Seit dem Sommer 2026 hat sich der europäische Rechtsrahmen für medizinische künstliche Intelligenz mit dem Inkrafttreten der Verordnung (EU) 2026/1744 konkretisiert. Dieser Text verschiebt die strengsten Verpflichtungen für medizinische Geräte, die KI integrieren, auf August 2028, während er bereits jetzt Transparenzregeln für Chatbots und generierte Inhalte auferlegt.
Diese Diskrepanz zwischen dem, was technisch möglich ist, und dem, was regulatorisch umsetzbar ist, bestimmt das tatsächliche Tempo der Innovationen im Gesundheitswesen für die kommenden Jahre.
AI Act und medizinische Geräte: eine regulatorische Schonfrist, die die Situation verändert
Die sogenannte “Digital Omnibus”-Verordnung hat offiziell die Anwendung der Hochrisikoverpflichtungen des AI Act für in medizinische Geräte und In-vitro-Diagnosetests integrierte KI-Systeme auf 2. August 2028 verschoben. Eingebettete KI-Diagnoselösungen (Bildgebung, Triage, klinische Entscheidungsunterstützung) haben somit eine zweijährige Schonfrist.
Dieser Zeitraum bedeutet jedoch nicht das Fehlen von Einschränkungen. Diese Systeme werden automatisch weiterhin als Hochrisiko-KI klassifiziert, mit strengen Anforderungen an Governance, technische Dokumentation und Nachverfolgung nach der Markteinführung ab 2028. Hersteller, die heute ihre Algorithmen entwickeln, müssen diese Verpflichtungen antizipieren, um ihre Produkte rechtzeitig vermarkten zu können.
Seit dem 2. August 2026 sind die Verpflichtungen des Artikels 50 des AI Act bereits anwendbar. Jeder mit Patienten verwendete Konversationsassistent muss klar angeben, dass es sich um eine Interaktion mit einer KI handelt. Bilder, Audiodateien und synthetische Videos für medizinische Zwecke müssen als solche gekennzeichnet werden.
Diese Maßnahmen, die am 24. Juli 2026 im Amtsblatt der EU veröffentlicht wurden, verdeutlichen eine bewusste Entscheidung: den Schutz der Patienten in Bezug auf Transparenz vor der Regulierung der Leistung der Algorithmen zu stellen. Akteure, die diese regulatorischen Entwicklungen verfolgen, wie La Santé de Demain, ermöglichen es, die Kluft zwischen technologischen Versprechungen und der Realität der Umsetzung zu messen.
Künstliche Intelligenz in der Diagnostik: autonome klinische Agenten unter Aufsicht
Die KI-Generation, die 2026 aufkommt, beschränkt sich nicht mehr nur auf Werkzeuge zur Bildauswertung. Die “KI-Agenten” sind in der Lage, vollständige Aufgaben abzuwickeln: Symptome zu priorisieren, ergänzende Untersuchungen zu planen, biologische Ergebnisse zu analysieren und eine Behandlungskoordination vorzuschlagen. Ihr Betrieb ähnelt dem eines klinischen Co-Piloten und nicht nur einem einfachen algorithmischen Filter.
Die Rückmeldungen aus der Praxis sind in diesem Punkt unterschiedlich. Einige Einrichtungen berichten von einer signifikanten Zeitersparnis bei der Triage in der Notaufnahme, während andere das Risiko eines Rückzugs des Klinikers vor einer Maschine, die “entscheidet”, an seiner Stelle, betonen. Die Frage der medizinischen Verantwortung bleibt offen: Wer ist verantwortlich, wenn ein KI-Agent einen Patienten falsch priorisiert?
Die Präsidentin der Europäischen Kommission erinnerte im September 2026 daran, dass KI im Gesundheitswesen “europäisch bleiben” und die Ärzte nicht ersetzen sollte. Das Vereinigte Königreich hat in derselben Woche eigene Empfehlungen zur Regulierung der medizinischen KI veröffentlicht. Diese politischen Positionen spiegeln eine reale Spannung zwischen der Geschwindigkeit der technologischen Adoption und der Fähigkeit der Gesundheitssysteme wider, diese Werkzeuge zu regulieren.
Synthetische Daten und klinische Forschung: eine diskrete Beschleunigung
Unter den am wenigsten sichtbaren, aber strukturellsten Innovationen verändert die Generierung von synthetischen Daten für die klinische Forschung grundlegend die Art und Weise, wie Studien konzipiert werden. Das Prinzip besteht darin, künstliche Datensätze zu erstellen, die die statistischen Merkmale realer Kohorten reproduzieren, ohne persönliche Patientendaten offenzulegen.
Das Interesse ist dreifach:
- Die Ausbildung von KI-Algorithmen im Gesundheitswesen zu beschleunigen, ohne von Krankenhausdatenbanken abhängig zu sein, die der DSGVO unterliegen und lange Zugriffszeiten haben
- Es Startups und KMUs im Sektor zu ermöglichen, robuste Modelle zu entwickeln, ohne privilegierten Zugang zu Daten großer Krankenhäuser zu haben
- Die Verzerrungen zu reduzieren, die mit zu homogenen Kohorten verbunden sind, indem Profile von Patienten simuliert werden, die in bestehenden Datenbanken unterrepräsentiert sind
Die verfügbaren Daten erlauben noch keine Schlussfolgerungen über die langfristige Zuverlässigkeit dieser synthetischen Datensätze im Vergleich zu realen Daten. Die Regulierungsbehörden haben noch keinen spezifischen Rahmen veröffentlicht, um medizinische Geräte zu validieren, die ausschließlich auf synthetischen Daten trainiert wurden. Dies ist ein regulatorischer blinder Fleck, der die Adoption trotz des technischen Potenzials bremsen könnte.
Genom-Editing und gezielte Therapien: CRISPR tritt in eine neue Phase ein
Das Genom-Editing mit CRISPR in Kombination mit KI tritt in eine Phase ein, in der genetische Korrekturen nicht mehr nur seltene monogene Krankheiten anvisieren. Die Algorithmen ermöglichen es nun, therapeutische Ziele bei polygenen Erkrankungen zu identifizieren, bei denen mehrere Gene interagieren. Die Präzisionsmedizin in der Onkologie profitiert direkt von dieser Konvergenz, mit Ansätzen wie der Flüssigbiopsie, die es ermöglichen, eine Behandlung in nahezu Echtzeit an das molekulare Profil eines Tumors anzupassen.
Der Übergang von der Forschung zur regulären Versorgung bleibt jedoch langsam. Die genehmigten Gentherapien betreffen weiterhin eine begrenzte Anzahl von Erkrankungen, und ihre Produktionskosten bremsen ihre Verbreitung. Die 3D-Bio-Druck von Geweben, oft als bevorstehende Revolution dargestellt, steht vor Herausforderungen in der Vaskularisierung der gedruckten Strukturen, die die Forschung noch nicht gelöst hat.
Vernetzte Geräte und digitale Zwillinge: die Patientenüberwachung in Echtzeit
Die tragbaren Sensoren, die kontinuierlich physiologische Daten an einen Arzt oder einen Algorithmus übermitteln, sind nicht mehr experimentell. Ein Diabetiker kann seine Behandlung über einen Sensor, der mit seinem Smartphone verbunden ist, anpassen, ohne auf seine nächste Konsultation warten zu müssen. Dieses Modell der kontinuierlichen Teleüberwachung transformiert den Behandlungsverlauf, indem ein Teil der Überwachung aus dem Krankenhaus verlagert wird.
Der digitale Zwilling geht noch einen Schritt weiter: Es handelt sich um die Erstellung eines virtuellen Doppelgängers des Patienten, der durch seine biologischen Daten gespeist wird, um die Wirkung einer Behandlung zu simulieren, bevor sie verabreicht wird. Die fortschrittlichsten Anwendungen betreffen die Kardiologie und die chirurgische Planung.
Die Grenzen sind bekannt. Die Interoperabilität zwischen Geräten bleibt gering, die Datenformate variieren von Hersteller zu Hersteller, und die Integration in die Krankenhausinformationssysteme dauert Jahre. Die Technologie existiert, aber die Infrastruktur, um sie in großem Maßstab zu nutzen, bleibt fragmentiert.
Das tatsächliche Tempo dieser Transformationen wird weniger von der Fähigkeit zur Erfindung abhängen als von der Fähigkeit der Gesundheitssysteme, diese Systeme zu absorbieren. Zwischen der regulatorischen Schonfrist des AI Act, den offenen Fragen zur medizinischen Verantwortung und den Infrastrukturhindernissen muss jede Innovation mehrere Filter durchlaufen, bevor sie das tägliche Leben der Patienten und Pflegekräfte konkret verändert.
