ChatGPT gehört zu den bekanntesten Anwendungen generativer künstlicher Intelligenz. Ursprünglich vor allem als textbasierter Gesprächspartner wahrgenommen, hat sich die Anwendung zu einem vielseitigen digitalen Arbeitsinstrument entwickelt. Neben der Beantwortung von Fragen können moderne KI-Anwendungen beispielsweise Dokumente analysieren, wissenschaftliche Informationen recherchieren, Daten auswerten, Bilder verarbeiten und umfangreiche Arbeitsaufträge bearbeiten.
Für Ärztinnen und Ärzte eröffnen sich dadurch zahlreiche Möglichkeiten zur Unterstützung des beruflichen Alltags. Voraussetzung für einen sinnvollen Einsatz ist jedoch ein grundlegendes Verständnis der verfügbaren Funktionen und ihrer jeweiligen Grenzen. Der folgende Beitrag erläutert diese Zusammenhänge am Beispiel von ChatGPT und stellt weitere KI-Anwendungen vor. Besondere Berücksichtigung finden die Anforderungen an den Einsatz künstlicher Intelligenz im Schweizer Gesundheitswesen.
Eine allgemeine Einführung in die unterschiedlichen Technologien und Anwendungsbereiche finden Sie im Grundlagenartikel unserer Fachartikelserie Was ist künstliche Intelligenz?.
Inhaltsverzeichnis anzeigen
- Was ist ChatGPT?
- Sprachmodell, Anwendung und Werkzeuge
- Was geschieht nach der Eingabe einer Frage?
- Unterschiedliche Modelle für unterschiedliche Aufgaben
- Kommunikation im Dialog
- Internetrecherche und Deep Research
- Verarbeitung medizinischer Dokumente
- Datenanalyse und Berechnungen
- Bilder, Sprache und multimodale Anwendungen
- Projekte und langfristige Zusammenarbeit
- Personalisierung und Gedächtnisfunktionen
- Von Chatbots zu KI-Agenten
- Weitere KI-Anwendungen im Überblick
- Welche KI-Anwendung ist die richtige?
- Der Einstieg in der ärztlichen Praxis
- Datenschutz und Empfehlungen der FMH
- Fazit
- Weiterführende Beiträge
- Literatur und weiterführende Informationen
Was ist ChatGPT?
ChatGPT ist eine von OpenAI entwickelte Anwendung, die den Zugang zu unterschiedlichen KI-Modellen und ergänzenden digitalen Werkzeugen ermöglicht. Die Kommunikation erfolgt überwiegend in natürlicher Sprache und erfordert keine Programmierkenntnisse.
Die Bezeichnung setzt sich aus zwei Bestandteilen zusammen. «Chat» bezeichnet die dialogorientierte Form der Kommunikation. GPT steht für Generative Pre-trained Transformer und verweist auf eine Familie generativer, vortrainierter KI-Modelle auf Grundlage der Transformer-Architektur.
ChatGPT ist dabei nicht mit einem einzelnen Sprachmodell gleichzusetzen. Die Anwendung stellt vielmehr eine technische Umgebung bereit, innerhalb derer unterschiedliche Modelle und Funktionen zur Bearbeitung von Arbeitsaufträgen eingesetzt werden können.
Je nach verfügbarer Ausstattung kann eine solche Anwendung neben der Textgenerierung auch externe Informationen abrufen, Dateien verarbeiten oder Berechnungen durchführen. Der konkrete Funktionsumfang ist abhängig von der Modellversion, dem Abonnement, der regionalen Verfügbarkeit und den Einstellungen des jeweiligen Benutzerkontos [1].
Merksatz: ChatGPT ist eine Anwendung künstlicher Intelligenz. Das Sprachmodell ist eine ihrer technologischen Grundlagen, aber nicht mit der gesamten Anwendung gleichzusetzen.
Die mathematischen und technischen Grundlagen der Sprachmodelle werden im Beitrag Was sind grosse Sprachmodelle (LLM)? ausführlich erläutert.
Sprachmodell, Anwendung und Werkzeuge
Für das Verständnis moderner KI-Anwendungen ist es hilfreich, drei unterschiedliche technische Ebenen voneinander abzugrenzen.
Die erste Ebene bildet das KI-Modell. Es verarbeitet Informationen, erkennt Zusammenhänge und erzeugt beispielsweise sprachliche Antworten oder Anweisungen für weitere Verarbeitungsschritte.
Die zweite Ebene ist die Anwendung, mit der der Benutzer kommuniziert. Sie stellt die Benutzeroberfläche bereit, verwaltet Gespräche, organisiert Informationen und steuert den Zugang zu unterschiedlichen Funktionen.
Die dritte Ebene umfasst zusätzliche Werkzeuge. Hierzu zählen beispielsweise Internetrecherche, Programmausführung, Dokumentenverarbeitung oder Schnittstellen zu anderen Anwendungen.
Die drei Ebenen einer modernen KI-Anwendung
Frage, Arbeitsauftrag oder bereitgestellte Informationen
Beispielsweise ChatGPT, Claude oder Gemini
Informationsverarbeitung und Generierung von Ergebnissen
Ergänzende Werkzeuge
Didaktisch vereinfachte Darstellung. Die tatsächliche technische Architektur und die Steuerung der Werkzeuge unterscheiden sich zwischen den einzelnen Anbietern.
Eine Analogie aus der Radiologie
Die Unterscheidung lässt sich anhand eines radiologischen Arbeitsplatzes verdeutlichen. Die Befundungssoftware stellt die Benutzeroberfläche bereit. Die vorhandenen Bilddaten liefern die Informationen für die diagnostische Beurteilung. Zusätzliche Programme ermöglichen beispielsweise multiplanare Rekonstruktionen, Volumenmessungen oder quantitative Analysen.
Die Leistungsfähigkeit des Arbeitsplatzes ergibt sich somit nicht aus einer einzelnen Softwarefunktion, sondern aus dem Zusammenspiel unterschiedlicher Komponenten.
Ähnlich verhält es sich bei modernen KI-Anwendungen. Die Analogie betrifft ausschliesslich den modularen technischen Aufbau und setzt das KI-Modell nicht mit der diagnostischen Kompetenz eines Radiologen gleich.
Was geschieht nach der Eingabe einer Frage?
Wird eine Frage oder ein Arbeitsauftrag an ChatGPT übermittelt, verarbeitet die Anwendung zunächst die bereitgestellten Informationen. Dazu können neben der aktuellen Eingabe auch vorherige Gesprächsinhalte, zusätzliche Anweisungen und bereitgestellte Dateien gehören.
Abhängig von der Aufgabenstellung und der technischen Konfiguration kann das System eine Antwort unmittelbar erzeugen oder zunächst weitere Informationen beziehungsweise Werkzeuge einbeziehen.
Eine Anfrage nach der anatomischen Lokalisation des Pankreas erfordert beispielsweise nicht zwingend eine externe Recherche. Eine Anfrage nach den aktuell gültigen schweizerischen Empfehlungen zu einer bestimmten Vorsorgeuntersuchung sollte hingegen anhand aktueller Originalquellen bearbeitet werden.
Vereinfachter Ablauf einer KI-gestützten Bearbeitung
Fragestellung, Ziel und relevante Informationen
Gegebenenfalls unter Verwendung zusätzlicher Werkzeuge
Text, Tabelle, Grafik, Dokument oder andere Inhalte
Korrektur, Präzisierung oder Freigabe
Schematische Darstellung eines möglichen KI-gestützten Arbeitsprozesses. Die einzelnen Verarbeitungsschritte können sich wiederholen.
Aus einer ausführlich formulierten Antwort lässt sich nicht ohne Weiteres ableiten, welche Werkzeuge tatsächlich eingesetzt wurden. Insbesondere sollte nicht allein aufgrund vorhandener Literaturangaben angenommen werden, dass eine wissenschaftliche Recherche stattgefunden hat.
Unterschiedliche Modelle für unterschiedliche Aufgaben
Moderne KI-Anwendungen können unterschiedliche Modelle und Verarbeitungsmodi bereitstellen. Diese unterscheiden sich beispielsweise hinsichtlich ihrer Antwortgeschwindigkeit, der Bearbeitung komplexer Fragestellungen und des für einzelne Aufgaben benötigten Rechenaufwandes.
Für eine einfache sprachliche Korrektur ist nicht zwangsläufig dasselbe Modell erforderlich wie für die Analyse einer umfangreichen wissenschaftlichen Veröffentlichung oder die Entwicklung eines komplexen Arbeitsablaufs.
Bei manchen Anwendungen kann der Anwender das gewünschte Modell beziehungsweise die Bearbeitungstiefe selbst auswählen. Andere Systeme übernehmen diese Auswahl automatisch.
| Aufgabe | Sinnvoller Bearbeitungsansatz |
|---|---|
| Sprachliche Korrektur einer E-Mail | Schnelle Textverarbeitung |
| Entwicklung eines Fortbildungskonzeptes | Strukturierte, mehrstufige Bearbeitung |
| Aktuelle medizinische Leitlinien | Quellenbezogene Informationsrecherche |
| Auswertung einer wissenschaftlichen Studie | Dokumentenanalyse und methodische Beurteilung |
| Statistische Auswertung von Tabellen | Codegestützte Datenanalyse |
Die vorstehende Übersicht stellt keine Rangfolge bestimmter Sprachmodelle dar. Sie verdeutlicht vielmehr, dass die Auswahl geeigneter Funktionen von der jeweiligen Aufgabe abhängig sein sollte.
Merksatz: Eine längere Bearbeitungszeit oder ein grösserer Rechenaufwand bedeutet nicht automatisch, dass eine KI-Antwort medizinisch richtig ist.
Die grundsätzlichen Fehlerquellen und technischen Einschränkungen werden im Beitrag Grenzen künstlicher Intelligenz vertieft.
Kommunikation im Dialog
Ein wesentliches Merkmal dialogorientierter KI-Anwendungen besteht darin, dass einzelne Arbeitsaufträge nicht isoliert bearbeitet werden müssen. Der Anwender kann eine Antwort kommentieren, zusätzliche Informationen bereitstellen oder Veränderungen am bisherigen Ergebnis verlangen.
Dadurch entsteht ein schrittweiser Arbeitsprozess. Die erste Antwort ist nicht zwangsläufig das endgültige Ergebnis, sondern kann als Ausgangspunkt für weitere Bearbeitungsschritte dienen.
Beispiel aus der Hausarztpraxis
Arbeitsauftrag 1:
«Erstellen Sie eine Patienteninformation zum Thema arterielle Hypertonie.»
Arbeitsauftrag 2:
«Überarbeiten Sie den Text für medizinische Laien. Vermeiden Sie nicht erklärte Fachbegriffe und begrenzen Sie den Umfang auf eine A4-Seite.»
Arbeitsauftrag 3:
«Überprüfen Sie die medizinischen Aussagen anhand aktueller, für die Schweiz relevanter Empfehlungen. Geben Sie die tatsächlich eingesehenen Quellen an.»
Konstruiertes Lehrbeispiel eines mehrstufigen Arbeitsprozesses. Die Zwischenergebnisse sind schematisch beschrieben und stellen keine dokumentierten Modellantworten dar.
Die Qualität des Endergebnisses hängt in einem solchen Arbeitsprozess wesentlich davon ab, wie präzise der Anwender seine Anforderungen formuliert und wie sorgfältig er die Zwischenergebnisse kontrolliert. Auch die abschliessende Überprüfung durch das KI-System selbst ersetzt keine unabhängige fachliche Kontrolle.
Die systematische Gestaltung solcher Arbeitsaufträge wird als Prompt Engineering bezeichnet und im Beitrag Prompt Engineering – richtig fragen ausführlich behandelt.
Internetrecherche und Deep Research
Eine grundlegende Erweiterung vieler moderner KI-Anwendungen besteht in der Möglichkeit, externe Informationen aus dem Internet abzurufen. Dadurch können Inhalte berücksichtigt werden, die beispielsweise erst nach Abschluss des Modelltrainings veröffentlicht wurden.
Für den medizinischen Anwender ist es wichtig, zwischen einer gewöhnlichen Modellantwort, einer gezielten Internetrecherche und einer umfangreichen mehrstufigen Recherche zu unterscheiden.
Modellbasierte Antwort
Das Sprachmodell formuliert eine Antwort anhand seiner erlernten Informationen und des verfügbaren Kontextes. Eine externe Überprüfung aktueller Informationen findet dabei nicht zwangsläufig statt.
Internetrecherche
Die Anwendung sucht nach externen Informationen und kann die gefundenen Quellen bei der Formulierung ihrer Antwort berücksichtigen. Dieses Vorgehen eignet sich beispielsweise zur Identifizierung aktueller Veröffentlichungen oder offizieller Empfehlungen.
Deep Research
Unter Deep Research beziehungsweise vergleichbaren Bezeichnungen werden Funktionen angeboten, die umfangreichere Rechercheaufträge in mehreren Arbeitsschritten bearbeiten können. Sie dienen beispielsweise der Zusammenführung und Strukturierung von Informationen aus unterschiedlichen Quellen [1].
| Bearbeitungsform | Typische Fragestellung |
|---|---|
| Modellbasierte Antwort | Was versteht man unter einer orthostatischen Hypotonie? |
| Internetrecherche | Welche Empfehlungen veröffentlicht das BAG aktuell zur Influenzaimpfung? |
| Deep Research | Welche wissenschaftliche Evidenz liegt zur Verwendung generativer KI in der ambulanten medizinischen Dokumentation vor? |
Eine KI-gestützte Recherche ist jedoch nicht automatisch mit einer systematischen Literaturrecherche nach wissenschaftlich definierten Kriterien gleichzusetzen. Suchstrategie, Datenbankauswahl, Einschlusskriterien und Bewertung der Studienqualität müssen gegebenenfalls separat festgelegt und kontrolliert werden.
Merksatz: Eine Quellenangabe ist noch kein Beweis dafür, dass die betreffende Quelle tatsächlich eingesehen, korrekt interpretiert oder vollständig berücksichtigt wurde.
Die methodischen Voraussetzungen und Möglichkeiten einer wissenschaftlich orientierten Recherche werden im Beitrag KI und medizinische Literaturrecherche ausführlich dargestellt.
Verarbeitung medizinischer Dokumente
Viele KI-Anwendungen ermöglichen die Verarbeitung bereitgestellter Dateien. Dadurch können sich Arbeitsaufträge nicht nur auf allgemein verfügbare Informationen, sondern auch auf konkrete Dokumente beziehen.
Für medizinische Fachpersonen ergeben sich beispielsweise Anwendungsmöglichkeiten bei der Bearbeitung öffentlich zugänglicher Leitlinien, wissenschaftlicher Publikationen, Fortbildungsunterlagen oder nicht vertraulicher organisatorischer Dokumente.
Eine besondere Stärke liegt in der Möglichkeit, gezielte Fragen zum Inhalt eines Dokumentes zu formulieren, anstatt lediglich eine allgemeine Zusammenfassung anzufordern.
Beispiel eines Arbeitsauftrags zur Analyse einer wissenschaftlichen Publikation:
«Analysieren Sie die bereitgestellte Veröffentlichung hinsichtlich folgender Aspekte:
- Wissenschaftliche Fragestellung
- Studiendesign und untersuchte Population
- Ein- und Ausschlusskriterien
- Primäre und sekundäre Endpunkte
- Wesentliche Ergebnisse
- Methodische Limitationen
- Übertragbarkeit auf die medizinische Praxis in der Schweiz
Trennen Sie die Aussagen der Autoren von Ihrer eigenen Interpretation. Geben Sie für zentrale Aussagen die entsprechenden Seiten oder Abschnitte an. Kennzeichnen Sie Informationen, die aus dem Dokument nicht eindeutig hervorgehen.»
Die Möglichkeit, eine Datei hochzuladen, bedeutet nicht zwangsläufig, dass sämtliche Inhalte vollständig verarbeitet werden. Gerade gescannte PDF-Dokumente, komplexe Tabellen, mehrspaltige Texte oder eingebettete Grafiken können abhängig von der verfügbaren Dokumentenverarbeitung besondere Schwierigkeiten verursachen [2].
Bei wissenschaftlichen Publikationen sollten deshalb insbesondere Zahlenangaben, Konfidenzintervalle, Tabelleninhalte und Schlussfolgerungen mit dem Originaldokument abgeglichen werden. Auch vom System genannte Seitenzahlen und Textreferenzen sind zu kontrollieren.
Datenanalyse und Berechnungen
Sprachmodelle wurden nicht primär als mathematische Rechenprogramme entwickelt. Moderne KI-Anwendungen können jedoch zusätzliche Werkzeuge einsetzen, die beispielsweise Programmcode ausführen und mathematische oder statistische Berechnungen durchführen.
Hierdurch lassen sich strukturierte Datensammlungen analysieren, Tabellen erstellen, Daten visualisieren und Berechnungsergebnisse nachvollziehbar darstellen. OpenAI beschreibt entsprechende Funktionen unter anderem für die Auswertung von Tabellenkalkulationsdateien und die Durchführung codegestützter Analysen [2].
Ein Beispiel aus dem medizinischen Qualitätsmanagement
Eine Schweizer Arztpraxis möchte die Anzahl wiederholter Röntgenaufnahmen im Rahmen einer internen Qualitätssicherung analysieren. Hierfür werden ausschliesslich aggregierte, nicht personenbezogene Monatsdaten verwendet.
| Monat | Aufnahmen | Wiederholungen | Quote |
|---|---|---|---|
| Januar | 240 | 12 | 5,0 % |
| Februar | 220 | 8 | 3,6 % |
| März | 260 | 8 | 3,1 % |
| Gesamt | 720 | 28 | 3,9 % |
Fiktiver Datensatz zur didaktischen Veranschaulichung. Die Wiederholungsquote wurde als Anzahl der Wiederholungen dividiert durch die Gesamtzahl der Aufnahmen berechnet. Die Gesamtzahl schliesst im vorliegenden Beispiel die Wiederholungsaufnahmen ein.
Grafische Darstellung der Wiederholungsquote
Januar – 5,0 %
Februar – 3,6 %
März – 3,1 %
3 %
6 %
Grafische Darstellung der fiktiven Beispieldaten. Die Balkenlängen entsprechen den ungerundeten Wiederholungsquoten auf einer Skala von 0 bis 6 %. Die abnehmenden Wiederholungsquoten erlauben für sich genommen keine Aussage über die Ursachen oder die statistische Signifikanz der Veränderung.
Die künstliche Intelligenz kann solche Daten aufbereiten und zusätzliche Auswertungen vorschlagen. Der Anwender muss jedoch beurteilen, ob die gewählte Berechnungsmethode angemessen ist, die Daten vollständig sind und die Interpretation den tatsächlichen Verhältnissen entspricht.
Insbesondere darf die Gesamtquote bei unterschiedlichen monatlichen Untersuchungszahlen nicht einfach durch die Bildung des arithmetischen Mittelwertes der einzelnen Monatsquoten bestimmt werden. Sie muss aus der Gesamtzahl der Ereignisse und dem entsprechenden Gesamtnenner berechnet werden.
Merksatz: Die Durchführung einer mathematisch korrekten Berechnung garantiert noch keine medizinisch oder wissenschaftlich korrekte Interpretation des Ergebnisses.
Bilder, Sprache und multimodale Anwendungen
Die Kommunikation mit moderner künstlicher Intelligenz ist nicht mehr ausschliesslich auf geschriebene Texte beschränkt. Multimodale KI-Systeme ermöglichen die Verarbeitung unterschiedlicher Informationsformen. Hierzu können beispielsweise Bilder, gesprochene Sprache, Dokumente oder Videoaufnahmen gehören.
Die Weltgesundheitsorganisation (WHO) beschäftigt sich in ihren Empfehlungen zur generativen KI im Gesundheitswesen ausdrücklich mit solchen grossen multimodalen Modellen und den damit verbundenen Anwendungsmöglichkeiten und Risiken [3].
Verarbeitung und Erstellung von Bildern
Bildverarbeitende KI-Anwendungen können beispielsweise grafische Darstellungen beschreiben, Inhalte eines Screenshots erläutern oder Informationen aus einer Abbildung extrahieren. Generative Bildmodelle können darüber hinaus neue Illustrationen erstellen oder vorhandene Bilder verändern.
Für medizinische Fachpersonen ergeben sich hieraus interessante Möglichkeiten bei der Erstellung didaktischer Materialien, beispielsweise anatomischer Illustrationen oder schematischer Darstellungen physiologischer und pathophysiologischer Zusammenhänge.
Insbesondere medizinische Illustrationen müssen jedoch sorgfältig kontrolliert werden. Auch optisch überzeugende Darstellungen können anatomische Fehler, unzutreffende Grössenverhältnisse oder physiologisch nicht plausible Zusammenhänge enthalten.
Bildverarbeitung in der Radiologie
Die Fähigkeit einer allgemeinen KI-Anwendung, Bildinhalte zu beschreiben, darf nicht mit der klinisch validierten Auswertung medizinischer Bilddaten gleichgesetzt werden.
Eine spezialisierte radiologische KI-Anwendung wird gewöhnlich für einen definierten Einsatzzweck entwickelt und muss hinsichtlich ihrer Leistungsfähigkeit unter den vorgesehenen klinischen Bedingungen beurteilt werden.
Allgemeine multimodale KI-Anwendungen sind dagegen nicht allein aufgrund ihrer Fähigkeit zur Bildverarbeitung für die diagnostische Beurteilung von Röntgen-, CT- oder MRT-Aufnahmen geeignet. Hierfür sind insbesondere eine zweckbezogene klinische Validierung und gegebenenfalls die Erfüllung der regulatorischen Anforderungen an Medizinprodukte entscheidend.
Sprachkommunikation und Diktat
Die Verwendung gesprochener Sprache ermöglicht einen alternativen Zugang zu KI-Anwendungen. Arbeitsaufträge können diktiert und Antworten teilweise akustisch wiedergegeben werden.
Für den medizinischen Alltag ist hierbei zwischen drei unterschiedlichen Funktionen zu unterscheiden:
- Spracherkennung: Umwandlung gesprochener Sprache in geschriebenen Text.
- Sprachliche Aufbereitung: Strukturierung, Korrektur oder Zusammenfassung des erkannten Textes.
- Sprachausgabe: Akustische Wiedergabe einer generierten Antwort.
Diese Funktionen können miteinander kombiniert werden. Bei medizinischen Diktaten besteht insbesondere das Risiko, dass Erkennungsfehler oder nachträgliche sprachliche Veränderungen die Bedeutung einer Aussage verändern.
Wichtiger Hinweis: Bei der Verarbeitung medizinischer Audioaufnahmen und Bilddaten gelten dieselben grundlegenden Anforderungen an Datenschutz und Berufsgeheimnis wie bei schriftlichen Patienteninformationen. Bei der Aufzeichnung von Gesprächen sind zudem die dafür geltenden besonderen rechtlichen Voraussetzungen zu beachten.
Projekte und langfristige Zusammenarbeit
Nicht jeder Arbeitsauftrag lässt sich innerhalb eines einzelnen Gesprächs abschliessen. Die Erstellung eines Fortbildungskurses, die Entwicklung eines medizinischen Qualitätsmanagementkonzeptes oder die Ausarbeitung einer umfangreichen Fachartikelserie können zahlreiche Einzelaufgaben umfassen.
Projektbezogene KI-Arbeitsumgebungen ermöglichen es, solche Aufgaben organisatorisch zusammenzufassen. Gespräche, Referenzdokumente und wiederkehrende Anweisungen können dabei innerhalb eines gemeinsamen thematischen Rahmens verwaltet werden.
Beispiel: Vorbereitung einer ärztlichen Fortbildung
Beispiel einer thematisch gegliederten KI-gestützten Projektorganisation.
Die projektbezogene Organisation erleichtert die strukturierte Bearbeitung umfangreicher Aufgaben. Sie garantiert jedoch nicht, dass sämtliche früheren Gespräche oder bereitgestellten Informationen bei jeder späteren Anfrage vollständig berücksichtigt werden.
Wichtige fachliche, redaktionelle und organisatorische Vorgaben sollten deshalb zusätzlich in einem eigenständigen Referenzdokument festgehalten werden. Ein solches Dokument kann beispielsweise als Grundlage eines wiederverwendbaren Masterprompts dienen.
Die Entwicklung und Verwendung solcher verbindlichen Arbeitsanweisungen wird im Beitrag Vom Prompt zum Masterprompt erläutert.
Personalisierung und Gedächtnisfunktionen
Bei einer regelmässigen Zusammenarbeit mit KI-Anwendungen kann es hilfreich sein, bestimmte wiederkehrende Anforderungen nicht bei jeder neuen Anfrage erneut formulieren zu müssen.
Anwendungsbezogene Personalisierungsfunktionen können beispielsweise bevorzugte Sprachen, gewünschte Textstrukturen, berufliche Themen oder frühere Arbeitsziele berücksichtigen.
Aus Anwendersicht entsteht dadurch der Eindruck eines digitalen Assistenten, der mit der eigenen Arbeitsweise zunehmend vertraut ist. Technisch handelt es sich hierbei unter anderem um die Bereitstellung von Benutzerinformationen und früheren Gesprächsinhalten beziehungsweise daraus abgeleiteten Informationen im Kontext neuer Anfragen.
Diese Form der Personalisierung ist vom eigentlichen Training des Sprachmodells zu unterscheiden. Sie bedeutet nicht zwangsläufig, dass ein individuelles Sprachmodell mit veränderten Modellparametern für den einzelnen Benutzer entsteht.
Beispiele sinnvoller Personalisierung
- Verwendung der schweizerischen Rechtschreibung.
- Berücksichtigung einer definierten medizinischen Zielgruppe.
- Einheitliche Struktur wissenschaftlicher Fachartikel.
- Bevorzugte Darstellung von Tabellen und Grafiken.
- Verwendung einer bestimmten Zitierweise.
Gespeicherte Informationen können allerdings unvollständig, veraltet oder für die aktuelle Aufgabe nicht relevant sein. Auch können zuvor formulierte Anforderungen bei umfangreichen Arbeitsprozessen unzureichend berücksichtigt werden.
Merksatz: Gedächtnisfunktionen können die Zusammenarbeit erleichtern, ersetzen aber weder eine verbindliche Dokumentation wichtiger Vorgaben noch die Kontrolle ihrer tatsächlichen Umsetzung.
Von Chatbots zu KI-Agenten
Die ursprüngliche Form dialogorientierter künstlicher Intelligenz bestand überwiegend aus einem Wechsel von Fragen und Antworten. Moderne KI-Anwendungen können darüber hinaus mehrstufige Arbeitsaufträge bearbeiten, externe Werkzeuge einsetzen und einzelne Arbeitsschritte mit einem gewissen Grad an Selbstständigkeit organisieren.
In diesem Zusammenhang wird zunehmend von KI-Agenten gesprochen. Eine allgemein verbindliche technische Definition dieses Begriffes existiert nicht. Charakteristisch ist jedoch die Fähigkeit, eine Aufgabe nicht ausschliesslich durch die unmittelbare Generierung einer Antwort, sondern durch die Kombination mehrerer Verarbeitungsschritte und gegebenenfalls externer Werkzeuge zu bearbeiten.
| Dialogorientierte KI | Agentenbasierte KI |
|---|---|
| Bearbeitung einzelner Anfragen | Bearbeitung mehrstufiger Arbeitsaufträge |
| Überwiegend dialogorientierte Steuerung | Teilweise selbstständige Organisation von Arbeitsschritten |
| Ausgabe einer Antwort oder eines Entwurfs | Gegebenenfalls Erstellung komplexer Arbeitsergebnisse |
| Anwender steuert den weiteren Dialog | Zusätzliche Kontrolle von Berechtigungen und ausgeführten Aktionen erforderlich |
Didaktisch vereinfachte Gegenüberstellung. Die Übergänge zwischen dialogorientierten und agentenbasierten Anwendungen sind fliessend.
Ein denkbarer Einsatzbereich in der medizinischen Fortbildung besteht beispielsweise darin, regelmässig öffentlich zugängliche Veröffentlichungen ausgewählter Fachgesellschaften zu identifizieren und thematisch zusammenzufassen.
Eine agentenbasierte Anwendung könnte hierzu unterschiedliche Webseiten recherchieren, relevante Beiträge auswählen und die Ergebnisse in einem definierten Format aufbereiten. Voraussetzung ist, dass die erforderlichen Recherchefunktionen und gegebenenfalls Möglichkeiten zur zeitgesteuerten Ausführung tatsächlich verfügbar sind.
Mit zunehmender Selbstständigkeit solcher Systeme steigen zugleich die Anforderungen an die Kontrolle ihrer Zugriffsrechte, Entscheidungen und ausgeführten Arbeitsschritte. Dies gilt insbesondere dann, wenn eine Anwendung mit externen Programmen, Dokumentensammlungen oder Kommunikationssystemen verbunden wird.
Eine besondere Form der KI-gestützten Zusammenarbeit besteht in der Kombination unterschiedlicher fachlicher Rollen oder mehrerer KI-Agenten. Die entsprechenden Konzepte und ihre Grenzen werden im Beitrag KI als virtuelle Expertenrunde behandelt.
Weitere KI-Anwendungen im Überblick
ChatGPT ist nur eine von zahlreichen Anwendungen generativer künstlicher Intelligenz. Verschiedene Anbieter entwickeln eigene Sprachmodelle oder kombinieren Modelle unterschiedlicher Hersteller mit ergänzenden Funktionen.
Die nachfolgende Übersicht stellt ausgewählte, allgemein zugängliche KI-Anwendungen vor. Sie dient der Orientierung und beinhaltet weder eine qualitative Rangfolge noch eine Empfehlung für die Verarbeitung medizinischer Patientendaten.
Stand der Produktinformationen: 18. November 2026.
ChatGPT – OpenAI
Vielseitige KI-Anwendung zur dialogorientierten Bearbeitung unterschiedlicher Aufgaben. Ergänzende Funktionen ermöglichen unter anderem die Verarbeitung von Dokumenten, Recherche, Datenanalyse und die Erstellung digitaler Inhalte [1, 2].
Claude – Anthropic
KI-Anwendung für sprachliche, analytische und projektbezogene Arbeitsaufträge. Der Anbieter unterstützt unter anderem die Bearbeitung komplexer Dokumente und die Erstellung eigenständiger Arbeitsergebnisse [4].
Gemini – Google
KI-Anwendung von Google mit multimodalen Funktionen und Möglichkeiten zur Einbindung weiterer Google-Dienste. Je nach Konfiguration können unterschiedliche Informationsquellen und Anwendungen miteinander verbunden werden [5].
Copilot – Microsoft
KI-Anwendungen von Microsoft mit unterschiedlichem Funktionsumfang für private und berufliche Anwender. Von besonderem Interesse ist die mögliche Integration in bestehende Microsoft-Arbeitsumgebungen, beispielsweise Word, Excel und PowerPoint [6].
Vibe (ehemals Le Chat) – Mistral AI
KI-Anwendung des französischen Unternehmens Mistral AI. Die ursprünglich als Le Chat bezeichnete Anwendung wurde im August 2026 in Vibe umbenannt und umfasst dialogorientierte sowie agentenbasierte Funktionen [7].
Perplexity
KI-gestützte Anwendung mit besonderem Schwerpunkt auf der Recherche externer Informationen und der Erstellung quellenbezogener Antworten. Darüber hinaus bietet der Anbieter Funktionen zur mehrstufigen Bearbeitung komplexer Aufgaben. Die angeführten Quellen müssen auch hier unabhängig überprüft werden [8].
Die Anbieter entwickeln ihre Anwendungen kontinuierlich weiter. Zahlreiche Funktionen überschneiden sich, während sich andere hinsichtlich ihrer technischen Umsetzung, Verfügbarkeit oder Integration in bestehende Arbeitsumgebungen unterscheiden.
Auch die geografische Herkunft eines Anbieters erlaubt keine abschliessende Aussage über die tatsächlichen Speicherorte, Datenübermittlungen oder datenschutzrechtlichen Bedingungen einer konkreten Anwendung.
Welche KI-Anwendung ist die richtige?
Die Frage nach der besten künstlichen Intelligenz lässt sich nicht unabhängig vom vorgesehenen Anwendungsbereich beantworten. Die Anforderungen an ein System zur sprachlichen Überarbeitung eines Textes unterscheiden sich erheblich von den Anforderungen an eine wissenschaftliche Recherche oder eine klinische Entscheidungsunterstützung.
Bei der Auswahl einer KI-Anwendung für den beruflichen Einsatz sollten deshalb neben der technischen Leistungsfähigkeit insbesondere die fachlichen, organisatorischen und rechtlichen Rahmenbedingungen berücksichtigt werden.
| Auswahlkriterium | Relevante Fragestellung |
|---|---|
| Funktionsumfang | Kann die Anwendung die vorgesehenen Aufgaben bearbeiten? |
| Fachliche Qualität | Wie zuverlässig sind die Ergebnisse bei repräsentativen Testaufgaben? |
| Quellentransparenz | Können die verwendeten Informationen nachvollzogen und überprüft werden? |
| Datenschutz | Wo, zu welchen Zwecken und unter welchen Bedingungen werden Daten verarbeitet? |
| Integration | Lässt sich die Anwendung sinnvoll in bestehende Arbeitsabläufe einbinden? |
| Wirtschaftlichkeit | Steht der tatsächliche Nutzen in einem angemessenen Verhältnis zu den Kosten und dem Kontrollaufwand? |
| Klinische Eignung | Ist die Anwendung für den vorgesehenen medizinischen Einsatzzweck ausreichend validiert und gegebenenfalls regulatorisch konform? |
Eine kostenpflichtige Anwendung bietet möglicherweise zusätzliche technische Funktionen. Daraus lässt sich jedoch weder eine höhere medizinische Zuverlässigkeit noch eine generelle datenschutzrechtliche Eignung für den ärztlichen Einsatz ableiten.
Ist die Verwendung mehrerer KI-Anwendungen sinnvoll?
Die parallele Verwendung unterschiedlicher KI-Anwendungen kann insbesondere bei komplexen Fragestellungen hilfreich sein. Unterschiedliche Systeme können ergänzende Aspekte identifizieren, alternative Lösungsansätze formulieren oder auf mögliche Fehler aufmerksam machen.
Eine Übereinstimmung mehrerer KI-Antworten stellt jedoch keine wissenschaftliche Validierung dar. Unterschiedliche Systeme können auf denselben oder verwandten Modellen, ähnlichen Trainingsdaten oder identischen externen Informationsquellen beruhen und deshalb vergleichbare Fehler erzeugen.
Auch eine suggestive oder einseitig formulierte Fragestellung kann bei unterschiedlichen Anwendungen zu ähnlich ausgerichteten Antworten führen. Dieser Zusammenhang wird im Beitrag Wenn KI uns recht gibt näher erläutert.
Merksatz: Wenn mehrere KI-Anwendungen dieselbe medizinische Aussage formulieren, ist diese Aussage nicht zwangsläufig richtig. Massgeblich bleibt die Überprüfung anhand geeigneter Originalquellen und fachlicher Kriterien.
Der Einstieg in der ärztlichen Praxis
Für medizinische Fachpersonen, die bislang wenig Erfahrung mit künstlicher Intelligenz gesammelt haben, empfiehlt sich ein schrittweiser Einstieg anhand klar definierter Aufgaben.
Hierfür eignen sich insbesondere Tätigkeiten, deren Ergebnisse ohne unmittelbare Auswirkungen auf die Patientenversorgung überprüft und korrigiert werden können.
Drei mögliche Entwicklungsstufen der KI-Kompetenz
Stufe 1 – Erste Erfahrungen
- Sprachliche Überarbeitung nicht vertraulicher Texte
- Erstellung allgemeiner Patienteninformationen
- Übersetzung öffentlich zugänglicher Inhalte
- Entwicklung organisatorischer Checklisten
Stufe 2 – Strukturierte fachliche Zusammenarbeit
- Analyse wissenschaftlicher Publikationen
- Quellenbezogene Recherche medizinischer Empfehlungen
- Erstellung didaktischer Materialien
- Entwicklung und Verwendung von Masterprompts
Stufe 3 – Integration in professionelle Arbeitsabläufe
- KI-gestützte medizinische Dokumentation
- Integration in geeignete Praxissoftware
- Kontrollierte Bearbeitung medizinischer Informationen
- Evaluierte klinische Unterstützungsfunktionen
Redaktionell entwickeltes Orientierungsmodell ohne wissenschaftlich validierte Stufeneinteilung. Die dritte Stufe setzt insbesondere eine vorgängige Prüfung von Datenschutz, klinischer Eignung, Verantwortlichkeiten und regulatorischen Anforderungen voraus.
Der Erwerb von KI-Kompetenz sollte sich nicht auf das Erlernen einzelner Benutzeroberflächen beschränken. Diese können sich innerhalb kurzer Zeit verändern. Dauerhaft relevant bleiben dagegen die Fähigkeit zur Formulierung präziser Aufgabenstellungen, die Auswahl geeigneter Bearbeitungsverfahren und die kritische Beurteilung der erzeugten Ergebnisse.
Konkrete Einsatzmöglichkeiten und Beispiele für medizinische Arbeitsabläufe werden im Beitrag Künstliche Intelligenz in der Hausarztpraxis vorgestellt.
Datenschutz und Empfehlungen der FMH
Die Verwendung generativer KI im Schweizer Gesundheitswesen unterliegt den bestehenden datenschutzrechtlichen und berufsrechtlichen Anforderungen. Der Eidgenössische Datenschutz- und Öffentlichkeitsbeauftragte (EDÖB) weist ausdrücklich darauf hin, dass das Schweizer Datenschutzgesetz auch für KI-gestützte Datenbearbeitungen gilt [9].
Im Oktober 2026 haben der EDÖB und das Bundesamt für Cybersicherheit (BACS) zudem im Rahmen einer gemeinsamen Kampagne auf Datenschutz- und Sicherheitsrisiken beim beruflichen Einsatz generativer KI aufmerksam gemacht [10].
Für die ärztliche Praxis sind insbesondere die Empfehlungen der Verbindung der Schweizer Ärztinnen und Ärzte (FMH) relevant [11]. Bezogen auf die Auswahl und Verwendung konkreter KI-Anwendungen lassen sich daraus unter anderem folgende praktische Konsequenzen ableiten:
- Bevorzugung technisch und rechtlich kontrollierter Datenverarbeitung.
- Beschränkung des Einsatzes auf Aufgaben, deren Ergebnisse fachlich beurteilt werden können.
- Überprüfung KI-generierter Inhalte vor ihrer Verwendung.
- Nachvollziehbare Organisation und Dokumentation des professionellen KI-Einsatzes.
- Realistische Einschätzung der verfügbaren Funktionen und ihrer Grenzen.
Die Einbindung einer KI-Funktion in eine etablierte Praxissoftware stellt für sich genommen keinen Nachweis ihrer medizinischen Zuverlässigkeit dar. Ebenso darf aus der Bekanntheit eines Anbieters nicht auf die Eignung seiner Anwendung zur Verarbeitung vertraulicher Patientendaten geschlossen werden.
Die Beurteilung muss sich stets auf das konkrete Produkt, dessen technische Konfiguration, die zugrunde liegenden Vertragsbedingungen und den vorgesehenen Einsatzbereich beziehen.
Vor dem Einsatz einer KI-Anwendung in der Schweizer Arztpraxis sollten insbesondere folgende Fragen geklärt werden:
- Welche Informationen werden verarbeitet?
- Ist die Verarbeitung dieser Informationen zulässig?
- Wer erhält Zugriff auf die Daten?
- Erfolgt eine Übermittlung an externe Dienstleister?
- Werden Eingaben, Dateien oder Ergebnisse gespeichert beziehungsweise weiterverwendet?
- Wie können die Ergebnisse fachlich kontrolliert werden?
- Wer trägt die Verantwortung für die Verwendung des Ergebnisses?
Für erste Erfahrungen mit allgemein zugänglichen KI-Anwendungen empfiehlt sich daher die ausschliessliche Verwendung öffentlicher Informationen, fiktiver Fallbeispiele und nicht vertraulicher Arbeitsmaterialien.
Die rechtlichen und organisatorischen Voraussetzungen zur Verarbeitung medizinischer Patientendaten werden im Beitrag KI – Datenschutz und ärztliche Verantwortung ausführlich behandelt.
FMH – Grosse Sprachmodelle verstehen
Fazit
ChatGPT und vergleichbare KI-Anwendungen sind mehr als textbasierte Chatbots. Sie verbinden die Fähigkeiten moderner KI-Modelle mit unterschiedlichen technischen Werkzeugen zur Recherche, Dokumentenverarbeitung, Datenanalyse und Organisation komplexer Arbeitsaufträge.
Für medizinische Fachpersonen besteht die entscheidende Kompetenz darin, zwischen diesen unterschiedlichen Funktionen zu unterscheiden, geeignete Bearbeitungsverfahren auszuwählen und die erzeugten Ergebnisse kritisch zu beurteilen.
Die Auswahl einer KI-Anwendung sollte sich nicht ausschliesslich an deren Bekanntheit oder technischem Funktionsumfang orientieren. Massgeblich sind vielmehr die Eignung für den vorgesehenen Arbeitsauftrag, die fachliche Zuverlässigkeit, die Nachvollziehbarkeit der Ergebnisse und die Einhaltung der für den Schweizer Gesundheitsbereich geltenden Anforderungen.
Wie diese Anforderungen in einen strukturierten ärztlichen Arbeitsprozess integriert werden können, fasst der abschliessende Beitrag unserer Fachartikelserie Professioneller Umgang mit KI zusammen.
Nicht die Anzahl der verfügbaren KI-Funktionen entscheidet über die Qualität der Zusammenarbeit, sondern die Fähigkeit des Anwenders, diese gezielt, kritisch und verantwortungsvoll einzusetzen.
Weiterführende Beiträge
Dieser Beitrag ist Teil unserer zwölfteiligen Fachartikelserie zur künstlichen Intelligenz in der Medizin.
Grundlagenartikel und Übersicht der gesamten Artikelserie
01 – Was ist künstliche Intelligenz?
Technische Grundlagen und kritische Beurteilung
Praktische Zusammenarbeit mit künstlicher Intelligenz
Einsatz künstlicher Intelligenz in der Medizin
Literatur und weiterführende Informationen
Die folgenden Quellen umfassen offizielle technische Produktdokumentationen sowie Veröffentlichungen nationaler und internationaler Fachinstitutionen. Produktdokumentationen beschreiben die verfügbaren Funktionen und stellen keinen unabhängigen wissenschaftlichen Nachweis ihrer klinischen Leistungsfähigkeit dar.
- OpenAI. ChatGPT capabilities overview. Offizielle Produktdokumentation. Zur Dokumentation. Abgerufen am 18.11.2026.
- OpenAI. Data analysis with ChatGPT. Offizielle technische Dokumentation. Zur Dokumentation. Abgerufen am 18.11.2026.
- World Health Organization. Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models. Geneva: World Health Organization; 2024. ISBN: 978-92-4-008475-9. Zur Veröffentlichung.
- Anthropic. Claude – Product overview. Offizielle Produktinformationen. Zur Produktübersicht. Abgerufen am 18.11.2026.
- Google. Gemini Apps Help. Offizielle Produktdokumentation. Zur Dokumentation. Abgerufen am 18.11.2026.
- Microsoft. Microsoft Copilot – AI built for work. Offizielle Produktinformationen. Zur Produktübersicht. Abgerufen am 18.11.2026.
- Mistral AI. Le Chat is now Vibe. Offizielle Produktmitteilung vom 12.08.2026. Zur Mitteilung.
- Perplexity. AI for the curious. Offizielle Produktinformationen. Zur Produktübersicht. Abgerufen am 18.11.2026.
- Eidgenössischer Datenschutz- und Öffentlichkeitsbeauftragter (EDÖB). KI und Datenschutz. 24.09.2025. Zur Veröffentlichung.
- Eidgenössischer Datenschutz- und Öffentlichkeitsbeauftragter (EDÖB); Bundesamt für Cybersicherheit (BACS). Cyber Security Month – Generative KI am Arbeitsplatz: Datenschutzherausforderungen. Gemeinsame Kampagne vom 16.10.2026. Zur Mitteilung.
- FMH. Empfehlungen der FMH zum Umgang mit grossen Sprachmodellen (LLMs) im ärztlichen Alltag. Zu den Empfehlungen. Abgerufen am 18.11.2026.

