(Symbolbild)
KI in der Krankenversicherung: Effizienzversprechen trifft auf strukturelle Risiken
Die automatisierte Vorabgenehmigung medizinischer Leistungen durch KI-Systeme verspricht Kostensenkungen und schnellere Entscheidungen, birgt jedoch das Potenzial für systematische Fehlentscheidungen zulasten von Patienten. Die Debatte um den Einsatz algorithmischer Systeme im US-amerikanischen Gesundheitssystem liefert auch für deutsche Akteure wichtige Erkenntnisse über die Spannung zwischen ökonomischer Effizienz und medizinischer Sorgfalt.
Das Versprechen der Automatisierung
Die sogenannte Prior Authorization – die vorherige Genehmigungspflicht für Behandlungen durch Krankenversicherer – gilt als einer der größten administrativen Engpässe im Gesundheitswesen. In den USA verursacht der Prozess jährlich Kosten im zweistelligen Milliardenbereich und verzögert notwendige Therapien. KI-Systeme sollen diese Engpässe durch automatisierte Entscheidungen auf Basis klinischer Leitlinien und Patientendaten lösen. Versicherer argumentieren, dass Algorithmen konsistenter und schneller entscheiden können als menschliche Gutachter – bei gleichzeitiger Reduktion der Verwaltungskosten. (Ars Technica)
Strukturelle Risiken und Fehlanreize
Die technische Umsetzung wirft jedoch grundlegende Fragen auf. Algorithmische Systeme optimieren typischerweise die Metriken, an denen ihre Leistung gemessen wird – in diesem Fall die Ablehnungsquote und die Bearbeitungsgeschwindigkeit. Dies schafft einen systemischen Druck zur Versagung von Leistungen, der unabhängig von der medizinischen Indikation wirkt. Besonders problematisch ist die mangelnde Transparenz vieler Systeme: Weder Ärzte noch Patienten können nachvollziehen, warum eine bestimmte Behandlung abgelehnt wurde. Die Fehleranfälligkeit bei komplexen Einzelfällen, die nicht in den Trainingsdaten repräsentiert sind, bleibt ungelöst. Zudem besteht die Gefahr, dass Versicherer KI-Systeme als Legitimationsinstrument nutzen, um wirtschaftlich motivierte Ablehnungen mit dem Anschein medizinischer Objektivität zu versehen.
Regulatorische Herausforderungen
Die rechtliche Einordnung algorithmischer Gesundheitsentscheidungen befindet sich noch in den Anfängen. Die EU-KI-Verordnung klassifiziert KI-Systeme im Gesundheitsbereich grundsätzlich als Hochrisiko-Anwendungen, die strengen Anforderungen an Transparenz, menschliche Aufsicht und Qualitätsmanagement unterliegen. Für deutsche Krankenkassen und private Versicherer ergeben sich hieraus konkrete Pflichten: Technische Dokumentation, Risikomanagement-Systeme und die Gewährleistung menschlicher Überprüfbarkeit bei Entscheidungen mit erheblichen Auswirkungen. Die Umsetzung dieser Anforderungen in bestehende IT-Infrastrukturen stellt eine erhebliche Herausforderung dar, die frühzeitig adressiert werden muss.
Für deutschsprachige Unternehmen im Gesundheitssektor – von Krankenkassen über Medizintechnik-Anbieter bis zu Klinikbetreibern – lassen sich mehrere Handlungsimperative ableiten: Die Entwicklung eigener KI-Systeme muss unter der Prämisse der Erklärbarkeit erfolgen, nicht nur aus regulatorischer Notwendigkeit, sondern als Vertrauensvoraussetzung gegenüber Leistungserbringern und Versicherten. Die Integration menschlicher Prüfinstanzen darf nicht als Alibi-Struktur konzipiert werden, sondern benötigt tatsächliche Entscheidungskompetenz und Ressourcen. Zudem empfiehlt sich die aktive Gestaltung von Branchenstandards für die dokumentierte Nachvollziehbarkeit algorithmischer Ablehnungsentscheidungen, bevor diese durch regulatorische Vorgaben diktiert werden. Die Erfahrungen aus dem US-Markt zeigen, dass der unreflektierte Einsatz von KI im Prior-Authorization-Bereich schnell zu einem Reputations- und Rechtsrisiko werden kann, das die erzielten Effizienzgewinne bei Weitem überkompensiert.
