Begriffe, kurz erklärt.

AMTS umfasst den gesamten Medikationsprozess von der Verordnung über die Abgabe bis zur Einnahme und Überwachung. Deutschland verfolgt dazu seit 2007 einen fortgeschriebenen Aktionsplan AMTS mit Maßnahmen wie dem bundeseinheitlichen Medikationsplan und strukturierten Medikationsanalysen.

KI-gestützte Interaktionsprüfungen und Dosierungshinweise können Teil der AMTS-Maßnahmen eines Behandlungskontexts sein. Sie ersetzen die ärztliche und pharmazeutische Prüfung der Gesamtmedikation nicht, sondern unterstützen sie, insbesondere bei Polypharmazie.

Ein Ambient Scribe zeichnet ein Gespräch mit Einwilligung der Beteiligten auf, wandelt es in Text um und fasst den Inhalt zu einem strukturierten Entwurf zusammen, etwa im Format einer Anamnese oder eines Arztbriefs. Grundlage ist meist ein großes Sprachmodell, das aus dem Gesprächsverlauf die relevanten medizinischen Inhalte extrahiert.

Der erzeugte Entwurf ersetzt nicht die ärztliche Dokumentationspflicht. Vor der Übernahme in die Patientenakte prüft die behandelnde Person den Text auf Vollständigkeit und Richtigkeit; Auslassungen und Fehlzuordnungen einzelner Aussagen sind bekannt und müssen korrigiert werden.

Datenschutzrechtlich handelt es sich in der Regel um eine Auftragsverarbeitung zwischen der Praxis oder Klinik und dem Anbieter der Software. Die Einwilligung der Patientin oder des Patienten zur Aufzeichnung des Gesprächs ist eine eigenständige, vom Behandlungsvertrag getrennte Voraussetzung.

Bei einer asynchronen Konsultation liegen zwischen der Angabe der Beschwerden und der ärztlichen Bewertung keine unmittelbare Rückfragemöglichkeit und kein direkter Eindruck von der Patientin oder dem Patienten vor. Dies betrifft insbesondere fragebogenbasierte Verfahren, die häufig im Zusammenhang mit einer Online-Verschreibung eingesetzt werden.

Die eingeschränkte Möglichkeit zur Rückfrage und zur körperlichen Untersuchung stellt besondere Anforderungen an die Gestaltung des Fragebogens und an die ärztliche Entscheidung, ob eine Anfrage für dieses Format überhaupt geeignet ist. Bereiche wie die Online-Verschreibung gelten deshalb als Interessenkonflikt-sensibles Themenfeld, in dem Transparenz über wirtschaftliche Beteiligungen der Mitwirkenden besonders wichtig ist.

Setzt eine Praxis oder Klinik einen externen Dienst ein, der personenbezogene Daten in ihrem Auftrag verarbeitet, etwa einen cloudbasierten Ambient Scribe, liegt in der Regel eine Auftragsverarbeitung vor. Verantwortlich für die Rechtmäßigkeit der Verarbeitung bleibt die Praxis oder Klinik, die Auftragsverarbeiterin ist an deren Weisungen gebunden.

Art. 28 DSGVO verlangt für eine solche Beziehung einen schriftlichen Auftragsverarbeitungsvertrag, der unter anderem Gegenstand, Dauer, Art und Zweck der Verarbeitung, technische und organisatorische Schutzmaßnahmen sowie den Umgang mit Unterauftragsverarbeiter:innen regelt. Werden Daten dabei in ein Land außerhalb der Europäischen Union übermittelt, sind zusätzlich die Vorgaben zur Drittlandübermittlung zu beachten.

Automation Bias bezeichnet die menschliche Neigung, einer automatisiert erzeugten Empfehlung mehr Gewicht zu geben als der eigenen Einschätzung, selbst wenn Anzeichen gegen die Empfehlung sprechen. Der Effekt verstärkt sich, je häufiger sich ein System in der Vergangenheit als zutreffend erwiesen hat.

In der klinischen Entscheidungsunterstützung kann dies dazu führen, dass eine unauffällige Systemausgabe eine tatsächlich vorliegende Auffälligkeit überdeckt, oder dass eine fehlerhafte Empfehlung unwidersprochen übernommen wird. Betroffen sind sowohl unerfahrene als auch erfahrene Anwender:innen.

Als Gegenmaßnahmen gelten geschulte Skepsis, eine bewusste Zweitprüfung auffälliger wie unauffälliger Ergebnisse, Systeme, die ihre eigene Unsicherheit anzeigen, sowie eine Arbeitsorganisation, die für die abschließende Entscheidung ausdrücklich eine Person verantwortlich hält.

Algorithmischer Bias entsteht typischerweise, wenn die Daten, mit denen ein System trainiert oder validiert wurde, bestimmte Gruppen unterrepräsentieren oder historische Ungleichbehandlungen widerspiegeln. Ein bekanntes Beispiel aus der Medizintechnik ist die geringere Messgenauigkeit mancher Pulsoxymeter bei dunkler Haut.

Im klinischen Kontext kann algorithmischer Bias zu systematisch schlechteren Empfehlungen oder Erkennungsraten für bestimmte Gruppen führen, ohne dass dies aus der Systemausgabe im Einzelfall erkennbar wäre. Eine Prüfung der Leistungsfähigkeit getrennt nach relevanten Untergruppen sowie eine ausreichend diverse Validierungsstichprobe sind zentrale Gegenmaßnahmen.

Eine DiGA muss ein Medizinprodukt der Risikoklasse I oder IIa sein, dessen medizinischer Hauptzweck wesentlich auf digitalen Funktionen beruht. Das BfArM prüft Sicherheit, Funktionstauglichkeit, Datenschutz und Informationssicherheit und listet geprüfte Anwendungen im DiGA-Verzeichnis, zunächst häufig vorläufig mit der Auflage, einen positiven Versorgungseffekt nachzuweisen.

Versicherte erhalten eine DiGA entweder über eine ärztliche Verordnung oder durch direkten Antrag bei ihrer Krankenkasse unter Vorlage einer Diagnose. Die Kosten trägt die gesetzliche Krankenversicherung im Rahmen der Listung.

Anders als eine DiGA zielt eine DiPA nicht auf die kurative Behandlung ab. Sie unterstützt den Pflegealltag, etwa bei Gedächtnistraining, Mobilisierung oder der Kommunikation zwischen Pflegepersonen und Angehörigen. Das BfArM prüft auch hier Sicherheit, Funktionstauglichkeit und Datenschutz vor der Aufnahme in das Verzeichnis.

Die Kosten einer gelisteten DiPA übernimmt die Pflegeversicherung im Rahmen der gesetzlichen Vorgaben, wenn eine Pflegebedürftigkeit festgestellt ist.

Die EHDS-Verordnung schafft für die Primärnutzung eine gemeinsame europäische Infrastruktur, über die etwa ein elektronischer Patientenkurzbrief oder ein E-Rezept auch bei einer Behandlung in einem anderen Mitgliedstaat abrufbar sein soll. Für die Sekundärnutzung schafft sie einen kontrollierten Zugang zu Gesundheitsdaten für Forschung, Innovation und Gesundheitspolitik über nationale Zugangsstellen.

Die Verordnung ist 2025 in Kraft getreten; ihre einzelnen Pflichten werden über mehrere Jahre gestaffelt anwendbar. Für die tägliche Praxis ist vor allem relevant, dass Dokumentationsformate und Datenflüsse, die heute national ausgestaltet sind, in den kommenden Jahren europäisch angeglichen werden. [ANWALTLICH PRÜFEN]

Die elektronische Patientenakte bündelt Behandlungsdokumente, den Medikationsplan und weitere Gesundheitsdaten einer versicherten Person an einer Stelle und macht sie über eine App oder in der Praxis abrufbar. Seit 2025 legen die Krankenkassen die Akte für ihre Versicherten grundsätzlich automatisch an, sofern nicht widersprochen wird.

Für die Praxis ist die elektronische Patientenakte eine zusätzliche, potenziell umfangreiche Informationsquelle, deren Auswertung wiederum KI-gestützt erfolgen kann, etwa zur Zusammenfassung einer langen Vorgeschichte. Zugriff und Freigabe einzelner Dokumente steuert die versicherte Person selbst.

Evidenz-Ehrlichkeit verlangt, drei Kategorien von Aussagen erkennbar auseinanderzuhalten: Was wir wissen, gestützt auf belastbare Studienlage; was wir vermuten, plausibel, aber noch nicht ausreichend belegt; und was wir nicht wissen, weil es schlicht noch nicht untersucht wurde.

In Orientierungspapieren der FDAM erscheint diese Trennung als eigener Abschnitt mit drei Spalten. Ziel ist, eine Empfehlung nicht sicherer erscheinen zu lassen, als es die zugrunde liegende Evidenz hergibt, und offene Fragen ausdrücklich zu benennen.

Seit der Änderung des § 7 Abs. 4 der Musterberufsordnung für Ärztinnen und Ärzte (MBO-Ä) ist eine ausschließliche Fernbehandlung berufsrechtlich zulässig, wenn dies im Einzelfall ärztlich vertretbar ist und der dabei geltende ärztliche Sorgfaltsstandard eingehalten wird, insbesondere hinsichtlich Anamnese, Beratung, Aufklärung und Dokumentation.

Die konkrete Ausgestaltung, etwa welche Fragestellungen sich für eine ausschließliche Fernbehandlung eignen, bleibt eine fachliche Einzelfallentscheidung. Landesrechtliche Berufsordnungen können den bundeseinheitlichen Rahmen der MBO-Ä im Detail unterschiedlich umsetzen. [ANWALTLICH PRÜFEN]

Das GDNG schafft Wege, über die pseudonymisierte Daten aus der elektronischen Patientenakte und weiteren Datenquellen dem Forschungsdatenzentrum Gesundheit zur Verfügung gestellt und dort für Forschung, Versorgungsplanung und weitere gesetzlich benannte Zwecke ausgewertet werden können.

Versicherte können der Datenspende aus ihrer elektronischen Patientenakte widersprechen (Widerspruchslösung); ohne Widerspruch werden ihre Daten nach den Vorgaben des Gesetzes pseudonymisiert an das Forschungsdatenzentrum übermittelt. Für Ärzt:innen ist das GDNG vor allem als Rechtsrahmen relevant, der die Weitergabe von Behandlungsdaten in die Forschung regelt. Die Behandlung selbst berührt das Gesetz nicht.

Gendersensible Medizin berücksichtigt systematisch, dass sich Erkrankungen in Symptomatik, Verlauf und Ansprechen auf Therapie je nach biologischem Geschlecht unterscheiden können, etwa bei den häufig untypischen Symptomen eines Herzinfarkts bei Frauen, und dass soziale Genderaspekte den Zugang zu Versorgung und die Kommunikation im Behandlungsverhältnis beeinflussen. Eine einheitliche Norm setzt dieser Ansatz dabei nicht voraus.

Für KI-gestützte Anwendungen ist dies relevant, weil viele Trainingsdatensätze historisch von männlichen Studienpopulationen dominiert wurden. Ein System, das auf solchen Daten trainiert wurde, kann bei Personen außerhalb dieser Population systematisch schlechter funktionieren, ohne dass dies ohne gezielte Prüfung auffällt.

Sprachmodelle erzeugen Text, indem sie das statistisch wahrscheinlichste nächste Wort vorhersagen. Eine Quelle schlagen sie dabei nicht nach. Fehlt dem Modell an einer Stelle gesichertes Wissen, füllt es die Lücke dennoch mit einer sprachlich passenden Aussage, die erfunden sein kann.

In der Medizin sind erfundene Studienzitate, falsche Dosisangaben oder frei erfundene Leitlinienempfehlungen dokumentierte Formen dieses Phänomens. Die Ausgabe unterscheidet sich sprachlich nicht von einer zutreffenden Aussage, was die Erkennung erschwert.

Zu den Gegenmaßnahmen zählen die Anbindung des Modells an geprüfte Quellen, die Kennzeichnung unsicherer Aussagen und, vor allem, die verbindliche fachliche Prüfung jeder KI-erzeugten Aussage durch eine Person mit der entsprechenden Fachkompetenz, bevor sie in eine klinische Entscheidung oder Dokumentation einfließt.

Die KI-Verordnung stuft ein System insbesondere dann als Hochrisiko-KI-System ein, wenn es als Sicherheitsbauteil in ein Produkt eingeht, das bereits einer sektoralen Konformitätsbewertung unterliegt, etwa der MDR bei Medizinprodukten, oder wenn es einem im Anhang III der Verordnung aufgeführten Anwendungsfall entspricht.

Für Hochrisiko-KI-Systeme gelten unter anderem Pflichten zu Risikomanagement, Datenqualität und Data Governance, technischer Dokumentation, Protokollierung, menschlicher Aufsicht sowie Genauigkeit, Robustheit und Cybersicherheit. Viele klinische Entscheidungsunterstützungssysteme fallen aufgrund ihrer Zweckbestimmung in diese Kategorie.

Ein Interessenkonflikt liegt bereits vor, wenn ein Interesse geeignet ist, die Urteilsfähigkeit zu beeinflussen; ob es dies im Einzelfall tatsächlich tut, lässt sich von außen kaum feststellen. Deshalb setzen anerkannte Standards auf Offenlegung als praktikablen Maßstab, weil sich einzelne Motive im Nachhinein kaum verlässlich bewerten lassen.

Übliche Kategorien sind Anstellungen, Beratungstätigkeiten, Vortrags- und Autorenhonorare, Beirats- und Aufsichtsmandate, Unternehmensbeteiligungen, Drittmittel und Forschungsförderung, Patente sowie Ehrenämter und Medienkooperationen. Die FDAM führt für Mitwirkende an Orientierungspapieren ein öffentliches Register mit zehn solchen Kategorien und einem Rückblick von mindestens fünf Jahren.

Ein offengelegter Interessenkonflikt ist kein Ausschlussgrund von jeder Mitwirkung, wohl aber von bestimmten Rollen: Wer ein Interesse im Marktsegment eines Papiers hat, kann als benannte Analyst:in beitragen, hält aber nicht die Hauptautorenschaft, die fachärztliche Freigabe oder das Red Team dieses Papiers.

Die KI-Verordnung folgt einem risikobasierten Ansatz: Sie unterscheidet KI-Praktiken mit unannehmbarem Risiko, die verboten sind, Hochrisiko-KI-Systeme mit umfangreichen Pflichten, Systeme mit begrenztem Risiko, für die vor allem Transparenzpflichten gelten, sowie Systeme mit minimalem Risiko ohne besondere Auflagen.

Die Verordnung ist 2024 in Kraft getreten; ihre Pflichten gelten gestaffelt über mehrere Jahre, wobei die Vorschriften zu Hochrisiko-KI-Systemen zuletzt greifen. Viele KI-gestützte Anwendungen im Gesundheitswesen fallen aufgrund ihrer Zweckbestimmung unter die Kategorie Hochrisiko-KI-System.

Ein großes Sprachmodell lernt aus umfangreichen Textsammlungen statistische Muster von Sprache. Bei der Anwendung setzt es einen begonnenen Text schrittweise fort, indem es für jede Stelle das wahrscheinlichste nächste Wortelement bestimmt. Das Modell verfügt dabei über kein separates, geprüftes Faktenwissen und keine eingebaute Datenbank medizinischer Fakten.

In der Medizin bilden solche Modelle die technische Grundlage vieler Anwendungen, etwa von Ambient Scribes, Übersetzungs- und Zusammenfassungswerkzeugen oder Chat-Assistenzsystemen. Ihre Ausgabe ist sprachlich meist flüssig und wirkt dadurch überzeugender, als es ihr tatsächlicher Beleggrad rechtfertigt.

Wegen dieser Funktionsweise können Sprachmodelle plausibel klingende, aber sachlich falsche Aussagen erzeugen (siehe Halluzination). Für den klinischen Einsatz braucht es deshalb eine unabhängige Prüfung der Ausgaben und, wo möglich, eine Anbindung an geprüfte Quellen.

Die MDR definiert ein Medizinprodukt über seine Zweckbestimmung. Die technische Form allein ist dafür nicht entscheidend: Software, die zur Diagnoseunterstützung, zur Therapieplanung oder zur Überwachung eines physiologischen Prozesses bestimmt ist, kann daher selbst als Medizinprodukt gelten, auch ohne begleitende Hardware.

Für die Einstufung von Software als Medizinprodukt ist insbesondere die Klassifizierungsregel 11 des Anhangs VIII der MDR maßgeblich; sie führt bei vielen entscheidungsunterstützenden Anwendungen zu einer Einstufung in Risikoklasse IIa oder höher. Eine solche Einstufung löst Anforderungen an klinische Bewertung, Risikomanagement und eine Konformitätsbewertung durch eine Benannte Stelle aus.

Ob ein konkretes KI-gestütztes Werkzeug diese Kriterien erfüllt, hängt von seiner erklärten Zweckbestimmung ab und ist im Einzelfall zu prüfen; ein reines Dokumentations- oder Übersetzungswerkzeug ohne diagnostischen oder therapeutischen Zweck fällt in der Regel nicht darunter.

Im Unterschied zu einer vollständigen Automatisierung übernimmt das KI-System beim Mensch-KI-Teaming einzelne, klar abgegrenzte Teilschritte, etwa die Recherche, die Zusammenfassung oder die Formulierung eines Entwurfs, während die Person jeden Schritt prüfen, ändern oder verwerfen kann, bevor er wirksam wird.

Für den klinischen Einsatz bedeutet das insbesondere: Die Systemausgabe ist ein Vorschlag, keine Entscheidung. Die Verantwortung für die getroffene Entscheidung bleibt bei der Ärztin oder dem Arzt, unabhängig davon, wie viele Arbeitsschritte das System vorbereitet hat.

Ein Orientierungspapier beantwortet eine einzelne, im Versorgungsalltag auftretende Frage nach einem festen, mehrgliedrigen Aufbau: Ausgangslage, Evidenz nach dem Grundsatz der Evidenz-Ehrlichkeit, Empfehlungen mit Stärkegrad, Risiko-Nutzen-Abwägung, rechtliche und ethische Einordnung, eine Praxis-Checkliste sowie eine eigenständige Fassung für Patient:innen.

Jedes Papier trägt eine Versionsnummer, ein Datum der letzten Prüfung und ein Datum der nächsten Pflichtüberprüfung. Es benennt seine Autor:innen mit deren Interessenerklärung und enthält einen unverändert mitveröffentlichten Red-Team-Kommentar. Ohne abgeschlossenes Red-Team-Verfahren bleibt ein Papier als Vorabversion gekennzeichnet.

Ein Orientierungspapier ist schneller verfügbar als eine Leitlinie, folgt aber einem strengeren Prüfverfahren als ein einzelner Fachkommentar. Es ersetzt keine Leitlinie und keine individuelle klinische Entscheidung.

Polypharmazie betrifft besonders ältere und multimorbide Patient:innen und erhöht das Risiko für Wechselwirkungen, doppelte Verordnungen und eine erschwerte Einnahmetreue. Sie ist selbst nicht zwangsläufig unangemessen, macht aber eine regelmäßige Überprüfung der Gesamtmedikation notwendig.

KI-gestützte Werkzeuge zur Interaktionsprüfung setzen häufig gerade bei Polypharmazie an, weil die Zahl möglicher Wechselwirkungen mit der Zahl der Wirkstoffe stark zunimmt. Die abschließende Bewertung, welche Wirkstoffe für eine bestimmte Person tatsächlich erforderlich sind, bleibt eine ärztliche Aufgabe im Rahmen der Arzneimitteltherapiesicherheit.

Ein Prompt legt fest, welche Aufgabe ein Sprachmodell bearbeiten soll, in welcher Rolle, mit welchem Kontext und unter welchen Einschränkungen. Kleine Änderungen an Formulierung oder Reihenfolge können die Ausgabe deutlich verändern, ohne dass sich die zugrunde liegende Aufgabe geändert hätte.

Für den klinischen Einsatz ist die Nachvollziehbarkeit eines Prompts von Bedeutung: Ein dokumentierter, wiederholt genutzter Prompt lässt sich prüfen und seine Ergebnisse einordnen, ein spontan formulierter nicht.

Prompt Injection bezeichnet den Versuch, ein System über eingebettete Anweisungen in verarbeiteten Fremdinhalten, etwa in einem eingelesenen Dokument, zu einem vom eigentlichen Auftrag abweichenden Verhalten zu bewegen. Dies ist bei Anwendungen relevant, die fremde Texte automatisiert verarbeiten.

Der Begriff stammt aus der Sicherheitsanalyse, wo ein Red Team beauftragt wird, ein System aus der Perspektive eines Angreifers zu prüfen. Bei der FDAM überträgt sich das Prinzip auf Orientierungspapiere: Eine benannte Person erhält den ausdrücklichen Auftrag, methodische Schwächen, unbelegte Annahmen und Gegenargumente zu suchen und offenzulegen.

Der Kommentar des Red Teams wird unverändert mitveröffentlicht, auch wenn er der Empfehlung des Papiers widerspricht. Ein Orientierungspapier ohne abgeschlossenes Red-Team-Verfahren bleibt als Vorabversion gekennzeichnet.

Die AWMF unterscheidet Leitlinien nach dem methodischen Aufwand ihrer Erstellung. Eine S1-Handlungsempfehlung entsteht durch eine informelle Konsensfindung eines Expertenkreises. Eine S2-Leitlinie ergänzt entweder eine systematische Evidenzrecherche (S2e) oder ein strukturiertes Konsensverfahren (S2k). Eine S3-Leitlinie verbindet beides: eine systematische Recherche und Bewertung der Evidenz mit einem formalen, repräsentativ besetzten Konsensverfahren.

S3-Leitlinien entstehen typischerweise über mehrere Jahre und decken ein Fachgebiet oder Krankheitsbild umfassend ab. Ein Orientierungspapier der FDAM verfolgt einen anderen Zweck: Es beantwortet eine einzelne, konkrete und aktuell drängende Praxisfrage schneller, ersetzt dabei aber keine bestehende oder in Erarbeitung befindliche Leitlinie.

Wer als Ärztin oder Arzt ein fremdes Geheimnis offenbart, das ihr oder ihm in dieser Eigenschaft anvertraut oder bekannt geworden ist, macht sich nach § 203 StGB strafbar, sofern keine Befugnis zur Offenbarung vorliegt. Eine solche Befugnis kann sich aus einer wirksamen Einwilligung der Patientin oder des Patienten oder aus einer gesetzlichen Erlaubnis ergeben.

Seit einer Gesetzesänderung von 2017 dürfen Ärzt:innen Patientendaten unter bestimmten Voraussetzungen auch an mitwirkende Personen weitergeben, etwa an externe Dienstleister, die in ihrem Auftrag tätig werden, sofern dies zur Berufsausübung erforderlich ist und die mitwirkende Person ihrerseits zur Verschwiegenheit verpflichtet wird.

Für den Einsatz KI-gestützter Werkzeuge, die Patientendaten verarbeiten, bedeutet dies: Ein Anbieter, der als mitwirkende Person im Sinne dieser Vorschrift eingebunden wird, muss vertraglich und tatsächlich in die ärztliche Schweigepflicht eingebunden sein; dies ist bei der Auswahl eines Anbieters gesondert zu prüfen. [ANWALTLICH PRÜFEN]

Shared Decision Making unterscheidet sich sowohl vom paternalistischen Modell, in dem die Ärztin oder der Arzt allein entscheidet, als auch vom rein informierten Modell, in dem lediglich Informationen bereitgestellt werden und die Patientin oder der Patient allein entscheidet. Beide Seiten bringen ihre jeweilige Expertise ein: die fachliche Einschätzung und die persönlichen Präferenzen.

Die zunehmende eigenständige Nutzung von KI-Chat-Anwendungen durch Patient:innen vor oder zwischen Arztterminen verändert diesen Prozess: Patient:innen bringen häufiger bereits vorstrukturierte Informationen oder Erwartungen mit ins Gespräch. Eine gut geführte gemeinsame Entscheidungsfindung nimmt solche Informationen auf, ohne die fachliche Einordnung durch die Ärztin oder den Arzt zu ersetzen.

Der Stärkegrad einer Empfehlung zeigt an, wie eindeutig die zugrunde liegende Evidenz und die fachliche Einschätzung für oder gegen ein Vorgehen sprechen. Anders als bei numerischen oder abgekürzten Systemen wird jede der drei Stufen ausgeschrieben und im laufenden Text nicht abgekürzt.

Wir empfehlen kennzeichnet ein Vorgehen mit hinreichend klarer Evidenz- oder Konsenslage. Wir empfehlen mit Vorbehalt kennzeichnet ein Vorgehen, das unter benannten Bedingungen sinnvoll erscheint, ohne dass diese Bedingungen bereits abschließend geklärt sind. Wir raten ab kennzeichnet ein Vorgehen, von dem aus benannten Gründen abgeraten wird.

Triage-Verfahren wie das Manchester-Triage-System ordnen anhand von Leitsymptomen und Vitalparametern eine Dringlichkeitsstufe zu, die über die Reihenfolge der Behandlung entscheidet. Über deren spätere Qualität sagt diese Einstufung nichts aus. Ziel ist, bei begrenzten Ressourcen die dringendsten Fälle zuerst zu versorgen.

KI-gestützte Werkzeuge zur Ersteinschätzung übernehmen zunehmend Teile dieses Prozesses, etwa die strukturierte Erfassung von Symptomen vor dem ärztlichen Erstkontakt. Da Fehleinschätzungen hier unmittelbare Folgen für die Versorgung haben können, sind Validierung an der tatsächlichen Patient:innenpopulation und eine klare menschliche Letztverantwortung besonders wichtig.