Wie wird Künstliche Intelligenz die Medizin in den kommenden zehn Jahren verändern? Dies ist die Kernfrage, mit der sich das Projekt „2036 – Gesund mit KI?“ beschäftigt. Das Projekt untersucht mögliche Entwicklungen der Medizin bis zum Jahr 2036 aus wissenschaftlicher, klinischer und gesellschaftlicher Perspektive und klammert dabei auch ethische Fragen nicht aus.
Ein Forschungsprojekt zur Zukunft der Medizin
Hinter „2036 – Gesund mit KI?“ steht die Munich Medicine Alliance (M1), ein Forschungsverbund von LMU München, TU München und Helmholtz Munich. Ziel des Projekts ist es, aktuelle Entwicklungen aus Medizin, Biotechnologie und Künstlicher Intelligenz verständlich aufzubereiten und ihre möglichen Auswirkungen auf die Gesundheitsversorgung der Zukunft zu diskutieren.
Gefördert wird das Vorhaben im Rahmen des Wissenschaftsjahres 2026 „Medizin der Zukunft“ vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR). Für die redaktionelle Umsetzung und wissenschaftliche Kommunikation zeichnet Vita Health Media verantwortlich, unterstützt unter anderem vom Wort & Bild Verlag.
Das Projekt setzt auf Dialog: In die Zukunftsszenarien fließen neben wissenschaftlicher Expertise auch Perspektiven aus Workshops, Befragungen und Gesprächen mit Bürgerinnen und Bürgern ein. Die Zukunft der Medizin erscheint darin als gesellschaftliche Gestaltungsaufgabe, nicht als technisches Fachthema.
Medizinische Zukunftsszenarien entlang des Lebensverlaufs
Statt abstrakt über Technologie zu sprechen, erzählt das Projekt fünf Lebensstationen – vom ungeborenen Kind bis zur Seniorin – und zeigt daran, wie sich Diagnostik, Prävention und Therapie verändern.
Bereits vor der Geburt spielt KI eine zunehmend wichtige Rolle. Dass KI in Pränatal- und Neonataldiagnostik Einzug hält, hält Björn Eskofier von der LMU München für sicher. Sobald große Gendatenbanken mütterliches und väterliches Erbgut gemeinsam abbilden, wird die datenbasierte Vorhersage von Risiken für seltene Erkrankungen und Entwicklungsstörungen möglich. Gleichzeitig wirft diese Entwicklung grundlegende ethische Fragen auf: Wie viel genetisches Wissen ist sinnvoll? Wo liegen die Grenzen einer immer detaillierteren Pränataldiagnostik?
In der Kindheit und Jugend stehen Themen wie psychische Gesundheit, seltene Erkrankungen und Leukämie im Fokus. Künstliche Intelligenz erkennt in großen Datensätzen Muster, die dem menschlichen Auge verborgen bleiben, und verkürzt damit Diagnosewege. Wie groß der Hebel ist, zeigt die Kinderonkologie: Rund 15 Prozent aller krebskranken Kinder tragen eine angeborene genetische Veränderung, die ihr Erkrankungsrisiko erhöht. Und dabei dürfte die tatsächliche Zahl sogar höher liegen.
Für Erwachsene werden Anwendungsbeispiele aus verschiedenen Fachgebieten vorgestellt, darunter die Zahnmedizin oder die Behandlung von Hirntumoren wie dem Glioblastom. Das Prinzip dahinter heißt digitaler Zwilling: KI führt Bildgebung, Labordaten und Omics-Daten – molekulare Profile von Erbgut, Genaktivität, Eiweißen und Stoffwechselprodukten einer Probe – zu einem virtuellen Abbild zusammen, an dem sich Therapien durchspielen lassen, bevor sie am Menschen erprobt werden. Falk Schwendicke vom LMU Klinikum nennt das die „Virtualisierung des Patienten“.
In der Lebensmitte wird es medizinisch ernst. Erkrankungen wie Eierstockkrebs, Bauchspeicheldrüsenkrebs, Herz-Kreislauf-Leiden oder Schlaganfälle gelten bis heute als besondere Herausforderungen für Prävention und Früherkennung. Die Vision für 2036: Risikomuster erkennen, bevor Symptome auftreten. Julia Mayerle von der LMU München sieht in Modellen, die Routine-Gesundheitsdaten auswerten, die Grundlage für gezielte Screeningprogramme bei Hochrisikogruppen – etwa bei neu aufgetretenem Diabetes oder unklarem Gewichtsverlust. Beim Schlaganfall zählen Minuten. Daniel Rückert von der TU München forscht daran, mit KI den Zeitpunkt des Ereignisses präzise zu bestimmen, weil davon die richtige Therapie abhängt. Medizin verschiebt sich damit vom Reagieren zum Vorbeugen.
Im höheren Alter richten sich die Betrachtungen auf neurodegenerative Erkrankungen wie Alzheimer sowie auf intelligente Assistenzsysteme in der Pflege. Im Forschungsprojekt Geriatronics an der TU München entstehen Sensorik und Assistenzsysteme, die Stürze erkennen, den Notruf wählen und die Medikamenteneinnahme überwachen. Das erklärte Ziel: Ältere Menschen sollen möglichst lange selbstbestimmt zu Hause leben.
Die großen Fragen hinter der Technologie
Technische Machbarkeit beantwortet noch nicht die Frage, welche Entwicklungen wünschenswert sind. Genau dort setzt der zweite Strang des Projekts an: bei den gesellschaftlichen Folgen von KI im Gesundheitswesen.
Diskutiert wird beispielsweise, wie sich das Verhältnis zwischen Arzt und Patient verändert. Lisa Adams vom TUM Klinikum rechts der Isar rechnet damit, dass Systeme, die im Hintergrund mithören, das Gespräch dokumentieren und auf fehlende oder widersprüchliche Angaben hinweisen, sich binnen zehn Jahren etablieren. Erste Systeme sind bereits im Einsatz, führen aber nicht immer zu zufriedenstellenden Ergebnissen. Oder wird direkt die KI der erste Ansprechpartner für Gesundheitsfragen sein? Darauf deutet schon jetzt vieles hin. Was ist dann die Rolle des medizinischen Personals? Schon jetzt wird die KI in manchen Studien als empathischer im Vergleich zu menschlichen Medizinern gesehen – kein Wunder bei der hohen Arbeitsbelastung der Mediziner. Ist dies die Lösung für die Kostenbremse im Gesundheitswesen und für den prognostizierten Mangel an Medizinern in den kommenden Jahren?
Besonders kritisch ist in diesem Zusammenhang der datenschutzkonforme Umgang mit Gesundheitsdaten. Viele der dargestellten Zukunftsvisionen setzen voraus, dass große Mengen persönlicher Informationen ausgewertet werden können. Daraus ergeben sich Fragen nach Datenschutz, Datensicherheit und individueller Selbstbestimmung. Schon jetzt gibt es darüber gerichtliche Auseinandersetzung: Der Tübinger Analyse-Dienstleister BinDoc setzt sich gerichtlich mit dem LFDI Bahn Württemberg über die Frage auseinander, ob die vom Unternehmen verarbeiteten Patientendaten wirksam anonymisiert seien (Link). Ausgelöst wurde diese Auseinandersetzung durch ein Gutachten des Netzwerks Datenschutzexpertise aus 2024, welches zu dem Schluss kam, dass BinDoc personenbeziehbare, dem Patientengeheimnis unterliegende Daten verarbeitet.
Auch das sogenannte Recht auf Nichtwissen wird durch das Projekt „2036 – Gesund mit KI?“ thematisiert. Wenn KI-Systeme immer genauer vorhersagen können, welche Krankheiten mit hoher Wahrscheinlichkeit auftreten werden, stellt sich die Frage, ob Menschen jede verfügbare Information über ihre mögliche gesundheitliche Zukunft überhaupt kennen möchten.
Was das für Krankenhäuser bedeutet
In Kliniken kommt KI zuerst dort an, wo sie am wenigsten spektakulär ist: in der Dokumentation. Ein Pilotprojekt des britischen NHS mit mehr als 30.000 Beschäftigten in 90 Einrichtungen ergab eine Zeitersparnis von durchschnittlich 43 Minuten pro Person und Tag, hochgerechnet fünf Wochen im Jahr (Link). Erprobt wurde ein Verwaltungsassistent, kein klinisches System. Auch Ambient-Systeme, die das Arzt-Patienten-Gespräch mithören und protokollieren, entlasten Personal, bevor sie eine einzige Diagnose stellen.
Die Folgen: Kliniken ohne ausreichende finanzielle und technische Ressourcen geraten gegenüber besser ausgestatteten Einrichtungen ins Hintertreffen. Wer 2036 keine belastbare Dateninfrastruktur betreibt, kann datengetriebene Verfahren schlicht nicht anbieten. Das wirkt auf Zuweiserbeziehungen, Personalgewinnung und Fallzahlen zurück.
Datenhaltung wird damit zur Kernkompetenz. Digitaler Zwilling, Omics-Auswertung und Risikomodelle auf Routinedaten setzen voraus, dass ein Haus seine Daten strukturiert und verknüpfbar vorhält. Das ist eine Frage von Infrastruktur und konsequenter Umsetzung der Digitalstrategie.
Die ärztliche Verantwortung bleibt unverändert, aber der Kontrollaufwand wächst. Fehlerhafte Ausgaben, Verzerrungen in Trainingsdaten und intransparente Modelle verlangen nach Validierung vor dem Einsatz, dokumentierten Freigabeprozessen und klaren Zuständigkeiten im Fehlerfall. Die europäische KI-Verordnung und das Medizinprodukterecht geben dabei den Rahmen vor.
Mit den verschiedenen Krankenhausreformen erfolgt die Verlagerung von der stationären in die ambulante Versorgung bereits, unabhängig von KI. Was Früherkennung darüber hinaus verändern wird, ist der Case-Mix. Erkennt ein Modell Risikomuster vor dem ersten Symptom, lassen sich planbare Eingriffe früher, kleiner und ambulant erledigen. Stationär bleibt, was sich nicht vorverlagern lässt: überwiegend hochbetagte, multimorbide Patientinnen und Patienten mit mehreren gleichzeitig behandlungsbedürftigen Erkrankungen. Für Personalqualifikation, Verweildauer und Erlösstruktur ist das für Krankenhäuser die weitreichendste Konsequenz des gesamten Szenarios.