Scaling Artificial Intelligence in Health
Der Ausbau künstlicher Intelligenz im Gesundheitswesen
Die OECD zeigt sehr klar: KI ist im Gesundheitswesen längst angekommen, aber der skalierbare Nutzen bleibt hinter den Erwartungen zurück. Der Engpass liegt nicht allein in der Technologie, sondern in Datenbasis, Governance, Aufsicht, Beschaffung, Kompetenzen und Vertrauen.
Diese Seite fasst die Kernaussagen des OECD-Berichts zusammen und übersetzt die Inhalte in einen klaren Handlungsrahmen für Einrichtungen, Träger, Kommunen und Entscheidungsträger.
Strategischer Kernpunkt: Die OECD beschreibt KI im Gesundheitswesen nicht als Selbstzweck, sondern als Führungs- und Steuerungsaufgabe. Entscheidend ist die Fähigkeit, Innovation, Patientensicherheit, Datenschutz, Interoperabilität und Vertrauen in ein belastbares Betriebsmodell zu überführen.
Leitidee: Nicht einzelne Pilotprojekte entscheiden über den Erfolg, sondern eine robuste Gesamtarchitektur für Daten, Regulierung, Nutzung, Monitoring und Kompetenzaufbau.
Executive Summary
Die OECD benennt ein einfaches Grundproblem: KI ist in der Verwaltung breit angekommen, auf nationaler Ebene jedoch nur in wenigen klinischen Einsatzfeldern wirklich skaliert.
Administrative Nutzung
In allen OECD-Mitgliedstaaten ist KI bereits in administrativen Prozessen angekommen.
Nationale Skalierung Bildgebung
Medizinische Bildgebung ist ein Vorreiter, aber nur ein kleiner Teil der Anwendungen wurde landesweit skaliert.
Spezifische Strategien
Nur ein kleiner Anteil der OECD-Länder verfügt über eine nationale KI-in-Health-Strategie oder einen spezifischen Aktionsplan.
Aufsichtsgremien
Nationale Oversight-Strukturen für KI im Gesundheitswesen sind bislang eher Ausnahme als Standard.
Die vier Säulen des OECD-Rahmens
Der Bericht entwickelt eine sektorbezogene Policy Checklist mit vier Leitpfeilern. Sie bilden zusammen den Ordnungsrahmen für eine verantwortungsvolle Skalierung von KI in Gesundheitssystemen.
Enablers
Solide Daten- und Digitalgrundlagen, klare Prozesse für Prüfung und Einführung von KI sowie ausreichende personelle und technische Kapazitäten.
- Bessere Nutzung von Gesundheitsdaten
- Assurance, Zulassung und Skalierung von KI
- Aufbau von Workforce- und Infrastruktur-Kompetenz
Guardrails
Gemeinsame Zielbilder, Governance, Monitoring und Reaktionsmechanismen, damit KI nicht nur eingeführt, sondern sicher und wirksam geführt wird.
- Nationale Vision, Strategie und Aktionspläne
- Oversight, Messung und Post-Market-Monitoring
- Klare Verantwortlichkeiten und Anreize
Engagement
Öffentlichkeit, Leistungserbringer und Industrie müssen aktiv eingebunden werden. Ohne Akzeptanz und Mitwirkung bleibt KI Stückwerk.
- Öffentliche Aufklärung und Beteiligung
- Schulung und Empowerment der Gesundheitsberufe
- Transparente Partnerschaften mit Industrie und Forschung
Trustworthiness
Bioethik, Transparenz, Sicherheit, Erklärbarkeit und Verantwortung sind kein Zusatzmodul, sondern integraler Teil des gesamten Lebenszyklus.
- Patientenwohl, Nichtschaden, Autonomie, Gerechtigkeit
- Ethische Bewertung von Entwicklung und Einsatz
- Vertrauen als Betriebsbedingung für Skalierung
Die neun Politikfelder der OECD-Checkliste
Aus den vier Säulen leitet die OECD neun operative Politikfelder ab. Diese Struktur ist für Träger, Kliniken, Kommunen und Aufsicht gleichermaßen anschlussfähig.
| Bereich | Politikfeld | Kerngedanke |
|---|---|---|
| Enablers | Bessere Nutzung von Gesundheitsdaten | FAIR-Daten, Zugänglichkeit, Interoperabilität, Datenqualität, sichere Speicherung und linkbare Identitäten als Fundament jeder skalierbaren KI. |
| Enablers | Assurance und Nutzung von KI | Risikomanagement, technische Bewertung, Modellkarten, Procurement, Erstattung, Haftung und regulatorische Sandboxes. |
| Enablers | Kapazität und Capability | Kompetenzaufbau in Versorgung, Verwaltung, Governance, Technik und Öffentlichkeit; dazu Cloud-, Speicher- und Rechenkapazität. |
| Guardrails | Gemeinsame Ziele | Nationale Visionen, sektorbezogene Strategien, offene und kollaborative Ansätze sowie adaptive Governance. |
| Guardrails | Oversight, Measurement & Monitoring | Post-Market-Effektivität, Incident Reporting, Nutzenmessung, Energieeinsatz, Verantwortlichkeiten und Oversight-Gremien. |
| Engagement | Öffentlichkeit | Digitale und KI-bezogene Gesundheitskompetenz, Repräsentativität, Bürgerbeteiligung und Vertrauen in Datennutzung und KI. |
| Engagement | Leistungserbringer | Schulungen, klinische Adoption, Workflow-Redesign und Einbindung in alle Phasen des KI-Lebenszyklus. |
| Engagement | Industrie | Transparente Zusammenarbeit, öffentliche-private Partnerschaften, nachvollziehbare Prüfpfade und verlässliche regulatorische Signale. |
| Trustworthiness | Verantwortungsvoller KI-Einsatz | Ethische Leitplanken und bioethische Bewertungsmaßstäbe über Entwicklung, Einführung, Nutzung und Weiterentwicklung hinweg. |
OECD-Statusbild: Wo die Mitgliedstaaten stehen
Die OECD zeigt ein gemischtes Reifegradbild. Datenpolitik ist vielerorts weiter entwickelt als operative Einführung, Workforce-Aufbau und Oversight.
Relativ weit entwickelt
72 % der OECD-Länder haben Maßnahmen für die bessere Nutzung von Gesundheitsdaten etabliert. Dazu zählen Datenkataloge, Data-Access-Strukturen und Datenschutzrahmen.
Noch fragmentiert
Nur 20 % zeigen einen hohen Reifegrad bei enabling practices wie HTA für KI, regulatorischen Sandboxes, Procurement oder nationalen Regeln zur klinischen Nutzung.
Deutlicher Nachholbedarf
Nur 29 % der Staaten haben nationale Ansätze zur Verbesserung von KI-Kompetenz und Awareness im Gesundheitswesen etabliert.
Teilweise vorhanden
58 % weisen Fortschritte bei vereinbarten Zielbildern, Referenz auf Gesundheit in KI-Strategien oder Infrastrukturstrategien auf.
Große operative Lücke
Bei Oversight, Messung und Monitoring liegt der Anteil mit belastbaren nationalen Strukturen erst bei 18 %.
Unvollständig verankert
41 % zeigen Fortschritte bei Maßnahmen zur öffentlichen Beteiligung und zum besseren Verständnis von KI in der Gesundheit.
Was die OECD als Prioritäten sichtbar macht
Der Bericht benennt keine Einzellösung, sondern eine Reihenfolge strategischer Arbeitspakete. Daraus ergeben sich klare Prioritäten für Gesundheitsorganisationen und öffentliche Träger.
Was das für Einrichtungen und Träger konkret bedeutet
Aus dem OECD-Bericht lässt sich ein klarer Handlungsrahmen für die operative Umsetzung ableiten.
Von Pilotprojekten zum Regelbetrieb
KI sollte nicht nur als Innovationsthema laufen. Benötigt werden Governance, Monitoring, Beschaffungskriterien, klinische Verantwortungslinien und dokumentierte Entscheidungspfade.
Kompetenz vor Beschleunigung
Gerade in dokumentationsnahen, koordinativen und überleitungsrelevanten Prozessen entscheidet die Qualität der Einführung über Akzeptanz, Haftungsprofil und Nutzen.
Daten, Steuerung und Teilhabe
Öffentliche Akteure brauchen belastbare Datenstrategien, klare Zielbilder und Beteiligungsprozesse, wenn KI Teil regionaler Gesundheits- und Pflegeplanung werden soll.
|
Organisation for Economic Co-operation and Development (OECD)
Scaling Artificial Intelligence in Health Brodeur P., Goh E., Rodman A., Chen J., ARISE 2026. Link zur OECD |
Den Report in der Praxis nutzen?
Ich zeige Ihnen, wie Sie die Standards für Ihre Digital Health Strategie einsetzen. |
Thomas Bade hat alle Inhalte inhaltlich geprüft, fachlich bewertet und freigegeben.