KI & Arztgespräche – Chancen und Risiken von Tools wie ChatGPT und Claude
Was ist, wenn Arztgespräche nicht mehr im Wartezimmer beginnen – sondern im Chatfenster einer KI. Künstliche Intelligenz wird heute vielfältig in der Medizin eingesetzt [1]: auf Patientenseite zum Beispiel in Form von Fitness-Trackern oder Chatbots, von medizinischem Fachpersonal bei der Bildanalyse in der Radiologie und sogar in der Diagnostik.
Bei der Vorbereitung von Arzt-Patienten-Gesprächen nutzen Patienten und Patientinnen vor allem sogenannte ‚Large Language Models‘ (LLMs), wie die bekannten und für jeden zugänglichen Modelle ChatGPT und Claude.
Was sind diese LLMs, und was bedeutet deren Einsatz für Patientinnen und Patienten? Erfahren Sie, wie auch Patienten und Patientinnen diese sinnvoll einsetzen, wo aber auch deren Grenzen sind – und wie wichtig es ist, dass Sie selbst als Mensch aufmerksam und aktiv bleiben für Arztgespräche.
Was sind Large Language Models?
Sogenannte ‚Large Language Models‘ (LLMs) sind mathematische Sprachmodelle, die aufgrund komplexer Wahrscheinlichkeitsrechnungen eigenständig Texte generieren können. Sie werden trainiert aufgrund riesiger Datensätze, sprich aufgrund von zugänglichen Texten z.B. aus dem Internet, die ihnen verfügbar gemacht werden.
Chancen und Risiken von LLMs
LLMs können Ihnen helfen, Informationen zu sammeln: Symptome ordnen, Fragen formulieren oder medizinische Begriffe erklären. Das macht sie zu einem wertvollen Werkzeug in der Vorbereitung und Nachbereitung von Arzt-Patienten-Gesprächen.
Gleichzeitig haben LLMs aber auch Risiken, die Vorsicht im Umgang gebieten. Das grösste Risiko: LLMs wissen nicht alles. So fand eine gross angelegte Studie heraus, dass sich LLMs in rund 32% der Fälle selbst von Fehlinformationen täuschen liessen. KI kann sogar sogenannte „Halluzinationen“ erzeugen [4]. Das sind inhaltlich falsche Informationen, die aber in der geschliffenen Sprache der LLMs so überzeugend klingen, dass sie für wahr gehalten werden.
Auch Bias spielt eine Rolle: Bestimmte Krankheitsverläufe oder Patientengruppen werden unter- oder überrepräsentiert, was zu unpassenden Einschätzungen führen kann. [5]
Hinzu kommt der Datenschutz. Persönliche Gesundheitsdaten sollten nicht unüberlegt in KI-Tools eingegeben werden, da oft unklar ist, wie diese verarbeitet werden. [4]
Besondere Herausforderungen: Informationsflut und unpassende Struktur
Die Flut an Informationen, die LLMs ausgeben, kann schnell überfordernd wirken. Insbesondere ohne zusätzliche Struktur und Unterstützung können KI-Inhalte dazu beitragen Ängste und Sorgen zu provozieren. [5]
Die fehlende Struktur kann schliesslich dazu führen, dass wir zwar viele Informationen gesammelt haben, aber im Arzt-Patienten-Gespräch selbst den Überblick verlieren. [7 ]KI-Antworten sind oft umfangreich, unsortiert und nicht auf die konkrete Gesprächssituation hin ausgerichtet. Wir bleiben auf uns allein gestellt: Was sollten wir priorisieren? Wie sollten wir Inhalte sinnvoll ins Gespräch einbringen?
Fazit: KI kann Sie vor und nach dem Arztgespräch unterstützen – aber nur, wenn Sie aufmerksam und aktiv bleiben
KI ersetzt das Arzt-Patienten-Gespräch nicht. Aber es kann Sie als Patient oder Patientin sinnvoll unterstützen: Sie können sich Fachbegriffe verständlich erklären lassen oder Rückfragen zu medizinischen Zusammenhängen stellen. Gerade komplexe Diagnosen oder Therapieoptionen lassen sich so greifbarer machen.
Aber: Nur wenn Sie aufmerksam bleiben und stets den Wahrheitsgehalt der Informationen im Blick haben, ist KI eine Option.
Zudem: Schützen Sie sich vor der Informationsflut! Verwenden Sie neben KI ein Tool wie EverAsk, mit dem Sie Ihre Fragen und Inputs strukturiert auf Ihr anstehendes Arztgespräch zugeschnitten vorbereiten.
Dank EverAsk arbeiten Patienten mit klaren Kategorien – Ziele, Fragen und Notizen. Die Struktur von EverAsk wurde in Zusammenarbeit mit dem Universitätsspital Basel und auf Basis bewährter Kommunikationsmodelle entwickelt.
Gerade in belastenden Situationen verhindert die Struktur von EverAsk, dass Sie in eine passive Haltung verfallen. Sie bleiben stattdessen auch unter Druck aktiv handlungsfähig, stellen weiterhin gezielte Fragen und können so fundiertere Entscheidungen treffen. [6]
Ziel: Statt in Informationen zu ertrinken, strukturieren Sie Ihre Fragen. So bringen Sie sich und Ihre Anliegen aktiv in das Gespräch ein. Statt in Informationen zu ertrinken, Fragen strukturieren. So bringen Sie sich und Ihre Anliegen aktiv in das Gespräch ein.
Praxis-Box: KI sinnvoll und sicher einsetzen
LLMs können Informationen liefern – EverAsk Struktur
Nutzen Sie LLMs zum Beispiel, um sich medizinische Begriffe verständlich erklären zu lassen
Hinterfragen Sie LLM-Antworten kritisch (Stichwort: Halluzinationen & Bias):
- Nutzen Sie mehr als nur ein LLM, und vergleichen Sie deren Antworten.
- Prüfen Sie Quellenangaben, indem Sie angegebene Links öffnen – und wenn keine da sind, fragen Sie nach Quellen.
- Quervergleichen Sie wichtige Antworten mit vertrauenswürdigen Informationsquellen.
- Nutzen Sie die Funktion ‚Deep Research‘ für wichtige Fragen (kann kostenpflichtig sein).
Geben Sie nur anonymisierte Informationen in LLMs und KI-Tools ein
Nutzen Sie zu Kontrolle und Aufzeichnung von Notizen die Nachbereitungsfunktion von EverAsk
Klären Sie offene Punkte immer im direkten Austausch mit dem Arzt oder der Ärztin
Quellen
- Sprecher, F., Brauchbar, M., & Frey, S. „Künstliche Intelligenz (KI) im Schweizer Gesundheitswesen”: Studie KI im Schweizerischen Gesundheitswesen.pdf
- Hautz et al. (2025). Diagnoses supported by a computerised diagnostic decision support system versus conventional diagnoses in emergency patients (DDX-BRO): a multicentre, multiple-period, double-blind, cluster-randomised, crossover superiority trial. The Lancet Digital Health, 7(2):136-144.
- Hswen Y, Rubin R. (2025). An AI Chatbot Outperformed Physicians and Physicians Plus AI in a Trial—What Does That Mean? JAMA. 333(4):273–276.
- Bundesärztekammer: Thesenpapier „KI in der Gesundheitsversorgung”: https://www.bundesaerztekammer.de/fileadmin/user_upload/BAEK/Themen/Digitalisierung/Thesenpapier_KI_in_der_Gesundheitsversorgung_03.2025.pdf
- Hassan, N., Slight, R., Bimpong, K. et al. (2024). Systematic review to understand users perspectives on AI-enabled decision aids to inform shared decision making. npj Digit. Med. 7, 332.
- PMC (PubMed Central): „Implementation of AI in healthcare” https://pmc.ncbi.nlm.nih.gov/articles/PMC12287119/
Patientenprogramme und Compliance: Deutsches Gesundheitsportal (Studie): https://www.deutschesgesundheitsportal.de/wp-content/uploads/pdfs/patientenprogramme-unterstuetzen-therapietreue.pdf