Statistiken zur KI im Gesundheitswesen aus dem Jahr 2026 zeigen, dass Ärzte KI hauptsächlich für die Dokumentation und nicht für Diagnosen nutzen. Unter den US-Ärzten verwenden inzwischen 30 % KI, um Entlassungsanweisungen, Behandlungspläne oder Verlaufsnotizen zu erstellen, 28 % zur Dokumentation von Abrechnungscodes, Patientenakten oder Besuchsnotizen und 28 % zur Erstellung von Aktenzusammenfassungen. 2024 waren es noch 20 %, 21 % und 12 % (AMA, 2026 Physician Survey on Augmented Intelligence, März 2026). Die unterstützende Diagnose, also die Anwendung, die für Schlagzeilen sorgt, liegt mit 17 % dahinter – ebenso wie das Verfassen von Antwortentwürfen auf Nachrichten im Patientenportal mit 19 % und Übersetzungen mit 18 % (AMA, 2026 Physician Survey on Augmented Intelligence, März 2026).
Auch die Ausgaben folgen diesem Muster. Die klinische Dokumentation im Hintergrund ist die größte Ausgabenkategorie für KI im Gesundheitswesen: 2025 waren es schätzungsweise $600M, mehr als für die Automatisierung von Kodierung und Abrechnung mit $450M (Menlo Ventures, 2025 State of AI in Healthcare, Okt. 2025). Diagnostische KI wird als Medizinprodukt reguliert: Die FDA-Liste besteht überwiegend aus Radiologiesoftware, und die stärksten Studienbelege stammen aus der Brustkrebsvorsorge. Die meisten Patienten möchten wissen, wenn bei ihrer Behandlung KI zum Einsatz kommt, und die meisten vertrauen nur wenig darauf, dass ihr Gesundheitssystem sie verantwortungsvoll einsetzen wird.
Die folgenden Zahlen behandeln den Einsatz von KI durch Ärzte und Krankenhäuser, KI-Mitschriften im Hintergrund, KI-gestützte FDA-Medizinprodukte, Genauigkeit und Sicherheit, Einstellungen von Patienten sowie Investitionen. Zahlen außerhalb der USA sind entsprechend gekennzeichnet.
Wichtigste Erkenntnisse
- 72 % der US-Ärzte nutzten 2026 mindestens eine KI-Anwendung in ihrer Praxis. 2024 waren es 48 % und 2023 38 % (AMA, 2026 Physician Survey on Augmented Intelligence, März 2026).
- 71 % der Akutkrankenhäuser in den USA nutzten 2024 prädiktive KI, die in ihre elektronische Patientenakte integriert war. 2023 waren es 66 % (ASTP/ONC Data Brief 80, Sep. 2025).
- Alle 43 großen US-Gesundheitssysteme in einer Umfrage vom Herbst 2024 meldeten Aktivitäten zur Einführung von KI für Mitschriften im Hintergrund. Unter 37 KI-Anwendungen war dies die einzige, bei der kein System bei null lag (Poon et al., JAMIA, Mai 2025).
- 29 % der US-Ärzte, die von November 2025 bis Januar 2026 von Doximity befragt wurden, nutzten sprachgestützte Dokumentationswerkzeuge wie Zuhören im Hintergrund oder KI-Mitschriften. Von März bis April 2025 waren es 20 % (Doximity, 2026 State of AI in Medicine, März 2026).
- Die Einführung von KI-Mitschriften ging bei 8.581 Ärzten und anderen klinischen Fachkräften in 5 US-amerikanischen akademischen Gesundheitssystemen mit 16,0 Minuten weniger Dokumentationszeit und 13,4 Minuten weniger Gesamtzeit in der elektronischen Patientenakte pro 8 geplanten Patientenstunden einher (Rotenstein et al., JAMA, Apr. 2026).
- In einer randomisierten Studie mit zwei KI-Mitschriften und 238 Ärzten der UCLA sank die Zeit für Notizen bei einer Lösung um 9,5 %, während sich bei der anderen keine signifikante Veränderung zeigte (Lukac et al., NEJM AI, Nov. 2025).
- Die FDA-Liste KI-gestützter Medizinprodukte umfasst 1.614 Produkte mit endgültigen Entscheidungen aus dem Zeitraum von 1995 bis Juni 2026 (FDA, AI-Enabled Medical Device List, Sep. 2026).
- Radiologie ist bei 76,2 % der KI-gestützten Medizinprodukte auf der FDA-Liste das federführende Prüfgebiet (FDA, AI-Enabled Medical Device List, Sep. 2026).
- 43,4 % der Rückrufe von FDA-zugelassenen KI-Medizinprodukten erfolgten innerhalb von 12 Monaten nach der Zulassung – etwa doppelt so häufig wie bei allen 510(k)-Medizinprodukten (Lee et al., JAMA Health Forum, Aug. 2025).
- In einer randomisierten schwedischen Studie mit 105.934 Frauen erreichte die KI-gestützte Mammografie-Vorsorgeuntersuchung eine Sensitivität von 80,5 %, verglichen mit 73,8 % bei zwei Radiologen. Die Spezifität lag bei beiden bei 98,5 % (Gommers et al., Lancet, Jan. 2026).
- Der Missbrauch von KI-Chatbots steht auf ECRIs Liste der 10 größten Gefahren für Gesundheitstechnologien im Jahr 2026 an erster Stelle (ECRI, Top 10 Health Technology Hazards 2026, Jan. 2026).
- 72 % der Erwachsenen in den USA sagen, dass ein Anbieter ihnen mitteilen sollte, wenn KI während eines Arzttermins Notizen macht (Pew Research Center, Aug. 2026).
- 29 % der Erwachsenen in den USA nutzen mindestens einmal im Monat KI-Tools oder Chatbots, um Gesundheitsinformationen und Ratschläge einzuholen. Im Juni 2024 waren es 17 % (KFF Tracking Poll on Health Information and Trust, Juni 2026).
- KI-gestützte Start-ups erhielten 2025 54 % der US-amerikanischen Risikokapitalfinanzierung für digitale Gesundheit. 2024 waren es 37 % (Rock Health, 2025 Year-End Digital Health Funding Overview, Jan. 2026).
Wie viele Ärzte und Krankenhäuser nutzen 2026 KI?
Der Einsatz von KI durch Ärzte ist über die Phase der frühen Anwender hinaus. Die meisten Ärzte in den USA nutzen KI inzwischen, vor allem zum Lesen und Schreiben, nicht zur Diagnose. Krankenhäuser waren zuerst so weit und setzen prädiktive Modelle ein, die in die elektronische Patientenakte integriert sind.

Wie verbreitet ist der Einsatz von KI durch Ärzte 2026?
Die meisten US-Ärzte nutzen inzwischen KI bei der Arbeit, und jeder einzelne nutzt sie für mehr Aufgaben als noch 2023. Außerhalb der USA ist die Einführung weniger verbreitet und uneinheitlich. Hausärzte im Vereinigten Königreich liegen deutlich zurück.
- Der durchschnittliche Arzt nutzt inzwischen 2,3 KI-Anwendungen in seiner Praxis, 2023 waren es 1,1 (AMA, 2026 Physician Survey on Augmented Intelligence, März 2026).
- 76 % der Ärzte sagen, KI verschaffe ihnen bei der Patientenversorgung einen Vorteil. 2023 waren es 65 %, während 40 % nach wie vor gleichermaßen begeistert und besorgt sind (AMA, 2026 Physician Survey on Augmented Intelligence, März 2026).
- 85 % der Ärzte möchten bei der Einführung von KI in ihrer Praxis konsultiert werden oder dafür verantwortlich sein, und 92 % wünschen sich mehr KI-Bildung und -Schulungen (AMA, 2026 Physician Survey on Augmented Intelligence, März 2026).
- Weltweit nutzten 49 % der klinischen Fachkräfte und 57 % der Ärzte ein KI-Tool bei der Arbeit. Das ergab eine Umfrage unter 2.757 klinischen Fachkräften in 118 Ländern, die von Dezember 2025 bis Februar 2026 durchgeführt wurde (Elsevier, Clinician of the Future 2026, Mai 2026).
- Unter den klinischen Fachkräften, die KI bei der Arbeit nutzen, setzen inzwischen 34 % häufig oder immer spezielle klinische KI-Tools ein. 2025 waren es 22 %. Nordamerika liegt mit 41 % an der Spitze (Elsevier, Clinician of the Future 2026, Mai 2026).
- Im Vereinigten Königreich nutzten im Januar 2025 25 % der Hausärzte generative KI-Tools in der klinischen Praxis. Ein Jahr zuvor waren es 20 % (Blease et al., Digital Health, Nov. 2025).
- 95 % der Hausärzte im Vereinigten Königreich gaben an, keine berufliche Schulung zum Einsatz generativer KI bei der Arbeit erhalten zu haben; 85 % sagten, ihr Arbeitgeber habe sie nicht zur Nutzung ermutigt (Blease et al., Digital Health, Nov. 2025).
Eine Umfrage in einem einzelnen Krankenhaus zeigt, wie viel davon informell geschieht.
- In einem großen akademischen Krankenhaus in den USA nutzten 66,7 % der 54 befragten Krankenhausärzte KI in der klinischen Praxis, ohne dass es eine institutionelle Einführung gab. OpenEvidence (51,9 %) wurde weitaus häufiger genutzt als ChatGPT (7,4 %) (Bagla et al., JMIR, März 2026).
Für welche Aufgaben nutzen Ärzte KI?
Ärzte nutzen KI vor allem zum Lesen und Schreiben: Sie fassen Forschungsergebnisse zusammen, verfassen Notizen und kodieren Besuche. In nationalen Umfragen liegt die Diagnose weit hinten, obwohl Krankenhausärzte, die KI bereits nutzen, sich bei Differenzialdiagnosen stark darauf stützen.
- Zusammenfassungen medizinischer Forschung und Behandlungsstandards sind inzwischen die häufigste KI-Anwendung. 2026 nutzten sie 39 % der US-Ärzte, 2024 waren es 13 % (AMA, 2026 Physician Survey on Augmented Intelligence, März 2026).
- Ärzte, die KI-Tools für allgemeine Zwecke wie ChatGPT oder Copilot verwenden, nutzen sie vor allem, um medizinische Fachliteratur abzufragen (61 %), Arzneimittelinformationen nachzuschlagen (47 %) und sich beruflich weiterzubilden (47 %). Patientenkommunikation (31 %) oder die Analyse medizinischer Bilder (18 %) kommen deutlich seltener vor (Elsevier, Clinician of the Future 2026, Mai 2026).
- Unter den Hausärzten im Vereinigten Königreich, die generative KI nutzen, setzen 35 % sie ein, um nach Terminen die Dokumentation zu verfassen, und 27 %, um eine Differenzialdiagnose vorzuschlagen (Blease et al., Digital Health, Nov. 2025).
- 71 % der Hausärzte im Vereinigten Königreich, die generative KI für klinische Aufgaben nutzen, sagten, die Tools hätten ihre Arbeitsbelastung verringert (Blease et al., Digital Health, Nov. 2025).
- Unter den Krankenhausärzten eines akademischen Krankenhauses in den USA, die KI nutzen, setzen 88,9 % sie ein, um klinische Fragen zu beantworten, und 86,1 %, um Differenzialdiagnosen zu erstellen. Nur 44,4 % nutzen sie, um Informationsmaterial für Patienten zu erstellen (Bagla et al., JMIR, März 2026).
Wie viele Krankenhäuser und Gesundheitssysteme haben KI eingeführt?
Die meisten US-Krankenhäuser nutzen bereits prädiktive KI in ihrer elektronischen Patientenakte, und große Gesundheitssysteme haben Bildgebungs-KI fast überall eingeführt. Kleine, ländliche, kritische und unabhängige Krankenhäuser liegen weit zurück.
- Die Automatisierung der Abrechnung war der am schnellsten wachsende KI-Einsatz in Krankenhäusern: Der Anteil der Krankenhäuser, die prädiktive KI nutzten, stieg von 36 % auf 61 % zwischen 2023 und 2024. Bei der Terminplanung stieg er von 51 % auf 67 % (ASTP/ONC Data Brief 80, Sep. 2025).
- 2024 überprüften 82 % der Krankenhäuser, die prädiktive KI nutzten, deren Genauigkeit, 74 % prüften sie auf Verzerrungen und 79 % überwachten sie nach der Einführung (ASTP/ONC Data Brief 80, Sep. 2025).
- Nur 37 % der unabhängigen Krankenhäuser nutzten 2024 prädiktive KI, verglichen mit 86 % der Krankenhäuser in Mehrkrankenhaussystemen. Ähnlich groß war der Abstand bei Krankenhäusern mit kritischer Grundversorgung (50 % gegenüber 80 % bei anderen Krankenhäusern), kleinen Krankenhäusern (59 % gegenüber 96 % bei großen) und ländlichen Krankenhäusern (56 % gegenüber 81 % in städtischen Gebieten) (ASTP/ONC Data Brief 80, Sep. 2025).
- Bildgebung und Radiologie sind die am weitesten verbreiteten klinischen KI-Anwendungen in großen US-Gesundheitssystemen: 90 % der 43 Systeme, die im Herbst 2024 befragt wurden, hatten sie zumindest in einigen Bereichen eingeführt (Poon et al., JAMIA, Mai 2025).
- Nur 38 % der Gesundheitssysteme, die KI zur klinischen Risikostratifizierung, etwa zur Früherkennung von Sepsis, einsetzten, berichteten von einem hohen Maß an Erfolg (Poon et al., JAMIA, Mai 2025).
- 77 % der Gesundheitssysteme nannten unausgereifte KI-Tools als ihr größtes oder zweitgrößtes Hindernis. Damit lagen sie vor finanziellen Bedenken (47 %) und regulatorischer Unsicherheit (40 %) (Poon et al., JAMIA, Mai 2025).
Daten aus der Volkszählung zu Unternehmen im Gesundheits- und Sozialwesen zeigen, dass der KI-Einsatz 2026 zunimmt.
- 25,5 % der Unternehmen im Gesundheits- und Sozialwesen in den USA nutzten in den zwei Wochen vor der Umfrage vom 7. bis 20. Sep. 2026 KI in einer betrieblichen Funktion. In der Erhebungswelle vom 29. Dez. 2025 bis zum 11. Jan. 2026 waren es 21,0 % (U.S. Census Bureau, Business Trends and Outlook Survey, Sep. 2026). In derselben Erhebungswelle lag der Anteil bei allen US-Unternehmen bei 23,8 % (U.S. Census Bureau, Business Trends and Outlook Survey, national data, Sep. 2026).
Wie schnell verbreitet sich der Einsatz von KI-Mitschriften im Hintergrund?
Laut den Autoren der JAMIA-Umfrage haben KI-Mitschriften im Hintergrund die Phase der frühen Anwender schneller hinter sich gelassen als Bildgebungs-KI. Die ersten fundierten Studien zeigen, dass die Zeitersparnis real, aber gering ist. Am größten ist sie in der Primärversorgung und bei klinischen Fachkräften, die das Tool bei den meisten Terminen nutzen.

Wie viele klinische Fachkräfte nutzen KI-Mitschriften im Hintergrund?
Nur wenige große US-Gesundheitssysteme haben KI-Mitschriften im Hintergrund überall eingeführt, und klinische Fachkräfte, die Zugriff darauf haben, nutzen sie nur bei einem Teil ihrer Termine.
- Im Herbst 2024 hatten nur 14 % von 43 großen US-Gesundheitssystemen KI-Mitschriften im Hintergrund vollständig eingeführt, während 47 % sie in begrenzten Bereichen eingeführt hatten und 40 % sie noch entwickelten oder erprobten (Poon et al., JAMIA, Mai 2025).
- Microsoft gab an, dass seine KI für das Gesundheitswesen im Quartal von April bis Juni 2026 die Dokumentation von 28 Millionen Patientenkontakten automatisiert hatte, doppelt so viele wie im Vorjahr. Für das Kalenderjahr 2026 rechnete das Unternehmen mit mehr als 100 Millionen Kontakten (Microsoft, FY26 Q4 earnings call, Juli 2026).
- Im Vereinigten Königreich nutzten 14 % der 1.003 im August 2025 befragten Hausärzte eine KI-Mitschrift im Hintergrund, 39 % planten die baldige Einführung einer solchen Lösung und 46 % hatten keine entsprechenden Pläne (Blease et al., BMJ Health & Care Informatics, Juli 2026).
Zwei akademische Gesundheitssysteme zeigen, wie die Nutzung nach der Einführung zunimmt.
- Bis zum 31. März 2025, etwa 11 Wochen nachdem das Vanderbilt University Medical Center die KI-Mitschrift an einem einzigen Tag für mehr als 2.400 klinische Fachkräfte verfügbar gemacht hatte, hatten 1.223 Fachkräfte sie genutzt. Bei 20,1 % der Besuchsnotizen kam sie zum Einsatz (Wright et al., JAMIA, Okt. 2025).
- Bei UCSF Health hatten 698 von 1.565 behandelnden Ärzten (44,6 %) bis April 2025 eine KI-Mitschrift eingeführt. Dennoch entfielen auf sie nur 15,2 % der 1,2 Millionen ambulanten Besuche (Holmgren et al., JAMA Network Open, Jan. 2026).
Wie viel Dokumentationszeit sparen KI-Mitschriften?
Die Zeitersparnis ist real, aber gering. Die größte standortübergreifende Studie und zwei randomisierte Studien zeigen bescheidene Verbesserungen, die in der Primärversorgung und bei intensiver Nutzung am größten sind. Die außerhalb der Arbeitszeit in der elektronischen Patientenakte verbrachte Zeit verändert sich kaum.
- Ärzte und andere klinische Fachkräfte in der Primärversorgung, die eine KI-Mitschrift einführten, verbrachten pro 8 geplanten Patientenstunden 26,9 Minuten weniger mit der Dokumentation und 25,0 Minuten weniger in der elektronischen Patientenakte als diejenigen, die keine KI-Mitschrift einführten (Rotenstein et al., JAMA, Apr. 2026).
- Klinische Fachkräfte, die die Mitschrift bei mindestens 50 % ihrer Termine nutzten, verbrachten pro 8 geplanten Patientenstunden 27,3 Minuten weniger mit der Dokumentation und hatten pro Woche 1,0 zusätzlichen Termin im Vergleich zu Personen, die sie nicht eingeführt hatten (Rotenstein et al., JAMA, Apr. 2026).
- Die außerhalb der Arbeitszeit in der elektronischen Patientenakte verbrachte Zeit veränderte sich durch die Einführung einer KI-Mitschrift nicht signifikant (3,1 Minuten weniger pro 8 geplanten Patientenstunden, 95 % CI: 6,8 Minuten weniger bis 0,5 Minuten mehr), obwohl die Zahl der wöchentlichen Termine um 0,49 stieg (Rotenstein et al., JAMA, Apr. 2026).
- In einer randomisierten Stepped-Wedge-Studie über 24 Wochen mit 66 Ärzten und anderen klinischen Fachkräften in von der University of Wisconsin geleiteten Praxen in zwei Bundesstaaten verringerte KI im Hintergrund die tägliche Zeit für Notizen um 0,36 Stunden. Eine Verringerung der Arbeit außerhalb des Arbeitsplatzes um 0,50 Stunden war nicht mehr signifikant, nachdem die oberen 3 % der Tage ausgeschlossen wurden (Afshar et al., NEJM AI, Nov. 2025).
- Ärzte bei UCSF, die eine KI-Mitschrift einführten, rechneten pro Woche 1,81 zusätzliche relative Werteinheiten (RVUs) ab, was bei den Medicare-Sätzen von 2025 etwa $3.044 pro Jahr entspricht. Sie behandelten außerdem 0,80 zusätzliche Patienten pro Woche, während sich die Zahl der abgelehnten Ansprüche nicht veränderte (Holmgren et al., JAMA Network Open, Jan. 2026).
- In 14 Notaufnahmen verbrachten klinische Fachkräfte bei KI-gestützten Notizen nicht weniger Zeit mit der aktiven Bearbeitung als bei herkömmlichen Notizen (Median-Differenz: 0,17 Minuten mehr), tippten jedoch pro Notiz 722 Zeichen weniger (Kashiouris et al., Applied Clinical Informatics, Sep. 2026).
- 46 % der Verantwortlichen in US-Arztpraxen sagten, neue KI-Tools hätten ihre Anbieter in den vergangenen zwei Jahren produktiver gemacht, 27 % sahen keinen Zugewinn. Diejenigen, die von Verbesserungen berichteten, nannten KI-Mitschriften im Hintergrund als Hauptgrund (MGMA Stat, Mai 2026).
Das Diktieren der Notiz nach dem Termin ist die ältere Methode, um die Dokumentationszeit zu verkürzen. Ein Vergleich der Sprech- und Tippgeschwindigkeit findet sich im Überblick zu Statistiken zur Tippgeschwindigkeit, und Software zur klinischen Spracherkennung behandelt diesen Arbeitsablauf.
Lindern KI-Mitschriften Burnout und Bedenken zur Notizqualität?
In Studien und Umfragen verbessern sich die Werte mit KI-Mitschriften im Hintergrund. Die Belege für einen Rückgang von Burnout gelten jedoch nach wie vor als wenig aussagekräftig und stammen überwiegend von freiwilligen frühen Anwendern. Klinische Fachkräfte berichten weiterhin von Fehlern in den Mitschriften, und je mehr Patienten über die Nutzung informiert werden, desto seltener stimmen sie zu.
- Ärzte, die in der UCLA-Studie eine der beiden KI-Mitschriften erhielten, verbesserten sich auf der Mini-Z-Skala für Wohlbefinden von 10 bis 50 Punkten um 2,83 und 2,69 Punkte. DAX-Nutzer senkten die Aufgabenbelastung auf einer Skala von 0 bis 400 Punkten um 39,9 Punkte. Der Rückgang um 31,7 Punkte bei Nabla war statistisch nicht signifikant. Die Autoren sagen, dass diese sekundären Ergebnisse bestätigt werden müssen (Lukac et al., NEJM AI, Nov. 2025).
- In einer randomisierten Studie verringerte KI im Hintergrund Erschöpfung bei der Arbeit und zwischenmenschliche Distanzierung auf einer Fünf-Punkte-Skala um 0,44 Punkte. Der Anstieg des beruflichen Erfüllungserlebens um 0,14 Punkte war jedoch nicht signifikant (Afshar et al., NEJM AI, Nov. 2025).
- Unter 263 ambulant tätigen klinischen Fachkräften in 6 US-Gesundheitssystemen sank der Anteil derjenigen, die von Burnout berichteten, von 51,9 % vor auf 38,8 % nach 30 Tagen mit einer KI-Mitschrift im Hintergrund. Die Vorher-Nachher-Studie hatte keine Kontrollgruppe (Olson et al., JAMA Network Open, Okt. 2025).
- Eine Metaanalyse von 21 Studien ergab, dass KI-Dokumentation im Hintergrund mit einer geringeren Wahrscheinlichkeit für Burnout einherging (Odds Ratio 0,47, basierend auf 3 Studien). Die Zuverlässigkeit dieser Belege für Burnout wurde jedoch als gering eingestuft (Gong et al., JMIR, Aug. 2026).
Wie verbreitet Burnout überhaupt ist, wird im Überblick zu den Statistiken zu Burnout bei Ärzten behandelt. Bei der Qualität der Notizen sind die Mitschriften nicht fehlerfrei.
- Ärzte in der UCLA-Studie bewerteten klinisch bedeutsame Ungenauigkeiten in den Mitschriften als gelegentlich auftretend (2,7 und 2,8 auf einer Fünf-Punkte-Skala). Außerdem wurde ein leichtes unerwünschtes Ereignis gemeldet (Lukac et al., NEJM AI, Nov. 2025).
- 32 % der Hausärzte im Vereinigten Königreich, die KI-Mitschriften im Hintergrund nutzen, sagten, Fehler träten häufig oder immer auf. 14 % berichteten von Fehlern mit erheblichen bis kritischen Folgen (Blease et al., BMJ Health & Care Informatics, Juli 2026).
- 81,6 % der Patienten in einem akademischen Gesundheitszentrum in den USA stimmten der Dokumentation im Hintergrund zu, wenn sie grundlegende Informationen erhielten. Nachdem ihnen jedoch KI-Funktionen, Datenspeicherung und die Beteiligung von Unternehmen erklärt worden waren, waren es nur noch 55,3 % (Lawrence et al., JAMA Network Open, Juli 2025).
Wie viele KI-gestützte Medizinprodukte sind von der FDA zugelassen?
Die FDA-Liste wächst jedes Jahr schneller und besteht überwiegend aus Software, die medizinische Bilder auswertet. Fast alle diese Produkte kamen über die 510(k)-Zulassung auf den Markt. Diese beruht auf dem Vergleich mit einem bereits vorhandenen Medizinprodukt und nicht auf neuen klinischen Studien. Die öffentlich verfügbaren Nachweise für die meisten dieser Produkte sind dürftig.

Wie viele KI-gestützte Medizinprodukte hat die FDA zugelassen?
2025 stellte einen Rekord für FDA-Zulassungen KI-gestützter Medizinprodukte auf, und im ersten Halbjahr 2026 waren es bereits mehr als in denselben Monaten des Vorjahres. Fast alle Produkte kamen über das 510(k)-Verfahren auf den Markt.
- Die FDA ließ 2025 335 KI-gestützte Medizinprodukte zu, 43 % mehr als die 235 Produkte im Jahr 2024 und die 226 im Jahr 2023 (FDA, AI-Enabled Medical Device List, Sep. 2026).
- Die Liste umfasst bereits 181 Produkte mit Entscheidungen aus dem Zeitraum von Januar bis Juni 2026, verglichen mit 176 im gleichen Zeitraum 2025. Die Zahl für 2026 wird steigen, sobald die FDA Produkte ergänzt, deren Zusammenfassungen noch nicht veröffentlicht wurden (FDA, AI-Enabled Medical Device List, Sep. 2026).
- 96,2 % der KI-gestützten Medizinprodukte auf der Liste, insgesamt 1.553, kamen über die 510(k)-Zulassung auf den Markt; 40 über das De-Novo-Verfahren und 21 über die Vorabzulassung für den Markt (PMA) (FDA, AI-Enabled Medical Device List, Sep. 2026).
- Die FDA-Liste kennzeichnet noch nicht, welche Produkte große Sprachmodelle verwenden. Die Behörde gibt an, LLM-basierte Funktionen in einer künftigen Aktualisierung zu kennzeichnen (FDA, AI-Enabled Medical Device List, Sep. 2026).
Die jährlichen Zahlen stammen aus der herunterladbaren Datei der FDA und wurden nach Entscheidungsdatum gezählt. Die FDA ergänzt Produkte in späteren Aktualisierungen, sodass die Zahlen der jüngsten Jahre nachträglich oft steigen.
In welchen medizinischen Fachgebieten gibt es die meisten KI-Medizinprodukte?
Mit großem Abstand in der Radiologie. In allen anderen Prüfgebieten liegen die Zahlen im einstelligen Prozentbereich. Selbst in der Zahnmedizin ist fast die Hälfte der KI-Medizinprodukte für die orale Radiologie bestimmt.
- Kardiovaskuläre Medizin liegt mit 154 Produkten (9,5 %) weit hinter der Radiologie an zweiter Stelle der FDA-Liste, Neurologie mit 73 (4,5 %) an dritter. Die Zulassungen im kardiovaskulären Bereich verdoppelten sich von 15 im Jahr 2024 auf 30 im Jahr 2025 (FDA, AI-Enabled Medical Device List, Sep. 2026).
- Bis September 2025 waren nur 30 von 1.358 von der FDA zugelassenen KI-Medizinprodukten (2,2 %) speziell für die Urologie bestimmt. 26,7 % davon wurden allein 2025 zugelassen (Qian et al., BJU International, Juni 2026).
- Forscher fanden 52 KI- oder maschinelle Lernprodukte für die Zahnmedizin in der 510(k)-Datenbank der FDA. 48 % davon waren für die orale Radiologie bestimmt (Naved et al., BMC Oral Health, Nov. 2025).
- 60 % der von der FDA zugelassenen KI-Medizinprodukte für die Zahnmedizin machten keine Angaben dazu, welche Art von KI-Algorithmus sie verwenden, und für 50 % gab es keine öffentlich verfügbaren Nachweise für ihren klinischen Einsatz (Naved et al., BMC Oral Health, Nov. 2025).
- Alle 9 KI-Produkte zur Brustkrebsvorsorge, die die FDA von 2017 bis 2021 zugelassen oder genehmigt hatte, wurden anhand zuvor erhobener retrospektiver Daten zugelassen. Keines berichtete über die Erkennung von Intervallkarzinomen oder das Krebsstadium zum Zeitpunkt der Diagnose (Potnis et al., JAMA Internal Medicine, Dez. 2022).
Wie werden KI-Medizinprodukte nach ihrer Zulassung geprüft und überwacht?
Die meisten öffentlich verfügbaren FDA-Zusammenfassungen zu KI-Medizinprodukten enthalten keine demografischen Daten. Nur wenige berichten über prospektive oder randomisierte Studien, und Produkte ohne klinische Validierung werden am häufigsten zurückgerufen.
- 95,5 % der von der FDA zugelassenen KI- und maschinellen Lernprodukte machten in ihren öffentlichen Zusammenfassungen keine Angaben zu demografischen Merkmalen, und 46,7 % berichteten nicht über das Studiendesign (Lin et al., JAMA Health Forum, Sep. 2025).
- Nur 6 von 691 von der FDA zugelassenen KI-Medizinprodukten berichteten über Daten aus randomisierten klinischen Studien, 53 (7,7 %) über Daten aus prospektiven Studien (Lin et al., JAMA Health Forum, Sep. 2025).
- Für 36 von der FDA zugelassene KI-Medizinprodukte wurden 489 unerwünschte Ereignisse gemeldet, darunter 458 Fehlfunktionen, 30 Verletzungen und 1 Todesfall (Lin et al., JAMA Health Forum, Sep. 2025).
- Nur 3,6 % der FDA-Zulassungen von KI-Medizinprodukten zwischen 1995 und 2023 machten Angaben zu Ethnie oder ethnischer Zugehörigkeit der Studienteilnehmer. 81,6 % machten keine Angaben zu deren Alter (Muralidharan et al., npj Digital Medicine, Okt. 2024).
- FDA-Zusammenfassungen zu 1.012 KI-Medizinprodukten erreichten auf einer Transparenzskala für Modellentwicklung und -leistung durchschnittlich 3,3 von 17 Punkten. Nach den Grundsätzen der FDA zum maschinellen Lernen von 2021 verbesserte sich der Wert nur um 0,88 Punkte (Mehta et al., npj Digital Medicine, Nov. 2025).
Rückrufe folgen dieser Nachweislücke. Zwei voneinander unabhängige Forschungsteams stellten anhand unterschiedlicher Versionen der Liste dasselbe Muster fest.
- 60 von 950 von der FDA zugelassenen KI-Medizinprodukten (6,3 %) waren mit 182 Rückrufereignissen verbunden. Bei Produkten ohne angegebene klinische Validierung war die Wahrscheinlichkeit eines Rückrufs 2,8-mal so hoch. Börsennotierte Unternehmen stellten 53,2 % der Produkte her, waren aber für 91,8 % der Rückrufe verantwortlich (Lee et al., JAMA Health Forum, Aug. 2025).
- Von 903 bis August 2024 erfassten, von der FDA zugelassenen KI-Medizinprodukten wurden 43 (4,8 %) zurückgerufen. Nach einer medianen Marktdauer von 458 Tagen (Ren et al., JAMA Network Open, Juni 2026).
- 7,8 % der KI-Medizinprodukte ohne klinische Leistungsstudie wurden zurückgerufen, gegenüber 2,6 % der Produkte mit einer solchen Studie (Ren et al., JAMA Network Open, Juni 2026).
Wie genau und sicher ist KI in der Medizin?
Die stärksten Belege für KI in der Medizin stammen aus der Brustkrebsvorsorge. In einer randomisierten schwedischen Studie erkannte die KI-gestützte Auswertung mehr Krebsfälle und erforderte deutlich weniger Befundungen durch Radiologen. Zu Chatbots gibt es weniger Studienbelege und weniger Regulierung als zur Bildgebungs-KI.

Kann KI bei der Diagnose mit Ärzten mithalten?
In der schwedischen MASAI-Studie erwies sich die KI-gestützte Auswertung bei der Brustkrebsvorsorge im Hinblick auf Intervallkarzinome als nicht unterlegen gegenüber zwei Radiologen. Die Ergebnisse zu Chatbots sind uneinheitlich: GPT-4 verbesserte in einer Studie die Diagnosen von Ärzten nicht, erhöhte in einer anderen jedoch ihre Werte bei Behandlungsentscheidungen.
- In der MASAI-Studie gab es bei der KI-gestützten Mammografie-Vorsorgeuntersuchung 1,55 Intervallkarzinome pro 1.000 Frauen, verglichen mit 1,76 bei der standardmäßigen Doppelbefundung. Damit wurde das Ziel der Studie zur Nichtunterlegenheit erreicht (Gommers et al., Lancet, Jan. 2026).
- Bei der KI-gestützten Vorsorgeuntersuchung wurden bei schwedischen Frauen 6,4 Krebsfälle pro 1.000 Frauen entdeckt, gegenüber 5,0 bei der standardmäßigen Doppelbefundung. Das entspricht einer um 29 % höheren Entdeckungsrate, ohne signifikanten Anstieg falsch positiver Ergebnisse (Hernström et al., Lancet Digital Health, Feb. 2025).
- Radiologen im KI-Studienarm der MASAI-Studie werteten 61.248 Vorsorgeaufnahmen aus, verglichen mit 109.692 im Standardarm. Die Befundungsbelastung war damit um 44,2 % geringer (Hernström et al., Lancet Digital Health, Feb. 2025).
- In der ersten Sicherheitsanalyse der MASAI-Studie mit 80.033 schwedischen Frauen stellte sich heraus, dass 28,3 % der Rückrufe im KI-gestützten Studienarm auf Krebs zurückzuführen waren, verglichen mit 24,8 % bei der standardmäßigen Befundung (Lång et al., Lancet Oncology, Aug. 2023).
- In 14 Studien mit 1.214.885 Vorsorgeuntersuchungen erreichte die alleinstehende KI-Mammografie eine gepoolte Genauigkeit (AUC) von 0,890. Die Heterogenität war jedoch so groß, dass das 95 %-Vorhersageintervall für ein neues Programm von 0,731 bis 0,960 reichte. Die Autoren halten eine lokale Validierung vor der Einführung weiterhin für notwendig (Ciurescu et al., Diagnostics, Sep. 2026).
Studien zu Chatbots messen etwas anderes: ob ein universell einsetzbares Modell Ärzten dabei hilft, einen Fall zu beurteilen.
- In einer randomisierten Studie mit 50 Ärzten in den USA erzielten diejenigen, die GPT-4 nutzen durften, bei der diagnostischen Beurteilung einen Medianwert von 76 %, verglichen mit 74 % bei denen, die herkömmliche Quellen nutzten. Der Unterschied war statistisch nicht signifikant (Goh et al., JAMA Network Open, Okt. 2024).
- In derselben Studie erzielte GPT-4 allein einen um 16 Prozentpunkte höheren Wert als Ärzte, die herkömmliche Quellen nutzten (Goh et al., JAMA Network Open, Okt. 2024).
- Bei Behandlungsentscheidungen wie Therapie und Tests erzielten 92 Ärzte, die GPT-4 nutzten, um 6,5 Prozentpunkte höhere Werte als diejenigen, die herkömmliche Quellen verwendeten, benötigten jedoch pro Fall etwa 119 Sekunden länger (Goh et al., Nature Medicine, Feb. 2025).
Wie oft machen KI-Tools Fehler oder weisen Verzerrungen auf?
Fehler treten häufig genug auf, dass ECRI Anbieter inzwischen auffordert, sie zu melden. Ärzte, die Entwürfe von KI prüfen, finden weiterhin Auslassungen und erfundene Details. Ein kleiner Teil der Entwürfe könnte Patienten schaden, wenn er unbearbeitet verschickt wird.
- In einer ECRI-Umfrage unter 124 überwiegend für Qualität, Sicherheit und Risikomanagement verantwortlichen Personen gaben 31 % an, im vergangenen Jahr eine KI-Ausgabe gesehen zu haben, die sie für falsch oder irreführend hielten. 9 % sagten, ein KI-Fehler habe einen Patienten erreicht oder eine Behandlungsentscheidung beeinflusst (ECRI, AI error survey, Aug. 2026).
- Von 12.999 Sätzen in 450 von LLMs erstellten klinischen Notizen enthielten 1,47 % halluzinierte Informationen. 3,45 % der 49.590 Sätze aus Gesprächsprotokollen fehlten in den Notizen (Asgari et al., npj Digital Medicine, Mai 2025).
- Als Ärzte von GPT-4 erstellte Antwortentwürfe auf Nachrichten von Patienten prüften, bewerteten sie 7,1 % der Entwürfe als potenziell schwer schädlich, falls sie unbearbeitet verschickt würden. 1 von 156 (0,6 %) könnte zum Tod führen (Chen et al., Lancet Digital Health, Apr. 2024).
- Ärzte, die 100 von KI verfasste Zusammenfassungen von Krankenhausaufenthalten prüften, fanden Auslassungen in 25 %, Ungenauigkeiten in 20 % und Halluzinationen in 2 %. 88 % bewerteten sie als potenziell nicht schädlich, wenn sie unbearbeitet blieben (Grolleau et al., JAMA Network Open, Mai 2026).
- Wenn LLMs allein getestet wurden, nannten sie in 94,9 % der medizinischen Szenarien die richtige Erkrankung. Erwachsene im Vereinigten Königreich, die dieselben LLMs nutzten, lagen in weniger als 34,5 % der Fälle richtig – nicht besser als Menschen, die andere Quellen verwendeten (Bean et al., Nature Medicine, Feb. 2026).
Verzerrungen treten sowohl bei älteren Algorithmen als auch bei LLMs auf.
- Bei 1,7 Millionen Ausgaben von neun LLMs zu denselben Notfällen wurden einige Fälle, die als LGBTQIA+ gekennzeichnet waren, etwa sechs- bis siebenmal häufiger als klinisch angezeigt an psychologische Dienste verwiesen (Omar et al., Nature Medicine, Apr. 2025).
- Eine Studie aus dem Jahr 2019 zu einem weit verbreiteten kommerziellen Algorithmus für das Versorgungsmanagement ergab, dass die Korrektur seiner rassistischen Verzerrung den Anteil der schwarzen Patienten, die zusätzliche Hilfe erhielten, von 17,7 % auf 46,5 % erhöhen würde (Obermeyer et al., Science, Okt. 2019).
Welche Regeln gelten für KI in der Medizin?
In den USA gibt es keine einheitliche KI-Gesetzgebung. Stattdessen gelten Vorschriften von Behörden und Gesetze einzelner Bundesstaaten. Die EU hat zwar ein einheitliches Gesetz, aber die Frist für Medizinprodukte wurde um ein Jahr verschoben.
- Nach unserer Auszählung der von HHS veröffentlichten Bestandsdateien für die Haushaltsjahre 2025 und 2024 führte HHS im Haushaltsjahr 2025 446 KI-Anwendungen auf, gegenüber 271 im Haushaltsjahr 2024. Von den 446 waren 167 im Einsatz und 88 befanden sich in der Pilotphase (HHS, AI Use Case Inventory, Juli 2026).
- Die im Januar 2024 veröffentlichte endgültige ONC-Regel HTI-1 ersetzte das bisherige Zertifizierungskriterium für klinische Entscheidungsunterstützung durch ein Kriterium für Entscheidungsunterstützungsmaßnahmen, das prädiktive KI abdeckt. Ab dem 1. Januar 2025 zählt nur noch das neue Kriterium für die Definition eines grundlegenden elektronischen Patientenaktensystems (ONC, HTI-1 Final Rule, Federal Register, Jan. 2024).
- Nach unserer Auszählung der Gesetzesübersicht von NCSL brachten Gesetzgeber der Bundesstaaten in der Sitzungsperiode 2025 in 36 Bundesstaaten 152 KI-Gesetzesentwürfe mit Bezug zum Gesundheitswesen ein. 20 davon wurden in 16 Bundesstaaten verabschiedet oder angenommen (NCSL, Artificial Intelligence 2025 Legislation, Juli 2025).
- Die EU änderte ihren AI Act im Juli 2026. Die Regeln für Hochrisiko-KI in Medizinprodukten und In-vitro-Diagnostika gelten nun ab dem 2. August 2028, ein Jahr später als der im ursprünglichen Text von 2024 vorgesehene Termin am 2. August 2027 (EUR-Lex, AI Act consolidated text, Juli 2026).
- Die WHO-Leitlinien zu großen multimodalen Modellen, also der generativen KI hinter Gesundheits-Chatbots, enthalten mehr als 40 Empfehlungen für Regierungen, Technologieunternehmen und Anbieter im Gesundheitswesen (WHO, Jan. 2024).
Was halten Patienten von KI in ihrer Versorgung?
Patienten möchten wissen, ob und wie KI in ihrer Versorgung eingesetzt wird, und ein wachsender Anteil stellt Chatbots selbst Fragen zu Gesundheitsthemen.

Sind Patienten damit einverstanden, dass Ärzte KI nutzen?
In der Umfrage von Pew aus dem Jahr 2023 waren die meisten Amerikaner dagegen. Wenn ein Arzt die Kontrolle behält, steigt die Akzeptanz. Patienten, bei deren Termin eine KI-Mitschrift im Hintergrund eingesetzt wurde, fanden dies überwiegend hilfreich.
- 60 % der Erwachsenen in den USA sagten, sie wären nicht damit einverstanden, wenn sich ihr eigener Gesundheitsdienstleister auf KI stützen würde, um Krankheiten zu diagnostizieren und Behandlungen zu empfehlen. 39 % wären damit einverstanden. Dies ist die aktuellste Erhebung von Pew zu dieser Frage (Pew Research Center, Feb. 2023).
- 75 % der Amerikaner sagten, sie seien eher besorgt, dass Anbieter KI zu schnell einführen könnten, bevor die Risiken für Patienten geklärt sind. 23 % waren eher besorgt, dass Anbieter zu langsam vorgehen würden (Pew Research Center, Feb. 2023).
- Unter 13.806 Krankenhauspatienten, die in 43 Ländern befragt wurden, standen 57,6 % KI im Gesundheitswesen positiv gegenüber. Patienten mit schlechterem Gesundheitszustand beurteilten sie deutlich weniger positiv (Busch et al., JAMA Network Open, Juni 2025).
- 72,9 % derselben Patienten bevorzugten Entscheidungen unter der Leitung eines Arztes und 70,2 % eine KI, die ihre Entscheidungen erklären kann, selbst wenn dies eine geringfügig niedrigere Genauigkeit bedeutet (Busch et al., JAMA Network Open, Juni 2025).
- In einem Conjoint-Experiment mit 3.000 Erwachsenen in den USA erhöhte die Anwesenheit eines Arztes die Wahrscheinlichkeit, sich für einen KI-gestützten Arzttermin zu entscheiden, um 18,4 Prozentpunkte. Eine KI-Leistung oberhalb des Facharztniveaus erhöhte sie um 32,5 Punkte (Bracic et al., JAMA Network Open, März 2026).
Direkte Erfahrungen bauen Sorgen häufig ab, doch Transparenz bleibt wichtig.
- In einer Umfrage unter 1.455 Patienten von Duke Health bewerteten die Befragten von KI verfasste Antworten im Patientenportal besser als von Ärzten verfasste (0,30 Punkte auf einer Zufriedenheitsskala von 5 Punkten). Die Zufriedenheit lag jedoch um 0,13 Punkte niedriger, wenn die Antwort als von KI verfasst gekennzeichnet war, als wenn sie als von einem Arzt verfasst gekennzeichnet war (Cavalier et al., JAMA Network Open, März 2025).
- Von 2.202 Patienten bei Stanford Health Care, bei deren Termin eine KI-Mitschrift im Hintergrund eingesetzt wurde, fanden 70,1 % sie hilfreich und 73,6 % wollten sie bei künftigen Terminen wieder verwenden (Shah et al., JAMIA Open, Juni 2026).
Vertrauen Patienten darauf, dass Gesundheitssysteme KI verantwortungsvoll einsetzen?
In der wichtigsten US-Umfrage zu dieser Frage ist geringes Vertrauen die Mehrheitsmeinung. Viele Patienten können zudem nicht sagen, ob KI bei ihrer Versorgung überhaupt eingesetzt wurde.
- 65,8 % der Erwachsenen in den USA, die Mitte 2023 befragt wurden, vertrauten ihrem Gesundheitssystem nur wenig dabei, KI verantwortungsvoll einzusetzen (Nong and Platt, JAMA Network Open, Feb. 2025).
- 57,7 % vertrauten nur wenig darauf, dass ihr Gesundheitssystem sicherstellen würde, dass ein KI-Tool ihnen nicht schadet (Nong and Platt, JAMA Network Open, Feb. 2025).
- Erwachsene, die bei der Suche nach Versorgung Diskriminierung erfahren hatten, vertrauten mit geringerer Wahrscheinlichkeit darauf, dass ihr Gesundheitssystem KI verantwortungsvoll einsetzen würde (Odds Ratio 0,66) und sie vor Schäden durch KI schützen würde (Odds Ratio 0,57). Gesundheitskompetenz und KI-Wissen standen in keinem Zusammenhang mit dem Vertrauen (Nong and Platt, JAMA Network Open, Feb. 2025).
- Nur 41,8 % der Krankenhauspatienten in der Umfrage in 43 Ländern vertrauten darauf, dass KI genaue Informationen darüber geben würde, wie sie auf eine Behandlung ansprechen würden. Dies war der niedrigste Wert unter den abgefragten Vertrauensaspekten (Busch et al., JAMA Network Open, Juni 2025).
- 63 % der Erwachsenen in den USA möchten stärker mitbestimmen, ob KI bei ihrer Gesundheitsversorgung eingesetzt wird – dreimal so viele wie die 21 %, die mit dem Umfang ihrer Mitsprache zufrieden sind (Pew Research Center, Aug. 2026).
- 46 % der Erwachsenen in den USA sind sich nicht sicher, ob bei ihrer Gesundheitsversorgung KI eingesetzt wurde, 37 % sagen, dass dies nicht der Fall war, und 16 % sagen, dass es der Fall war (Pew Research Center, Aug. 2026).
- 77 % der Erwachsenen in den USA sind sehr oder einigermaßen besorgt über den Datenschutz bei persönlichen medizinischen Informationen, die sie KI-Tools mitteilen (KFF Tracking Poll on Health Information and Trust, März 2026).
Wie viele Menschen stellen KI-Chatbots Fragen zu Gesundheitsthemen?
Die Nutzung nimmt in beiden Umfragen zu, die sie über einen längeren Zeitraum verfolgen: bei Rock Health und KFF. Ärzte sagen, nur wenige Patienten erzählen ihnen davon.
- 34 % der Erwachsenen in den USA nutzen KI-Chatbots für mindestens einen von acht Gesundheitszwecken, und 25 % verwenden sie, um herauszufinden, was ihre Symptome verursacht (Pew Research Center, Aug. 2026).
- 32 % der Erwachsenen in den USA haben sich schon einmal für Gesundheitsinformationen an einen KI-Chatbot gewandt – doppelt so viele wie ein Jahr zuvor (16 %) (Rock Health, 2025 Consumer Adoption Survey, März 2026).
- 64 % der Nutzer, die KI für Gesundheitsthemen einsetzen, stellen einem Chatbot wöchentlich oder häufiger Fragen zu Gesundheitsthemen (Rock Health, 2025 Consumer Adoption Survey, März 2026).
- 41 % der Erwachsenen, die im vergangenen Jahr KI für Gesundheitsthemen nutzten, haben persönliche medizinische Informationen wie Testergebnisse oder Arztberichte hochgeladen. Das entspricht 13 % aller Erwachsenen in den USA (KFF Tracking Poll on Health Information and Trust, März 2026).
- Nach eigenen Angaben von OpenAI stellen weltweit jede Woche mehr als 300 Millionen Menschen ChatGPT Fragen zu Gesundheitsthemen (OpenAI, Juli 2026).
- Nur 8 % der US-Ärzte sagen, dass die meisten ihrer Patienten offenlegen, KI zu nutzen. 30 % glauben, dass die meisten ihrer Patienten sie wahrscheinlich verwenden (AMA, 2026 Physician Survey on Augmented Intelligence, März 2026).
Wie viel Geld fließt in KI im Gesundheitswesen?
Gesundheitssysteme stellen den größten Teil der Ausgaben für KI im Gesundheitswesen, und Dokumentation macht den größten Anteil aus. Die Prognosen zum Marktvolumen weichen selbst für 2026 um etwa 40 % voneinander ab. Betrachten Sie jede daher als Schätzung eines einzelnen Unternehmens.

Wie viel Risikokapital fließt an Start-ups für KI im Gesundheitswesen?
2025 wurden größere, aber weniger Finanzierungsrunden abgeschlossen. Eine Handvoll Mega-Deals prägte das Jahr, und auch im ersten Halbjahr 2026 stiegen die Investitionen weiter.
- Start-ups für digitale Gesundheit in den USA nahmen 2025 $14,2B ein, 35 % mehr als die $10,5B im Jahr 2024 und die höchste Jahressumme seit 2022 (Rock Health, 2025 Year-End Digital Health Funding Overview, Jan. 2026).
- KI-gestützte Start-ups für digitale Gesundheit erhielten durchschnittlich etwa 19 % größere Finanzierungsrunden als Start-ups, deren Produkte nicht hauptsächlich auf KI beruhen. Bei Serie C erreichte der Abstand 61 % (Rock Health, 2025 Year-End Digital Health Funding Overview, Jan. 2026).
- 2025 erhielten weniger Start-ups mehr Geld: Die Zahl der Finanzierungsrunden sank um 5 % auf 482, während die durchschnittliche Finanzierungssumme von $20,7M auf $29,3M stieg (Rock Health, 2025 Year-End Digital Health Funding Overview, Jan. 2026).
- Mega-Deals über $100M machten 42 % der gesamten Finanzierung digitaler Gesundheit im Jahr 2025 aus, fast doppelt so viel wie im Vorjahr. Ohne die neun Unternehmen mit den höchsten eingeworbenen Summen wäre die Gesamtsumme von 2025 geringer als die von 2024 gewesen (Rock Health, 2025 Year-End Digital Health Funding Overview, Jan. 2026).
- Start-ups für digitale Gesundheit in den USA nahmen im ersten Halbjahr 2026 über 244 Finanzierungsrunden $7,4B ein, $1B mehr als im ersten Halbjahr 2025 bei etwa gleich vielen Finanzierungsrunden (Rock Health, H1 2026 Funding and Market Overview, Juli 2026).
- Im ersten Halbjahr 2026 entfielen 45 % des Risikokapitals für digitale Gesundheit auf 20 Mega-Deals, etwas mehr als 8 % aller Finanzierungsrunden. Rock Health kennzeichnet Start-ups seit dem ersten Quartal 2026 nicht mehr als KI-gestützt, weil KI inzwischen zu weit verbreitet sei, um noch als Unterscheidungsmerkmal zu gelten (Rock Health, H1 2026 Funding and Market Overview, Juli 2026).
Große Finanzierungsrunden gingen an Unternehmen für klinische KI und Dokumentation im Hintergrund. Jede Zahl unten stammt aus der eigenen Mitteilung des jeweiligen Unternehmens zu seiner Finanzierungsrunde.
- Das Unternehmen für klinische KI Aidoc nahm im April 2026 in einer Serie-E-Finanzierungsrunde $150M ein, weniger als ein Jahr nach seiner vorherigen Wachstumsfinanzierung. Damit stieg die Gesamtfinanzierung auf mehr als $500M (Aidoc, Apr. 2026).
- Das Unternehmen für Dokumentation im Hintergrund Abridge nahm im Februar 2025 in einer Serie-D-Finanzierungsrunde $250M ein (Abridge, Feb. 2025).
Wie viel geben Gesundheitssysteme für KI aus?
Laut der einzigen Investorenumfrage, die diese Ausgaben erfasst, steigen sie rasch. Den größten Teil tragen Gesundheitssysteme. Die Beschaffungszyklen werden für Anbieter kürzer und für Kostenträger länger.
- Gesundheitsorganisationen in den USA gaben 2025 schätzungsweise $1,4B für generative KI aus, fast dreimal so viel wie 2024 (Menlo Ventures, 2025 State of AI in Healthcare, Okt. 2025).
- Gesundheitssysteme stellten etwa $1B dieser Ausgaben (75 %), ambulante Anbieter $280M (20 %) und Kostenträger nur $50M (5 %) (Menlo Ventures, 2025 State of AI in Healthcare, Okt. 2025).
- 22 % der Gesundheitsorganisationen in den USA haben fachspezifische KI-Tools eingeführt, siebenmal so viele wie 2024 und zehnmal so viele wie 2023. An der Spitze lagen Gesundheitssysteme mit 27 %, ambulante Anbieter mit 18 % und Kostenträger mit 14 % (Menlo Ventures, 2025 State of AI in Healthcare, Okt. 2025).
- 85 % der Ausgaben für generative KI im Gesundheitswesen fließen an Start-ups und nicht an etablierte Anbieter (Menlo Ventures, 2025 State of AI in Healthcare, Okt. 2025).
- Gesundheitssysteme brauchen für den Kauf von KI inzwischen durchschnittlich 6,6 Monate, gegenüber 8,0 Monaten für herkömmliche IT-Käufe. Bei ambulanten Anbietern sind es 4,7 statt 6,0 Monate (Menlo Ventures, 2025 State of AI in Healthcare, Okt. 2025).
- Bei Kostenträgern geht es in die andere Richtung: Ihr durchschnittlicher Beschaffungszyklus für KI hat sich von 9,4 auf 11,3 Monate verlängert (Menlo Ventures, 2025 State of AI in Healthcare, Okt. 2025).
Obergrenzen für Verträge und Umsätze von Anbietern liefern eine zweite Perspektive auf die Ausgaben.
- Der Unternehmensvertrag des US Department of Veterans Affairs für KI im Hintergrund ist ein Mehrfachzuschlagsvertrag für alle zugelassenen Anbieter. Laut Zuschlagsempfänger Abridge beträgt die Gesamthöchstsumme $775,72M über fünf Jahre (Abridge, Sep. 2026).
- Tempus AI, das KI-gestützte Diagnostik und Daten verkauft, meldete für das zweite Quartal 2026 einen Umsatz von $382,5M, 22 % mehr als im Vorjahr. Der Umsatz des Geschäftsbereichs Data and Applications stieg um 28 % auf $93,2M (Tempus AI, Q2 2026 results (SEC Form 8-K), Juli 2026).
Wie groß wird der Markt für KI im Gesundheitswesen?
Das hängt davon ab, wessen Prognose Sie lesen. Drei Marktforschungsunternehmen weichen selbst bei der Zahl für 2026 um etwa 40 % voneinander ab und verwenden unterschiedliche Endjahre. Daher gibt es keine einzelne Zahl für das Marktvolumen.
- MarketsandMarkets bewertet den globalen Markt für KI im Gesundheitswesen 2025 mit $25,88B und prognostiziert einen Anstieg von $36,67B im Jahr 2026 auf $194,79B bis 2031, was einer jährlichen Wachstumsrate von 39,7 % entspricht (MarketsandMarkets, Juni 2026).
- Grand View Research bewertet den Markt 2025 mit $36,7B und prognostiziert einen Anstieg von $50,7B im Jahr 2026 auf $505,6B bis 2033, was einer jährlichen Wachstumsrate von 38,9 % entspricht. Nordamerika stellte 54 % des Umsatzes im Jahr 2025 (Grand View Research, Juni 2026).
- Precedence Research beziffert den Markt auf $36,96B im Jahr 2025 und $51,20B im Jahr 2026 und prognostiziert einen Anstieg auf $744,34B bis 2035, was einer jährlichen Wachstumsrate von 35,02 % entspricht (Precedence Research, Sep. 2026).
Alle drei sind kostenpflichtige Berichte. Die oben aufgeführten Zahlen stammen jeweils aus der öffentlichen Zusammenfassung des betreffenden Unternehmens. Die Unternehmen definieren den Markt unterschiedlich, daher lassen sich ihre Endwerte nicht vergleichen, als bezögen sie sich auf dasselbe Jahr.
Glossar
- KI: künstliche Intelligenz, Software, die Aufgaben wie das Auswerten von Bildern, die Vorhersage von Risiken oder das Verfassen von Texten erledigt.
- LLM: großes Sprachmodell, die Art von KI, die Chatbots wie ChatGPT zugrunde liegt.
- Generative KI: KI, die neue Texte, Bilder oder Audiodateien erstellt und nicht nur Daten klassifiziert.
- KI-Mitschrift im Hintergrund: Ein Tool, das mit Einwilligung einen klinischen Termin aufzeichnet und für den Arzt einen Notizentwurf erstellt, den dieser prüfen kann.
- EHR: elektronische Patientenakte.
- Zeit für Notizen: die von der elektronischen Patientenakte erfasste Zeit, die ein klinischer Mitarbeiter mit dem Verfassen und Bearbeiten von Notizen in der elektronischen Patientenakte verbringt.
- RVU: relative Werteinheit, mit der Medicare ärztliche Leistungen bewertet.
- Mini-Z: kurze Umfrage zur Bewertung des Wohlbefindens und Burnouts von Ärzten.
- 510(k): Zulassungsverfahren der FDA für Medizinprodukte, die nachweislich im Wesentlichen einem bereits auf dem Markt befindlichen Produkt entsprechen.
- De Novo: Zulassungsverfahren der FDA für neue Medizinprodukte mit niedrigem bis mittlerem Risiko, für die es kein gleichwertiges bestehendes Produkt gibt.
- PMA: Vorabzulassung für den Markt, das FDA-Zulassungsverfahren für Medizinprodukte mit hohem Risiko, das klinische Nachweise zur Sicherheit und Wirksamkeit voraussetzt.
- ASTP/ONC: Assistant Secretary for Technology Policy und Office of the National Coordinator for Health IT, Teil von HHS.
- HHS: US Department of Health and Human Services.
- HTI-1: ONC-Regel von 2024 zur Zertifizierung von IT im Gesundheitswesen, die Transparenzanforderungen für Entscheidungsunterstützungs-Tools einschließlich prädiktiver KI festlegte.
- Sensitivität: Anteil der Menschen mit einer Erkrankung, bei denen ein Test die Erkrankung korrekt feststellt.
- Spezifität: Anteil der Menschen ohne eine Erkrankung, bei denen ein Test korrekt einen negativen Befund ergibt.
- Intervallkarzinom: Krebs, der zwischen planmäßigen Vorsorgeuntersuchungen diagnostiziert wird, nachdem eine Untersuchung einen unauffälligen Befund ergeben hat.
- AUC: Fläche unter der Kurve, ein Wert zwischen 0 und 1, der angibt, wie gut ein Test positive von negativen Fällen unterscheidet.
Methodik und Quellen
Jede Statistik auf dieser Seite wurde bis zur Organisation zurückverfolgt, die die Daten erhoben hat: Behörden und Regulierungsstellen (FDA, HHS, ASTP/ONC, das Census Bureau, EUR-Lex), begutachtete Studien in Fachzeitschriften wie JAMA, The Lancet, NEJM AI und Nature Medicine, Berufs- und Sicherheitsorganisationen (AMA, ECRI, MGMA, WHO, NCSL), Meinungsforschungsinstitute (Pew Research Center, KFF) sowie Unternehmen, die eigene Daten, Finanzierungsrunden oder Einreichungen melden. Jeder Link wurde am 2. Oktober 2026 geöffnet, um zu bestätigen, dass die Seite erreichbar ist, die Zahl dort erscheint und das Datum stimmt. Die Zahlen aus den Dateien der FDA, HHS und NCSL haben wir selbst anhand der veröffentlichten Daten ausgezählt. Beobachtungsstudien werden als Zusammenhänge wiedergegeben, bei Studien werden die Vergleichsgruppen beibehalten, Marktprognosen werden dem jeweiligen Unternehmen zugeordnet, und Daten außerhalb der USA sind gekennzeichnet. Wir zitieren keine Statistikübersichten. Die Seite wird monatlich aktualisiert, zuerst anhand der FDA-Liste, der Ärzteumfragen, der Risikokapitalfinanzierung und der Unternehmenserhebung des Census Bureau.
Quellen
- Abridge: Series D funding announcement
- Abridge: VA ambient AI enterprise contract
- Afshar et al., NEJM AI: Pragmatic randomized trial of ambient AI documentation and practitioner well-being
- Aidoc: Aidoc raises $150 Millionen Series E
- AMA: 2026 Physician Survey on Augmented Intelligence
- Asgari et al., npj Digital Medicine: Framework for assessing clinical safety and hallucination rates of LLMs for medical text summarisation
- ASTP/ONC Data Brief 80: Hospital trends in the use, evaluation and governance of predictive AI, 2023 to 2024
- Bagla et al., JMIR: Patterns of AI use by hospitalists
- Bean et al., Nature Medicine: LLMs and members of the public in medical scenarios
- Blease et al., BMJ Health & Care Informatics: UK GPs and ambient AI scribes
- Blease et al., Digital Health: UK GPs and generative AI, 2025 survey
- Bracic et al., JAMA Network Open: Patient preferences for AI-assisted diagnosis
- Busch et al., JAMA Network Open: Multinational attitudes of hospital patients toward AI
- Cavalier et al., JAMA Network Open: Patient perceptions of AI-drafted portal message replies
- Chen et al., Lancet Digital Health: Effect of using an LLM to respond to patient messages
- Ciurescu et al., Diagnostics: Meta-analysis of AI in mammography screening
- Doximity: 2026 State of AI in Medicine
- ECRI: Misuse of AI chatbots tops annual list of health technology hazards
- ECRI: ECRI expands problem reporting network and calls for more data on AI errors in patient care
- Elsevier: Clinician of the Future 2026, full report
- EUR-Lex: AI Act, Regulation (EU) 2024/1689, consolidated text of 27 July 2026
- FDA: Artificial Intelligence-Enabled Medical Device List
- Goh et al., JAMA Network Open: LLM influence on diagnostic reasoning, randomized trial
- Goh et al., Nature Medicine: GPT-4 assistance for management reasoning, randomized trial
- Gommers et al., Lancet: MASAI trial, interval cancer and screening accuracy
- Gong et al., JMIR: Meta-analysis of AI and cognitive workload and burnout in health care
- Grand View Research: AI in Healthcare Market report
- Grolleau et al., JAMA Network Open: AI-drafted hospital course summaries
- Hernström et al., Lancet Digital Health: Screening performance and characteristics of breast cancer detected in the MASAI trial
- HHS: AI Use Case Inventory
- Holmgren et al., JAMA Network Open: AI scribes and physician financial productivity at UCSF
- Kashiouris et al., Applied Clinical Informatics: Ambient AI rollout across 14 emergency departments
- KFF: Tracking Poll on Health Information and Trust, use of AI for health information and advice (Mar 2026)
- KFF: Tracking Poll on Health Information and Trust, use of social media and AI for health information (Jun 2026)
- Lång et al., Lancet Oncology: MASAI trial, first safety analysis
- Lawrence et al., JAMA Network Open: Patient consent for ambient AI documentation
- Lee et al., JAMA Health Forum: Recalls of FDA-cleared AI medical devices
- Lin et al., JAMA Health Forum: Benefit-risk reporting for FDA-cleared AI devices
- Lukac et al., NEJM AI: Randomized trial of two ambient AI scribes at UCLA
- MarketsandMarkets: Artificial Intelligence in Healthcare Market report
- Mehta et al., npj Digital Medicine: Transparency of FDA summaries for AI-enabled devices
- Menlo Ventures: 2025 State of AI in Healthcare
- MGMA Stat: Are AI tools making clinicians more productive?
- Microsoft: FY26 Q4 earnings call
- Muralidharan et al., npj Digital Medicine: Scoping review of FDA-approved AI devices and demographic reporting
- Naved et al., BMC Oral Health: FDA-cleared AI dental devices
- NCSL: Artificial Intelligence 2025 Legislation
- Nong and Platt, JAMA Network Open: Patients' trust in health systems to use AI
- Obermeyer et al., Science: Dissecting racial bias in an algorithm used to manage the health of populations
- Olson et al., JAMA Network Open: Ambient AI scribes and clinician burnout across 6 health systems
- Omar et al., Nature Medicine: Sociodemographic biases in medical decision making by LLMs
- ONC: HTI-1 Final Rule, Federal Register
- OpenAI: Launching Health in ChatGPT
- Pew Research Center: 60% of Americans would be uncomfortable with provider relying on AI in their own health care
- Pew Research Center: Americans want transparency when AI is used in their healthcare
- Pew Research Center: From diagnoses to treatments, why Americans use AI chatbots for health
- Poon et al., JAMIA: Adoption of AI in large US health systems
- Potnis et al., JAMA Internal Medicine: FDA-cleared AI products for breast cancer screening
- Precedence Research: Artificial Intelligence in Healthcare Market report
- Qian et al., BJU International: FDA-cleared AI devices in urology
- Ren et al., JAMA Network Open: Clinical evidence and recalls of FDA-authorized AI devices
- Rock Health: 2025 year-end digital health funding overview, a tale of two markets
- Rock Health: H1 2026 funding and market overview
- Rock Health: Health AI insights from the 2025 Consumer Adoption Survey
- Rotenstein et al., JAMA: Changes in clinician time expenditure and visit quantity with adoption of AI-powered scribes
- Shah et al., JAMIA Open: Patient experience with ambient AI scribes at Stanford Health Care
- Stanford HAI: 2026 AI Index Report, Medicine chapter (FDA data)
- Tempus AI: Q2 2026 results, SEC Form 8-K Exhibit 99.1
- U.S. Census Bureau: Business Trends and Outlook Survey, national data
- U.S. Census Bureau: Business Trends and Outlook Survey, sector data
- WHO: AI ethics and governance guidance for large multi-modal models
- Wright et al., JAMIA: Enterprise-wide ambient scribing rollout at Vanderbilt