KI in der Augenheilkunde: Der neue Kollege, den niemand einarbeitet
Künstliche Intelligenz kann Netzhautbilder zuverlässig analysieren. Trotzdem kommt sie im Praxisalltag selten zum Einsatz, wie eine Befragung im DACH-Raum zeigt. Was muss sich ändern, damit der KI-Kollege besser ins Team integriert wird?
Sarah Bourdely25.11.20253"
Ob KI in der Augenheilkunde eingesetzt wird, entscheidet sich nicht im Labor, sondern im Untersuchungszimmer. Zu diesem Fazit kommen Forschende der Technischen Hochschule Augsburg und der LMU München in ihrer Studie. Das Team führte Interviews mit 22 Fachpersonen aus Deutschland, Österreich und der Schweiz – von Klinikdirektoren bis zum augenärztlichen Assistenzpersonal.
Das Ergebnis: Viele sehen in KI ein sinnvolles Instrument, etwa bei der Auswertung von Netzhautbildern und der Erkennung früher krankhafter Veränderungen. Trotzdem werden diese Systeme gar nicht erst eingeführt – oder nach kurzer Zeit wieder abgeschaltet. «Entscheidend ist nicht ausschliesslich, wie gut die Technik funktioniert – sondern, ob sie in den Arbeitsalltag passt und von den Menschen akzeptiert wird», sagt Studienleiterin Insa Schaffernak in einer Mitteilung.
Gute Technik, schlechte Strukturen
Die Interviews verdeutlichen, wie sehr die Einführung neuer Systeme vom organisatorischen Umfeld abhängt. Schon einzelne Zusatzschritte, unklare Datenschutzanforderungen oder unzuverlässige IT-Infrastruktur reichen aus, um die potenziellen Vorteile zu neutralisieren. In vielen Fällen fehlten schlicht Zeit und Personal, um sich mit dem System vertraut zu machen.
Hinzu kommt eine psychologische Komponente: Ärztinnen und Ärzte wollen die Kontrolle über Entscheidungen behalten und verlassen sich erst dann auf ein System, wenn es sich im realen Betrieb bewährt hat. Einige Befragte verglichen den Prozess mit der Einarbeitung neuer Teammitglieder – Vertrauen entsteht erst allmählich und nur dann, wenn die neue Kollegin entlastet statt ersetzt und Entscheidungen unterstützt statt vorschreibt.
«Vertrauen entsteht nicht durch Werbung oder Versprechen der Hersteller, sondern erst im praktischen Einsatz – ähnlich wie bei einer neuen Kollegin, deren Arbeit man erst prüft, bevor man sich auf sie verlässt», Technische Hochschule Augsburg, Medienmitteilung.
Sobald die Systeme Abläufe verlangsamen oder zusätzliche Arbeit generieren, werden sie rasch wieder aufgegeben. Die Studie zeigt mehrere Beispiele für solche Abbruchpunkte (nonadoption und abandonment), bei denen die versprochene Entlastung im Alltag nicht eintrat und die Technologie im Betrieb deaktiviert wurde.
Wann KI eine echte Hilfe wird
Klar wird auch, dass KI durchaus willkommen ist – wenn sie konkrete Probleme löst. Wenn ein System im Alltag bestehen soll, muss es bestimmte Anforderungen erfüllen:
- Arbeitsentlastung statt zusätzlicher Schritte
- Intuitive Bedienung – idealerweise mit minimalem Aufwand
- Klinisch validierte Genauigkeit und nachvollziehbare Ergebnisse
- Zuverlässiger technischer Support
- Nahtlose Integration in bestehende Workflows – inklusive Delegierbarkeit
- Ein sinnvolles Kosten-Nutzen-Verhältnis
Ein System, das zusätzliche Klicks verursacht, Daten kompliziert exportiert oder Spezialwissen erfordert, verliert im stressigen Klinikalltag schnell an Akzeptanz. KI wird dann nicht als Hilfe wahrgenommen, sondern als Hürde.
Zur Originalpublikation:
- Schaffernak, I., Cecil, J., Kleine, A. K., & Lermer, E.: «Sociotechnical influences on the adoption and use of AI-enabled clinical decision support systems in ophthalmology: a theory-based interview study», in: «BMC Health Services Research», Oktober 2025.
- DOI: 10.1186/s12913-025-13620-w
