Künstliche Intelligenz im Schweizer Gesundheitswesen: Was die Praxis trägt

Überarbeitete Notiz vom 25. Mai 2026. Ursprünglich im November 2025 veröffentlicht — vollständige Überarbeitung.

Der Schweizer Gesundheitssektor nimmt in der öffentlichen Debatte über KI eine besondere Stellung ein. Zugleich Ort sehr hoher Erwartungen — beschleunigte Diagnose, personalisierte Medizin, transformierte Forschung — und Terrain, auf dem der kleinste algorithmische Fehler Konsequenzen hat, die wenige andere Sektoren tragen, verlangt er eine Analysedisziplin, die den beiden symmetrischen Versuchungen von Begeisterung und Misstrauen standhält.

Diese Notiz legt dar, was die im Jahr 2026 beobachtbare Praxis mit einer gewissen Festigkeit zu behaupten erlaubt und was sie offen lässt. Sie stellt eine Einleitung zum Cahier MCVA Nr. 3 dar, das diesem Sektor gewidmet ist und im ersten Quartal 2027 erscheinen soll.

Drei Bereiche, in denen die Praxis etabliert ist

Drei Einsatzbereiche der KI im Schweizer Gesundheitswesen haben das Experimentierstadium verlassen, um sich in der laufenden Praxis der Institutionen und Unternehmen des Sektors einzurichten.

Die unterstützte medizinische Bildanalyse ist wahrscheinlich der reifste Bereich. In der Radiologie, Dermatologie und Augenheilkunde werden durch Deep-Learning-Modelle gespeiste Systeme zur Diagnoseunterstützung getestet, integriert oder in bestimmten Spital- und Klinikkontexten eingesetzt. Ihr Status ist jener einer automatisierten Zweitmeinung: Sie weisen die Praktizierenden auf zu prüfende Elemente hin, ohne ihre klinische Entscheidung zu ersetzen. Die verfügbare wissenschaftliche Literatur dokumentiert hohe Leistungen bei bestimmten präzisen Erkennungsaufgaben. Diese Leistung gilt für die gemessenen Aufgaben unter den Studienbedingungen und lässt sich nicht mechanisch auf jede klinische Praxis übertragen.

Die administrative Verwaltung stellt den zweiten Bereich dar, in dem der Einsatz heute Routine ist. Transkription von Konsultationen in strukturierte Berichte, Zuordnung von Diagnosecodes, Optimierung von Spitalplänen und Ressourcen: Diese repetitiven, volumenreichen, wenig kreativen Aufgaben werden ohne direktes klinisches Risiko von Systemen absorbiert, die durch generative Modelle gespeist werden. Der für Ärzteschaft und Pflegepersonal frei gewordene Zeitgewinn ist das solideste wirtschaftliche Argument für die Übernahme.

Die Entscheidungsunterstützung in der klinischen Forschung stellt den dritten etablierten Bereich dar, hauptsächlich in der pharmazeutischen Industrie und in den universitären Forschungszentren. Analyse der wissenschaftlichen Literatur im grossen Massstab, Identifikation von Kandidaten für klinische Studien auf der Grundlage anonymisierter Patientenakten, Beschleunigung des Molekül-Screenings: Diese Anwendungen operieren auf einer Ebene, auf der der punktuelle Fehler durch den nachgelagerten wissenschaftlichen Validierungsprozess absorbiert wird.

Der regulatorische Rahmen, der die Praxis strukturiert

KI im Gesundheitswesen operiert in der Schweiz unter einem dichten regulatorischen Rahmen, der mehrere Pflichtenquellen vereint.

Das Bundesgesetz über den Datenschutz (DSG), das in seiner revidierten Fassung am 1. September 2023 in Kraft getreten ist, ordnet Gesundheitsdaten als besonders schützenswerte Daten ein, die einem verstärkten Schutzniveau unterliegen^[1]. Jede Verwendung von KI-Modellen, die Patientendaten bearbeitet, verlangt entweder eine ausdrückliche Einwilligung, eine dokumentierte unumkehrbare Anonymisierung oder eine spezifische Rechtsgrundlage. Das DSG regelt automatisierte Einzelentscheidungen und erlegt Informationspflichten in den betroffenen Fällen auf.

Die Europäische Verordnung über künstliche Intelligenz (EU AI Act), die seit 2024 schrittweise in Anwendung tritt, ordnet Medizinprodukte mit KI-Integration als Hochrisikosysteme ein, die verstärkten Anforderungen an technische Dokumentation, Konformitätsbewertung, Risikomanagement und Marktüberwachung unterliegen^[2]. Schweizer Unternehmen, die in die Europäische Union exportieren oder einen europäischen Markt bedienen, müssen diesen Rahmen in ihren Entwicklungszyklus integrieren.

Swissmedic, die Schweizer Aufsichtsbehörde für Heilmittel, harmonisiert ihre Anforderungen schrittweise mit den internationalen Standards und bewahrt zugleich die Eigenheiten des Schweizer Gesundheitssystems. Medizinprodukte mit KI-Integration müssen die anwendbaren Konformitätsverfahren vor dem Inverkehrbringen erfüllen; Swissmedic interveniert insbesondere in der Marktüberwachung^[3].

Das Ergebnis dieser drei regulatorischen Schichten ist eine Umgebung, die anspruchsvoller ist als vor fünf Jahren, aber auch berechenbarer. Akteure, die die Konformität ab der Rahmenfestlegung antizipieren, produzieren tatsächlich einsetzbare Vorrichtungen. Jene, die Konformität als Endprojekthindernis behandeln, treffen auf substanzielle Nachholkosten.

Die Frage der Datensouveränität

KI im Gesundheitswesen wirft eine den Schweizer Institutionen eigene strategische Frage auf: Wo werden die Patientendaten gespeichert und unter welchem Recht? Systeme, die durch auf amerikanischen Clouds gehostete generative Modelle gespeist werden, können Fragen des anwendbaren Rechts und des extraterritorialen Datenzugriffs aufwerfen, was mit den Schweizer Datenschutzanforderungen in Spannung treten kann.

Mehrere operative Antworten sind verfügbar. Das Hosting bei Anbietern mit Standort Schweiz, die sich seit 2020 vervielfacht haben, stellt die erste dar. Der Einsatz von Open-Weights-Modellen auf kontrollierter Infrastruktur, heute für Modelle vernünftiger Grösse möglich, die nützliche Leistungen erreichen, stellt die zweite dar. Das Federated Learning, das Modelle trainiert, ohne die Daten zu zentralisieren — jede Institution bewahrt ihre Daten lokal, nur die Modellparameter zirkulieren —, stellt die dritte dar, in der Praxis noch marginaler, aber von mehreren universitären Spitälern der Schweiz aktiv erforscht.

Keine dieser Antworten ist universell überlegen. Jede hat ihre Kosten, ihre Leistungsbegrenzungen, ihre eigenen technischen Anforderungen. Die Wahl gehört zu einer Risikoqualifikation nach Anwendungsfall und Art der bearbeiteten Daten.

Drei Wachsamkeitspunkte, die sich nicht technisch lösen

Über die etablierten Anwendungen hinaus durchziehen drei Wachsamkeitspunkte die Praxis der KI im Schweizer Gesundheitswesen, und keiner löst sich durch eine rein technische Verbesserung des Modells.

Die algorithmische Verzerrung betrifft weiterhin Modelle, die auf historischen Daten trainiert wurden, die bestimmte Populationen unterrepräsentieren. Diese Einschränkung ist seit mehreren Jahren bekannt und dokumentiert. Ihre Korrektur erfolgt durch die Diversifikation der Trainingsdaten, die systematische Validierung auf Untergruppen und die Transparenz des Gültigkeitsbereichs eines eingesetzten Modells.

Die medizinische Verantwortung bei algorithmischem Fehler bleibt rechtlich im Aufbau. Die mehrheitliche Position im Schweizer Recht hält daran fest, dass die Ärztin oder der Arzt die letzte Entscheidungsinstanz bleibt und die klinische Verantwortung behält. KI ist ein Hilfsmittel, kein autonomer Entscheider. Diese Position ist für die erfahrene Praktizierende oder den erfahrenen Praktizierenden komfortabel, die oder der weiss, wann einer algorithmischen Empfehlung zu folgen und wann sie zu ignorieren ist; sie wiegt auf der Praktizierenden oder dem Praktizierenden, die oder der nicht über die nötige Zeit oder Expertise verfügt, um dieses Urteil zu fällen.

Das Patientenvertrauen in medizinische Entscheidungen, die teilweise durch ein Modell gespeist werden, ist ein Thema, das über die regulatorische Konformität hinausgeht. Es baut sich auf Transparenz auf — Information der Patientin oder des Patienten, wenn KI in ihren oder seinen Behandlungspfad eingreift — und auf der Gesamtqualität der Pflegebeziehung, die irreduzibel auf jede algorithmische Verbesserung bleibt.

Was diese Notiz nicht zu leisten beansprucht

Diese Notiz erschöpft das Thema nicht. Das Cahier MCVA Nr. 3, das für das erste Quartal 2027 in Vorbereitung ist, wird die strategischen Implikationen für Spitäler, Krankenversicherer, die pharmazeutische Industrie und MedTech-KMU tiefgehender behandeln. Es wird auf einer spezifischen Beobachtungsproduktion und auf der Koordination mit einer oder einem zu diesem Zweck identifizierten Co-Autorin oder Co-Autor des Gesundheitssektors basieren.

Die Praxis der KI im Schweizer Gesundheitswesen misst sich nicht allein an den Versprechen, die sie im Labor hält, oder an den Risiken, die sie in den Kommentaren aufrührt. Sie misst sich an der Strenge der regulatorischen Rahmen, die sie respektiert, an der Solidität der Einsatzbedingungen, die sie etabliert, und an der Geduld, mit der sie sich in Institutionen einrichtet, in denen der Fehler teuer ist.

Quellen

[1] Bundesgesetz über den Datenschutz (DSG), Revision vom 25. September 2020, in Kraft seit 1. September 2023. www.fedlex.admin.ch/eli/cc/2022/491/de [↩]

[2] Europäisches Parlament, EU AI Act: first regulation on artificial intelligence. www.europarl.europa.eu/topics/en/article/20230601STO93804/eu-ai-act-first-regulation-on-artificial-intelligen [↩]

[3] Swissmedic, Überblick Medizinprodukte. www.swissmedic.ch/swissmedic/en/home/medical-devices/overview-medical-devices.html [↩]

Jérôme Deshaie ist CEO der MCVA Consulting SA, Schweizer Kanzlei für strategische Beratung in künstlicher Intelligenz mit Sitz im Wallis.