942 Millionen US-Dollar zusätzliche Ausgaben
Der Einsatz künstlicher Intelligenz bei der Abrechnung von Krankenhausleistungen soll die Gesundheitsausgaben deutlich erhöht haben. Eine Analyse der Blue Cross Blue Shield Association beziffert den zusätzlichen Aufwand innerhalb von zwei Jahren auf 942 Millionen US-Dollar.
Im Mittelpunkt steht die medizinische Kodierung. Dabei werden Diagnosen und Behandlungen in standardisierte Codes übersetzt, die für Abrechnung und Erstattung relevant sind. Laut dem Versichererverband dokumentierten Krankenhäuser nach Einführung entsprechender KI-Werkzeuge deutlich häufiger komplexe Erkrankungen.
Eine vergleichbare Veränderung bei den tatsächlich erbrachten Behandlungen sei jedoch nicht erkennbar gewesen. Die Analyse sieht deshalb eine Lücke zwischen Dokumentation und Versorgung.
| Kennzahl | Ergebnis der Analyse |
|---|---|
| Zusätzliche Gesundheitsausgaben | 942 Millionen US-Dollar |
| Untersuchter Zeitraum | Zwei Jahre |
| Auffälligkeit | Mehr dokumentierte komplexe Erkrankungen |
| Entwicklung der Behandlung | Laut Versichererverband keine entsprechende Veränderung nachweisbar |
Die Analyse belegt noch keine Ursache
Die Zahlen stammen von einem Versichererverband, der selbst wirtschaftlich von niedrigeren Erstattungen profitiert. Sie sollten daher nicht als unabhängiger Nachweis für Fehlverhalten verstanden werden. Angaben zur Methodik, zur Auswahl der Krankenhäuser und zu möglichen Veränderungen der Patientengruppen sind für eine belastbare Bewertung entscheidend.
Trotzdem verweist die Entwicklung auf ein reales Risiko. KI kann Dokumentationen vollständiger machen und bislang übersehene Diagnosen erfassen. Sie kann aber auch Anreize verstärken, Fälle in höher vergütete Kategorien einzuordnen. Dieses sogenannte Upcoding muss nicht vorsätzlich erfolgen, sondern kann bereits durch die Optimierungsziele eines Systems begünstigt werden.
Entscheidend ist deshalb, ob komplexere Codes durch Befunde, Behandlungen und Ressourcenverbrauch gedeckt sind. Eine hohe Modellgenauigkeit allein beantwortet diese Frage nicht.
Wenn Abrechnungsagenten auf Prüfagenten treffen
Krankenhäuser automatisieren die Dokumentation und suchen nach erstattungsfähigen Leistungen. Versicherer setzen ihrerseits KI ein, um Auffälligkeiten zu erkennen, Forderungen zu prüfen und Zahlungen abzulehnen. Daraus kann ein Kreislauf entstehen, in dem beide Seiten ihre Systeme laufend gegeneinander optimieren.
Der Gründer des Gesundheits-KI-Anbieters Abridge beschrieb als mögliches Negativszenario eine Zukunft mit „Bots gegen Bots und Agenten gegen Agenten“, sinngemäß aus dem Englischen übersetzt.
Der Versichererverband formuliert die Lage noch schärfer. Ein leitender Manager sprach sinngemäß nicht von einem Krieg, sondern von einem „vollkommen einseitigen Blutbad“ zulasten der Versicherer. Diese Aussage beschreibt allerdings die Position einer Konfliktpartei und keine neutrale Bewertung.
Für Unternehmen liegt der relevante Punkt weniger in der Wortwahl als in der Kostendynamik. Selbst wenn technische KI-Ausgaben bei intensiven Nutzern sinken, können die Gesamtkosten eines Prozesses steigen. Mehr automatisierte Anträge führen zu mehr Prüfungen, Rückfragen, Widersprüchen und zusätzlicher Software auf beiden Seiten.
Nutzungsabhängige Abrechnung verschärft dieses Problem. Wie die Debatte um Preismodelle für KI-Agenten zeigt, lassen sich die laufenden Kosten agentischer Prozesse oft schwerer planen als klassische Lizenzgebühren.
Relevanz für das Gesundheitswesen im DACH-Raum
Die US-Zahlen lassen sich nicht direkt auf Deutschland, Österreich oder die Schweiz übertragen. Die Vergütungssysteme und Kontrollmechanismen unterscheiden sich. Diagnosebasierte Fallpauschalen schaffen jedoch auch im DACH-Raum wirtschaftliche Anreize, medizinische Fälle möglichst vollständig und präzise zu kodieren.
Hinzu kommt der Datenschutz. Gesundheitsdaten gehören nach der DSGVO zu den besonders geschützten personenbezogenen Daten. Bei externen KI-Diensten müssen deshalb Datenstandort, Auftragsverarbeitung, Unterauftragnehmer und die Nutzung von Eingaben für Modellverbesserungen geklärt sein.
| Kontrollbereich | Praktische Maßnahme |
|---|---|
| Kodierung | KI-Vorschläge stichprobenartig mit Befunden und Behandlungen abgleichen |
| Kosten | Nicht nur Lizenz- und Tokenkosten, sondern auch Prüfungen und Widersprüche messen |
| Nachvollziehbarkeit | Modellversion, Eingaben, Ausgaben und menschliche Freigaben protokollieren |
| Datenschutz | Datenflüsse, Speicherorte und Unterauftragnehmer vertraglich festlegen |
| Anbieterabhängigkeit | Exportformate, Schnittstellen und Wechselmöglichkeiten vor der Einführung prüfen |
Self-Hosting löst nicht das Anreizproblem
Ein selbst betriebenes oder offen verfügbares Modell kann Datensouveränität verbessern und laufende Abokosten reduzieren. Es verhindert jedoch nicht automatisch falsche oder einseitig optimierte Kodierung. Das zentrale Problem liegt in den Zielvorgaben, Kontrollen und wirtschaftlichen Anreizen des gesamten Prozesses.
Für die Beschaffung von Gesundheits-KI reicht daher ein Vergleich der Modellqualität nicht aus. Relevant sind überprüfbare Entscheidungswege, klar definierte Verantwortlichkeiten und die Möglichkeit, Ergebnisse unabhängig zu auditieren. Andernfalls entsteht neben der technischen Abhängigkeit vom Anbieter eine zweite Abhängigkeit, nämlich von dessen unsichtbaren Regeln für Dokumentation und Abrechnung.