KI in der Versorgung: Umsetzungsbarrieren bleiben zentral
Ein systematisches Review zeigt, dass bei der Einführung von KI im Gesundheitswesen vor allem Implementierungshürden aus Betrieb, Daten und Prozessen den Nutzenbremsen.
KI im Gesundheitswesen scheitert laut einem systematischen Review seltener an der Modellgüte als an der Umsetzung: Klinische Abläufe, Datenqualität und Verantwortlichkeiten werden in der Praxis zum Engpass.
Was passiert ist
Das systematische Review mit dem Titel „Artificial intelligence adoption in healthcare: a systematic review of implementation challenges and health services implications“ untersucht Implementierungsherausforderungen und deren Auswirkungen auf Gesundheitsdienste. Die Studie ordnet Barrieren entlang organisatorischer und operativer Faktoren ein, die den Transfer in den Versorgungsalltag erschweren.
Besonders relevant sind laut Review Themen rund um die Integration in bestehende Workflows, die Verfügbarkeit passender Daten sowie die Frage, wie Verantwortung und Steuerung im Betrieb umgesetzt werden. Dadurch entstehen Verzögerungen und zusätzlicher Aufwand, die den erwarteten Nutzen häufig nicht unmittelbar realisieren lassen.
Warum das wichtig ist
Für das Gesundheitswesen verschiebt sich der Fokus von der reinen KI-Entwicklung hin zu Umsetzungsfragen, die Kliniken, IT und Governance gemeinsam lösen müssen. Das betrifft nicht nur Pilotprojekte, sondern die Skalierung in regulären Versorgungsprozessen, inklusive Risikomanagement, Qualitätskontrolle und Betriebssicherheit.
Die Studie liefert damit einen belastbaren Hinweis, warum viele KI-Programme in der Einführung hängen bleiben: Selbst wenn Modelle leistungsfähig sind, entscheidet die Implementierung darüber, ob sie zuverlässig genutzt werden können und welche Auswirkungen sie auf Servicequalität und Ressourcenplanung haben.
Quellen: PubMed