Mit der wachsenden Aufmerksamkeit für künstliche Intelligenz wird dieses Problem sichtbarer. KI-Systeme können große Datenmengen verarbeiten und darin Muster erkennen. Sie können aber keine fehlenden Informationen ergänzen, unklare Begriffe automatisch vereinheitlichen oder widersprüchliche Datenquellen zuverlässig erklären. Wenn Herkunft, Qualität und Bedeutung der Daten unklar sind, wird aus mehr Rechenleistung nicht automatisch mehr Wissen.
Mehr als eine Frage der Technologie
Genau an diesem Punkt setzt auch Episode 71 des Healthcare Changers Podcasts an. Gemeinsam mit Eva Theiler, Senior Manager Health and Digital Innovation bei der inhive Group, geht Host Dominik Flener der Frage nach, warum zwischen den technischen Möglichkeiten von KI und ihrem verlässlichen Einsatz im Gesundheitswesen oft eine große Lücke liegt. Theiler verbindet dabei Erfahrungen aus medizinischer Forschung, Technologietransfer und Organisationsentwicklung. Ihr Blick macht deutlich: Ob KI einen Nutzen stiftet, entscheidet sich bereits lange bevor ein Modell zum Einsatz kommt.
Damit verschiebt sich die Ausgangsfrage. Statt allgemein zu fordern, Gesundheitsdaten müssten stärker genutzt werden, lohnt sich zunächst eine genauere Betrachtung: Welche Daten stehen tatsächlich zur Verfügung, in welcher Form liegen sie vor und welche Entscheidung sollen sie verbessern?
Zugriff ist ein Fortschritt aber noch keine Auswertung
Österreich verfügt mit ELGA bereits über eine wichtige Infrastruktur für den Informationsfluss in der Versorgung. Patient:innen und berechtigte Gesundheitsdiensteanbieter können auf ausgewählte Labor- und Röntgenbefunde, ärztliche und pflegerische Entlassungsbriefe sowie Medikationsinformationen zugreifen. Seit Juli 2025 sind bestimmte niedergelassene Labor- und Radiologiefachärzt:innen außerdem verpflichtet, entsprechende Befunde in ELGA zu speichern.
Dieser Zugriff kann Doppeluntersuchungen vermeiden, Behandlungsinformationen schneller verfügbar machen und Patient:innen einen besseren Überblick über ihre Unterlagen geben. Für eine systematische Auswertung ist jedoch ein weiterer Schritt notwendig. Ein Befund kann in einem einheitlichen Dokumentenformat vorliegen und für Menschen gut lesbar sein, ohne dass alle enthaltenen Werte, Einheiten, Diagnosen und Zeitbezüge über verschiedene Systeme hinweg gleich codiert und maschinell vergleichbar sind.
Genau hier liegt ein häufiges Missverständnis der Digitalisierung: Ein Dokument wurde digital übermittelt, also gelten auch seine Inhalte als digital nutzbar. Für die behandelnde Ärztin kann das Dokument bereits einen großen praktischen Wert haben. Für eine populationsweite Analyse, ein klinisches Entscheidungsunterstützungssystem oder das Training eines KI-Modells gelten aber andere Anforderungen.
Zwischen einem Befund und einer belastbaren Erkenntnis
Damit vorhandene Gesundheitsinformationen für einen neuen Zweck eingesetzt werden können, müssen mehrere Voraussetzungen gleichzeitig erfüllt sein.
- Zunächst braucht es einen geregelten Zugang. Es muss feststehen, wer welche Informationen zu welchem Zweck sehen und verarbeiten darf. Die Berechtigung einer behandelnden Ärztin, einen Befund einzusehen, ist nicht automatisch eine Berechtigung, dieselben Daten für Forschung, Versorgungssteuerung oder die Entwicklung eines KI-Systems zu verwenden.
- Danach stellt sich die Frage der technischen und semantischen Vergleichbarkeit. Unterschiedliche Systeme können denselben Sachverhalt anders benennen, strukturieren oder speichern. Erst wenn klar ist, was ein Datenfeld bedeutet, wie ein Wert gemessen wurde und in welchem Kontext er entstanden ist, lassen sich Informationen zuverlässig zusammenführen.
- Hinzu kommt die Datenqualität. Fehlende Werte, uneinheitliche Dokumentation oder eine nicht repräsentative Datengrundlage verschwinden nicht durch den Einsatz von KI. Ein System kann darin trotzdem Muster finden. Ob diese Muster medizinisch relevant oder lediglich ein Ergebnis der Datenerhebung sind, muss jedoch geprüft werden.
- Schließlich braucht es eine konkrete Fragestellung. Eine große Datenmenge hat keinen eigenen Erkenntniswert. Relevant wird sie erst, wenn sie hilft, beispielsweise einen Versorgungsengpass zu verstehen, ein Risiko früher zu erkennen oder die Wirkung einer Maßnahme zu bewerten.
Primärnutzung und Sekundärnutzung verfolgen unterschiedliche Ziele
Der European Health Data Space (EDHS) unterscheidet deshalb zwischen Primär- und Sekundärnutzung. Primärnutzung bezeichnet die Verwendung elektronischer Gesundheitsdaten für die konkrete Versorgung einer Person. Sekundärnutzung meint die erneute Verwendung bereits vorhandener Daten, etwa für wissenschaftliche Forschung, gesundheitspolitische Planung, Patientensicherheit oder regulatorische Aufgaben.
Beide Formen können dieselben Ausgangsdaten betreffen, benötigen aber unterschiedliche Regeln und Infrastrukturen. Für die Behandlung muss eine Information rasch der richtigen Person zugeordnet werden können. Für Forschung oder Versorgungsanalysen sind dagegen sichere Verarbeitungsumgebungen, eine nachvollziehbare Datensatzbeschreibung und je nach Zweck anonymisierte oder pseudonymisierte Daten erforderlich.
Die EHDS-Verordnung ist im März 2025 in Kraft getreten und schafft dafür einen gemeinsamen europäischen Rahmen. Ihre praktische Umsetzung erfolgt allerdings stufenweise. Wichtige Regeln für erste prioritäre Datenkategorien und große Teile der Sekundärnutzung sollen ab 2029 greifen; weitere Kategorien wie medizinische Bilder, Laborergebnisse und Entlassungsberichte folgen ab 2031. Der EHDS ist daher kein bereits fertiger europäischer Datenpool, sondern ein langfristiger Umbau von Regeln, Standards und Infrastruktur.
KI macht Datenprobleme schneller sichtbar
Künstliche Intelligenz verschärft den Bedarf an gut beschriebenen und vergleichbaren Daten. Ein Mensch kann beim Lesen eines Befundes Rückfragen stellen, einen ungewöhnlichen Wert im Zusammenhang mit der Krankengeschichte interpretieren oder erkennen, dass zwei Einrichtungen unterschiedliche Begriffe verwenden. Ein automatisiertes System braucht diese Zusammenhänge in einer Form, die technisch verarbeitet werden kann.
Das bedeutet nicht, dass vor jedem KI-Projekt sämtliche Gesundheitsdaten eines Landes vereinheitlicht werden müssen. Ein sinnvoller Anwendungsfall kann mit einem kleineren, klar definierten Datensatz beginnen. Dafür muss jedoch bekannt sein, welche Patientengruppe, welcher Prozess und welche Entscheidung betroffen sind. Ebenso muss vorab feststehen, woran der Nutzen gemessen wird.
Gerade dieser begrenzte Einstieg hilft, die tatsächlichen Lücken zu erkennen. Fehlt eine entscheidende Information? Sind Werte zwischen Standorten vergleichbar? Entsteht durch die Auswahl der Daten eine Verzerrung? Lässt sich das Ergebnis in einen bestehenden Versorgungsprozess integrieren? Solche Fragen sind weniger spektakulär als die Präsentation eines neuen KI-Tools, entscheiden aber darüber, ob ein Projekt über den Pilotstatus hinauskommt.
Datennutzung setzt Vertrauen voraus
Gesundheitsdaten gehören zu den sensibelsten Informationen, die über einen Menschen vorliegen. Ihre stärkere Nutzung lässt sich deshalb nicht allein technisch organisieren. Patient:innen müssen nachvollziehen können, welche Daten verarbeitet werden, wer darauf zugreift und welche Rechte sie haben.
Der EHDS sieht für die Sekundärnutzung unter anderem klar definierte zulässige Zwecke, Genehmigungen durch nationale Zugangsstellen und sichere Verarbeitungsumgebungen vor. Die Daten sollen dort analysiert werden können, ohne dass personenbezogene Datensätze einfach heruntergeladen werden. Zudem sind Nutzungen untersagt, die Personen schaden könnten oder Marketingzwecken dienen.
Solche Schutzmechanismen sind kein Gegenpol zur Innovation. Sie sind eine Voraussetzung dafür, dass Menschen Gesundheitsdaten für Versorgung und Forschung anvertrauen. Ein System, das mehr Daten nutzen kann, ohne transparent zu erklären, wie es mit ihnen umgeht, wird langfristig nicht nur ein rechtliches, sondern auch ein Akzeptanzproblem bekommen.
Die konkrete Frage entscheidet über den Wert der Daten
Gesundheitsorganisationen müssen daher nicht mit der größtmöglichen Datensammlung beginnen. Ein besserer Ausgangspunkt ist eine Entscheidung, die heute auf einer unzureichenden Grundlage getroffen wird. Von dort aus lässt sich bestimmen, welche Informationen dafür fehlen, welche bereits vorhanden sind und welche Qualität sie besitzen.
Erst danach sollte geprüft werden, ob eine klassische Auswertung genügt, ob bessere digitale Schnittstellen benötigt werden oder ob KI tatsächlich einen zusätzlichen Nutzen bietet. Diese Reihenfolge schützt davor, ein technologisch interessantes System zu entwickeln, das im Alltag keine relevante Entscheidung verbessert.
Das österreichische Gesundheitswesen muss deshalb nicht nur mehr Informationen digital verfügbar machen. Es muss vorhandene Daten so beschreiben, strukturieren und absichern, dass sie für klar definierte Zwecke verwendet werden können. Der entscheidende Fortschritt liegt nicht in der Zahl gespeicherter Befunde. Er zeigt sich dort, wo aus verlässlichen Daten eine bessere Entscheidung für Versorgung, Forschung oder Gesundheitspolitik entsteht.
Die gesamte Podcastfolge
Wer mehr darüber erfahren möchte, wo KI im Gesundheitswesen bereits sinnvoll eingesetzt wird, welche Rolle Daten und Organisation spielen und warum Patient Outcomes der wichtigste Maßstab bleiben, kann die gesamte Episode 71 des Healthcare Changers Podcasts hören: KI Ohne Problem keine Lösung
