerte oder schriftliche Befunde zu analysieren und daraus sinnvolle Schlüsse zu ziehen. „Medizin war schon immer grundsätzlich multimodal“, erklärt Beger. „Und diese Komplexität können wir mit den KI-Modellen der letzten Generation immer besser abbilden.“ 

Wer braucht welches KI-Wissen?

In einem Gesundheitswesen, das durch steigende Fallzahlen und Personalknappheit zunehmend unter Druck steht, stellt das einen unschätzbaren Vorteil dar. Entsprechend wichtig sei es, die neuen Werkzeuge sinn- und verantwortungsvoll einsetzen zu können, betont der Experte. 

Ein tieferes Verständnis brauchen vor allem klinisch tätige Fachkräfte, die im Rahmen von Decision Support Entscheidungen in der Patientenversorgung treffen – sie müssen die Möglichkeiten und Grenzen dieser Systeme konkret einschätzen können. Noch einmal andere Anforderungen sieht Beger für das Krankenhaus-Management: „Diese Lösungen sind so kraftvoll und transformativ und bieten so viele Möglichkeiten, dass jemand, der eine Leitungsfunktion im Krankenhaus hat, auch in der Lage sein muss, strategisch mit KI zu planen, und die Systeme effizient und langanhaltend auszurollen.“ 

Gesunde Skepsis als Zielzustand

Wie soll man mit KI-Systemen umgehen, deren Ergebnisse man nicht vollständig nachvollziehen kann? Beger beobachtet in der Praxis drei Haltungen: enthusiastische Vorreiter, die als Multiplikatoren in ihren Institutionen wirken; eine Gegenseite, die dem Thema mit Ablehnung begegnet; und eine mittlere Gruppe mit reflektierter Grundhaltung. Letztere ist für ihn das Vorbild: „Diese Mitte, diese gesunde Skepsis, ist das, wo wir hinsollten – denn diese Modelle sind noch weit davon entfernt, perfekt zu sein.“¹ 

Über den ursprünglichen Optimismus über die beeindruckenden Fähigkeiten der KI im Gesundheitswesen können strukturelle Gefahren leicht übersehen werden: Von einem zunehmenden „Einrosten“ erlernter Fähigkeiten über die Abhängigkeit funktionierender Workflows von der Nutzung der Tools, bis hin zur Sinnkrise bei medizinischem Fachpersonal.

Bildquelle: Ehsan U, Passi S, Saha K et al., Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26) 2026 (CC BY-NC-ND 4.0)

Denn blindes Vertrauen birgt dabei nicht nur unmittelbare Risiken für die Patientensicherheit. Es gefährdet auch die fachliche Kompetenz der Anwender selbst, gibt Beger zu bedenken. Wissenschaftliche Evidenz zeigt zunehmend, dass übermäßige Abhängigkeit von KI-Systemen zu einem schleichenden Kompetenzverlust führt – dem sogenannten Deskilling.² 

Entsprechend wichtig sei es, Mitarbeiter bei der Einführung eines neuen KI-Tools von Anfang an miteinzubeziehen, so der Experte: „Es reicht eben nicht, einfach eine neue Software zu implementieren – das sind vielleicht 30% der Arbeit. Die übrigen 70% entfallen auf das Change-Management: die Mitarbeiter mitzunehmen auf dieser Reise der Transformation.“ 

Um dieser Gefahr entgegenzuwirken, hat GE HealthCare die Lernplattform HelloAI entwickelt. Sie soll Mitarbeiter gezielt im effizienten und verantwortungsbewussten Umgang mit KI schulen, erklärt Beger. Dabei richtet sich die Plattform nicht nur an ohnehin technikaffine Vorreiter, sondern soll die gesamte Belegschaft ansprechen: Mittlerweile setzen einige Krankenhäuser das Angebot zunehmend für ihre Belegschaft ein, weiß der Experte zu berichten. Weitere Kooperationen mit akademischen Einrichtungen zeigen, dass der Ansatz auch in der Breite funktioniert. Überraschend ist für Beger eine weitere Nutzergruppe: Patienten, die sich eigenständig anmelden, um besser zu verstehen, wie KI ihre Diagnostik und Therapie beeinflussen könnte. Für ihn ein Zeichen wachsenden Patient Empowerments – Patienten, die eine zunehmend aktive Rolle bei ihrer Gesundheitsversorgung einnehmen. 

Bereit sein für eine KI-gestützte Zukunft

Die Lernplattform soll Mitarbeiter im Gesundheitswesen auch auf eine Zukunft vorbereiten, in der KI eine immer größere Rolle spielt. Zwar erfolgt der Einsatz neuer Technik in der Medizin traditionell langsamer als in anderen Branchen – schon um sicherzustellen, dass der Nutzen für den Patienten die möglichen Risiken überwiegt, erläutert Beger. „Nichtsdestotrotz sehen wir, dass es auch schnell gehen kann. Ein schönes Beispiel dafür sind die sogenannte Ambient Scribes – eine KI, die im Hintergrund das Patienten-Arzt-Gespräch mithört und automatisch alle relevanten Informationen dokumentiert.“ Das Beispiel zeigt: Wenn der Nutzen klar erkennbar ist, findet die Technik schnell den Weg in den Berufsalltag.³ 

Doch neben dem Deskilling etablierter Fachkräfte sieht Beger eine zweite, strukturelle Gefahr: „Bei Medizinstudenten geht es um das sogenannte Never-Skilling. Die müssen erst mal die traditionellen Basics der Medizin lernen, bevor sie KI im großen Stil anwenden." Denn wer im Studium von Anfang an auf KI-Ausgaben vertraue, ohne das zugrundeliegende medizinische Wissen aufgebaut zu haben, riskiere, dieses Fundament nie zu erwerben. Die Ausbildung müsse demnach beides leisten: medizinisches Grundwissen vermitteln ebenso wie den richtigen Umgang mit KI-Tools – in dieser Reihenfolge. 

Literatur: 

1. Beger, J: Not someone, but something: Rethinking trust in the age of medical AI; European Journal of Radiology Artificial Intelligence 2025; https://doi.org/10.1016/j.ejrai.2025.100038
2. Ehsan U, Passi S, Saha K, McNutt T, Riedl MO, Alcorn S: From Future of Work to Future of Workers: Addressing Asymptomatic AI Harms to Foster Dignified Human-AI Interaction; Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26) 2026; https://doi.org/10.1145/3772318.3791081  
3. Beger J, Korchi A, Agten CA: Three Futures for the Diagnostic Radiologist: A Structured Disagreement About What AI Actually Changes; arXiv 2026; https://doi.org/10.48550/arXiv.2607.01253 

08.09.2026

• Ausbildung (330)
• KI (608)
• Personalmanagement (128)

• GE HealthCare