KI im Schweizer Gesundheitswesen: Was ein regulierter Sektor ermöglicht

Das Gesundheitswesen ist wahrscheinlich der am stärksten regulierte Sektor der Schweiz, und KI ist dort dennoch bereits etabliert — nicht in Konferenzversprechen, sondern im täglichen Routinebetrieb: Analyse von Bildgebungsdaten, administrative Verwaltung, klinische Forschung. Das ist die Demonstration, die jede Führungskraft interessiert, die unter regulatorischem Druck operiert: Die Regel blockiert KI nicht, sie selektiert die durchdachten Projekte. Diese Notiz stellt die tragfähigen Anwendungen dar, den Rahmen, der sie strukturiert, und was ein KMU — aus dem Gesundheitssektor oder anderswo — daraus mitnehmen kann.

Vorbereitende Notiz zum MCVA-Cahier Nr. 3 über den Gesundheitssektor, der im ersten Quartal 2027 erscheint.

Wo ist KI im Schweizer Gesundheitswesen bereits etabliert?

Drei Bereiche haben das experimentelle Stadium verlassen und sind in die gängige Praxis von Einrichtungen und Unternehmen des Sektors eingetreten.

Die KI-gestützte Analyse medizinischer Bildgebung ist am weitesten fortgeschritten. In der Radiologie, der Dermatologie, der Ophthalmologie werden auf Deep Learning basierende Diagnoseunterstützungssysteme in bestimmten Spitalkontexten getestet, integriert oder eingesetzt. Ihr Status verdient eine präzise Einordnung: eine automatisierte Zweitmeinung, die dem Praktiker Elemente zur Prüfung anzeigt, ohne dessen klinische Entscheidung zu ersetzen. Die wissenschaftliche Literatur dokumentiert hohe Leistungswerte bei präzisen Erkennungsaufgaben — Leistungswerte, die unter den Bedingungen der jeweiligen Studien gelten und sich nicht mechanisch auf jede Praxis übertragen lassen.

Die administrative Verwaltung ist der zweite Bereich und das solideste wirtschaftliche Argument für die Einführung. Transkription von Konsultationen in strukturierte Berichte, Zuweisung von Diagnosecodes, Optimierung von Terminplänen und Ressourcen: repetitive, hochvolumige Aufgaben ohne unmittelbares klinisches Risiko, die von generativen Systemen übernommen werden. Die dem Pflegepersonal zurückgewonnene Zeit ist der greifbarste und am schnellsten messbare Nutzen.

Die Unterstützung der klinischen Forschung vervollständigt das Bild, vor allem in der Pharmaindustrie und an universitären Zentren: gross angelegte Literaturanalyse, Identifikation von Studienkandidaten anhand anonymisierter Akten, beschleunigtes Screening von Molekülen. Diese Anwendungen operieren auf einer Ebene, auf der punktuelle Fehler durch die nachgelagerte wissenschaftliche Validierung aufgefangen werden — eine Eigenschaft des Designs, kein Zufall.

Drei Regelungsebenen — und ein berechenbareres Terrain als zuvor

Seit dem 1. September 2023 stuft das revidierte Datenschutzgesetz (DSG) Gesundheitsdaten als besonders schützenswerte Daten ein, die einem verstärkten Schutz unterliegen: Jede Verarbeitung durch ein KI-Modell erfordert eine ausdrückliche Einwilligung, eine dokumentierte unumkehrbare Anonymisierung oder eine spezifische Rechtsgrundlage^[1]. Das Gesetz regelt zudem automatisierte Einzelentscheidungen und schreibt in den betreffenden Fällen Informationspflichten vor.

Hinzu kommt die europäische KI-Verordnung, die seit 2024 schrittweise in Kraft tritt und Medizinprodukte mit integrierter KI als Hochrisikosysteme einstuft — verstärkte technische Dokumentation, Konformitätsbewertung, Risikomanagement, Überwachung nach der Markteinführung^[2]. Jedes Schweizer Unternehmen, das in die Europäische Union exportiert oder diesen Markt adressiert, muss diesen Rahmen bereits in seinen Entwicklungszyklus integrieren. Swissmedic schliesslich harmonisiert seine Anforderungen schrittweise mit internationalen Standards: Medizinprodukte mit integrierter KI durchlaufen vor der Markteinführung die geltenden Konformitätsverfahren, und die Behörde ist an der Überwachung beteiligt^[3].

Das Ergebnis dieser Schichtung überrascht alle, die nicht damit arbeiten: Das Umfeld ist anspruchsvoller als vor fünf Jahren, aber auch berechenbarer. Akteure, die Compliance bereits in die Konzeption integrieren, liefern tatsächlich einsetzbare Lösungen; jene, die sie als Hindernis am Projektende behandeln, zahlen teure Nachbesserungen. Darin sehe ich die am ehesten übertragbare Lehre des gesamten Sektors.

Wohin gehen die Patientendaten?

Die Frage der Datensouveränität stellt sich hier mit besonderer Schärfe: Wo werden die Daten gespeichert, und welchem Recht unterliegen sie? Auf amerikanischen Clouds gehostete Systeme setzen die Daten einem extraterritorialen Recht aus, das mit den Schweizer Schutzanforderungen in Konflikt geraten kann.

Es gibt drei operative Antworten. Das Hosting bei in der Schweiz ansässigen Anbietern, deren Angebot sich seit 2020 erweitert hat. Der Einsatz von Modellen mit offenen Gewichten auf kontrollierter Infrastruktur, der für Modelle vernünftiger Grösse mit nützlicher Leistung realistisch geworden ist. Schliesslich das Federated Learning — das Trainieren von Modellen, ohne die Daten zu zentralisieren: Jede Institution behält ihre eigenen, nur die Modellparameter zirkulieren —, das noch marginal ist, aber von mehreren Schweizer Universitätsspitälern aktiv erprobt wird. Keiner dieser Wege ist in jeder Situation überlegen; jeder hat seine Kosten, seine Leistungsgrenzen und seine technischen Anforderungen. Die Wahl beruht auf einer Risikoeinstufung je Anwendungsfall — demselben Souveränitätsraster, das ich, ausserhalb des Gesundheitswesens, in der Architektur eines gut konzipierten KI-Projekts beschreibe.

Was die Technik nicht löst

Drei Punkte erfordern durchgehend Aufmerksamkeit, und keiner lässt sich durch eine blosse Modellverbesserung lösen:

1. Der algorithmische Bias — Modelle, die mit historischen Daten trainiert wurden, die bestimmte Bevölkerungsgruppen unterrepräsentieren, reproduzieren diese blinden Flecken; die Korrektur erfolgt über die Diversifizierung der Daten, die Validierung nach Teilgruppen und die Transparenz über den Gültigkeitsbereich.
2. Die medizinische Verantwortung — die vorherrschende Position im Schweizer Recht hält den Arzt als letztendlichen Entscheidungsträger und Träger der klinischen Verantwortung fest; komfortabel für den erfahrenen Praktiker, anspruchsvoll für jenen, dem Zeit oder Distanz fehlt, um eine algorithmische Empfehlung zu beurteilen.
3. Das Vertrauen der Patienten — es baut sich auf der Information der Patienten auf, wenn KI in ihren Behandlungspfad eingreift, und auf der Qualität der Beziehung zwischen Pflegenden und Patienten, die kein Algorithmus ersetzt.

Was kann ein KMU ausserhalb des Gesundheitswesens daraus mitnehmen?

Ich bin kein Spezialist für den medizinischen Sektor; ich lese dieses Terrain als KI-Praktiker, ausgehend von veröffentlichten Rahmenwerken und dokumentierter Praxis — und das Cahier Nr. 3 wird sich auf einen Ko-Autor aus dem Sektor stützen. Fasse ich jedoch zusammen, was das Schweizer Gesundheitswesen jeder Führungskraft in einem regulierten Umfeld demonstriert, drängen sich drei Übertragungen auf.

Erstens: dort beginnen, wo das Risiko gering und das Volumen hoch ist: Das Gesundheitswesen hat KI im Verwaltungsbereich etabliert — Transkription, Kodierung, Planung — lange bevor der klinische Kern berührt wurde. Jedes regulierte KMU hat sein Äquivalent: das Back-Office vor dem sensiblen Kerngeschäft. Genau diese Prioritätenordnung wende ich in meinen massgeschneiderten Automatisierungslösungen an.

Zweitens: Compliance als Eingabegrösse der Konzeption behandeln, nie als letzten Schritt. Die Lösungen, die zum Einsatz kommen, sind jene, die DSG, sektorspezifische Anforderungen und Datenlokalisierung bereits vor der ersten Codezeile integriert haben — ein Reflex, den ich in jedem Projekt, das ich baue, systematisiere, ob reguliert oder nicht.

Drittens: den menschlichen Entscheidungsträger bei allem im Kreis behalten, was die Verantwortung des Unternehmens berührt. Das Modell der „automatisierten Zweitmeinung" — die KI signalisiert, der Mensch entscheidet — ist die Konfiguration, die sich reibungslos durch die regulatorischen Rahmenwerke bewegt, und sie ist fast immer der richtige erste Schritt. Um diese Entscheidungen in einen umfassenden Ansatz einzuordnen, siehe Was muss ein Schweizer KMU 2026 im Umgang mit KI tun?.

Wichtig in Kürze

— KI ist im Schweizer Gesundheitswesen bereits Routine — Bildgebung als Zweitmeinung, Verwaltung, Forschung — der Beweis, dass ein strenger Rahmen Projekte selektiert, ohne sie zu verhindern. — Seit September 2023 stuft das DSG Gesundheitsdaten als besonders schützenswert ein: ausdrückliche Einwilligung, dokumentierte Anonymisierung oder Rechtsgrundlage — und der AI Act fügt seine Anforderungen für alle hinzu, die auf die EU zielen. — Die Übertragung für jedes regulierte KMU: zuerst das Back-Office, Compliance bereits in der Konzeption, der Mensch als Entscheidungsträger bei allem, was Verantwortung berührt.

FAQ

Kann KI in der Schweiz eine medizinische Diagnose stellen? Nein. Die eingesetzten Systeme fungieren als Diagnoseunterstützung: Sie weisen auf zu prüfende Elemente hin, und der Arzt bleibt der letztendliche Entscheidungsträger und Träger der klinischen Verantwortung. Diese Konfiguration der „automatisierten Zweitmeinung" ist jene, die das Schweizer Recht und die Spitalpraxis heute vorsehen.

Darf eine Praxis oder Klinik ein KI-Tool für Endverbraucher mit Patientendaten nutzen? Nicht standardmässig. Gesundheitsdaten sind besonders schützenswerte Daten im Sinne des DSG: Ihre Verarbeitung erfordert eine ausdrückliche Einwilligung, eine unumkehrbare Anonymisierung oder eine spezifische Rechtsgrundlage — Bedingungen, die ein im Ausland gehostetes Endverbraucher-Tool in der Regel nicht erfüllt. Es gibt Alternativen: Schweizer Hosting oder offene Modelle auf kontrollierter Infrastruktur.

Betrifft der europäische AI Act Schweizer Unternehmen? Ja, sobald sie in die Europäische Union exportieren oder diesen Markt adressieren. Medizinprodukte mit integrierter KI werden dort als Hochrisikosysteme eingestuft, mit technischer Dokumentation, Konformitätsbewertung und Überwachung nach der Markteinführung. Die Integration in den Entwicklungszyklus kostet deutlich weniger als die nachträgliche Behebung.

Wo fängt man in einem regulierten Sektor an, im Gesundheitswesen oder anderswo? Bei administrativen Anwendungen mit geringem Risiko und hohem Volumen — Transkription, Klassierung, Planung —, mit Compliance bereits in der Konzeption und einem menschlichen Entscheidungsträger am Ende der Kette. Dieser erste Schritt liefert messbare Gewinne und baut die Reife auf, die für sensiblere Anwendungen nötig ist.

Sie sind in einem regulierten Sektor tätig? Die KI-Nutzungsdiagnose: sechzig Minuten, um Ihre tatsächlichen Abläufe zu erfassen, zu identifizieren, was massgeschneiderte Lösungen verdient, was in SaaS bleibt und was gar keine KI braucht. Diagnose buchen

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/fr [↩]

[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, Aperçu des dispositifs médicaux. www.swissmedic.ch/swissmedic/en/home/medical-devices/overview-medical-devices.html [↩]

Jérôme Deshaie ist CEO und Gründer von MCVA Consulting SA, einer augmentierten Agentur mit Sitz im Wallis. Fünfzehn Jahre im Dienst grosser internationaler Marken, jetzt direkt für Schweizer KMU. Werdegang.