Große Sprachmodelle empfehlen in klinischen Fallszenarien deutlich mehr kostenpflichtige Leistungen als behandelnde Ärzte. In einer Untersuchung mit 24 KI-Systemen lagen Tests und fachärztliche Überweisungen im Mittel bei 314 Dollar je Fall, verglichen mit 97 Dollar in den dokumentierten Arztplänen. Der Unterschied betrug 216 Dollar oder den Faktor 3,2.
Die Forschenden nutzten 200 anonymisierte Notizen aus ambulanten Behandlungen und Notaufnahmen in einer öffentlichen Sammlung US-formatierter medizinischer Transkriptionen. Jedes System erhielt nur den Teil vor der ärztlichen Beurteilung und sollte daraus einen eigenen Versorgungsplan erstellen. 20 allgemeine Sprachmodelle und vier medizinische Spezialsysteme wurden getestet. Drei unabhängige Modelle extrahierten anschließend die vorgeschlagenen Leistungen; bewertet wurden sie mit den US-Medicare-Sätzen für 2026.
Die Kosten der allgemeinen Systeme reichten im Mittel von 209 bis 599 Dollar je Besuch. Von der Differenz zu den Arztplänen entfielen 105 Dollar auf zusätzliche Diagnostik und 111 Dollar auf Überweisungen. Zudem schlugen die Modelle durchschnittlich 1,14 neue Medikamente pro Fall vor, Ärzte 0,59. Arzneimittelpreise flossen nicht in die Kostensumme ein. Auch die medizinisch spezialisierten Systeme waren nicht sparsamer: Ihre Empfehlungen lagen beim 2,7- bis 3,5-Fachen der ärztlichen Vergleichspläne.
Besonders groß war der Abstand bei Fällen, in denen die behandelnden Ärzte keine Diagnostik dokumentiert hatten – das traf auf etwa 66 Prozent der Besuche zu. Sprachmodelle ergänzten dort häufig standardisierte Testpakete, etwa Blutbild, Stoffwechselwerte, Schilddrüsenwert oder Blutfette. Das Muster ähnelt defensiver Medizin: Unter Unsicherheit werden zusätzliche Untersuchungen empfohlen, um mögliche Befunde nicht zu übersehen.
Die Ausgaben ließen sich durch die Aufgabenstellung beeinflussen. Ein Hinweis, Kosten zu berücksichtigen, senkte den Abstand von Faktor 3,2 auf 2,5. Eine strengere Aufforderung, sparsam, aber sicher vorzugehen, reduzierte ihn auf 1,4. Für Anbieter klinischer KI ist das eine konkrete Designbotschaft: Wirtschaftlichkeit ist kein automatischer Nebeneffekt medizinischer Genauigkeit, sondern muss als eigenes Ziel getestet und überwacht werden.
Die Ergebnisse erlauben allerdings keine Aussage, ob die zusätzlichen Empfehlungen unangemessen waren. Der dokumentierte Arztplan ist kein Goldstandard und kann notwendige Maßnahmen ausgelassen haben. Die Systeme sahen weder den Patienten noch den vollständigen klinischen Kontext. Hinzu kommen die nicht repräsentative Transkriptionssammlung, US-spezifische Preise und fehlende Daten zu langfristigen Ergebnissen, Schäden oder tatsächlich ausgeführten Leistungen.
Einordnung: Wer Sprachmodelle als Entscheidungshilfe einsetzt, sollte neben diagnostischer Güte auch Folgekosten, Überweisungsquoten und unnötige Testkaskaden messen. Die Studie spricht nicht gegen klinische KI, wohl aber gegen eine autonome Umsetzung ihrer Vorschläge ohne ärztliche Prüfung und kostenbewusste Leitplanken.
Christian Kloewer
Tech & Startups
Christian Kloewer schreibt bei MIDO Health über Health-Tech, Startups und Finanzierungen. Er kommt aus der Kommunikation und dem Digitalgeschäft und liest Gründungen im Gesundheitswesen mit dem Blick des Machers: Was löst das Produkt, wer bezahlt dafür, und trägt das Modell?
