KI für Arztpraxen — Anamnese, Brief­diktate, Sprechzeiten

Arztpraxis 2026: Hoch belastet, knapp besetzt

Eine durchschnittliche Arzt­praxis im DACH-Raum behandelt 2026 mehr Patienten pro Tag als 2020 — bei gleichem oder kleinerem Personal. Medizinische Fach­ange­stellte sind gesucht und schwer zu finden. Termin­anfragen kommen über Telefon, E-Mail, Doctolib, Jameda. Der Arzt verbringt nach Patienten­studien etwa 30% seiner Arbeits­zeit mit Doku statt mit Patienten.

Genau hier hat KI ihren konkretesten Hebel. Nicht in der Diagnostik (dort ist sie hoch­reguliert und langsam in der Verbreitung), sondern in der Doku- und Kommunikations­last drumherum.

Aber: Die Praxis ist eine der reglemen­tiertesten Branchen für KI. Schweige­pflicht (§ 203 StGB), DSGVO Art. 9 (besondere Kategorien personen­bezogener Daten), berufs­rechtliche Vorgaben — alles greift.

Sechs Use-Cases mit konkretem Output

1. Anamnese-Vorbereitung per Frage­bogen + KI

Patient füllt vor dem Termin einen digitalen Frage­bogen aus. Die KI extrahiert die wichtigsten Punkte und legt eine Pre-Anamnese in der Praxis-Software an. Output: Arzt steigt informiert ins Gespräch ein, spart 5–10 Minuten pro Patient.

2. Brief­diktate strukturieren

Arzt diktiert nach dem Patient­besuch ins Handy oder Headset. Lokale Whisper-Instanz transkribiert, LLM strukturiert nach Brief­vorlage (Anamnese, Befund, Diagnose, Therapie, Prozedere). Output: Aus 15 Min Brief­schreiben werden 3 Min Quality Control.

3. Voice-Agent für Termin­anfragen

Standard-Anrufe (Termin, Adresse, Sprech­zeiten, einfache Status­abfragen) werden vom Voice-Agent angenommen. Bei medizinischen Fragen sofortige Übergabe an MFA. Output: Telefon­erreichbarkeit auch wenn die Anmeldung gerade beschäftigt ist; bessere Patienten­zufriedenheit.

4. Brief­übersetzung in Patienten­sprache

Komplexe Befund­berichte werden in für Patienten verständliche Sprache übersetzt. Output: Patienten verstehen ihre Befunde, weniger Rück­fragen, bessere Compliance.

5. Recall-Erinnerungen automatisiert

Vorsorge-Termine, Wiedervor­stellungen, Impf­erinnerungen werden automatisch generiert und als Erinnerung verschickt. Output: Höhere Vorsorge­quote, weniger verpasste Termine.

6. Praxis-internes Wissen suchbar machen (RAG)

Standard­dosierungen, Vorlagen, interne Leitlinien, frühere Fälle werden in einen lokalen RAG gepackt. Output: Schnellere Entscheidungen bei seltenen Konstellationen, bessere Wissens­verfügbarkeit für jüngere Kollegen.

Tools — sehr vorsichtig zu wählen

• Praxis­software-Integrationen: CGM, Medatixx, T2med, Doctolib bauen 2026 KI-Funktionen ein, aber langsam
• Lokale LLMs: Pflicht-Standard für Patienten­daten. Llama, Qwen oder Mistral auf eigenem Server. Hardware­kosten ca. 5.000–10.000 Euro
• Azure OpenAI EU: Theoretisch möglich, in der Praxis aber selten genutzt — die Praxen wollen Datenhoheit
• Frage­bogen-Tools: Es gibt mittlerweile spezielle medizinische Anbieter mit DSGVO-Setup (z.B. idana, samedi) — die haben oft KI integriert

Klare Warnung: Keine US-Cloud-LLMs (ChatGPT-Web, Claude.ai, Gemini Web) mit Patienten­daten. Auch keine API-Calls dorthin ohne EU-Rechen­zentrum. Selbst pseudo­nymisierte Daten sind im Zweifelsfall heikel.

Schweige­pflicht und lokale KI

Das ist der harte Punkt. § 203 StGB ist Strafrecht, nicht nur DSGVO-Bußgeld:

Wer unbefugt ein fremdes Geheimnis offenbart, das ihm in seiner Eigenschaft als [Arzt etc.] anvertraut worden ist, wird bestraft.

KI-Anbieter, der Patienten­daten verarbeitet, ist „Dritter” im Sinne der Norm. Der Anbieter muss vertraglich zum Geheimnis verpflichtet werden — was viele Cloud-Anbieter nicht hinreichend tun. Der sichere Weg ist die lokale KI.

Wir bauen für Arztpraxen fast ausschließlich lokale Setups: Server in der Praxis oder im DSGVO-konformen RZ, alle Daten bleiben im Haus, kein Daten­abfluss an Dritte. Hardware kostet einmalig, dann ist die Praxis unabhängig.

Mehr Hintergrund auf unserer Seite Lokale KI / On-Premise — speziell der Abschnitt zur Hardware-Auswahl ist für Arztpraxen relevant.

Pilot-Idee: 10-Wochen-Diktat-Pilot

• Woche 1–2: Hardware-Beschaffung, Server-Aufsetzung mit lokalem Whisper + LLM
• Woche 3: Vorlagen-Aufnahme (Praxis-spezifische Brief­strukturen)
• Woche 4–7: Pilot-Nutzung mit 1–2 Ärzten, iterative Verbesserung
• Woche 8–9: Erweiterung auf gesamtes Team, MFA-Schulung für Quality Control
• Woche 10: Auswertung, Roadmap für weitere Use-Cases

Aufwand: 10.000–18.000 Euro Beratung + 5.000–10.000 Euro Hardware + 25–50 Stunden interner Aufwand.

Was KI in der Praxis nicht macht

• Diagnose stellen (höchstens als Entschei­dungs­hilfe; Verantwortung beim Arzt)
• Patienten­gespräch ersetzen — Empathie und Vertrauen sind menschlich
• Komplexe medizinische Entscheidungen autonom treffen
• Berufs­rechtliche Pflichten des Arztes übernehmen

Wer sich nicht an „Arzt entscheidet, KI hilft” hält, bekommt Probleme — fachlich und rechtlich.

Erste Schritte

• Bestands­aufnahme: Wo geht Doku-Zeit drauf? Wo klemmt’s?
• Daten­schutz-Bestands­aufnahme: Was geht aktuell wohin?
• Mit Datenschutz­beauftragten reden — meist gibt’s einen externen
• Hardware-Auswahl mit IT-Dienstleister oder uns
• Pilot mit einem klar abgegrenzten Use-Case (Diktat ist meist ideal)

Vertiefung

Für Arztpraxen ist Lokale KI / On-Premise die einzig wirklich saubere Lösung — wir empfehlen das fast immer. Die technische Grundlage für interne Wissens­bestände ist Embeddings & RAG.

Eine KI-Beratung klärt mit dir die regulatorischen Pflichten und sortiert die Use-Cases — gerade in der Arztpraxis ist die Reihenfolge entscheidend.