KI und Gesundheit in der Schweiz: Chancen, Risiken und Best Practices

KI im Gesundheitswesen: wovon spricht man?

Unter Künstlicher Intelligenz im Gesundheitswesen versteht man das gesamte Repertoire an Technologien des maschinellen Lernens, die die ärztliche Diagnose unterstützen, die klinische Forschung beschleunigen, die Spitalorganisation entlasten und Behandlungspfade personalisieren. In der Schweiz wächst dieses Feld rasant, getragen von einem starken Innovations-Ökosystem und einem weltweit führenden Pharmasektor.

Die Schweiz positioniert sich als europäischer Hub für KI in der Medizin – mit Institutionen wie EPFL, ETH Zürich und Swiss AI Center, die Forschung auf Spitzenniveau betreiben. Bleibt die Frage: Wie profitieren die Akteure vor Ort (Kliniken, Spitäler, Arztpraxen) konkret von diesen Fortschritten?

Das Swiss-Health-Tech-Ökosystem in Zahlen

Der Schweizer Markt für digitale Gesundheit wird 2025 auf mehr als CHF 2,3 Milliarden taxiert, bei einem jährlichen Wachstum von 15 bis 20 %. Mehrere strukturelle Faktoren befeuern diese Dynamik:

Über 350 Health-Tech-Startups sind in der Schweiz aktiv, vor allem in den Kantonen Zürich, Waadt und Basel
Das Swiss Personalized Health Network (SPHN) koordiniert den sicheren Austausch klinischer Daten zwischen den Universitätsspitälern und schafft eine national auswertbare Datenbasis für KI
Die hohe Ärztedichte (4,4 Ärztinnen und Ärzte pro 1'000 Einwohner gegenüber 3,7 im OECD-Schnitt) ist ein guter Nährboden für die Adoption – mit geschulten Fachleuten, die digitalen Werkzeugen aufgeschlossen gegenüberstehen
F&E im Gesundheitsbereich beläuft sich auf rund CHF 12 Milliarden pro Jahr, mit steigendem Anteil für KI und Machine Learning

Initiativen wie das Health Valley (Genferseebogen) und Basel Area Business & Innovation positionieren die Schweiz als internationale Drehscheibe zwischen Pharma, Medtech und KI.

Die konkreten Chancen

KI-gestützte Diagnose

Beim Auswerten medizinischer Bilder glänzt die KI. In der Radiologie erreichen Algorithmen für bestimmte Pathologien heute Erkennungsraten auf Spezialistenniveau:

Thorax-Bildgebung: Erkennung pulmonaler Knoten mit über 95 % Sensitivität
Dermatologie: Klassifikation von Hautläsionen mit einer Genauigkeit, die mit erfahrenen Dermatologinnen und Dermatologen mithält
Ophthalmologie: Screening auf diabetische Retinopathie anhand von Fundusfotos

Diese Werkzeuge ersetzen die Ärztin nicht. Sie wirken als automatisierte Zweitmeinung, senken das Fehlerrisiko und verkürzen die Diagnosezeit. Auf längere Sicht könnte diese KI-gestützte Personalisierung den Patientenpfad durchgehend umkrempeln.

Beschleunigte klinische Forschung

In der klinischen Forschung greift KI auf mehreren Ebenen:

Kandidatensuche für klinische Studien: Algorithmen durchforsten Patientendossiers und finden Profile, die auf die Einschlusskriterien passen – die Rekrutierungszeit verkürzt sich um 30 bis 50 %
Sichtung der wissenschaftlichen Literatur: LLM fassen in wenigen Stunden Tausende Artikel zusammen und legen Muster offen, für die ein Mensch Wochen brauchen würde
Drug Discovery: KI beschleunigt das Auffinden vielversprechender Wirkstoffkandidaten – ein Feld, in das Schweizer Konzerne wie Novartis und Roche massiv investieren

Schlankere Administration

Die Administration frisst einen erheblichen Anteil der ärztlichen Zeit. KI kann diese Last spürbar drücken:

Automatisierte medizinische Transkription: Sprechende Konsultationen werden in strukturierte Berichte überführt
Automatische Codierung: Diagnosecodes (ICD-10) werden aus klinischen Notizen abgeleitet
Intelligente Planung: Agenden, Betten und Spitalressourcen werden optimiert

Für eine mittelgrosse Schweizer Klinik schafft die administrative Automatisierung pro Arzt und Woche schnell mehrere Stunden Luft.

Telemedizin und Fernbetreuung

Die Telemedizin hat seit 2020 einen kräftigen Schub erlebt. In der Schweiz haben über 30 % der Erstkonsultationen heute einen digitalen Anteil (Video, gesicherte Nachrichten, Fernmonitoring). KI ergänzt diese Praktiken:

Intelligente Triage: Medizinische Chatbots lenken Patientinnen und Patienten bereits vor der Konsultation auf die richtige Versorgungsstufe und reduzieren unnötige Notfallbesuche um 15 bis 25 %
Kontinuierliches Monitoring: Vernetzte Geräte (Glukosesensoren, Blutdruckmessgeräte, Pulsoximeter) übermitteln in Echtzeit Daten, die Algorithmen auswerten – sie erkennen Auffälligkeiten und alarmieren die Ärztin
Postoperatives Follow-up: KI-gestützte Anwendungen begleiten die Genesung zu Hause und drücken die Wiederaufnahmen

Schweizer Akteure wie Medgate, Soignez-moi.ch und eedoctors bauen diese KI-Schichten Schritt für Schritt in ihre Plattformen ein.

Die zu beherrschenden Risiken

Algorithmische Verzerrungen

KI-Modelle werden auf historischen Daten trainiert, in denen bestehende Verzerrungen mitschwingen können. Im Gesundheitswesen schlägt sich das nieder in:

Algorithmen, die bei in den Trainingsdaten unterrepräsentierten Bevölkerungsgruppen schlechter abschneiden
Therapieempfehlungen, die durch historisch ungleiche Praxis verzerrt sind
übergrossem Vertrauen in automatische Prognosen

Im multikulturellen Schweizer Kontext mit seiner ausgeprägten Patientenvielfalt ist die Wachsamkeit gegenüber Verzerrungen besonders wichtig.

Vertraulichkeit und DSG

Das Bundesgesetz über den Datenschutz (revDSG), im September 2023 revidiert, stellt strenge Anforderungen an die Bearbeitung von Gesundheitsdaten, die als besonders schützenswerte Daten gelten.

Die wichtigsten Aufmerksamkeitspunkte:

Aufgeklärte Einwilligung: Patientinnen und Patienten sind über den KI-Einsatz in ihrem Behandlungspfad zu informieren
Datenminimierung: Nur die strikt nötigen Daten dürfen bearbeitet werden
Lokalisierung: Hosting in der Schweiz bevorzugen, idealerweise bei zertifizierten Anbietern
Recht auf Erklärung: Patientinnen und Patienten können einsehen, wie ein Algorithmus zu einer sie betreffenden Entscheidung gelangt ist

Datensouveränität: ein zentrales Thema

Über das DSG hinaus rückt die Frage der Souveränität der Gesundheitsdaten in der Schweiz auf die strategische Agenda. Die Hauptpunkte:

Abhängigkeit von US-Clouds: Die meisten KI-Lösungen im Gesundheitswesen stützen sich auf AWS, Azure oder Google Cloud. Die extraterritoriale Wirkung des amerikanischen CLOUD Act schafft für sensible, dort gehostete Daten ein rechtliches Risiko
Souveräne Alternativen: Schweizer Anbieter wie Infomaniak, Exoscale oder Open Systems stellen zertifizierte, in der Schweiz angesiedelte Cloud-Infrastrukturen bereit, die mit den DSG-Anforderungen vereinbar sind
Federated Learning: Dieser Ansatz erlaubt das Training von KI-Modellen, ohne Patientendaten zu zentralisieren. Jedes Spital behält die Daten bei sich; geteilt werden lediglich die Modellparameter. Das von mehreren Universitätsspitälern getragene SWISSFL-Projekt geht in diese Richtung

Für Gesundheitseinrichtungen ist die Wahl der Hosting-Infrastruktur nicht bloss eine technische Entscheidung: Es geht um Patientenvertrauen und um regulatorische Compliance.

Medizinische Verantwortung

Die Haftungsfrage bei einem Diagnoseirrtum eines Algorithmus bleibt in der Schweiz juristisch heikel. Folgt eine Ärztin einer KI-Empfehlung, die sich als falsch erweist, wer haftet? Die Ärztin, der Softwarehersteller, das Spital?

Die heute mehrheitlich vertretene Position: Die Ärztin bleibt die letztentscheidende Instanz und trägt die klinische Verantwortung. KI ist ein Entscheidungshilfe-Werkzeug, keine autonome Entscheiderin.

Der schweizerische und europäische Regulierungsrahmen

Die Schweiz manövriert zwischen ihrem eigenen Rechtsrahmen und dem Einfluss der europäischen KI-Verordnung (EU AI Act), die seit 2024 schrittweise in Kraft tritt. Medizinprodukte mit KI-Anteil gelten als «hochriskant» und unterliegen verschärften Anforderungen.

Schweizer Unternehmen, die in die EU exportieren, müssen sich beiden Rahmen stellen. Konkret heisst das:

eine umfassende technische Dokumentation der eingesetzten Algorithmen
Konformitätsbewertungen durch benannte Stellen
ein Risikomanagementsystem über den gesamten Produktlebenszyklus
eine kontinuierliche Post-Market-Überwachung

Swissmedic, die Schweizer Aufsichtsbehörde für Heilmittel, gleicht ihre Anforderungen laufend mit internationalen Standards ab – und behält dabei die Eigenheiten des Schweizer Gesundheitssystems im Blick.

Auswirkungen für Schweizer Unternehmen

Die Einführung von KI im Gesundheitswesen betrifft nicht nur Spitäler und Medtech-Startups. Sie wirkt sich auf eine breite Reihe wirtschaftlicher Akteure aus:

Krankenversicherer: Prädiktive Modelle helfen, chronisch erkrankte Risikopatienten zu erkennen und gezielte Präventionsprogramme anzubieten. Mehrere Schweizer Krankenkassen erproben bereits Werkzeuge zur Verhaltensanalyse, um ihre Leistungen zu optimieren
Beratungsfirmen und IT-Integratoren: Die Nachfrage nach strategischer Begleitung (Lösungswahl, regulatorische Compliance, Change Management) wächst kräftig. KI-bezogene Mandate im Gesundheitswesen sind ein vielversprechendes Marktsegment. Die Rekrutierung von KI-Talenten bleibt in dieser Branche eine Knackfrage
Pharmaindustrie: Über Drug Discovery hinaus optimiert KI Pharmakovigilanz, Lieferkette und individualisierte Therapie. Die Schweizer Standorte von Novartis, Roche und Lonza bauen diese Technologien in ihre Industrieprozesse ein
Medtech-KMU: Schweizer Hersteller von Medizinprodukten müssen die Anforderungen des EU AI Act in ihren Entwicklungszyklus aufnehmen. Spezialisierte Begleitung ist oft nötig, um sich in dieser regulatorischen Komplexität zurechtzufinden

Der Schlüssel zum Erfolg ist ein pragmatischer Ansatz: Anwendungsfälle mit hoher Wertschöpfung früh erkennen, Compliance von Anfang an mitdenken und Teams kontinuierlich schulen.

Wie Schweizer Akteure sich vorbereiten können

Bei der Administration beginnen: Die Automatisierung administrativer Aufgaben (Transkription, Codierung, Planung) liefert schnellen ROI bei überschaubarem regulatorischem Risiko
Die medizinischen Teams schulen: Wer die Möglichkeiten und Grenzen der KI versteht, adoptiert sie verantwortungsvoll
Zertifizierte Partner wählen: Lösungen mit anerkannten medizinischen Zulassungen (CE, FDA) vorziehen
Die Regulierung mitdenken: Die Anforderungen des EU AI Act von der Konzeption an einplanen – auch bei Projekten, die nur den Schweizer Markt anvisieren

FAQ

Kann KI einen Arzt in der Schweiz ersetzen?

Nein. Die Schweizer Regulierung und die Position der FMH (Verbindung der Schweizer Ärztinnen und Ärzte) sind eindeutig: KI ist ein Entscheidungshilfe-Werkzeug. Endgültige Diagnose, Verschreibung und klinische Verantwortung bleiben ausschliesslich beim Arzt. Die ausgereiftesten KI-Lösungen sollen die Fähigkeiten der Praktizierenden erweitern, nicht deren Urteil ersetzen.

Welche Gesundheitsdaten dürfen in der Schweiz zum Training eines KI-Modells genutzt werden?

Das DSG stuft Gesundheitsdaten als besonders schützenswert ein. Ihre Nutzung zu Forschungs- oder Trainingszwecken setzt entweder eine ausdrückliche Patienteneinwilligung oder eine irreversible Anonymisierung voraus. Forschungsprotokolle mit Patientendaten müssen durch die kantonalen Ethikkommissionen genehmigt werden. Diese Governance-Fragen knüpfen an die breitere Diskussion über KI und nachhaltige Digitalisierung an. Das SPHN liefert einen Governance-Rahmen für den institutionsübergreifenden Austausch solcher Daten.

Welches Budget für ein erstes KI-Projekt im Gesundheitswesen?

Ein Pilotprojekt zur administrativen Automatisierung (Transkription, Codierung) lässt sich mit einem Budget von CHF 20'000.– bis 50'000.– starten – Rollout inbegriffen. Diagnostik-Assistenzprojekte sind anspruchsvoller und verlangen in der Regel eine Investition von CHF 100'000.– bis 300'000.–, regulatorische Zertifizierung eingerechnet. In jedem Fall empfehlen wir vor der Budgetfreigabe ein Audit der Bedürfnisse und der Datenreife der Organisation.

Operative Synthese

KI verändert das Schweizer Gesundheitswesen auf drei Feldern: diagnostische Unterstützung, klinische Forschung und Administration.
Die Hauptrisiken: algorithmische Verzerrungen, Datenvertraulichkeit (DSG) und ärztliche Haftung.
Der Schweizer Rechtsrahmen richtet sich Schritt für Schritt am EU AI Act aus und stuft medizinische KI-Geräte als «hochriskant» ein.
Empfohlenes Vorgehen: bei der Administration anfangen, dann auf klinische Anwendungsfälle ausweiten.
Sprechen Sie mit MCVA Consulting und beurteilen Sie die KI-Chancen in Ihrer Gesundheitsorganisation.

Sie wollen das KI-Potenzial für Ihre Gesundheitseinrichtung oder Ihr Medtech-Unternehmen ausloten? MCVA Consulting begleitet Schweizer Akteure des Gesundheitswesens bei der Identifikation von Anwendungsfällen, der regulatorischen Ausrichtung und dem Rollout von KI-Lösungen. Sprechen Sie mit unserem Team – ein erster unverbindlicher Austausch.