KOMMENTAR | Während andere Länder in kürzester Zeit Schlaganfall-Screenings und Tuberkulose-Erkennung digitalisieren, büffeln deutsche Medizinstudenten noch nach altem Lehrplan. Haben wir den Anschluss verloren?
Ein Gastbeitrag von Dr. Christian Elsner
Das Silicon Valley macht Ernst: OpenAI präsentiert ChatGPT Health für medizinische Anwendungen. Das Unternehmen kauft auch die Gesundheits-App Torch. Anthropic folgt mit Claude for Healthcare. Die Tech-Giganten investieren Milliarden in medizinische KI. Deutsche Medizinstudenten lernen derweil anatomische Strukturen auswendig. So wie im vergangenen Jahrhundert. Vom Codieren gibt’s noch nicht mal den Hauch einer Spur.
Hierzulande wird eine unserer allerletzten globalen Stärken riskiert. Das deutsche Gesundheitssystem ist dabei, den Anschluss nicht nur zu verlieren – sondern aktiv zu verspielen. Der KI-Zug im Gesundheitssektor fährt längst. Und Deutschland steht nicht nur am Bahnsteig, sondern diskutiert noch, ob Züge überhaupt sinnvoll sind. Für Patienten kann Künstliche Intelligenz zum Segen werden: KI-Assistenzsysteme werden künftig Befunde, Arztbesuche und Symptome intelligent verknüpfen. Die gesamte Krankenakte wird besser ausgewertet. Eine präzisere, schnellere und individuellere Versorgung entsteht. Doch das medizinische System ist darauf nicht vorbereitet. Deutschland liegt nicht nur zurück – es droht strukturell abgehängt zu werden.
Das Medizinstudium ist in seiner jetzigen Form nicht zukunftsfähig. Man kann 2026 in Deutschland sein Staatsexamen ablegen, ohne jemals ernsthaft mit künstlicher Intelligenz gearbeitet zu haben. Das Problem ist nicht abstrakt – es ist konkret: In der Radiologie, einer der KI-affinsten Disziplinen überhaupt, wird KI oft nur in einem Nebensatz erwähnt, obwohl Algorithmen weltweit bereits Befundungen unterstützen oder vorstrukturieren. In der Pathologie lernen Studenten weiterhin primär mikroskopische Klassifikation per Auge – während KI-Systeme längst Mustererkennung in Gewebeproben leisten, die für Menschen kaum sichtbar sind.
Und in der Inneren Medizin werden klinische Entscheidungsprozesse gelehrt, als gäbe es keine datengetriebenen Risikomodelle, keine prädiktiven Scores, keine KI-gestützten Therapieempfehlungen – obwohl diese international längst im Einsatz sind. In den USA, China und sogar Indonesien gehören KI-Anwendungen zum klinischen Alltag. Die deutsche Medizinerausbildung verharrt dagegen in vordigitalen Strukturen – und bildet Ärzte für eine Welt aus, die es so nicht mehr gibt.
Diese Versäumnisse haben gravierende Folgen. Eine Generation von Ärzten droht entweder, KI zu ignorieren – oder ihr blind zu vertrauen. Beides ist gleichermaßen gefährlich. Wer KI nicht versteht, wird zum Erfüllungsgehilfen der Black Box. Ärzte können nicht nachvollziehen, wie Algorithmen zu Empfehlungen kommen. Sie treffen Entscheidungen, ohne die Grundlage zu verstehen. Das ist nicht nur fachlich problematisch – es ist ethisch hochriskant. Eine grundlegende Reform der medizinischen Ausbildung ist überfällig. Nicht irgendwann – jetzt. Jeder Arzt muss die Grundlagen von Machine Learning verstehen. Was ist ein Algorithmus? Wie funktioniert ein neuronales Netz? Wo liegen Bias-Risiken? Was bedeutet Datenqualität? Doch Stand jetzt: Fehlanzeige im Lehrplan. Nein, es müssen nicht alle programmieren. Aber Mediziner müssen KI-Ergebnisse kritisch einordnen können. Statt das zu üben, lernen sie weiterhin lateinische Fachbegriffe – während ihnen das Vokabular der digitalen Medizin fehlt.
Ohne Künstliche Intelligenz-kompetente Mediziner droht Deutschland der Abstieg in die Zweit- oder Drittklassigkeit. Internationale Investoren und Forschungsinitiativen werden sich dorthin orientieren, wo medizinische Expertise und Datenkompetenz zusammenkommen. Deutschland droht genau diesen Anschluss zu verlieren. Eine Alibi-Vorlesung „Einführung in medizinische KI“ wird das Problem nicht lösen. Studenten müssen frühzeitig mit KI-Systemen arbeiten. In Simulationen, klinischen Szenarien und im echten Anwendungskontext. KI muss Teil des medizinischen Teams werden – nicht Fußnote im Curriculum. Interdisziplinäre Projekte und Hackathons sind keine Spielerei, sondern effektive Lernformate. Sie vermitteln mehr Praxiswissen als es Jahre im Hörsaal könnten. Ein Healthcare-AI-Hackathon in Indonesien zeigt, was möglich ist: Teams entwickelten in kürzester Zeit Lösungen für Schlaganfall-Screening und Tuberkulose-Erkennung. Eine KI erkennt dort per Audioanalyse Tuberkulose in Hustengeräuschen. Das ist kein Zukunftsszenario – das ist funktionierende Realität.
Deutschland braucht dringend strukturierte Programme wie „Digitale Medizin & KI“. Wir brauchen Ärzte mit Data-Science-Kompetenz. Wir brauchen Brückenbauer zwischen Medizin und Technologie. Und wir brauchen Spezialisierungen, die KI genauso ernst nehmen wie klassische Fachrichtungen. Während Deutschland noch diskutiert, ist KI international längst im Einsatz: In US-Notaufnahmen analysieren Systeme Patientendaten in Echtzeit. KI-Assistenten dokumentieren Arztgespräche automatisch. Diagnostik wird datengetrieben unterstützt. Deutschland nutzt punktuell KI – aber ohne systematische Ausbildung bleibt ihr Potenzialweitgehend ungenutzt.
Der Arzt der Zukunft wird kein reiner Anwender mehr sein. Er wird zum Orchestrator – zum „Vibe Coder“ (Anm. d. Red.: Vibe Coding ist eine Art der Softwareentwicklung, bei der große Sprachmodelle verwendet werden, um den für die Software erforderlichen Quellcode zu generieren). Er kombiniert KI-Systeme, bewertet ihre Ergebnisse und integriert sie in klinische Entscheidungen. Er verschreibt nicht nur Medikamente, sondern auch Algorithmen. Die nächsten Jahre werden die Medizin grundlegend verändern. KI wird Diagnostik, Therapie und Prävention neu definieren. Die Frage ist nicht, ob dieser Wandel kommt. Sondern ob Deutschland daran teilnimmt – oder ihn von außen beobachtet. Wenn wir jetzt nicht handeln, wird Deutschland nicht nur den Anschluss verlieren. Es wird irrelevant. Die Folgen für Patienten, Forschung und den gesamten Gesundheitsstandort wären massiv.
Bildquelle: Prateek Katyal, Unsplash
