KI in radiologischen Praxen – Kosten, Nutzen, Vergütung, Zukunft

Von Dr. Johannes Schmidt-Tophoff, Eva Jugel, Carsten Krüger, Daniel Reiberg

Diesen Beitrag haben die Autoren als Input für iX-Forum „Mensch-Maschine: KI, Daten und Versorgung 2035“ verfasst. Das von Dr. Albrecht Kloepfer herausgegebene Medium richtet sich an die gesamte gesundheitspolitische Führungsebene in Bund und Ländern mit ca. 2.500 Adressaten. Ziel war es, diese Multiplikatoren mit der speziellen Perspektive der (niedergelassenen) Radiologie zum Thema KI vertraut zu machen. Der Beitrag erscheint im April 2026.

Unter Künstlicher Intelligenz (kurz KI) werden gerne alle digitalisierten, automatisierten Prozesse subsummiert, ob sie nun einem Algorithmus folgen oder tatsächlich so „intelligent“ sind, dass es sich um lernende Systeme (als künstliche Intelligenz im engeren Sinne) handelt.

In einer mittelständisch organisierten, radiologischen Praxis findet sich die Digitalisierung inzwischen in nahezu jedem Prozess, von der Online-Terminvereinbarung inklusive Terminerinnerung im Vorfeld bis zu in den Geräten eingebauter Lagerungs- und Bildoptimierung, z.B. durch dreidimensionale Darstellungen zur besseren Befundung. Zusätzlich kommen auch in den medizinischen Bereichen der Befundung zunehmend KI-Applikationen zum Einsatz, die die Befundung durch bessere Bildqualität oder durch Vormarkierung auffälliger Bereiche erleichtern bzw. durch strukturierte Befunderstellung die radiologische Arbeit verbessern und effizienter machen.

Beim im April gestarteten bundesweiten Lungenkrebsscreening wird das obligatorische „Vier-Augen“-Prinzip erstmals durch den Kollegen KI gewährleistet. Ein Umstand, den die Radiologinnen und Radiologen im Mammographie-Screening, in dem weiterhin die menschliche Doppelbefundung gilt (trotz Mehrbelastung durch die Erweiterung der Altersgrenze von 69 auf 74 Jahre im vorletzten Jahr), sicherlich mit hoher Aufmerksamkeit verfolgen. In beiden Früherkennungsbereichen ist KI bisher wie auch sonst in der Diagnostik „Privatsache“ des einsetzenden Radiologen: Kosten für die Installation und den Einsatz trägt die Praxis, Haftungsfragen beantworten Juristen in entsprechenden Fortbildungen gerne mit einem Stirnrunzeln. Die endgültige Verantwortung sowohl wirtschaftlich als auch rechtlich liegt beim Mediziner, gleichwohl die eingesetzte KI ein zertifiziertes Medizinprodukt ist. Die Krankenkassen verhalten sich hier sehr zurückhaltend. Es gibt projekt- oder indikationsbezogene Selektiv-Verträge, z.B. mit der IKK Südwest oder der DAK, aber der Weg zu diesen Verträgen ist steinig, von Praxen und/oder den meisten als kapitalintensive Start-ups organisierten KI-Anbietern kaum zu bewältigen.

Geht man nun davon aus, dass KI sich in allen Lebensbereichen und so auch in der Medizin und speziell in der radiologischen Diagnostik in wenigen Jahren als Standard durchsetzen wird, bleibt die Frage, wer dafür bezahlt: die Ärztinnen und Ärzte, die KI einsetzen, die Versicherten als Privatleistung oder doch auch die Krankenkassen? Und wird es zulasten anderer Krankenkassen-Leistungen gehen, da es momentan mehr einzusparen als neu zu verteilen gibt? Und wer wird entscheiden bzw. was sollten die Entscheidungskriterien für die Zulassung von KI-Applikationen in der medizinischen Befundung sein?

Gehen wir einen Schritt zurück. Wie ist der aktuelle Status quo?

Für KI gibt es derzeit keine eigene abrechenbare EBM-Ziffer. KI-Leistungen gelten damit regelmäßig als Bestandteil der ohnehin vergüteten ärztlichen Leistung (z.B. Befundung) – ohne zusätzliche Vergütung. KI zur Befundassistenz, Triage, Quantifizierung ist nicht separat abrechenbar. Kosten für Lizenzen/Abos trägt die Praxis/das MVZ und rechnet sie über Effizienz/Qualitätsgewinne gegen.

Warum setzen Praxen heute dennoch KI-Applikationen ein?

Vorab: Viele radiologische Praxen arbeiten bereits mit KI-Applikationen, aber die Durchdringung mit KI ist noch erheblich ausbaubar. Die Gründe, KI einzusetzen, lassen sich wie folgt zusammenfassen.

Effizienz-ROI

Von den KI-affinen Ärztinnen und Ärzten wird KI am häufigsten als Produktivitäts- und Qualitätshebel finanziert (z.B. schnellere Befundung, weniger Wiederholungen, standardisierte Messungen). Es entsteht zwar kein zusätzlicher Erlös, aber der Patientendurchsatz und die Qualität steigen. Typische KPIs für diesen Effizienzansatz sind die Befundzeit pro Fall, die Quote an Wiederholungsuntersuchungen und strukturierte Messwerte für die Zuweiserbindung. 


IGeL/Selbstzahler (selektiv möglich)

Wenn KI eine klar abgrenzbare Zusatzleistung darstellt, die nicht zwingender Bestandteil der GKV-Leistung ist (z.B. erweiterte Quantifizierung, Zusatzanalyse ohne medizinische Notwendigkeit), kann sie als IGeL (Individuelle Gesundheitsleistung) angeboten werden. Wichtig ist hier:

• Saubere medizinische Indikationsabgrenzung
• Transparente wirtschaftliche Aufklärung
• Dokumentation, dass es sich um eine zusätzliche, nicht notwendige Leistung handelt. Wenn die KI-Auswertung faktisch Teil der medizinisch notwendigen Befundung ist, darf sie nicht als IGeL ausgelagert werden.

Selektivverträge mit Krankenkassen (kein flächiger Standard)

In Einzelfällen möglich, wenn ein klarer Versorgungsmehrwert (z.B. schnellere Diagnostikpfade) nachweisbar ist und regionale Verträge (§ 140a SGB V) geschlossen werden.

PKV/GOÄ (privatärztlich)

In der Privatmedizin gibt es auch keine eigene KI-Ziffer, aber es besteht etwas mehr Spielraum. Hier ist eine Analogabrechnung möglich, wenn eine selbstständige ärztliche Leistung vorliegt. Weiterhin kann die Gebührenordnungsposition über erhöhten Aufwand stärker gesteigert werden.

Welche Szenarien sind mittelfristig für den ambulanten Bereich realistisch?

1. Integration in bestehende EBM- bzw. GOÄ-Ziffern
→ KI wird als Qualitätsstandard vorausgesetzt, aber nicht extra vergütet.

• Neue Ziffern für klar definierte Zusatzleistungen

  Realistisch vor allem für:
  - standardisierte Quantifizierungen
  - strukturierte Risikoscores 
  - Verlaufsanalysen mit dokumentiertem Zusatznutzen
• Value-based-Modelle

  Vergütung gekoppelt an nachweisbare Outcome-Verbesserung oder Prozessbeschleunigung.

Kurz gesagt: Im ambulanten Setting wird KI vermutlich eher indirekt (über Effizienz und Verträge) Nutzen stiften als direkt über eigene EBM-Ziffern vergütet – zumindest in den nächsten Jahren.

Strategische Empfehlung für die ambulante Radiologie

Aus diesen Überlegungen heraus erscheinen aktuell drei Wege wirtschaftlich sinnvoll:

1. KI einsetzen, wenn sie messbar die Produktivität steigert (TAT, Fallzahlen)
2. Zuweiser-Mehrwert nutzen (strukturierte Berichte, Zusatzquantifizierung)
3. Gezielt IGeL nur dort prüfen, wo medizinisch sauber abgrenzbar

Insbesondere im Mammographie-Screening wird KI bereits in der Befundung produktivitätssteigernd eingesetzt. Aber auch als Alternative zur Neubeschaffung von Großgeräten kommen KI-Applikationen, die die Geräte- bzw. die Befundungsproduktivität steigern, zunehmend zum Einsatz.

Ein aus Radiologie-Sicht interessanter Ansatzpunkt ist auch die Verbesserung der Zusammenarbeit mit Fach- bzw. Hausärzten. KI wird dafür sorgen, dass die von Radiologen erzeugten Ergebnisse als „Zulieferleistung“ für die jeweiligen Fachärzte viel besser in deren Workflows integriert sind, z.B. Daten für Fusionsbiopsien (Prostata) oder Daten für die OP-Planung in der Orthopädie. Dementsprechend werden diejenigen radiologischen Praxen, die das Leben ihrer Zuweiser einfacher machen, mehr Patienten bekommen.

Ein anderer Punkt ist die gesundheitsökonomische Bewertung des KI-Einsatzes. Auf den ersten Blick sind parallellaufende Zusatz-Untersuchungen IGeL, an denen Radiologen zusätzlich verdienen. Wenn beispielsweise bei einem Lungen-CT die Software SpineQ zur Osteoporosedetektion angewendet wird, kann dies als IGeL abgerechnet werden. Hier verdient dann jedoch nicht nur die radiologische Praxis, sondern das gesamte System profitiert davon, weil Osteoporose schon heute gut medikamentös therapiert werden kann und dies vermutlich günstiger ist als spätere OPs. Ein anderes Beispiel ist die Einsparung teurer alternativer Untersuchungen durch KI-unterstützte MRT-Bildgebung. So spart die Hirnvolumetrie bei Demenzdiagnostik (z.B. durch die Software AIRAscore) mittels MRT aufwendige Rückenmarkpunktionen oder PET-CT.

Wie geht es nun weiter und wie kann KI-gestützte Befundung, die offensichtlich Effizienz- und Qualitätsvorteile für das Gesundheitssystem und die Versicherten bereithält, zukünftig finanziert werden?

Es wäre naheliegend, dass die Effizienzgewinne, die durch bessere Integration in die Abläufe bei den Zuweisern, und die Kosteneinsparungen, die durch Reduktion der Therapiekosten durch frühzeitige Erkennung entstehen, zur Finanzierung anteilig beitragen. Leider ist eine Verlagerung von Budgets in die Radiologie oder eine Besservergütung radiologischer Leistungen eher unwahrscheinlich. Keine Berufsgruppe im Gesundheitsbereich möchte abgeben im Kampf um knappe Geldmittel, und die Radiologie, die nur 2% der Fachärzteschaft stellt und der (ungerechterweise) ein Bestverdiener-Image unterstellt wird, hat hier wenig Lobby.

Auch die GOÄ-Reform am Horizont gibt keine eindeutige Antwort. Zwar ist in der neuen GOÄ die Verwendung von Analogziffern vorgesehen. Welche das sein könnten und ob sie von der gemeinsamen Kommission anerkannt werden, ist zunächst einmal fraglich. Schlechtestenfalls wird KI weiter einseitig von der Radiologie bezahlt.

Fazit: KI ist ein aktuelles Thema mit Vorteilen für Radiologen, zuweisende Facharztgruppen und Patienten. Die Kosten dafür trägt aktuell vorwiegend die ambulante Radiologie. Ein Grund dafür, dass der Prozess der Einführung von KI nicht so dynamisch ist, wie er sein könnte. Das Plädoyer an die Politik ist:

Helfen Sie der Radiologie, mehr KI-PS auf die Piste zu bekommen. In Zeiten von Fachkräftemangel, ausscheidender Ärzte-Boomer-Generation, zunehmenden Wartezeiten, rückläufiger Vergütung, insbesondere bei MRT/CT nach der GOÄ-Reform, kann KI einen Beitrag leisten, um Qualität, Vergleichbarkeit, Effizienz und gute Versorgung zu sichern. Das kann aber nicht alleine von den ambulanten Radiologien gestemmt werden, die sowieso schon seit der EBM-Reform 2020 auf Sparkurs laufen, sondern muss durch die Politik und die Kostenträger zumindest teilfinanziert werden.

Die Radiologen und Radiologinnen tragen das ihre dafür bei. So sind beispielsweise im Radiologienetz Deutschland aktuell über 100 radiologisch-nuklearmedizinische Praxen mit ca. 400 niedergelassenen Radiologinnen und Radiologen organisiert, die sich für wohnortnahe Qualitätsmedizin schon seit über 25 Jahren engagieren. Bezüglich KI würden wir gerne mit Entscheidungsträgern in der Gesundheitspolitik in den Austausch treten, um das Thema voranzubringen. Was wir in die Waagschale seitens unseres Qualitätsverbunds werfen können:

• Eine KI-Netzinitiative 2026 („Wir machen das Radiologienetz AI ready“)
• Eine eigene, erprobte, daten- und rechtssichere Plattformlösung
• Evidenz durch Plattform-User aus unserem Netz in Form von Papern/Studien
• Kuratierte Apps zur Bildinterpretation, strukturierten Befundung und vielen weiteren Prozessoptimierungen, z.B. Dosismanagement, Planungs-/Steuerungs-Tools
• Einen digitalen ROI-Rechner zur Berechnung von Effizienzvorteilen/Einsparungen pro einzusetzender KI-Applikation für eine radiologische Praxis Einen GOÄ-Rechner zur Simulation der Einbußen nach Inkrafttreten der GOÄ-Reform (vermutlich 2027)
• Pilotprojekte für Selektivverträge
• Szenario Radiologie 2030 mit KI als Megatrend

Kommen Sie mit uns und den Radiologinnen und Radiologen von Radiologienetz Deutschland zu diesen Themen ins Gespräch! Wir sind in engem Austausch mit anderen radiologischen Verbünden und dem Berufsverband und freuen uns über die faktenbasierte konstruktive Weiterentwicklung des Themas im Sinne der ambulanten Radiologie und einer möglichst guten Patientenversorgung.