Generative KI in der Anästhesiologie: Evidenz, Anwendungen, Grenzen

Generative künstliche Intelligenz bezeichnet Verfahren, die nicht nur Daten einordnen, sondern neue Inhalte erzeugen: Text, Bilder, Audio oder Programmcode. Für die Klinik sind vor allem große Sprachmodelle relevant, im Englischen Large Language Models. Sie stecken hinter den bekannten Chatprogrammen und zunehmend hinter Funktionen, die in Praxis- und Kliniksoftware eingebaut werden. Wer diese Werkzeuge beurteilen will, braucht ein Grundverständnis ihrer Funktionsweise. Ohne dieses Verständnis bleibt die Entscheidung über Einsatz und Grenzen den Herstellern und der IT überlassen, obwohl die klinische Verantwortung bei den Ärztinnen und Ärzten liegt.

Wie ein Sprachmodell Text erzeugt

Ein Sprachmodell zerlegt Text in kleine Einheiten, sogenannte Token, die ganzen Wörtern oder Wortteilen entsprechen. Jedes Token wird als Zahlenvektor in einem vieldimensionalen Raum dargestellt. Diese Darstellung ist kontextabhängig: Das Wort Block trägt in einem anästhesiologischen Text eine andere Bedeutung als in einem Text über Stadtplanung. Beim Training lernt das Modell an sehr großen Textsammlungen, welche Tokenfolgen wahrscheinlich sind, und speichert dieses Wissen in Milliarden von Gewichten. Bei der Anwendung erzeugt es seine Antwort Token für Token, indem es jeweils ein wahrscheinliches nächstes Token auswählt.

Daraus folgt die wichtigste Eigenschaft für die Klinik: Ein Sprachmodell erzeugt plausible Sprache, nicht geprüftes Wissen. Auch Rechnen, logisches Schließen und räumliche Zuordnung laufen über Wahrscheinlichkeiten von Text und nicht über formale Regeln. Richtige Antworten entstehen deshalb häufig, aber nicht verlässlich, und das Modell kann einer falschen Antwort dieselbe sprachliche Sicherheit geben wie einer richtigen.

Große und kleine Modelle

Große Sprachmodelle besitzen sehr viele Parameter und laufen in Rechenzentren der Anbieter. Jede Anfrage verlässt damit das Kliniknetz. Kleine Sprachmodelle werden aus großen Modellen abgeleitet, etwa durch Quantisierung, also die Speicherung der Gewichte mit geringerer Rechengenauigkeit. Sie laufen auf einem einzelnen leistungsfähigen Rechner und können vollständig vom Internet getrennt betrieben werden. Der Preis ist eine geringere Leistungsfähigkeit und eine höhere Neigung zu Fehlern, weil die Fehlerrate mit sinkender Modellgröße steigt. Für eng umrissene Aufgaben erreichen größere lokale Modelle jedoch eine Genauigkeit, die der kommerzieller Systeme nahekommt (Chuan und Nanda 2026).

Halluzinationen sind kein seltener Programmfehler, sondern eine Folge der Bauweise. Training und Bewertung heutiger Modelle belohnen eine flüssige, wahrscheinliche Antwort stärker als das Eingeständnis von Unsicherheit. Ein Modell, das die Antwort nicht kennt, erzeugt deshalb oft trotzdem eine. In Fächern mit technischer Präzision wie der Anästhesiologie ist dieses Risiko besonders relevant, weil die allgemeinen Trainingstexte das Fachwissen nur ungleichmäßig abbilden.

Was Halluzinationen verringert

Die wirksamste technische Maßnahme ist die Anbindung einer geprüften Wissensbasis. Das Modell sucht zuerst die passenden Textstellen heraus und formuliert die Antwort erst dann, gestützt auf diese Stellen. Die Wissensbasis lässt sich aktualisieren, ohne das Modell neu zu trainieren. Ergänzend wirkt eine sorgfältig formulierte Arbeitsanweisung: Sie legt eine Rolle fest, beschränkt die Antworten auf die Wissensbasis, verlangt das Eingeständnis von Unsicherheit und verbietet bestimmte Antworten ausdrücklich, etwa Dosisempfehlungen ohne Patientendaten. Mehrere unabhängige Modelle können dieselbe Frage beantworten, und nur eine übereinstimmende Antwort wird übernommen.

Die Studienlage zu generativer KI in der Anästhesiologie wächst schnell, ist aber noch überwiegend durch kleine Studien, einzelne Zentren und technische Endpunkte geprägt. Die folgende Übersicht ordnet die wichtigsten Arbeiten nach Anwendungsfeld. Entscheidend ist jeweils die Frage, was genau gemessen wurde: eine Arbeitszeit, eine Übereinstimmung mit einer Referenz oder ein Ergebnis für Patientinnen und Patienten.

Dokumentation: die bisher am besten belegte Anwendung

In einer randomisierten Simulationsstudie führten 30 Anästhesistinnen und Anästhesisten jeweils zwei standardisierte Prämedikationsgespräche, einmal mit einer KI-Anwendung, die das Gespräch mitschrieb und strukturierte, und einmal mit manueller Dokumentation. Mit KI war das Gespräch im Mittel um 252 Sekunden oder 18 % kürzer, die Blickfixationen auf den Bildschirm sanken um 78 %, die Tastatureingaben um 87 %, und die Arzt-Patienten-Interaktion wurde besser bewertet. Zugleich bewerteten externe Gutachter die manuell erstellte Dokumentation als besser. 60 % der Teilnehmenden bevorzugten die KI-gestützte Arbeitsweise (Rahrisch 2026). Die Konsequenz ist eindeutig: Die KI erzeugt einen Entwurf, die Ärztin oder der Arzt prüft und gibt frei.

Außerhalb der Anästhesie liegen inzwischen randomisierte Studien zu Sprachassistenten vor, die Gespräche mitschreiben und Arztbriefentwürfe erzeugen. In einer pragmatischen Studie mit 238 ambulant tätigen Ärztinnen und Ärzten aus 14 Fachgebieten sank die Schreibzeit je Notiz mit einem der beiden getesteten Produkte moderat, und Werte für Erschöpfung und Arbeitsbelastung verbesserten sich; gelegentliche Ungenauigkeiten erforderten weiterhin Aufmerksamkeit (Lukac 2025). Eine zweite randomisierte Studie untersuchte vorrangig berufliche Zufriedenheit und Erschöpfung (Afshar 2025). Für die anästhesiologische Aufklärung, das Narkoseprotokoll und die Prozedurendokumentation fehlen bisher eigene Studien.

SOP-gebundene Assistenz

Das System PEACH wurde am Singapore General Hospital mit 35 klinikeigenen perioperativen Protokollen in einer geschützten Umgebung aufgebaut. In einem stillen Echtbetrieb, in dem die Antworten die Versorgung nicht beeinflussten, stimmte die überarbeitete Version in 235 von 240 Durchläufen mit den Protokollen überein, das sind 97,9 %. Es traten eine Halluzination und zwei relevante Abweichungen auf (Ke 2026). Die Studie zeigt nicht, dass ein Sprachmodell bessere Medizin macht, sondern dass es ein begrenztes, geprüftes Regelwerk sehr konsistent auf konkrete Fragen anwenden kann. Genau darin liegt der realistische Nutzen.

Datenextraktion mit Sicherheitsschwelle

Aus Freitextbefunden der intraoperativen transösophagealen Echokardiographie extrahierten fünf lokal betriebene Modelle drei definierte Größen vor und nach dem Eingriff. Wurde nur ein einstimmiges Ergebnis aller fünf Modelle übernommen, lag die Genauigkeit präoperativ bei 99,4 %, allerdings wurden nur 81,7 % der Befunde automatisch verarbeitet. Bei einer Mehrheitsregel stieg die Ausbeute auf 99,4 %, die Fehlerrate aber auf 3,3 % (MacKay 2025). Die Studie zeigt ein Prinzip, das für jede klinische KI gilt: Ein System muss nicht jeden Fall beantworten. Unsichere Fälle gehen an einen Menschen.

Sprachmodelle werden für Patienteninformationen, für die Beantwortung von Patientenfragen und für die Lehre eingesetzt. In allen drei Feldern sind die Ergebnisse vielversprechend, aber stark vom Modell, von der Formulierung der Anfrage und vom Versionsstand abhängig. Außerdem messen die Studien meist die Qualität eines Textes und nicht, ob Patientinnen und Patienten tatsächlich besser verstehen oder Lernende tatsächlich besser handeln.

Patienteninformation

Ein etabliertes britisches Informationsblatt zur Kaudalanästhesie bei Kindern wurde mit Texten verglichen, die drei Sprachmodelle unter derselben Anweisung erzeugten. Die fachliche Richtigkeit, bewertet von zehn erfahrenen Kinderanästhesistinnen und Kinderanästhesisten, unterschied sich nicht signifikant. Zwei der KI-Texte waren leichter lesbar als das Original, einer schwerer (Khan 2026). Daraus folgt eine sinnvolle Arbeitsteilung: Fachlich freigegebene Inhalte können mit KI in einfache Sprache oder verschiedene Detailstufen übertragen werden. Die ungeprüfte Neuerstellung einer Aufklärung ist dagegen nicht vertretbar.

Patientenfragen

Zehn häufige Patientenfragen zu peripheren Nervenblockaden wurden vier Chatprogrammen gestellt und von 15 Fachleuten verblindet bewertet. Zwei Programme erreichten deutlich bessere Werte als die beiden anderen, bei einem Modell fanden sich eine zu pauschale Sicherheitsaussage und eine unpassende Abbildung. Die Übereinstimmung der Gutachter untereinander war allerdings mit einem Kappa-Wert von 0,01 praktisch nicht vorhanden (Tulgar 2026). Das relativiert jeden Modellvergleich erheblich, und solche Vergleiche sind ohnehin Momentaufnahmen, weil sich die Modelle laufend ändern.

Lehre und Simulation

Sprachmodelle können virtuelle Patientinnen und Patienten spielen, auf freie Anamnesefragen antworten und unmittelbar strukturierte Rückmeldung geben. In einer randomisierten Studie mit Medizinstudierenden verbesserte eine solche Simulation mit strukturierter Rückmeldung die klinische Entscheidungsfindung (Brügge 2024). Ein anderes System wurde von 84,4 % der Studierenden als zufriedenstellend bewertet, aber nur 60,4 % hielten die Antworten für ausreichend genau, und eine objektive Kompetenzmessung fand nicht statt (Liu 2026). Beschrieben sind außerdem Anwendungen für schwierige Gespräche, etwa das Überbringen schlechter Nachrichten und die offene Kommunikation nach einem Zwischenfall, sowie ein virtueller Patient für die Aufklärung zu einer interskalenären Blockade (Chuan und Nanda 2026).

Medizinische Suchsysteme

Spezialisierte Suchsysteme binden ein Sprachmodell an eine Sammlung medizinischer Fachliteratur und geben Antworten mit Quellenangabe. In Vergleichen lieferten sie relevantere und besser belegte Antworten als allgemeine Chatprogramme. Ihre Grenzen liegen im eingeschränkten Zugang zu kostenpflichtiger Literatur, in wenig transparenten Such- und Bewertungsregeln und im Fehlen einer redaktionellen Synthese, wie sie eine Leitlinie leistet (Chuan und Nanda 2026). Sie eignen sich als Einstieg in eine Recherche, nicht als deren Abschluss. Zur strukturierten Literatursuche siehe Up to date bleiben.

In der Forschung kann generative KI Zeit sparen: beim Sichten von Studien, bei der Planung einer statistischen Auswertung, beim Überarbeiten von Texten und als kritischer Gesprächspartner. Sie birgt aber Risiken, die die wissenschaftliche Integrität unmittelbar betreffen. Das bekannteste Beispiel ist die Übersichtsarbeit zur Regionalanästhesie, die ein älteres Modell mit erfundenen Literaturstellen verfasste. Neuere Modelle haben glaubwürdige Empfehlungen, etwa zu perioperativen neurokognitiven Störungen, erzeugt, die dem publizierten Konsens nahekamen, sie ersetzen aber keine Prüfung jeder einzelnen Quelle (Chuan und Nanda 2026).

Regeln für wissenschaftliches Arbeiten

1. Jede Quelle selbst prüfen. Titel, Autorinnen und Autoren, Zeitschrift, Jahr, Seiten und DOI werden im Original oder in PubMed kontrolliert, bevor eine Stelle zitiert wird.
2. Keine vertraulichen Daten eingeben. Patientendaten, unveröffentlichte Ergebnisse und Gutachten gehören nicht in öffentliche Chatprogramme.
3. Nutzung offenlegen. Zeitschriften verlangen zunehmend eine Angabe, ob und wofür KI eingesetzt wurde; Sprachmodelle können keine Autorschaft übernehmen.
4. Inhaltliche Verantwortung behalten. Die Autorinnen und Autoren verantworten jede Aussage, unabhängig davon, wer den ersten Entwurf geschrieben hat.
5. Berichtsstandards beachten. Für Studien mit Sprachmodellen gibt es eigene Standards, etwa TRIPOD-LLM, und für die frühe klinische Prüfung von Entscheidungshilfen DECIDE-AI.

Die Einführung generativer KI in einer Klinik ist kein IT-Projekt allein. Sie berührt Datenschutz, Medizinprodukterecht, Haftung, Arbeitsabläufe und Ausbildung. Die folgenden Punkte beschreiben den Rahmen in Deutschland und Europa und ein Vorgehen, das sich an der Studienlage orientiert.

Rechtlicher Rahmen

Die europäische KI-Verordnung gilt seit 2024 und tritt stufenweise in Kraft. Seit Februar 2025 gelten die Verbote bestimmter Praktiken und die Pflicht zur KI-Kompetenz. Diese Pflicht wurde im Juli 2026 neu gefasst: Betreiber müssen Maßnahmen ergreifen, die die KI-Kompetenz ihres Personals fördern, ohne ein bestimmtes Niveau jeder einzelnen Person garantieren zu müssen. Seit August 2025 gelten Pflichten für Anbieter allgemeiner KI-Modelle, seit August 2026 Transparenzpflichten, etwa zur Kennzeichnung KI-erzeugter Inhalte. Die Pflichten für Hochrisikosysteme, zu denen KI in Medizinprodukten gehört, wurden durch den sogenannten Digital Omnibus verschoben: Für KI in Produkten, die bereits dem Medizinprodukterecht unterliegen, gelten sie ab dem 2. August 2028. Die Anforderungen der Medizinprodukteverordnung bleiben davon unberührt. Parallel gilt die Datenschutz-Grundverordnung: Gesundheitsdaten dürfen nur auf gesicherter Rechtsgrundlage und mit einem Anbieter verarbeitet werden, mit dem eine entsprechende Vereinbarung besteht.

Drei realistische Anwendungsfälle

Sicherheitsprinzipien

• Die klinische Verantwortung bleibt bei der Ärztin oder dem Arzt; die KI erzeugt Entwürfe, keine Entscheidungen.
• Eine kontrollierte Wissensbasis ersetzt freie Antworten aus dem Modellwissen.
• Vor dem Echtbetrieb wird im eigenen Haus validiert, nicht nur beim Hersteller.
• Modell, Arbeitsanweisung, Wissensbasis und Standards werden versioniert; nach jedem Update wird erneut geprüft.
• Klinisch relevante Antworten werden protokolliert und sind nachvollziehbar.
• Findet das System keine eindeutige Antwort, sagt es das und verweist an einen Menschen.
• Datenschutz, Informationssicherheit und die regulatorische Einordnung sind vor der Anbindung an klinische Systeme geklärt.

Merksätze

• Ein Sprachmodell erzeugt plausible Sprache, nicht geprüftes Wissen.
• Halluzinationen sind in der Bauweise angelegt und werden seltener, aber nicht null.
• Antworten gehören an geprüfte Quellen gebunden.
• Die KI schreibt den Entwurf, die Ärztin oder der Arzt verantwortet das Ergebnis.
• Ein gutes System beantwortet nicht jeden Fall und gibt Unsicheres an Menschen zurück.
• Belegt sind heute Arbeitsabläufe, nicht Patientenergebnisse.
• Keine Patientendaten in öffentliche Chatprogramme.
• Jede Literaturstelle wird im Original geprüft.
• Nach jedem Update wird neu geprüft.
• Betreiber müssen die KI-Kompetenz ihres Personals fördern.

Aufgaben