Author
Listed:
- Anderie, Lutz
- Agel, Harald
Abstract
Dieses Working Paper beleuchtet die Integration Künstlicher Intelligenz (KI) in Krankenhausumfeldern, mit dem Ziel, die Qualität der Patientenversorgung zu steigern, klinische und administrative Prozesse zu optimieren und Kosten im Gesundheitswesen zu senken. Es startet mit einer Einführung in zentrale KIDefinitionen - wie maschinelles Lernen, Deep Learning und natürliche Sprachverarbeitung - und erläutert deren spezifische Relevanz im Krankenhauskontext, wobei zwischen schwacher und starker KI unterschieden wird und der Fokus auf aufgabenbezogenen Anwendungen liegt. Das Paper identifiziert systematisch KI-Anwendungsfälle und priorisiert diese anhand von Kriterien wie klinischem Nutzen, wirtschaftlicher Effizienz, technischer Machbarkeit, ethischer Konformität und Skalierbarkeit. Eine detaillierte Fallstudie zum KI-Einsatz im Entlassmanagement (§ 39 Abs. 1a SGB V) demonstriert das transformative Potenzial, einschließlich prädiktiver Analytik für Wiedereinweisungsrisiken, automatisierter Planung durch Tools wie Recare PREDICT und VOICE sowie agentischer KI zur Prozessorchestrierung, die Verweildauern verkürzen und erhebliche Kosteneinsparungen ermöglichen kann (z. B. 75.000 €/Monat für ein 850-Betten-Krankenhaus mit ca. 35.000 stationären Patienten). Weitere effizienzsteigernde Anwendungsfälle wie KI in der bildgebenden Diagnostik, Ressourcenplanung, Patientenüberwachung und personalisierten Medizin werden skizziert. Eine strategische Roadmap für die KI-Implementierung wird vorgeschlagen, in Kooperation mit Partnern wie HA&P Beratungsgesellschaft mbH, umfassend Bedarfsanalysen, Pilotprojekte (z. B. Chatbot-Prototypen) und modulare Skalierung. Ethische und regulatorische Aspekte werden kritisch bewertet, mit Schwerpunkt auf dem EU AI Act (Verordnung (EU) 2024/1689) und seinem risikobasierten Ansatz sowie DSGVO-Anforderungen an Datenschutz und Bias-Minimierung durch erklärbare KI. Maßnahmen zur Skalierung umfassen Serious Games wie "Keine Angst vor KI" und "Entlassmanagement Training" (inspiriert von Charités GameEducation-Initiativen) zur Personal-Schulung und gewährleisten Konformität bis August 2026 für Hochrisikosysteme. Das Paper schließt mit einem umfassenden, handlungsorientierten Rahmen ab, der Krankenhäusern den Weg zu ethischer, effizienter und nachhaltiger KI-Adoption ebnet und Innovationen fördert, ohne die Patientensicherheit und das Vertrauen zu gefährden.
Suggested Citation
Anderie, Lutz & Agel, Harald, 2026.
"KI-gestützte Digitalisierung im Klinikmanagement: Strukturierte Roadmap und exemplarischer Anwendungsfall Entlassmanagement,"
Working Paper Series
40, Frankfurt University of Applied Sciences, Faculty of Business and Law.
Handle:
RePEc:zbw:fhfwps:337483
DOI: 10.48718/jp9b-jx94
Download full text from publisher
Corrections
All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:zbw:fhfwps:337483. See general information about how to correct material in RePEc.
If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.
We have no bibliographic references for this item. You can help adding them by using this form .
If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.
For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: ZBW - Leibniz Information Centre for Economics (email available below). General contact details of provider: https://edirc.repec.org/data/fwfhfde.html .
Please note that corrections may take a couple of weeks to filter through
the various RePEc services.