Health AI Partnership
Health AI Partnership (HAIP)
Die Health AI Partnership (HAIP) ist das erste multi-stakeholder-Kollaborativ, das sich ausschließlich darauf konzentriert, Gesundheitseinrichtungen in die Lage zu versetzen, KI sicher, wirksam und gerecht einzusetzen.
HAIP wurde im April 2022 gegründet – von Duke Health, Mayo Clinic, UC Berkeley und DLA Piper, gefördert durch die Gordon and Betty Moore Foundation, und ist am Duke Institute for Health Innovation (DIHI) in Durham, North Carolina verankert.
HAIP ist kein Think Tank und kein politisches Gremium. Es ist ein praxisorientiertes Netzwerk für Gesundheitseinrichtungen, das operative Best-Practice-Leitfäden, Governance-Werkzeuge und Unterstützungsprogramme speziell für deploying organizations entwickelt.
Warum die Health AI Partnership für KI-Governance, KI-Kompetenz und Lernformate strategisch relevant ist!
Die eigentliche Frage ist nicht, ob Mitarbeitende KI nutzen – sondern ob Einrichtungen diese Nutzung strukturiert beschreiben, verantworten und im Beschaffungsprozess belastbar prüfen können.
Die Health AI Partnership ist für Krankenhäuser, Pflegeeinrichtungen, kommunale Träger und Verwaltung deshalb relevant, weil sie KI-Governance auf die Ebene bringt, auf der sie täglich gebraucht wird: Beschaffung, Integration, Dokumentation, Monitoring und Lifecycle-Management konkreter KI-Systeme.
Genau darin liegt auch die strategische Relevanz für die Lernformate von Thomas Bade. Denn viele Einrichtungen haben heute kein reines Informationsproblem. Sie haben ein Umsetzungsproblem: KI wird genutzt, aber Zuständigkeiten, Risikoabbildung, interne Dokumentation und eine belastbare Beschaffungslogik sind oft noch nicht ausreichend entwickelt.
Kernaussage: Lernformate werden dann besonders wertvoll, wenn sie nicht nur Wissen vermitteln, sondern aus KI-Nutzung dokumentierbare, prüffähige und steuerbare Praxis machen – beginnend bei der Beschaffungsentscheidung.
Kernaussagen der Health AI Partnership
KI-Governance beginnt nicht auf Strategieebene, sondern bei der strukturierten Beschreibung konkreter Anwendungen.
Die Health AI Partnership zeigt, dass Einrichtungen ihre KI-Nutzung nur dann steuern können, wenn Use Cases systematisch erfasst, beschrieben und in eine einheitliche Struktur überführt werden.
Dokumentation ist die Voraussetzung für Vergleichbarkeit, Steuerung und interne Verantwortung.
Erst wenn Anwendungen nach einer konsistenten Logik beschrieben werden, lassen sich Risiken bewerten, Zuständigkeiten klären und Entscheidungen organisationsweit nachvollziehbar treffen.
KI-Kompetenz reicht nicht aus – sie muss in dokumentierbare Ergebnisse übersetzt werden.
Mitarbeitende müssen KI nicht nur verstehen, sondern ihre Nutzung so erfassen, dass sie für QM, IT, Datenschutz und Leitung verwertbar wird.
Das Framework schafft eine gemeinsame Sprache zwischen Fachpraxis und Management.
Zwischen operativer Nutzung und strategischer Verantwortung fehlt oft die Verbindung. Die HAIP-Werkzeuge übersetzen konkrete Anwendungen in berichtsfähige Governance-Strukturen.
Für Lernformate entsteht der Schritt von Weiterbildung zu echter Governance-Befähigung.
Der eigentliche Mehrwert liegt darin, dass aus Lernmodulen operative Outputs entstehen: Use-Case-Steckbriefe, Risikoeinordnungen, Verantwortlichkeiten und Monitoring-Logiken.
Was KI-Beauftragte und Organisationen jetzt einordnen sollten
Die Health AI Partnership zeigt ein klares Muster: KI wird in Einrichtungen bereits genutzt, aber oft noch nicht systematisch erfasst, bewertet und gesteuert. Die eigentliche Herausforderung liegt deshalb nicht in der Technologie, sondern in der fehlenden Struktur zur Einordnung, Dokumentation und verantwortungsvollen Beschaffung.
Für Gesundheitswesen und Kommunen sind die HAIP-Leitfäden vor allem operative Governance-Instrumente.
Der entscheidende Schritt ist nicht die Einführung von KI – sondern die Fähigkeit, Systeme nachvollziehbar zu beschaffen, Anwendungen zu dokumentieren, Verantwortlichkeiten zu klären und Monitoring strukturiert aufzubauen.
Die Health AI Partnership macht sichtbar, dass Governance nicht erst auf der Ebene großer Strategiepapiere beginnt.
Sie beginnt dort, wo eine Einrichtung ihre KI-Systeme strukturiert beschafft und ihre KI-Anwendungen in eine belastbare Ordnung bringt.
Für Einrichtungen im Gesundheitswesen sind die HAIP-Leitfäden weniger ein Berichtsschema als eine operative Struktur, um aus KI-Beschaffung und KI-Nutzung verantwortbare und dokumentierbare Praxis zu machen.
Warum das Framework für Gesundheitswesen und Pflege besonders relevant ist
KI-Kompetenz sitzt im Alltag, nicht nur in der Leitung
Pflegekräfte arbeiten bereits heute mit KI-gestützten Dokumentations- und Assistenzsystemen. Gerade dort braucht es klare Einordnung, Grenzen und dokumentierte Verantwortlichkeiten.
Entscheidungsvorbereitung braucht nachvollziehbare Logik
Verwaltungsmitarbeitende nutzen KI-Outputs häufig in vor- oder nachgelagerten Entscheidungsprozessen. Governance muss deshalb auch auf administrative Anwendungsfälle ausgedehnt werden.
Einordnung wird zum Engpass
Viele Teams wissen heute noch nicht sicher, welche Systeme in ihrer Praxis regulatorisch relevant, erklärungsbedürftig oder besonders überwachungspflichtig sein können.
Governance beginnt mit Struktur, nicht mit Perfektion
Einrichtungen brauchen keinen theoretischen Maximalanspruch, sondern ein praxistaugliches Raster, mit dem sie KI geordnet erfassen, priorisieren und weiterentwickeln können.
Was das praktisch bedeuten kann
Modul „KI-Use-Case dokumentieren"
Schrittweise Erfassung von Zweck, Rollen, Risiken, Schutzmaßnahmen und Monitoring.
Standardisierter KI-Steckbrief
Exportierbares Ergebnis für QM, Leitung, Datenschutz oder interne Projektsteuerung.
Control Panel für KI-Anwendungen
Übersicht über Status, Risiko, Verantwortlichkeit, Dokumentationsstand und Monitoring.
Praxislogik
- Erst strukturieren, dann skalieren.
- Erst dokumentieren, dann steuern.
- Erst governancefähig werden, dann ausrollen.
Vom Framework zur praktischen Konsequenz
| Befund | Bedeutung für Organisationen | Praktische Konsequenz |
|---|---|---|
| KI-Nutzung ist oft schon da, bevor Governance sauber aufgebaut ist. | Organisationen verlieren leicht den Überblick über Zwecke, Rollen und Risiken. | Use Cases systematisch erfassen und einheitlich beschreiben. |
| Wissen allein erzeugt noch keine interne Steuerungsfähigkeit. | Kompetenz muss in Dokumentation und nachvollziehbare Ergebnisse übersetzt werden. | Lernmodule mit exportfähigen Governance-Outputs verbinden. |
| Fachbereiche und Leitung sprechen oft nicht dieselbe Sprache. | Es fehlt eine gemeinsame Struktur für Einordnung und Berichterstattung. | Standardisierte KI-Steckbriefe und Verantwortungsmatrizen etablieren. |
| Monitoring wird häufig erst spät mitgedacht. | Risiken, Änderungen und Vorfälle bleiben organisatorisch unscharf. | Monitoring-Pfade früh in die Dokumentationslogik integrieren. |
Die zentrale Frage ist nicht, welche KI-Tools bereits im Einsatz sind.
Entscheidend ist vielmehr, welche KI-Anwendungen sich in der eigenen Einrichtung fachlich sinnvoll einbinden, strukturiert beschaffen, dokumentieren und verantwortbar betreiben lassen.
Genau hier setzt die Health AI Partnership an. Sie bietet klare Werkzeuge, um aus vorhandenem KI-Wissen belastbare operative Praxis zu entwickeln – beginnend bei der Beschaffung und weiterführend bis zum laufenden Betrieb.
Neue Publikation: HAIP AI Vendor Disclosure Framework – NEJM AI, April 2026
Am 23. April 2026 wurde im New England Journal of Medicine AI (NEJM AI) ein Framework veröffentlicht, das die bisherige HAIP-Arbeit um eine zentrale Dimension erweitert: die strukturierte Transparenz bei der Beschaffung von KI-Systemen.
Das HAIP AI Vendor Disclosure Framework von Kpodzro, Kim, Hasan et al. (Duke Institute for Health Innovation) ist die erste gemeinschaftlich entwickelte Leitlinie, die verbindlich beschreibt, welche Informationen Hersteller von KI-Systemen im Gesundheitswesen offenlegen müssen – und welche Angaben Einrichtungen im Beschaffungsprozess einfordern sollten.
Die Veröffentlichung im NEJM AI ist kein Zufall: Das Journal gilt als führende Fachzeitschrift für klinische KI und richtet sich direkt an Entscheidungsträger in Gesundheitssystemen. Ein Beitrag dort hat normativen Charakter – er setzt Erwartungen für die Branche.
Warum das für deutsche Einrichtungen jetzt relevant ist:
Krankenhäuser, Pflegeeinrichtungen und Träger stehen unter wachsendem Druck,
KI-Systeme zu beschaffen – oft ohne Werkzeuge, um Herstellerversprechen belastbar
zu prüfen. Das Framework gibt Beschaffungsteams erstmals ein strukturiertes
Frageset an die Hand: von Zweckbestimmung und Regulierungsstatus über
Datenschutz und Lifecycle-Management bis zu Haftung und Gesamtkosten.
In Verbindung mit EU AI Act, MDR/IVDR und DSGVO entsteht daraus
ein praxistauglicher Governance-Rahmen für verantwortungsvolle KI-Beschaffung.
HAIP Governance Readiness Check
Wie gut dokumentiert, steuert und verantwortet Ihre Organisation
den Einsatz von KI-Anwendungen?
Wählen Sie alle Aussagen aus, die auf Ihre Einrichtung zutreffen.
Use-Case-Dokumentation
Dimension 1Governance & Verantwortlichkeit
Dimension 2Risikobewertung & Datenschutz
Dimension 3Es ist ein zentrales Instrument, das durch den EU AI Act (die europäische KI-Verordnung) für bestimmte Hochrisiko-KI-Systeme vorgeschrieben wird. / DSFA Eine Datenschutz-Folgenabschätzung (DSFA) für Künstliche Intelligenz (KI) ist eine spezielle Risikobewertung nach Art. 35 DSGVO.
Sie ist zwingend erforderlich, wenn der Einsatz von KI voraussichtlich ein hohes Risiko für die Rechte und Freiheiten natürlicher Personen zur Folge hat. ).
KI-Kompetenz & Schulung
Dimension 4Monitoring & Betriebsverantwortung
Dimension 5A Collaborative Best Practice Guide for Promoting AI Vendor Transparency in Health Care – The HAIP AI Vendor Disclosure Framework
Kpodzro S., Kim J.Y., Hasan A. et al. · NEJM AI 2026;3(5) · DOI: 10.1056/AIp2500985
healthaipartnership.org
Ich zeige Ihnen, wie Sie die HAIP-Leitfäden für Ihre KI-Beschaffung und Digital Health Strategie einsetzen.
Thomas Bade hat alle Inhalte inhaltlich geprüft, fachlich bewertet und freigegeben.
