KI in deutschen Kliniken: Viel Potenzial, wenig Struktur. Was eine aktuelle Studie zeigt
Eine Studie unter rund 60 Klinik-Geschäftsführungen zeigt: KI kommt in deutschen Krankenhäusern an, doch der Weg vom Pilotprojekt zum Regelbetrieb ist noch weit. Ein Blick auf die Zahlen und was daraus folgt.
TL;DR
41 % der Kliniken setzen bereits KI ein, aber die meisten stecken noch im Testbetrieb. Die größten Hürden: Datenschutz, fehlende Budgets und heterogene IT-Landschaften. Der EU AI Act verlangt verbindliche Governance für Hochrisiko-KI (Frist per Digital Omnibus auf Dezember 2027 verschoben). Kliniken brauchen jetzt belastbare Strukturen statt weiterer Pilotprojekte.
KI im Krankenhaus: Aufbruch mit angezogener Handbremse
Künstliche Intelligenz wird in deutschen Kliniken zunehmend eingesetzt: von der radiologischen Bildanalyse über die Notaufnahme-Triage bis zur Ressourcenplanung. Doch wie weit sind die Häuser tatsächlich? Eine aktuelle Studie von nexum, HC&S und DRF Luftrettung, veröffentlicht im Februar 2026, liefert erstmals belastbare Zahlen aus der Leitungsebene mittelgroßer und großer Krankenhäuser.
Die Ergebnisse zeigen ein differenziertes Bild: Es gibt Fortschritte, aber auch erhebliche strukturelle Lücken. Für Klinikleitungen, IT-Verantwortliche und Governance-Teams lohnt sich ein genauer Blick, denn die Studie macht deutlich, wo der eigentliche Handlungsbedarf liegt.
Die Ergebnisse im Überblick
41 %
haben bereits KI-Maßnahmen eingeführt
~50 %
befinden sich noch im Testbetrieb
1 von 10
Kliniken zählt zu den Heavy Usern
89 %
würden bei ausreichenden Mitteln mehr investieren
Befragt wurden rund 60 Geschäftsführungen mittelgroßer und großer Krankenhäuser in Deutschland. Die zentralen Ergebnisse sprechen eine deutliche Sprache.
Zu den wichtigsten Einsatzfeldern gehören die Notfallmedizin und die Radiologie. Bereiche, in denen Geschwindigkeit und Mustererkennung entscheidend sind. Die Zahlen machen eines klar: Der Wille ist da, die Umsetzung aber vielerorts noch fragmentiert.
Die größten Hürden: Datenschutz, Finanzierung, Technik
Die Studie identifiziert drei zentrale Barrieren, die den breiten KI-Einsatz bremsen:
1. Datenschutz und Cybersicherheit Kliniken verarbeiten hochsensible Patientendaten. Die Anforderungen der DSGVO, kombiniert mit wachsenden Cyberbedrohungen, schaffen ein Spannungsfeld, das viele Häuser nur schwer auflösen können, insbesondere ohne dedizierte Governance-Strukturen.
2. Finanzierung KI-Projekte erfordern Investitionen in Infrastruktur, Lizenzen, Schulungen und laufenden Betrieb. Viele Kliniken stehen finanziell unter Druck. Die Tatsache, dass 89 % bei besserer Mittelausstattung mehr investieren würden, zeigt, dass es nicht an Überzeugung mangelt, sondern an Budgets.
3. Technische Hürden Heterogene IT-Landschaften, fehlende Schnittstellen und veraltete Infrastruktur machen die Integration von KI-Systemen aufwendig. Ohne eine solide technische Basis bleibt der Einsatz auf Insellösungen beschränkt.
Hochrisiko-KI und der EU AI Act: Warum Governance jetzt Pflicht wird
Die Studie bestätigt einen Befund, der sich in der Praxis vielerorts zeigt: KI in Kliniken scheitert selten an der Technologie selbst. Sie scheitert am Übergang vom Pilotprojekt in den strukturierten Regelbetrieb.
Besonders brisant: Viele der genannten Einsatzfelder, darunter Diagnostik, Therapieplanung und Notfallmedizin, fallen nach dem EU AI Act in die Kategorie Hochrisiko-KI. Für diese Systeme gelten strenge regulatorische Pflichten (per EU-Digital-Omnibus auf Dezember 2027 verschoben): dokumentierte Risikobewertung, menschliche Aufsicht, lückenlose Nachvollziehbarkeit und Transparenz gegenüber Patientinnen und Patienten. Kliniken, die solche Systeme betreiben, sind als Deployer unmittelbar verantwortlich.
Ein Proof of Concept in der Radiologie ist ein guter Anfang. Doch ohne klare Governance (wer entscheidet über den Einsatz, wer verantwortet die Qualität, wer überwacht den laufenden Betrieb) bleibt jedes Projekt ein Einzelfall. Und Einzelfälle skalieren nicht, erst recht nicht unter den Anforderungen des EU AI Act.
Was Kliniken jetzt brauchen, ist kein weiteres Pilotprojekt, sondern belastbare Strukturen:
- Ein zentrales KI-Register, das alle eingesetzten Systeme erfasst und nach Risikoklassen des EU AI Act einordnet.
- Definierte Rollen und Prozesse für Risikobewertung, Freigabe und Monitoring, insbesondere für Hochrisiko-Anwendungen.
- Eine Governance-Architektur, die regulatorische Anforderungen von Anfang an mitdenkt, nicht erst im Audit-Fall.
- Dokumentation und Nachweisfähigkeit, die den Anforderungen an Transparenz und Rechenschaftspflicht standhalten.
Der Weg vom Testbetrieb zum Regelbetrieb ist kein rein technisches Projekt, sondern eine organisatorische, strategische und regulatorische Aufgabe.
Fazit
Die Studie von nexum, HC&S und DRF Luftrettung zeichnet ein realistisches Bild: Deutsche Kliniken erkennen das Potenzial von KI, stehen aber vor erheblichen strukturellen Herausforderungen. Die Lücke zwischen Pilotphase und Regelbetrieb ist groß, und sie lässt sich nicht allein durch mehr Budget schließen. Gerade bei Hochrisiko-KI, die in der klinischen Versorgung den Regelfall darstellt, verlangt der EU AI Act belastbare Governance, keine Absichtserklärungen.
Governance ist kein Hindernis, sondern die Voraussetzung dafür, dass KI im Krankenhaus Vertrauen verdient.
---
Quelle: nexum, HC&S und DRF Luftrettung: Studie zum KI-Einsatz in Kliniken, veröffentlicht auf kma Online am 26. Februar 2026. Zum Artikel auf kma-online.de
AIMS unterstützt Kliniken dabei, KI-Governance strukturiert aufzubauen: vom zentralen KI-Register über die Risikobewertung nach EU AI Act bis zur Audit-Readiness. Damit Hochrisiko-KI nicht nur eingeführt, sondern dauerhaft compliant und steuerbar betrieben werden kann.
Weiterlesen auf www.mpk-s.de
Gespräch vereinbaren
Sprechen wir darüber, wie Ihre Klinik konkret profitieren kann.
In einem persönlichen Gespräch lernen wir Ihre Situation kennen und zeigen Ihnen, wie Sie die Betreiberverantwortung für KI in Ihrem Haus strukturiert und effizient umsetzen können.
Inhalt