Please use this identifier to cite or link to this item: https://hdl.handle.net/10419/337483 
Year of Publication: 
2026
Series/Report no.: 
Working Papers No. 40
Abstract: 
Dieses Working Paper beleuchtet die Integration Künstlicher Intelligenz (KI) in Krankenhausumfeldern, mit dem Ziel, die Qualität der Patientenversorgung zu steigern, klinische und administrative Prozesse zu optimieren und Kosten im Gesundheitswesen zu senken. Es startet mit einer Einführung in zentrale KIDefinitionen - wie maschinelles Lernen, Deep Learning und natürliche Sprachverarbeitung - und erläutert deren spezifische Relevanz im Krankenhauskontext, wobei zwischen schwacher und starker KI unterschieden wird und der Fokus auf aufgabenbezogenen Anwendungen liegt. Das Paper identifiziert systematisch KI-Anwendungsfälle und priorisiert diese anhand von Kriterien wie klinischem Nutzen, wirtschaftlicher Effizienz, technischer Machbarkeit, ethischer Konformität und Skalierbarkeit. Eine detaillierte Fallstudie zum KI-Einsatz im Entlassmanagement (§ 39 Abs. 1a SGB V) demonstriert das transformative Potenzial, einschließlich prädiktiver Analytik für Wiedereinweisungsrisiken, automatisierter Planung durch Tools wie Recare PREDICT und VOICE sowie agentischer KI zur Prozessorchestrierung, die Verweildauern verkürzen und erhebliche Kosteneinsparungen ermöglichen kann (z. B. 75.000 €/Monat für ein 850-Betten-Krankenhaus mit ca. 35.000 stationären Patienten). Weitere effizienzsteigernde Anwendungsfälle wie KI in der bildgebenden Diagnostik, Ressourcenplanung, Patientenüberwachung und personalisierten Medizin werden skizziert. Eine strategische Roadmap für die KI-Implementierung wird vorgeschlagen, in Kooperation mit Partnern wie HA&P Beratungsgesellschaft mbH, umfassend Bedarfsanalysen, Pilotprojekte (z. B. Chatbot-Prototypen) und modulare Skalierung. Ethische und regulatorische Aspekte werden kritisch bewertet, mit Schwerpunkt auf dem EU AI Act (Verordnung (EU) 2024/1689) und seinem risikobasierten Ansatz sowie DSGVO-Anforderungen an Datenschutz und Bias-Minimierung durch erklärbare KI. Maßnahmen zur Skalierung umfassen Serious Games wie "Keine Angst vor KI" und "Entlassmanagement Training" (inspiriert von Charités GameEducation-Initiativen) zur Personal-Schulung und gewährleisten Konformität bis August 2026 für Hochrisikosysteme. Das Paper schließt mit einem umfassenden, handlungsorientierten Rahmen ab, der Krankenhäusern den Weg zu ethischer, effizienter und nachhaltiger KI-Adoption ebnet und Innovationen fördert, ohne die Patientensicherheit und das Vertrauen zu gefährden.
Abstract (Translated): 
This working paper examines the integration of Artificial Intelligence (AI) into hospital environments, with the objective of enhancing patient care quality, streamlining clinical and administrative processes, and reducing healthcare costs. It begins with an introduction to key AI definitions-such as machine learning, deep learning, and natural language processing-and delineates their specific relevance in hospital contexts, distinguishing between weak and strong AI while emphasizing the predominance of taskspecific applications. The paper systematically identifies and prioritizes AI use cases based on criteria including clinical benefits, economic efficiency, technical feasibility, ethical compliance, and scalability. A detailed case study on AI in discharge management (§ 39 Abs. 1a SGB V) illustrates transformative potential, featuring predictive analytics for readmission risks, automated planning via tools like Recare PREDICT and VOICE, and agentic AI for process orchestration, which can shorten hospital stays and yield significant cost savings (e.g., €75,000/month for an 850-bed facility). Additional efficiency-optimizing use cases, such as AI in imaging diagnostics, resource planning, patient monitoring, and personalized medicine, are outlined. A strategic roadmap for AI implementation is proposed, in collaboration with partners like HA&P, encompassing needs analysis, pilot projects (e.g., Chatbot prototypes), and modular scaling. Ethical and regulatory aspects are critically evaluated, highlighting the EU AI Act (Regulation (EU) 2024/1689) with its risk-based approach, alongside DSGVO requirements for data protection and bias mitigation through explainable AI. Measures for scaling include serious games like "Keine Angst vor KI" and "Entlassmanagement Training" (inspired by Charité's Game Education initiatives) for staff training, ensuring regulatory conformity by August 2026 for high-risk systems. The paper concludes by providing hospitals with a comprehensive, actionable framework for ethical, efficient, and sustainable AI adoption, fostering innovation while safeguarding patient safety and trust.
Subjects: 
Krankenhausmanagement
Künstliche Intelligenz
Patienten
Fallmanagement
Schnittstellenmanagement
Persistent Identifier of the first edition: 
Creative Commons License: 
cc-by-nc-nd Logo
Document Type: 
Working Paper

Files in This Item:
File
Size





Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.