Lesezeit: ca. 7 Minuten

„Daten sind das neue Öl.” Diesen Satz hört man in digitalen Transformationsdiskussionen regelmäßig. Er klingt überzeugend – und er ist irreführend, besonders wenn es um Gesundheitsdaten geht.

Denn Gesundheitsdaten sind nicht einfach eine besonders wertvolle Variante von Daten, die man schützen sollte, weil sie sensibel sind. Sie funktionieren grundlegend anders. Ihre Bedeutung entsteht erst in einem Kontext aus medizinischem Wissen, professioneller Einschätzung und klinischer Entscheidung. Ohne diesen Kontext ist ein Laborwert eine Zahl. Mit ihm ist er ein Hinweis auf eine Erkrankung – oder eben nicht.

Diese Unterscheidung ist nicht akademisch. Sie hat direkte Konsequenzen dafür, was KI-Systeme im Gesundheitswesen können und was sie nicht können.

Ein Pulswert ist keine Aussage

Stell dir vor, ein Wearable misst eine Herzfrequenz von 110 Schlägen pro Minute. Ist das ein Problem?

Es kommt darauf an. Wer gerade sport getrieben hat: nein. Wer im Ruhezustand liegt und Fieber hat: möglicherweise. Wer an einer Schilddrüsenüberfunktion leidet und seit Wochen täglich diese Werte hat: relevanter Befund für die nächste Kontrolle. Wer gerade in einer Prüfungssituation sitzt und normalerweise 80 hat: wahrscheinlich Stress.

Derselbe Wert, vier verschiedene Situationen, vier verschiedene Bedeutungen. Ein Sensor kann die Zahl liefern. Die Bedeutung entsteht anderswo.

Das ist das Grundproblem der Digitalisierung von Gesundheit: Daten sind keine Erkenntnisse. Der Engpass liegt nicht bei der Datenerhebung, sondern bei der Interpretation.

Was Gesundheitsdaten von anderen Daten unterscheidet

Es gibt mehrere Dimensionen, entlang derer sich Gesundheitsdaten von anderen Datentypen unterscheiden:

Kontextabhängigkeit: Ein Wert ohne klinischen Kontext ist oft bedeutungslos oder sogar irreführend. Ein erhöhter CRP-Wert kann auf eine Infektion hinweisen – oder auf viele andere Dinge. Die Einordnung erfordert weiteres Wissen.

Interpretativität: Gesundheitsdaten sind keine objektiven Fakten, sondern immer auch Ergebnis eines Interpretationsprozesses. Was als „auffällig” gilt, hängt von Referenzwerten ab, von der Krankengeschichte, vom klinischen Bild.

Verantwortungsstruktur: Im Gegensatz zu Clickstream-Daten oder Kaufverhalten sind Gesundheitsdaten Teil eines Systems aus rechtlichen und professionellen Verantwortlichkeiten. Wer auf Basis eines Befundes handelt oder nicht handelt, trägt Verantwortung – und braucht die entsprechende Qualifikation.

Dynamik: Gesundheitsparameter verändern sich. Ein Blutdruckwert von vor drei Jahren sagt wenig über den heutigen Zustand aus. Zeitreihen und Verlaufsdaten sind oft relevanter als Einzelwerte.

Warum das KI-Systeme im Gesundheitsbereich unter anderen Bedingungen stellt

Diese Eigenschaften erklären, warum KI im Gesundheitswesen stärker reguliert ist als in anderen Bereichen – und warum das sinnvoll ist.

Im europäischen Rechtsrahmen fallen Gesundheitsdaten unter die „besonderen Kategorien personenbezogener Daten” nach Artikel 9 der DSGVO. Ihre Verarbeitung ist grundsätzlich untersagt, außer es greift einer der definierten Ausnahmetatbestände: ausdrückliche Einwilligung, medizinische Versorgung unter Geheimhaltungspflicht, öffentliches Gesundheitsinteresse.

Das ist kein bürokratisches Hindernis. Das ist die rechtliche Abbildung dessen, was medizinisch und ethisch gilt: Gesundheitsdaten stehen in einem besonderen Verhältnis zur Person, von der sie stammen.

Für KI-Systeme, die mit solchen Daten arbeiten, ergibt sich daraus eine erhöhte Anforderungsstufe: Datenminimierung, Zweckbindung, klare Rechtsgrundlagen, technische Schutzmaßnahmen und Transparenz sind keine Optionen, sondern Startbedingungen.

Die Konsequenz für generative KI

Generative KI wie Large Language Models kann mit Gesundheitsdaten umgehen – aber sie versteht sie nicht im medizinischen Sinne.

Ein Sprachmodell kann einen Laborwert aus einem Text extrahieren und in einen anderen Text einbetten. Es kann einen Befund zusammenfassen. Es kann erklären, was ein bestimmter Wert allgemein bedeutet. Aber es kann keine medizinische Einschätzung ersetzen, weil es den klinischen Kontext – die Anamnese, den Verlauf, das Gesamtbild – nicht wirklich verarbeitet.

Das ist keine Schwäche der Technologie per se. Es ist die strukturelle Grenze zwischen Sprachverarbeitung und medizinischer Erkenntnis.

Wer das versteht, kann generative KI sinnvoll einsetzen: als Schnittstelle, die Informationen aufbereitet und zugänglich macht – nicht als System, das medizinische Urteile fällt.

Was das für Patienten bedeutet

Für Menschen, die ChatGPT Health oder ähnliche Tools nutzen, ergibt sich daraus eine praktische Orientierung: Diese Systeme können helfen, Informationen zu sortieren, Fragen zu formulieren und Befunde besser zu verstehen. Sie können dabei unterstützen, das Gespräch mit der Ärztin oder dem Arzt vorzubereiten.

Was sie nicht können: den Kontext herstellen, der medizinisch relevant ist. Dafür braucht es die Fachperson – und das professionelle Urteil, das nur aus der Kombination von Wissen, Erfahrung und vollständigem klinischen Bild entsteht.

Gesundheitsdaten sind Teil eines Systems aus Verantwortung, Interpretation und Entscheidung. Technologie kann Teile dieses Systems unterstützen. Sie kann es nicht ersetzen.

Dieser Artikel ist Teil der Serie „Generative KI im Gesundheitswesen” auf kuersatcifci.de.

Quellen: