Nicht ein neues Medikament oder ein chirurgisches Verfahren treibt diesen Umbruch voran, sondern eine Technologie. KI-Systeme analysieren medizinische Bilder schneller als erfahrene Fachärzte, entdecken Proteinstrukturen, über die Wissenschaftler Jahrzehnte rätselten, und formulieren eigenständig Arztbriefe. Die meisten Ärztinnen und Ärzte bewerten KI als riesige Chance für die Medizin, und gleichzeitig ist das Feld noch am Anfang seiner Entwicklung.
Der wohl am weitesten fortgeschrittene Bereich der medizinischen KI ist die Bildgebungsdiagnostik. Hier lassen sich die Stärken des maschinellen Lernens - das schnelle Erkennen von Mustern in riesigen Datensätzen - am direktesten nutzen. KI-Technologien kommen bereits vielfach in der Radiologie zur Optimierung der Bildqualität, Verkürzung der Aufnahmezeit und Bilddatenanalyse zum Einsatz, und KI-unterstützte bildgebende Diagnostik spielt zunehmend auch in der Pathologie und Dermatologie eine Rolle.
Allein die US-Zulassungsbehörde FDA hat bis Mitte 2024 knapp tausend KI-unterstützte Medizinprodukte autorisiert, davon rund drei Viertel im Bereich Radiologie. Diese Zahlen verdeutlichen, wie stark die Diagnostik das Feld dominiert.
Siemens Healthineers, der deutsche Medizintechnik-Konzern mit Sitz in Erlangen, gehört zu den führenden Unternehmen im Bereich KI-gestützter Bildgebung. Das Unternehmen entwickelt KI-Lösungen für nahezu alle bildgebenden Modalitäten - von der CT über die MRT bis hin zur Ultraschalldiagnostik. Siemens Healthineers und das KIT Karlsruhe entwickeln gemeinsam KI-Algorithmen zur automatisierten Auswertung von Koronarangiographien, eine Technologie, die die Diagnosezeit von Koronarkalk-Ablagerungen um 70% reduzieren soll. Damit zeigt das Unternehmen exemplarisch, wie KI klinische Abläufe fundamental beschleunigen kann.
GE HealthCare, der aus General Electric ausgegliederte Medizintechnikkonzern, betreibt eine der breitesten KI-Portfolios im Gesundheitswesen. Das Unternehmen verarbeitet über 1,3 Milliarden radiologische Bilder, bietet über 50 Algorithmen für Anwendungen im Gesundheitswesen und konzentriert sich auf die Erkennung und Analyse von Knoten und Läsionen, beispielsweise in Lunge, Brust und Herz. GE HealthCare investiert jährlich mehr als eine Milliarde US-Dollar in Forschung und Entwicklung und versorgt jährlich mehr als eine Milliarde Patienten.
Med Gemini ist ein von Google Research und Google DeepMind entwickeltes KI-Modell, das durch Deep-Learning-Algorithmen medizinische Bilder wie Röntgen-Aufnahmen und MRT-Scans analysiert und bei der Früherkennung von Krankheiten wie Krebs, Herzerkrankungen und neurologischen Störungen hilft, indem es Auffälligkeiten erkennt, die Ärzten möglicherweise entgehen. Med Gemini erreichte dabei eine Diagnose-Genauigkeit von 91% - vier Prozentpunkte über dem damaligen Stand der Technik.
Nirgendwo ist das Transformationspotenzial der KI größer und gleichzeitig tiefgreifender als in der Medikamenten-Entwicklung. Der klassische Weg von der Wirkstoff-Idee bis zur Marktzulassung dauert zehn bis fünfzehn Jahre und kostet Milliarden. KI kann diesen Prozess fundamental beschleunigen.
Das wohl bedeutsamste Einzelprojekt der gesamten medizinischen KI-Forschung ist AlphaFold von Google DeepMind. AlphaFold 2 kann die Struktur eines Proteins aus seiner DNA-Sequenz mit hoher Genauigkeit vorhersagen. In den fünf Jahren seit seiner Einführung sind mehr als 240 Millionen Proteine strukturell erfasst worden - darunter alle Proteine des menschlichen Körpers sowie Proteine, die an Schlüsselkrankheiten wie Covid, Malaria und Chagas-Krankheit beteiligt sind. Über 3,3 Millionen Menschen haben AlphaFold 2 genutzt, und die Grundlagenarbeit wurde in mehr als 40.000 wissenschaftlichen Publikationen direkt zitiert.
DeepMind CEO Demis Hassabis und John Jumper erhielten 2024 den Nobelpreis für Chemie für ihre Arbeit an AlphaFold. Mit dem verbundenen Unternehmen Isomorphic Labs werden KI-entworfene Medikamente bis Ende 2025 in klinische Studien gehen. Isomorphic Labs wurde 2021 als eigenständiges Alphabet-Unternehmen gegründet, mit dem erklärten Ziel, den gesamten Prozess der Wirkstoffsynthese von Grund auf neu zu denken - mit KI als Kern.
Die neueste Version, AlphaFold 3, geht noch weiter: es kann die Struktur und Interaktionen aller Moleküle des Lebens vorhersagen, bei Wechselwirkungen von Proteinen mit anderen Molekül-Arten wurde eine Verbesserung von mindestens 50% gegenüber bestehenden Methoden erzielt.
Auf europäischer Ebene zeigt die Kooperation zwischen dem deutschen Pharma-Riesen Bayer und dem Deutschen Zentrum für Neuro-degenerative Erkrankungen (DZNE), dass auch die traditionelle Pharmaindustrie massiv in KI-Forschung investiert. Bayer kooperiert seit 2024 mit dem DZNE an der Entwicklung von KI-Plattformen zur Früherkennung von Alzheimer und investierte 2025 initial 84 Millionen Euro. Gerade bei neurodegenerativen Erkrankungen, bei denen frühe Diagnose entscheidend ist, könnte KI einen Wendepunkt markieren.
Das britische Biotechnologieunternehmen Exscientia ist ein Pionier des KI-gesteuerten Wirkstoff-Designs. Exscientia startete eine AWS-basierte KI-Plattform für End-to-End-Arzneimittel-Entdeckung und -automatisierung. Das Unternehmen nutzt KI, um die pharmakologische Hypothesen-Entwicklung zu automatisieren - von der Zielstruktur bis zum optimierten Molekül-Design.
Neben der reinen Bildanalyse entwickelt sich KI zunehmend zu einem allgemeinen Entscheidungshelfer im klinischen Alltag - einem digitalen „zweiten Arzt“, der Patientendaten analysiert, Diagnosen vorschlägt und auf Wechselwirkungen hinweist.
Ein bemerkenswertes europäisches Beispiel ist das Startup Prof. Valmed. Als erstes KI-gestütztes Tool zur klinischen Entscheidungsunterstützung hat Prof. Valmed die Zertifizierung als Medizinprodukt der Risikoklasse IIb für die Europäische Union abgeschlossen. Das auf einem Large Language Model basierende System unterstützt medizinisches Fachpersonal, indem es vertrauenswürdige Empfehlungen für die Diagnose und Therapie von Erkrankungen bereitstellt. Die Zertifizierung nach EU-Recht ist dabei ein wichtiger Meilenstein: Sie zeigt, dass LLM-basierte Medizinsoftware die strengen regulatorischen Anforderungen erfüllen kann.
HealthSage AI führte im Januar 2025 eine offene Plattform ein, die drei klinische Anwendungen umfasst, um die Ärzte-Workflows zu vereinfachen. Diese Anwendungen verwenden ein fortschrittliches Großsprachmodell, um die Abrechnungsgenauigkeit zu verbessern und den Datenaustausch zu erleichtern.
Ein oft unterschätzter, aber praktisch hochrelevanter Bereich ist die KI-gestützte Automatisierung medizinischer Dokumentation. Ärzte verbringen heute einen erheblichen Teil ihrer Arbeitszeit mit Verwaltungsaufgaben. Hier setzt eine Reihe von Unternehmen an.
Nuance, mittlerweile Teil von Microsoft, bietet mit Dragon Medical One die wohl bekannteste KI-gestützte Spracherkennungs-Plattform für die Medizin an. Dragon Medical One ist ein Dokumentationsbegleiter für medizinische Einrichtungen jeder Größenordnung - von der niedergelassenen Arztpraxis bis zum Maximalversorger. Das System erfordert kein Trainieren von Sprachprofilen und verfügt über Fachvokabular für Pflege und medizinische Fachbereiche sowie KI-Algorithmen zur Erkennung von Akzenten.
Microsoft hat mit seiner Cloud for Healthcare zudem eine gesamte Plattform-Infrastruktur für das Gesundheitswesen entwickelt, die Interoperabilitätsstandards wie FHIR (Fast Healthcare Interoperability Resources) umsetzt und KI-Dienste für Krankenhäuser bereitstellt.
Das französische KI-Unternehmen Nabla fokussiert sich auf die Entlastung von Ärztinnen und Ärzten durch automatisierte Klinik-Kommunikation. Nabla bietet KI-gestützte Ambient AI-Schreib-Assistenten und Tools zur Verbesserung elektronischer Gesundheitsaktensysteme an, unterstützt über 35 Sprachen und zielt darauf ab, das Burnout von Ärzten zu bekämpfen und die Effizienz medizinischer Konsultationen zu verbessern.
Der deutsche Praxissoftwarehersteller CompuGroup Medical (CGM) hat mit CGM_one eine integrierte Plattform für Arztpraxen entwickelt, die KI-gestützte Lösungen für Diagnostik, Terminmanagement und Abrechnung vereint. Das Unternehmen betont dabei den Entstehungskontext: Die Lösungen sind aus dem echten Bedarf in Arztpraxen entstanden und sollen sicher, kontrollierbar und im Dienst der Medizin ausgelegt sein, damit Ärztinnen und Ärzte mehr Zeit für die Behandlung ihrer Patienten haben.
KI in der Medizin ist längst nicht auf Kliniken beschränkt. Einige Unternehmen entwickeln Lösungen für konkrete Krankheitsbilder oder für die kontinuierliche Gesundheitsüberwachung im Alltag.
Das französische Unternehmen Diabeloop ist ein Paradebeispiel für hochspezialisierte medizinische KI. Diabeloop hat einen selbstlernenden Algorithmus entwickelt, der die Behandlung von Typ-1-Diabetes automatisieren soll und Patienten von kontinuierlichen Therapie-Entscheidungen entlastet. Die Produkte sind CE-gekennzeichnete Medizinprodukte und werden in mehreren europäischen Ländern eingesetzt. Das Unternehmen arbeitet mit Roche, ViCentra und der Terumo Corporation zusammen, um sein Angebot zu erweitern. Das Kernprodukt übernimmt die Steuerung der Insulinabgabe autonom - eine der anspruchsvollsten Aufgaben im Diabetes-Management.
Das Fraunhofer Institut für Kognitive Systeme (IKS) verfolgt einen grundlagenorientierten Ansatz. Das Institut entwickelt vertrauenswürdige und zuverlässige KI-Modelle auf Basis medizinischer Daten mit Fokus auf Kardiologie, Frauengesundheit und anderen Bereichen. Ein zentraler Grundsatz ist die Entscheidungstransparenz: KI-Modelle sollen jede Entscheidung verständlich machen. Dieser Ansatz der „Explainable AI“ ist gerade im medizinischen Kontext essenziell, da Ärzte Diagnosen nachvollziehen und verantworten müssen.
Individuelle KI-Produkte können nur so gut sein wie die Daten, auf denen sie trainieren. Deshalb arbeiten Institutionen und Unternehmen intensiv an der Infrastruktur für medizinische Daten.
Die Medizininformatik-Initiative adressiert die mangelnde Datenharmonisierung durch den Aufbau von vier Datenintegrationszentren, die bis Ende 2025 80% aller Universitätskliniken vernetzen sollen. Damit entsteht eine nationale Forschungsinfrastruktur, die standortübergreifende KI-Modell-Entwicklung ermöglicht.
Eine strukturierte ePA als zentraler Datenspeicher würde die Grundlage für KI-Anwendungen zur effizienteren und personalisierten Versorgung schaffen. Die EHDS-Verordnung ist 2025 in Kraft getreten. Im Rahmen des EHDS können Algorithmen trainiert, erprobt und bewertet werden, darunter jene, die bei Medizinprodukten, In-vitro-Diagnostika und KI-gestützten Systemen zur klinischen Entscheidungsunterstützung zum Einsatz kommen. Der EHDS ist damit das europäische Gegenstück zur zentralisierten Datenstrategie der großen US-Plattformen.
Im deutschen Markt positioniert sich Mindverse Studio als DSGVO-konforme KI-Plattform speziell für medizinische Forschungseinrichtungen. Als einzige vollständig in Deutschland entwickelte, gehostete und betriebene KI-Plattform verfügt Mindverse Studio über ein eigenes, unabhängig trainiertes Large Language Model und Multi-Level-Verschlüsselung und erfüllt alle Anforderungen der DSGVO.
So groß die technologischen Fortschritte auch sind: Ohne einen klaren regulatorischen Rahmen können medizinische KI-Systeme nicht breit eingesetzt werden.
Am 1. August 2024 ist die europäische KI-Verordnung in Kraft getreten, die die verantwortungsvolle Entwicklung und Verwendung von KI in der EU fördern soll. Für KI-Systeme, die als hochriskant eingestuft werden - zum Beispiel KI-basierte Software für medizinische Zwecke - gelten besondere Anforderungen hinsichtlich Risikominderungssystemen, hochwertiger Datensätze, klarer Nutzerinformation und menschlicher Aufsicht.
Besonders Software as a Medical Device (SaMD) - also Software mit medizinischem Zweck als eigenständiges Produkt - erlebt einen Boom. Viele Innovationen stammen dabei von Newcomern, während etablierte MedTech-Unternehmen erst am Anfang stehen, dieses Potenzial auszuschöpfen.
Die Ärzteschaft selbst begrüßt strenge Regelungen: Die meisten Ärztinnen und Ärzte fordern eine strenge Regulierung von KI für die Medizin. Zugleich gilt als zentraler Grundsatz, dass die Einführung von KI sich nicht an ökonomischen Interessen orientieren darf - das Ziel muss immer die Verbesserung der Patientenversorgung sein.
Bei aller Begeisterung sind die Grenzen und Risiken ehrlich zu benennen. Die Integration von KI in medizintechnische Unternehmen erfordert ein ausgewogenes Verhältnis zwischen Innovation und Risikomanagement sowie dem gesundheitlichen und wirtschaftlichen Nutzen. Mehr als 70% der Befragten in einer Studie von Microsoft und Cognizant sind nicht der Ansicht, dass Menschen in der Medizintechnikfertigung durch KI ersetzt werden, und betonen, dass menschliches Fachwissen und die Kontrolle weiterhin erforderlich bleiben.
Weitere zentrale Herausforderungen sind Datenschutz und Interoperabilität. 71% der Deutschen haben Bedenken hinsichtlich des Datenschutzes und eines möglichen Missbrauchs der gesammelten Gesundheitsdaten. Hinzu kommen regulatorische Hürden: Als größte Hemmnisse benennt die Ärzteschaft die Komplexität des Gesundheitssystems und langwierige Zertifizierungsprozesse.
Schließlich besteht das Risiko einer digitalen Zwei-Klassen-Medizin: Wenn leistungsfähige KI-Systeme nur in gut finanzierten Universitätskliniken verfügbar sind, während kleinere kommunale Häuser zurückbleiben, verschärft sich die ohnehin bestehende Ungleichheit in der Gesundheitsversorgung.
Entscheidend für den Erfolg wird nicht allein die Technologie sein. Vertrauen, Transparenz, Datenschutz und die konsequente Einbeziehung von Ärzten und Patienten in die Entwicklungsprozesse sind die eigentlichen Voraussetzungen dafür, dass KI ihr Versprechen einlösen kann: eine Medizin, die präziser, schneller, zugänglicher - und menschlicher wird.