Dokumentationsassistenten in der Notaufnahme ändern den Status quo nicht

Die Notaufnahme des Brigham and Women’s Hospital in Boston wurde 2022 eröffnet. 2025 war sie schon zu klein. An einem Abend Anfang September lagen 59 Patienten auf der Station. Zählt man alle im Wartezimmer mit, waren es 152. Christopher Baugh, Arzt dieser Notaufnahme, sagt es direkt: „Was den Schockraum betrifft, haben wir 61. Man kann nicht 152 Patienten in 61 Räumen unterbringen.“ Betten standen an jedem möglichen Platz, ein Teil der Patienten lag in den Fluren.

Genau hier, im Chaos der Notaufnahme, zeigt sich am deutlichsten, wo die Grenzen dessen liegen, was KI in der Medizin wirklich verändert. Die fortgeschrittenste Technik auf einer Notaufnahme sind sogenannte Dokumentationsassistenten. Diese Programme hören das Gespräch zwischen Arzt und Patient mit und helfen, es in die Krankenakte zu übertragen. Der STAT-Bericht vom 9. September 2026 fasst ihre Wirkung kurz zusammen: Sie haben den Status quo nicht verändert.

Das heißt nicht, dass sie nutzlos sind. In Berichten aus Kliniken, die sie eingeführt haben, wiederholen sich reale Vorteile: weniger Stunden Arbeit an der Dokumentation, geringere Verwaltungslast für das Team und eine bessere Kommunikation mit dem Patienten. Das Problem ist ein anderes: Die Entlastung der Menschen schlägt nicht automatisch in Durchsatz auf der Station um. Es fehlen weiterhin Räume, Betten und Personal. Die Warteschlange entsteht an einer anderen Stelle des Ablaufs, bei den Ressourcen, nicht an der Tastatur.

Die Zahlen dieses Abends sollte man dem gegenüberstellen, was KI überhaupt ändern kann. Ein Sprachmodell kann eine Gesprächsaufnahme in einen Eintrag in der Dokumentation verwandeln. Es kann keinen neuen Raum öffnen und keine Pflegekraft einstellen. Eine Verbesserung am Ausgang des Systems, also beim Durchsatz, verlangt deshalb Änderungen an den Ressourcen und nicht nur in der Software. Diese Unterscheidung ist entscheidend bei jeder Entscheidung über den Kauf eines weiteren Werkzeugs für die Notaufnahme.

Wo die Belege wirklich fehlen

Dasselbe Problem, die Lücke zwischen Versprechen und Beleg, beschreibt ein Kommentar, der am 17. September 2026 in npj Digital Medicine erschienen ist, von Arjun Mahajan, Nigam H. Shah und Dylan Powell. Die Autoren weisen darauf hin, dass die schnelle Entwicklung großer Sprachmodelle in der Medizin das klassische Vorgehen bei der Erzeugung und Bewertung von Belegen erschwert. Die Modelle ändern sich schneller, als Studien erscheinen. Die Projekte und die Art der Berichterstattung über prospektive klinische Studien sind zu unterschiedlich, um Wirksamkeit und Sicherheit klinischer Modelle schnell und verlässlich zu bewerten.

Die praktische Schlussfolgerung für Kliniken ist folgende. Einführungen, die die Arbeitszeit an der Dokumentation verkürzen, haben eine solide Grundlage und lassen sich abrechnen. Versprechen zum Durchsatz von Notaufnahmen, zu Kosten oder zu Behandlungsergebnissen brauchen dagegen eigene, dafür angelegte Studien. Ohne sie entsteht leicht die Situation, in der ein KI-Assistent die Ärzte erfreut und die Patienten weiter im Flur warten.