Ärzte nutzen KI dreimal häufiger — und nennen dreimal mehr Grenzen

Die Ärzte und Pflegekräfte, die KI bereits in den Alltag integriert haben, sind am stärksten dagegen, ihren Einsatz auszuweiten. Eine von Wolters Kluwer in Auftrag gegebene und im März 2026 durchgeführte Umfrage unter 355 US-Ärzten und -Pflegekräften ergab, dass sich die tägliche KI-Nutzung im Vergleich zum Vorjahr verdreifacht hat. In derselben Stichprobe: 74 Prozent befürchten, dass die Technologie die klinischen Fähigkeiten untergräbt, die sie ersetzt, 74 Prozent misstrauen ihren Ergebnissen aufgrund von Halluzinationen, und 72 Prozent sind besorgt, dass werbefinanzierte Geschäftsmodelle medizinische Empfehlungen verzerren. Diejenigen, die KI am meisten nutzen, ziehen die Grenze am deutlichsten.

Wie diese Grenze in der Praxis aussieht: Klinische Bildgebung und Diagnostik liegen auf der akzeptablen Seite. Dokumentation, Behandlungsempfehlungen, Patientenkommunikation und alles, was klinisches Urteilsvermögen betrifft, auf der anderen. Kliniker haben jahrelang beobachtet, wie KI besser darin wird, Scans zu lesen und Auffälligkeiten zu markieren – Verbesserungen, die messbar, veröffentlicht und von Fachleuten begutachtet sind. Derselbe Evidenzrahmen existiert nicht für die breiteren Anwendungen, die Entwickler jetzt in Krankenhäuser drängen. Ärzte lehnen KI nicht ab. Sie wenden dieselbe Prüfung auf sie an wie auf jeden anderen klinischen Eingriff.

Die Governance-Lücke ist messbar und schließt sich nicht schnell. Der Anteil der Kliniker, die angeben, über KI-Governance-Richtlinien an ihrer Einrichtung informiert zu sein, stieg von 21 Prozent im Jahr 2025 auf 27 Prozent im letzten Jahr. Das ist ein Plus von sechs Prozentpunkten bei einer Zahl, die nahe 100 liegen sollte. Wenn Einrichtungen KI-Systeme für den klinischen Einsatz ohne entsprechende Governance-Rahmenwerke einsetzen, füllen Kliniker die Lücke selbst – weshalb der individuelle Widerstand in den Bereichen am höchsten ist, in denen die institutionelle Aufsicht am schwächsten ist.

Die Sorge vor Halluzinationen ist nicht theoretisch. Große Sprachmodelle, die im klinischen Kontext eingesetzt werden, haben plausibel klingende, aber sachlich falsche Informationen über Arzneimittelwechselwirkungen, Dosierungen und Diagnosen produziert. Die Sorge vor werbefinanzierter Voreingenommenheit spiegelt etwas Strukturelleres wider: Die meisten klinischen KI-Tools werden von Unternehmen entwickelt, deren Einnahmen von Engagement und Upselling abhängen, nicht von Patientenergebnissen. Kliniker, die in diesen Systemen arbeiten, erkennen die Fehlanreize, selbst wenn die Anbieter sie nicht bewerben.

Was die Umfrage beschreibt, ist keine Technikfeindlichkeit. Es ist ein Berufsstand, der konsequent Evidenzstandards anwendet. Die Radiologie-KI hat den Test bestanden, weil sie einen Korpus von Peer-Review-Evidenz generierte und sich klinischen Studien unterzog. Die Tools, die jetzt für Dokumentation, Triage und Patienteninteraktion eingesetzt werden, haben diesen Prozess in vergleichbarem Umfang nicht durchlaufen. Die Financial Times, die heute über die Umfrage berichtet, stellt dies als Widerstand dar. Genauer gesagt ist es eine Aufforderung, dieselbe Evidenzhürde zu verlangen, die jede andere medizinische Maßnahme zu überwinden hat.

Der Stanford HAI AI Index 2026 verfolgt im Bereich Medizin ein ähnliches Muster: Die Einführung läuft der Validierung voraus, und die Orte, an denen klinische KI am stärksten verankert ist, sind selten dieselben, an denen die Ergebnisliteratur etabliert ist. Was die Wolters-Kluwer-Daten hinzufügen, ist die Perspektive der Praktiker – dass die Menschen, die der Technologie am nächsten stehen, am klarsten formulieren, wo die Evidenz endet.

Schlagwörter: artificial intelligence, clinicians, deskilling, diagnostics, healthcare, medical AI