Künstliche Intelligenz (KI) gewinnt in der Medizin rasant an Bedeutung; darüber informieren wir Sie in diesem Newsletter ja bereits seit 2 Jahren. Über eine besondere – und auch besonders kritische – Thematik, nämlich den Einsatz von KI zur Triage in der Notaufnahme, berichtete Prof. Dr. Uwe Janssens, Chefarzt der Klinik für Innere Medizin und Internistische Intensivmedizin am St.-Antonius-Hospital in Eschweiler, auf dem 17. Intensiv-Update-Seminar am 19. und 20. September 2025 in Köln.

Weltweit stehen Notaufnahmen vor enormen Herausforderungen angesichts stetig wachsender Patientenzahlen, begrenzter Ressourcen und zunehmenden Personalmangels. Herkömmliche Triage-Systeme wie der Emergency Severity Index (ESI) und das Manchester Triage System (MTS) stützen sich auf subjektive klinische Einschätzungen. Dies kann insbesondere in Zeiten hoher Auslastung oder bei Großschadensereignissen zu erheblichen Unterschieden in der Priorisierung und Versorgungsqualität führen.

Vorteile KI-basierter Triage-Systeme

KI-basierte Triage-Systeme entwickeln sich zu einer vielversprechenden Innovation, indem sie die Patienten-Priorisierung automatisieren und dabei Echtzeit-Daten wie Vitalparameter, Anamnese und aktuelle Symptome auswerten. Durch die intelligente Analyse dieser Informationen ermöglichen sie eine objektivere und effizientere Zuteilung von Behandlungs-Ressourcen und unterstützen das medizinische Personal insbesondere in hochdynamischen Notaufnahmesituationen.

Solche KI-gestützten Triage-Systeme bieten sofortige Analyse und Feedback, wodurch Kliniker schnelle, informierte Entscheidungen treffen können. Diese Systeme können plötzliche Veränderungen in Vitalzeichen erkennen, die auf Sepsis oder andere kritische Zustände hinweisen, und eine sofortige Bewertung und Intervention auslösen. Die Echtzeitanalyse optimiert auch das Ressourcen-Management, indem sie die Priorisierung dynamisch basierend auf Patientenaufkommen, Bettenverfügbarkeit und verfügbaren Spezialisten anpasst.

Natural Language Processing (NLP) ermöglicht es KI-Systemen, unstrukturierte Daten wie Patientenbeschwerden, Arztnotizen und Krankengeschichten zu verarbeiten und zu interpretieren. Studien zeigen, dass NLP frühe Warnzeichen von Zuständen wie Sepsis oder Schlaganfall – basierend auf Textbeschreibungen in klinischen Notizen – erkennen kann. Dies gewährleistet, dass KI-gestützte Triage-Systeme ein ganzheitliches Verständnis jedes Patienten beibehalten und die Zuverlässigkeit des Triage-Prozesses verbessern.

Dabei zeigen KI-gestützte Triage-Systeme signifikante Verbesserungen bei der Patienten-Priorisierung. Studien berichten von einer Reduzierung der Wartezeiten um bis zu 30 % und einer Verringerung der Behandlungszeiten um bis zu 20 %.

Als die zentralen Vorteile von KI-gestützten Triage-Systemen in der Notaufnahme nannte Janssens:

• Schnellere Versorgung: Reduzierte Wartezeiten und gesteigerte Effizienz durch schnellere und präzisere Einschätzung der Patienten
• Bessere Entscheidungen: Verbesserte klinische Entscheidungsfindung und Risikobewertung durch objektive, datenbasierte Analysen
• Intelligente Ressourcenverteilung: Optimierte Allokation und Nutzung von Ressourcen wie Personal, Betten und Diagnostik
• Unterstützung des Personals: Entlastung des medizinischen Personals durch Automatisierung der Erstbewertung und Reduktion der kognitiven Belastung

Im Gegensatz zu traditionellen Triage-Verfahren, die auf subjektiven klinischen Bewertungen basieren, bieten KI-gestützte Systeme konsistente, datengestützte Bewertungen. Machine-Learning-Modelle zeigen durchgängig überlegene Diskriminierungsfähigkeiten im Vergleich zu konventionellen Triage-Systemen. Die Systeme folgen standardisierten Priorisierungs-Protokollen und reduzieren die Variabilität und menschliche Fehler im Triage-Prozess.

Bei Großschadensereignissen zeichnen sich KI-gestützte Triage-Systeme zudem durch eine besonders hohe Flexibilität aus: Sie können ihre Priorisierungs-Kriterien in Echtzeit an die aktuelle Auslastung der Notaufnahme und die individuelle Dringlichkeit jedes einzelnen Falls anpassen. Diese dynamische Anpassungsfähigkeit ermöglicht eine optimale Ressourcenzuteilung, verbessert die Effizienz der Arbeitsabläufe und trägt dazu bei, die Versorgung und die Überlebenschancen der Patienten in kritischen Ausnahmesituationen deutlich zu steigern.

Ergänzend anzumerken ist, dass in Heft 1/2026 des Deutschen Ärzteblatts (digitale Ausgabe) die Möglichkeiten des Einsatzes von KI in der Notaufnahme von Dr. Sabine Geck, Funktionsoberärztin am Agaplesion Elisabethenstift Darmstadt, und Dr. Sebastian Wolfrum, Leiter Interdisziplinäre Notaufnahme UKSH, Campus Lübeck, geschildert wird.

Probleme KI-basierter Triage-Systeme

Die Effektivität KI-gestützter Triage-Systeme hängt allerdings stark von der Qualität und Vollständigkeit der zugrunde liegenden Daten ab, betonte Janssens. Unvollständige oder verzerrte Datensätze können zu ungenauen Vorhersagen führen und die Systemleistung beeinträchtigen. Die Integration verschiedener Datenquellen und -formate bleibt somit eine technische Herausforderung.

Algorithmische Verzerrungen stellen zudem ein wesentliches ethisches Problem bei der Anwendung von künstlicher Intelligenz in der Medizin dar: Werden KI-Modelle auf historischen Gesundheitsdaten trainiert, besteht die Gefahr, dass bestehende Ungleichheiten in Triage-Entscheidungen übernommen und sogar verstärkt werden.

So zeigen Studien, dass insbesondere rassische und geschlechtsspezifische Verzerrungen in der Risikobewertung auftreten können. Dies führt dazu, dass die Priorisierung der medizinischen Versorgung nicht ausschließlich auf objektiven Kriterien basiert, sondern bestehende Benachteiligungen bestimmter Patientengruppen weiter gefestigt werden. Solche Verzerrungen gefährden die Chancengleichheit im Gesundheitssystem und können gesundheitliche Disparitäten zusätzlich verschärfen.

Die erfolgreiche Einführung KI-gestützter Triage-Systeme hängt vom Verständnis und Vertrauen der Kliniker ab. Nach Studienergebnissen sind Kliniker eher bereit, künstlicher Intelligenz zu vertrauen und diese zu nutzen, wenn sie deren Prozesse und Limitationen verstehen. Die Mehrzahl der Algorithmen zeichnet sich jedoch durch eine geringe Interpretierbarkeit und fehlende Transparenz aus, was die Validierung und die klinische Überwachung erheblich erschwert.

Auch erklärt die Deutsche Krankenhausgesellschaft in einem aktuellen Positionspapier zum Thema „Nutzung von Künstlicher Intelligenz (KI) im Krankenhaus“, dass es weiterhin erhebliche Hürden für eine umfassende Integration von KI in den Versorgungsalltag gibt. Eine erfolgreiche Implementierung erfordere klare rechtliche Rahmenbedingungen, eine breite, interoperable Datenbasis, KI-fähige Infrastrukturen, effektive Vernetzung und gezielte Unterstützungsprojekte. Während das Krankenhauszukunftsgesetz (KHZG) KI-gestützte Entscheidungsunterstützungs-Systeme fördere, fehle eine explizite Unterstützung für die notwendige KI-Infrastruktur.

Gutachtliche Aspekte – wer haftet bei Fehlentscheidungen?

Aus gutachtlicher Sicht ergeben sich hier ganz neue Probleme, wenn beispielsweise ein Patient behauptet, durch Einsatz der KI in der Triage zu spät behandelt worden zu sein (weil andere Patienten vordringlich behandelt wurden) und dadurch gesundheitliche Schäden erlitten zu haben. Das kann dann zur Klage wegen eines (vermeintlichen) Behandlungsfehlers führen.

Hier stellen sich etwa folgende Fragen:

• Gegen wen richtet sich die Klage?
  • Gegen den behandelnden Arzt (der die KI eingesetzt hat), gegen das Krankenhaus (welches die KI in der Notaufnahme implementiert hat), gegen den Hersteller des KI-Systems oder ggf. gegen alle Beteiligten?
• Welche medizinischen Anforderungen an die Entscheidung der KI sind der Begutachtung zu Grunde zu legen?
  • Die eines (im konkreten Fall) entsprechend qualifizierten Arztes?
• Muss der Hersteller des KI-Systems offenlegen, mit welchen Gesundheitsdaten das System trainiert wurde?
  • Falls ja: Sind dann etwa Benachteiligungen bestimmter Patientengruppen zu eruieren, welche sich im konkreten Fall für den Patienten negativ ausgewirkt haben?
  • Und hätte ein qualifizierter Arzt (lt. gutachtlicher Beurteilung) eine andere Entscheidung getroffen?

Dr. Gerd-Marko Ostendorf
Versicherungsmediziner