# Amboss: AI Redefines Medical Knowledge and Clinical Decision Support

**Podcast:** Handelsblatt Disrupt - Der Podcast über Disruption und die Zukunft der Wirtschaft
**Published:** 2026-10-23

## Transcript

Alle 73 Tage verdoppelt sich das medizinische Wissen.
Selbst der fleißigste Arzt und die eifrigste Ärztin sind also nicht in der Lage, dauerhaft up-to-date zu bleiben.
Das sagt Sivad Weiss, selbst studierter Mediziner und Mitgründer von Amboss.
Und warum das wichtig ist?
Für den Unternehmer ist klar, die Vorstellung vom Halbgott in Weiss, der zu allem eine Antwort hat, ist spätestens jetzt veraltet.
Ärzte können und müssen auf KI setzen.
Das Problem?
Ärzte verwerfen viele Empfehlungen von KI, sagt Weiß.
Und zwar auch, wenn sie richtig sind.
In dieser Folge von Handelsblatt Disrupt habe ich mit Sievert Weiß über Tipps von Dr.
Google und Dr.
ChatGPT gesprochen.
Es geht um echten Mehrwert für Patienten, um schwerwiegende Fehler und um die Frage, was die KI-Skepsis mancher Ärzte mit der Einführung des Fieberthermometers gemein hat.
Und damit herzlich willkommen zu Handelsblatt Disrupt.
Ich bin Larissa Holski und ich freue mich, dass Sie zuhören.
Und wenn Sie auch künftig jederzeit wissen wollen, was und wer die Wirtschaft bewegt, dann empfehle ich Ihnen als Ergänzung zu diesem Podcast auch das Handelsblatt-Abo.
Ob Märkte, Unternehmen oder technologische Entwicklung, wir liefern Ihnen fundierte Einordnungen, zeigen spannende Köpfe auf und erklären die Zusammenhänge.
Mit einem Probe-Abo bekommen Sie vollen Zugriff auf alle digitalen Inhalte im Test vier Wochen lang für nur einen Euro.
Mehr Infos unter handelsblatt.com slash mehrwirtschaft.
Und damit geht es jetzt direkt zu meinem Gespräch mit Sievert Weiß.
dem Mitgründer von AMBOSS.
Hallo Sievert.
Hi Larissa.
Schön, dass wir immer wieder miteinander sprechen.
Sievert, den Medizinern und Medizinerinnen unter unseren Hörern ist AMBOSS wahrscheinlich sofort ein Begriff.
Ungefähr eine Million Studierende, Ärzte und Pflegekräfte nutzen nämlich eure Plattform.
Nach euren Angaben begleitet ihr ungefähr 95 Prozent aller Medizinstudierenden durchs Examen.
Für alle anderen, was genau ist und macht AMBOSS?
Also letztlich kann man sich Amboss vorstellen als lebenslangen medizinischen Wissensbegleiter für alle Gesundheitsberufe.
Und wie kann ich mir das Nutzungsszenario vorstellen?
Es gibt, wenn du dir jetzt mal sozusagen den üblichen Weg eines Mediziners vorstellst, vom Medizinstudierenden über den Assistenzarzt zum Facharzt und so weiter, gibt es an all diesen...
stellen entlang dieses Weges Situationen, wo sie auf Wissen zurückgreifen müssen oder sich Wissen aneignen müssen.
Und Mediziner ja gerne besonders viel.
Und während des Studiums sind es Prüfungen, auf die man sich vorbereiten muss, sind es Dinge, die man nachschlagen muss bei Praktika.
Als Arzt sind es tatsächlich konkrete Dosierungen oder Management-Hinweise im Umgang mit Patienten, wenn ich auf Station stehe, wenn ich in der Notaufnahme stehe, wenn ich im...
in der Visite bin oder so.
Und später dann vielleicht auch irgendwelche fachübergreifenden Themen.
Ich muss mich weiterbilden, ich muss so und so viele Fortbildungspunkte pro Jahr sammeln, die ich auch einreichen muss und so weiter und so fort.
Das ist alles immer ganz wesentlich um dieses Wissen herum zentriert.
Und das baut sich sozusagen über diese Lebenszeit immer weiter aus.
Und du hast mal gesagt, das Medizinwissen verdopple sich alle 73 Tage.
Wie genau entsteht dieses Wissen?
Wie wird das gemessen?
Und was heißt das jetzt für eine Ärztin, die morgen früh Visite hat?
Ja, also das ist jetzt nicht auf meinem Mist gewachsen, diese Zahl.
Aber das ist eine, die, glaube ich, ganz gut illustriert, was ein immer größeres Problem in der Medizin ist.
Und zwar...
dass es sehr schwer ist, mit diesem Wissenszuwachs mitzuhalten.
Also wenn sich das Wissen alle 73 Tage verdoppelt, dann können selbst die fleißigsten Mediziner da nicht mehr besonders gut mithalten.
Und diese Zahl bezieht sich fairerweise auf...
die Publikationen, die pro Jahr erscheinen und dem Bereich der Medizin sozusagen zugewiesen werden.
Das heißt, nicht alles davon ist jetzt zwangsläufig klinisch relevant für mein Handeln als Arzt, aber es zeigt dennoch, dass es sozusagen einen sehr großen und immer größer werdenden Berg an Wissen gibt, der irgendwie nach dem Relevanten durchsucht werden muss.
Und am Ende in das übersetzt werden muss, was jetzt dann für den Arzt relevant ist, was klinisch anwendbar ist, was eine bessere Therapie, eine bessere Diagnostik gegenüber dem ist, was es bisher gegeben hat.
Und das heißt jetzt zu deinem Beispiel der Ärztin auf Visite, das heißt, dass ich vielleicht nicht alles wissen kann.
was ich da so wissen sollte und dass ich mir dafür dann eben Hilfe hole in verlässlichen Quellen, um die richtigen Entscheidungen für den Patienten am Ende zu treffen.
Und zu eurer, zu deiner Mission gehört nicht zuletzt, die sprichwörtlichen Halbgötter in Weiß abzuschaffen.
Was meinst du damit?
Ja, das...
Also diese Halbgötter-Entweis, das ist ja, wenn man so will, ein Bild, was man von den Ärzten lange gehabt hat und auch bisweilen heute noch hat, nämlich, dass sie alles wissen und einem dann so ein bisschen von oben herab sagen, was man jetzt als Patient zu tun hat und machen muss, sein lassen sollte und so weiter.
Und das ist sowohl, glaube ich, lange, Das Selbstverständnis des Arztes gewesen, eben alles zu wissen und auf alles eine Antwort zu haben und dann auch nicht selten die Erwartungen des Patienten, dass man also diese Empfehlungen und Anweisungen sozusagen so erhält.
Nun ist aber mit dem, was wir davor besprochen haben gerade, also diesem enormen Wissenszuwachs, wird es immer unwahrscheinlicher, dass der Arzt das alles wissen kann auf der einen Seite.
Und auf der anderen Seite haben wir ja auch heute immer aufgeklärtere Patienten, die sich selbst aufklären, die sich vorher schon irgendwie selber Informationen beschafft haben.
Und diese beiden treffen jetzt aufeinander und müssen im Prinzip dieses Verhältnis zwischeneinander neu aushandeln.
Und das ist, glaube ich, etwas Gesundes.
Das ist gesund sowohl für den...
Berufsstand als auch für den Patienten.
Zu den Patienten, die sich selbst informieren und wissen, an einen kommen wir gleich noch.
Ich muss über diese Formulierung auch deshalb lachen und hier so schmunzeln, weil sie mich an etwas erinnert, was wir beide noch offenlegen müssen.
Normalerweise kläre ich am Anfang einer Sendung, ob wir uns duzen oder siezen und in der Regel nehmen wir dann das Du, weil es die normale Umgangsform in internationalen Tech-Unternehmen ist.
In unserem Fall hat es noch einen anderen Hintergrund.
Wir kennen uns nämlich seit ziemlich genau zehn Jahren und zwar...
ursprünglich über meinen damaligen Freund.
Der ist inzwischen Oberarzt am Uniklinikum Köln.
Und warum erzähle ich das?
Weil wir uns, wie man das in Köln so macht, am Rosenmontag kennengelernt haben.
Und jetzt kommt die Pointe.
Er war damals als Hermes der Götterbote verkleidet.
Und später habe ich dann gerne aus Spaß gesagt, ich hätte den Gott im Arztkittel suchen sollen und nicht andersrum.
Aber was soll's?
Grüße gehen raus an den tollsten Ex-Freund der Welt.
Ihr habt zusammen Medizin in Göttingen studiert und tatsächlich...
hat er uns damals vorgestellt, weil er überzeugt war, dass ich damals noch im Studium und freie Journalistin unbedingt über euch schreiben müsste.
Ohne euch, hat er gesagt, käme kaum noch ein Medizinstudio durchs Examen.
Das habe ich dann auch gemacht.
Ich habe euch vor genau zehn Jahren in Kreuzberg im Büro besucht, in einem zweiten Badezimmer, das ihr zum Besprechungsraum umfunktioniert habt, weil das Office schon aus allen Wänden oder allen Nähten platzte.
Lass uns mal in diese Zeit zurückgehen.
Was war eure Anfangsidee und wie ist das Ganze so explodiert?
Ja, auch von mir, liebe Grüße an Robin.
Danke für das.
Ja, wie ist das zustande gekommen?
Also letztlich haben wir in einer...
Lerngruppe 2010, zwei Freunde und ich, Kenan und Majid, wir haben zusammen uns auf dieses abschließende Examen vorbereitet, damals das sogenannte Hammer-Examen, weil das ein besonders schwieriges Examen war.
Man hatte drei Prüfungen zusammengefasst zu einer und dafür musste man also wahnsinnig viel lernen, um genau zu sein, der Standard waren 100 Tage lernen, 8 Stunden jeden Tag mindestens und man beschäftigt sich dabei vor allem mit zehntausenden von alten Examens.
Und das haben wir gemacht, so wie jeder andere wahrscheinlich auch.
Und wir haben das in so einer Gruppe eben gemacht, weil das ist netter.
Man ist nicht ganz alleine dabei.
Und man kann sich natürlich dabei helfen.
Also wir hatten, das hatten wir vorher schon mal so für uns etabliert.
dass wir uns Dinge gegenseitig erklären.
Und jeder hatte irgendwie unterschiedliche Stärken und Schwächen.
Und wenn man sich Dinge erklärt, dann ist das natürlich einmal häufig eingängiger für den Empfänger, als wenn man das sich aus einem Fachbuch zieht, weil man das in einfacheren Worten ausdrückt.
Und für den, der das erklärt, führt das natürlich dazu, dass er das wirklich verstanden haben muss, um das erklären zu können.
Und dann brennt sich das besonders gut ein.
Und das kann man in der Medizin für so grundlegende Mechanismen kann man das sehr gut machen.
Und dann kann man die auch immer wieder auf neue Sachverhalte anwenden.
Das haben wir in der Zeit gemacht.
Und 2010, das ist ja jetzt auch nicht totales Digital No-Man's Land.
Da gab es schon eigentlich gewisse Möglichkeiten.
Und trotzdem, das, was wir damals zur Prüfungsvorbereitung benutzt haben, das war so frustrierend, ehrlicherweise.
Wir hatten sogar so einen Time-Out-Raum, wenn wir uns zu sehr geärgert haben.
Dann haben wir gesagt, komm hier, reg dich ab, geh mal in den Time-Out-Raum.
Dabei ist eigentlich so die Idee entstanden, Mensch, das könnte man doch eigentlich wirklich einfach besser machen.
Diese Erfahrung könnte man besser machen und es gab sofort ganz viele Ansatzpunkte, was man irgendwie alles besser machen könnte.
Wie man eben so häufig durch den Alltag läuft und denkt, warum sind die Dinge nicht anders?
Warum ist es nicht so?
Warum hat nicht jemand so darüber nachgedacht?
Und so weiter.
Und so fing es an.
Das hat dann ein bisschen gedauert, dass wir uns davon überzeugt haben, hey, wir gehen mal dieser losen Idee nach, weil wir waren ja alle nun dann gerade fertige Ärzte.
Und ihr habt das Hammerexamen auch alle bestanden und alle gut bestanden, soweit ich weiß.
Ja, genau.
Also letztlich hatten wir kein, außer diesem frustraten Erlebnis gab es sozusagen kein Problem und alle hätten jetzt problemlos ins Krankenhaus gehen können und sagen können, komm, wir machen jetzt die Fachratzausbildung, was soll's, dann war das jetzt irgendwie ein bisschen nervig, aber mein Gott.
Durchschnittlich sind vielleicht so 5% oder so an diesem Examen gescheitert pro Jahrgang.
Also es war jetzt am Ende keine große Hürde für die meisten, auch wenn jeder davor wahnsinnige Angst hat und man wirklich lernen muss, aber dann sind alle fleißig und machen das und das war okay.
Aber wir haben dann also gesagt, und das hat so ungefähr ein halbes Jahr gedauert, nein, lass uns doch mal versuchen, ob wir das nicht besser machen können und ob wir nicht wirklich dieser Idee nachgehen, die wir da während des Lernens hatten.
Und das war ein bisschen schwierig für uns, weil wir diesen Weg der Sicherheit des Arztes, der einem da so vorgezeichnet wurde, dem man ja dann auch schon eine ganze Weile nachgelaufen ist, dass wir den verlassen und sagen, hey, wir machen was total Unsicheres, wir wissen überhaupt nicht, was da rauskommt.
Und wenn wir Pech haben, stehen wir irgendwie mit einem großen Berg Schulden vielleicht sogar noch da.
Und aller Wahrscheinlichkeit nach wird es ja sowieso eher scheitern, was so die übliche Startup-Statistik sagt.
Aber wir haben uns zwei Jahre Zeit gegeben und haben gesagt, nein, lass uns das versuchen.
In zwei Jahren können wir investieren und dann können wir immer noch ins Krankenhaus gehen.
Und dann haben wir losgelegt.
Lass mich mal gerade einhaken, weil es geht ja nicht nur um Sicherheit oder Unsicherheit.
Es geht ja auch um...
Das Bild, was man von sich selbst hat, also du hast vorhin gesagt, vielleicht ja der Halbgott in Weiswerden.
Auf jeden Fall ist ja Arzt sein, das ist ein Berufsbild, mit dem man sich schon sehr, sehr lange auseinandersetzt.
Dein Weg war da praktisch vorgezeichnet.
Im Abibuch 2003 stand mit Kindern, also deinem späteren Mitgründer, eine Praxis aufmachen.
Das war also schon in der Schule klar, du willst Arzt werden und eine Praxis haben.
Was hat es für dich bedeutet, von diesem Bild nochmal zurückzutreten und dich da selbst in einer anderen Zukunft zu sehen?
Ja, Mensch, du hast ja die Unterlagen nochmal sehr genau angeschaut.
Ich habe das ja alles sehr, sehr genau aufgeschrieben vor zehn Jahren, im Zeit Campus dann.
Ja genau, also ich habe es ja eben schon angedeutet, aber wenn ich da jetzt einmal tief reinschaue, für mich persönlich war das eine wahnsinnige Überwindung.
Genauso wie du gesagt hast.
Also ich meine, um Medizin zu studieren, musste man damals auch schon irgendwie ein gutes Abi haben.
Das waren dann so die letzten zwei Jahre wenigstens der Schule, wo man irgendwie, also wirklich jetzt nochmal aufpassen musste.
Dann dieses ganze ZVS-Verfahren und so weiter mit Zittern.
Was ist ein ZVS-Verfahren?
Achso, ja, die rote Hube.
Genau, also damals wurden größtenteils die Medizinstudienplätze, heute ist es ein bisschen anders, aber läuft immer noch so, über die sogenannte ZVS, das steht für Zentrale Vergabestelle für Studienplätze, an die Bewerber nach bestimmten Kriterien, vor allem Numerus Clausus.
Und das gibt es vor allem bei den Studiengängen, die deutlich gefragter sind, als es Plätze gibt.
Und dazu gehört die Medizin, dazu gehören auch ein paar andere Fächer.
Also es war ein schwieriger Weg ins Studium.
Schwieriger Weg ins Studium.
Also hat für mich glücklicherweise alles gut geklappt, aber nichtsdestotrotz, also das ist ein Investment.
Dann hat man dieses sechsjährige Studium, wo man ja auch eine ganze Menge tun muss, also sehr viel lernen muss auf jeden Fall und auch viele Prüfungen hat und auch zwei oder heute drei Staatsexamina hat, die man alle ablegen muss, die auch alle eher aufwendig und schwierig sind.
Und das ist also schon ein ganz schöner Weg, den man da geht, um dann...
am Ende sozusagen dieses Studium in der Tasche zu haben, dann geht es eigentlich ja trotzdem auch ein Stück weit erst so richtig los mit diesem Arzt-Dasein.
Und du bist ja dann nicht sofort, kannst dich sozusagen niederlassen und hast deine Praxis, sondern dann musst du nochmal eigentlich fünf bis sechs Jahre mindestens deine Facharztausbildung machen.
Das heißt, du bist so irgendwie in der Mitte vielleicht deiner Ausbildung.
Und dann steht am Ende oder auch auf dem Weg schon natürlich eine ganze Menge, Ärzte werden immer gebraucht, das hat einen hohen sozialen Status, das ist sehr anerkannt, du hast eigentlich irgendwie ein garantiertes Einkommen, wenn du dich jetzt nicht total blöd und fahrlässig anstellst irgendwie.
Und das ist ja, das ist schon ein Weg, der eine ganze Menge Sicherheit suggeriert, was für mich damals irgendwie auch eine große Rolle gespielt hat.
war das nicht leicht.
Das hat mich sehr viel Überwindung gekostet, diesen Weg zu verlassen.
Zumal auch im Studium niemand wird darauf vorbereitet, dass man auch noch was anderes machen könnte als Arzt.
Also eigentlich am Ende, das klingt immer so ein bisschen blöd, aber am Ende studiert man eben doch Arzt oder Ärztin und nicht Medizin.
Weil alle wollen, dass du natürlich in der klinischen Versorgung arbeitest.
Und das geht dann richtig, also die Familie fragt, warum geht man jetzt nicht ins Krankenhaus?
Die Kommilitonen gehen alle ins Krankenhaus, halten die Idee für scheiße.
Das muss man dann erstmal alles erklären und sich ständig rechtfertigen.
Und das macht natürlich was.
Und gerade der Medizinerberuf ist ja auch sehr bedeutungsschwer aufgeladen, würde ich fast sagen.
Also dieses, was kannst du Wichtigeres machen in der Welt als Krankenhäuser?
Pfanke heilen und Schmerzen lindern.
Ich meine aber zu erinnern, dass für dich eine Reise nach Indien auch sehr prägend war und dir gezeigt hat, dass du mit dem, was du gelernt hast, vielleicht noch einen größeren Hebel hast, als den einzelnen Patienten zu behandeln.
Ja, das stimmt.
Auch das haben Robi und ich gemeinsam.
Genau, ja, ich habe tatsächlich während des Studiums ein Praktikum, wenn man so will, in Indien gemacht, bei einer lokalen NGO von einem englischen Arzt, einem englischen Kinderarzt, der viele Jahre vorher, 20 Jahre vorher ungefähr angefangen hatte, in der Nähe Kalkutas, so im Ganges-Delta, unversorgte Kinder letztlich medizinisch zu versorgen.
Und das muss man sich da so vorstellen für diejenigen, die da noch nicht waren.
Das ist letztlich wie so ein...
Leben im Mittelalter mit Lehmhäuschen und Strohdächern ohne Strom, ohne fließend Wasser, ohne Anbindung an irgendwie Schulen, das Gesundheitssystem oder sonst irgendwas.
Vollkommen abgeschieden, die trocknen so die Kuhfladen an der Hauswand und machen damit ihr Feuer.
Und diese Menschen haben also keinerlei Zugang zu unter anderem eben medizinischer Versorgung.
Er hat sich genau dort angesiedelt, hat angefangen.
erst mal Kinder kostenlos zu behandeln, zu impfen und sozusagen die banalsten, aus unserer Sicht die banalsten Erkrankungen da zu sehen bekommen.
die es heute hier in Deutschland, in Europa, in vielen Teilen der westlichen Welt einfach gar nicht mehr gibt.
Unterernährung und Würmer und irgendwelche Hautinfektionen, die man in diesen Ausprägungsformen überhaupt nicht mehr sieht.
Und das liegt da natürlich dran, dass das einfach keiner erkennt, keiner versorgt und die Menschen auch nicht wissen, was das ist und wie sie dem zuvorkommen können und auch gar nicht die Möglichkeiten haben, wenn man sich dann nicht mal vernünftig die Hände waschen kann, wie soll man dann irgendwie sozusagen...
sich nicht infizieren.
Und der hat dann so Ambulanzen aufgebaut, da immer mehr Patienten gesehen.
Es gibt irgendwie mittlerweile sechs Ambulanzen, da behandelt er nicht nur er, sondern mittlerweile ein größeres Team, täglich so um die 1000 Patienten, letztlich kostenlos in dieser Region.
Was er aber gesehen hat und realisiert hat, war, dass die Menschen am Ende eigentlich immer wieder kommen, mit den gleichen Problemen auch.
Und das liegt natürlich daran, dass du an dieser Stelle mit der Medizin eigentlich nur die Symptome behandelst von etwas anderem.
Und zwar dem eigentlich diesem Unwissen und dieser strukturellen, infrastrukturellen Unzugänglichkeit vieler Themen.
Und so hat er dann eine Weile darauf, hat er auch seine Frau kennengelernt, die war Lehrerin, hat er angefangen, Schulen aufzubauen für diese Kinder und hat jetzt mittlerweile über über 30 Schulen, Grundschulen aufgebaut in der Region, damit die Kinder also da zur Schule gehen können, lesen und schreiben lernen können und damit natürlich am Ende sich selber aus diesem Schlamasseln ein Stück weit vielleicht befreien können.
Und was das mit mir gemacht hat, das alles zu sehen war, dass ich dachte, Mensch, zur Gesundheit eines Menschen gehört eben auch die medizinische Versorgung, aber nicht nur.
Es gibt so viel mehr.
Faktoren, die das beeinflussen, dass Menschen gesund sind.
Und so entstand in mir eigentlich, das war so im achten Semester, glaube ich, die Idee, dass ich nach dem Medizinstudium eher in so eine Richtung der öffentlichen Gesundheit gehen wollen würde und so ein Master of Public Health machen möchte, wo man eben über solche systemischen Hebel nachdenkt.
Dazu hätte man auch ein paar Jahre in der Klinik verbringen müssen, weil das dann trotzdem praktisch ist.
Das wäre dann sozusagen danach gewesen und so habe ich mich vielleicht jetzt auch nicht hundertprozentig immer nur im Krankenhaus gesehen, sondern dann doch auch auf einer Ebene zu arbeiten, wo man eher sozusagen so einen Gesamten...
gesellschaftlichen Impact haben.
Und ihr habt dann an anderer Stelle ja auch einen systemischen Hebel gesehen.
Die Idee zum Start von damals Miami, heute sagen glaube ich wirklich alle Ambos zu eurer Firma.
Allerdings waren nicht alle so überzeugt davon wie ihr.
Ihr habt ein Gründerstipendium beantragt, das wurde abgelehnt, weil der Plan als nicht umsetzbar galt und ein Institut in Mainz wollte 250.000 Euro für die Altfragen, die ihr genutzt habt, um erstmal so eine Wissensbibliothek aufzubauen.
Am Ende habt ihr Geld bei Freunden und Verwandten geliehen und ihr habt 48-Stunden-Schichten in der Psychiatrie geschoben, damit ihr das Geld im schlimmsten Fall davon zurückzahlen könnt.
Wie wurde aus dieser Idee der Option, so ein Unternehmen aufzubauen, ein Plan, den ihr so ehrgeizig verfolgt habt, für den ihr auch so viel bereit wart zu opfern?
Ja, ich glaube, das stimmt alles, was du gerade gesagt hast.
Ich glaube...
Es hat sich einfach immer weiterentwickelt.
Also es klingt ja blöd und es ist abgedroschen, aber man wächst ja irgendwie mit den Herausforderungen.
Und wir haben also Mitte 2011 haben wir angefangen, dieses Projekt sozusagen.
Projekt, haben wir es damals immer gesagt, Vollzeit daran zu arbeiten.
Und du arbeitest dann an allen Bestandteilen.
Wir haben angefangen, uns irgendwie damit zu beschäftigen, okay, wie würde die Plattform aussehen?
Wir haben angefangen, diese Inhalte zu schreiben, selber zu schreiben.
Wie müssten diese Inhalte aussehen?
Dann haben wir uns, genau wie du gesagt hast, mit den Examensfragen beschäftigt.
Wie kann man an die rankommen?
Woher kann man die kriegen?
Muss man dafür Lizenzgebühren zahlen oder nicht?
Und musste man dann, wie wir rausgefunden haben.
Nachdem ihr sie genutzt habt, glaube ich.
Nein, das war natürlich nicht.
Ja, und ich meine, ich glaube, das Gute war und das ist, was ich heute so in Heinzheit auch immer noch als glücklichen Zufall erachte, ist, dass wir, wir kamen ja nun gerade aus dem Studium, ja, wir waren fertig und wir waren junge Ärzte, aber wir hatten irgendwie keinerlei Verbindlichkeiten oder sowas.
Wir hatten einen Lebensstil, der war immer noch wie ein Student und wir konnten von 500 Euro im Monat überleben.
Das war überhaupt kein Problem.
Und das haben wir dann einfach weitergemacht.
Und diese Nachtschichten und Wochenendschichten in der Psychiatrie, die waren super, weil da konnten wir dann einfach so ein Wochenende sein und arbeiten.
Und dann war der Rest des Monats davon finanziert.
Das war großartig.
Es war ganz toll, dass es diese Chance gab.
Naja, und dann haben wir...
immer mehr von diesen Hürden aus dem Weg geräumt.
Und dann, klar, wir haben mit diesem Examensprodukt angefangen.
Das ist ja heute lange nicht mehr unser einziges Produkt.
Wir haben immer noch seit über zehn Jahren jetzt 95 Prozent der Medizinstudierenden, die sich damit auf das Examen vorbereiten.
Aber wir haben einen substanziellen Teil der Ärzteschaft, die das Produkt nutzen.
Also gut ein Drittel der Ärzteschaft, die das verwenden im Alltag.
Wir haben in den USA sehr viel Erfolg und weltweit.
Also das Konzept hat sich immer weiterentwickelt und sozusagen zu diesem eingangs beschriebenen lebenslangen Wissensbegleiter hin entwickelt.
Das war natürlich am Anfang jetzt so noch nicht gegeben.
Und dein Mitgründer Matji, der hatte ja auch schon eine Firmengründung hinter sich.
Die Firma ist in der Dotcom-Blase pleite gegangen.
Hat dir das eigentlich mehr Angst gemacht oder hat dich das irgendwie auch beruhigt?
Naja, also genau, das stimmt.
Der Matjet hatte da diese Erfahrung gemacht und tatsächlich ist das erste Unternehmen von ihm in der Dotcom-Blase pleite gegangen und die beiden, die das damals dann aber aufgebaut haben, die haben dann eine Software-Agentur.
aufgebaut, um sozusagen, glaube ich, auch noch verbliebene Schulden aus dieser Zeit irgendwie bearbeiten zu können.
Und diese Agentur war dann ziemlich erfolgreich.
Also auch die gibt es bis heute.
Und die haben sehr, sehr viel gemacht in der Zeit danach.
Die haben irgendwelche digitalen Briefmarkenkonzepte entwickelt.
Ich glaube, die Homepage der Stadt Köln damals oder irgendwie, also lauter solche Dinge.
Und damit waren die dann tatsächlich relativ erfolgreich.
Und grundsätzlich kannte manche sich einfach aus mit Programmieren und das war natürlich super wichtig, weil das konnten wir gar nicht.
Sehr glücklicher Zufall.
Ich glaube, ihr habt ihn damals in der Menserschlange kennengelernt.
So kann es gehen.
Bevor wir jetzt tiefer einsteigen, muss ich dir noch auf eine Regel hinweisen, die du vorhin selber schon kurz erwähnt hast.
Wir sprechen hier bei Disrupt über Themen, die auch Experten noch spannend finden, die neu sind, aber in Worten, die jeder versteht.
Wenn du also ein Fachwort benutzt ab jetzt, dann hupe ich auch wirklich mit dieser kleinen Hupe.
Und du erklärst uns das kurz, okay?
Ich versuche es.
Du bist ja ein Experte für das Übersetzen von Fachchinesisch, da sollte das kein Problem sein.
Apropos Übersetzen von Fachchinesisch.
Ihr seid heute ein Startup, das gerne als das nächste Einhorn bezeichnet wird, also eine Firma mit...
Milliardenbewertung potenziell gehandelt wird.
Seit der letzten Finanzierungsrunde 2025 dürfte die Bewertung so ungefähr bei 800 Millionen Euro aufwärts liegen.
Ihr kommentiert das nach wie vor eisern nicht.
Was bekannt ist, ihr seid profitabel, macht im Jahr 100 Millionen Euro wiederkehrende Umsätze mit Softwareabos und habt ungefähr 600 Mitarbeitende.
Wie viele von diesen Mitarbeitenden schreiben und arbeiten an euren Inhalten direkt?
Ja, also wir haben insgesamt in der Firma gut ein Drittel sind Ärzte, Ärzte und Ärztinnen.
Die arbeiten nicht nur in dem, was mal die Redaktion war, sondern auch in anderen Bereichen.
Aber der Großteil ist sozusagen in unserem Medical Department.
Und das sind dann also mindestens 100 Ärztinnen und Ärzte, die da tagtäglich.
mit den Inhalten zu tun haben und der Wissensvermittlung zu tun haben.
Und da stellt sich ja jetzt sofort die Frage, warum macht ihr das nicht mit KI?
Ja, also das ist keine schlechte Frage.
Das ist natürlich auch eine Frage, die wir uns auch stellen.
Aber wie du ja weißt, da bist du ja mindestens genauso Expertin wie ich, ist ja, warum macht ihr das in Anführungsstrichen nicht mit KI?
was denn davon und muss man sozusagen genauer hinschauen.
Letztlich machen wir eine ganze Menge mit KI, auch bevor es LLMs gab.
Was sind LLMs?
Entschuldigung, bevor es also die Large Language Models gab, sowas wie ChatGPT, das ist okay.
Große Sprachmodelle, die irgendwie augenscheinlich sehr gute Antworten innerhalb kürzester Zeit auf alle möglichen Fragen geben können durch ein Modell, was am Ende, glaube ich, keiner so richtig verstanden hat, was dahinter steckt, aber es funktioniert.
Damit kann man natürlich jetzt eine ganze Menge machen und wie gesagt, untervor konnte man mit künstlicher Intelligenz natürlich auch schon eine ganze Menge machen.
Wir haben davor auch schon in unserer Suche, die hat so ähnlich funktioniert wie die Google-Suche, haben wir auch schon eine ganze Menge mit KI gearbeitet.
Mit Priorisierung des Nutzer-Feedbacks oder so haben wir auch sehr viel mit KI gearbeitet, mit irgendwelchen Lernanalysen oder sowas haben wir mit KI gearbeitet.
So und jetzt.
Klar kann man jetzt sagen, okay, warum habt ihr diese Redaktion noch, kann den Teil der Inhaltserstellung nicht einfach ein Modell machen.
Das ist nicht so, weil es sich ja um sehr sensiblen Inhalt handelt und einen hochfachlichen Inhalt, bei dem es dann...
zudem auch noch sehr stark auf die Richtigkeit ankommt.
Also, dass das verlässliche Informationen sind und eben nicht irgendwie durch Wahrscheinlichkeit erstellte, halluzinierte vielleicht Inhalte, sondern es muss irgendwie eine vernünftige Basis für diese Informationen geben.
Und dann gibt es natürlich auch ein Ausgabeende, wo du sagst, okay, in welcher Form wird mir denn dieser Inhalt präsentiert beispielsweise.
Und das war...
Bei uns lange, für die letzten 15 Jahre, lief das über ...
die Suche als Zugangstor, die wie gesagt so ähnlich funktionierte wie Google.
Und dann habe ich mich in Artikeln wiedergefunden zu bestimmten Erkrankungen.
Also beispielsweise Diabetes.
Da gab es dann ein ganz langes Kapitel, was ausgedruckt wahrscheinlich irgendwie 30 DIN-A4-Seiten oder sowas gewesen wären oder mehr.
Und da kann ich dann Informationen nachschauen.
Und jetzt gibt es natürlich die Möglichkeit, diese großen Sprachmodelle nicht nur für die Inhaltserstellung theoretisch zu nutzen, sondern auch für die Inhaltserstellung.
auch für die Art der Ausgabe zu nutzen.
Also die Interaktion, wie wir sie jetzt von ChatGPT oder Co.
gewohnt sind, die ist natürlich eine ganze Ecke erstmal angenehmer, dadurch, dass ich einfach eine komplizierte Frage stellen kann und ich kriege eine Antwort darauf, die sich auf diese Frage bezieht.
Das ist auch eine der Möglichkeiten und diese haben wir angewendet.
Da willst du wahrscheinlich auch noch ins Detail gehen.
Aber am Ende ist immer die Frage sozusagen, wo setzt man die KI ein?
In welchem Schritt, in welchem Teil der Wertschöpfungskette, in welchem Teil der Produkterstellung, in welchem Teil der Nutzerinteraktion oder oder oder.
Und da muss man jeweils kritisch hinschauen, weil das...
alles unterschiedliche Szenarien sind mit unterschiedlichen Schwierigkeiten, unterschiedlichen Vorteilen, die man dann nutzen kann, aber sich eben auch dieser Risiken bewusst anstellt.
Und wenn ich das richtig verstanden habe, habt ihr gerade für die Ausgabe ein eigenes KI-Modell gebaut.
Lisa, erklär kurz, was genau ist das für ein Modell und was steckt dahinter?
Ja, also, jetzt echt nur...
Ich denke in simplen Worten.
Also einmal, Lisa ist sozusagen der Name unseres Modells.
Dabei handelt es sich um ein System, was letztlich aus der Datenbank, die wir über die letzten 15 Jahre an medizinischem Wissen händisch erstellt haben, mit dieser großen Redaktion, die Informationen rauszieht, die für die Frage des Nutzers relevant sind.
Und sie dann in einer Art und Weise zurückspielt, die möglichst viele der klassischen Fehlerquellen eines großen generischen Sprachmodells reduziert.
Das ist eine spezielle Architektur, die unter diesem Wort Rack und jetzt zurück zu der Hupe läuft, aber was also Retrieval Augmented Generation ist, wo sozusagen sowohl die Frage sich isoliert angeschaut wird, verstanden wird, dann geschaut wird, okay, was passt innerhalb der eingegrenzten und in unserem Fall eben sehr stark kuratierten Datenbasis.
passt zu dieser Frage und dann benutze ich ein Modell nur, um die sprachliche Ausgabe davon zu verpacken.
Hervorragend.
Ich merke schon, wir könnten mit dir auch so Lernkarten für die KI-Revolution bauen.
Da würden ganz, ganz gute Antworten bei rauskommen.
Es gibt eine Studie aus Harvard dazu oder Harvard und Stanford.
die gesagt hat, dieser ist bei der Patientensicherheit unter den besten Systemen.
Über alle getesteten KI-Modelle lag nämlich der Anteil schwerer Fehler bei der Ausgabe zwischen 2,9 und 24 oder fast 25 Prozent.
Woher kommen diese Fehler?
Ist so viel falsches oder veraltetes medizinisches Wissen im Internet?
Genau, tatsächlich.
Lisa hat auf der 2,9% Seite abgeschnitten, was die Fehler anging, also als bestes Modell.
Und insgesamt hat die Gruppe dieser klinischen Rags, also dieser Modelle, die in dieser Architektur gebaut sind, am besten abgeschnitten vor allen großen Sprachmodellen, die, wie du gesagt hast, bis zu 29% Fehler gemacht haben.
Ich glaube 25.
25, genau.
Und waren damit also sozusagen, um ein Vielfaches zum Teil besser, je nachdem, welche Modelle man sich da anschaut.
Und was waren die Fehlerquellen, die in, das ist die sogenannte No-Harm-Studie, also da ging es darum, vielleicht einmal so, das Setting in dieser Studie war, es waren über 1000 Patientenfälle, die tatsächlich in der Region Stanford entstanden sind, von Hausärzten, die Fragen an Fachärzte gestellt haben.
Und das ist ein System, was es da schon gab in dieser Region und die haben letztlich einfach diese Fälle genommen.
und gesagt, hey, das wäre doch mal total spannend, das sind reale Fälle.
Natürlich haben sie dann irgendwie Patientendaten anonymisiert und so weiter, aber das sind reale Fälle.
Dagegen mal die KI-Modelle zu testen.
Um das zu verstehen, also da hat jetzt ein Hausarzt vielleicht einen Fall einer Hauterkrankung gesehen und hat gesagt, damit kenne ich mich nicht so gut aus.
Da frage ich jetzt mal eine mir bekannte Dermatologin, wie sie das einschätzen würde, welche Diagnose sie stellt.
Richtig, genau.
Genau, also die wussten nicht weiter und die haben ihre Anfrage dann an so einen Fachärztepool gestellt in der Region und üblicherweise antworten die dann darauf.
So ist dieses System aufgebaut, sozusagen wie so eine Art Telekonzil, wenn man so will, von einem Hausarzt an einem Facharzt.
Und diese Fälle haben sie genommen und dagegen diese Modelle getestet, weil sie sehen wollten, wie arbeiten jetzt die Modelle sozusagen näher an der Realität.
In der Vergangenheit sind Modelle sehr häufig gegen beispielsweise die Staatsexamina oder sowas getestet wurden.
Also gegen das, worüber wir gesprochen haben eingangs.
Und da kann man sozusagen natürlich die Modelle wahnsinnig gut drauf trainieren, auf unterschiedliche Fragetypen.
Dann haben die irgendwie mit, ich weiß nicht, 99 Prozent oder teilweise sogar 100 Prozent Richtigkeit in diesen Examina abgeschnitten.
Nur...
das haben Medizinstudenten auch schon immer bemängelt, dass diese Fragen nicht die Realität abbilden.
Also haben die gesagt, lass uns doch mal die Realität abbilden.
Wie ist denn die Realität?
Und dagegen müssen wir ja benchmarken.
Also dagegen müssen wir die Modelle testen, wie es denn da aussieht.
Denn das ist ja schon mal eine Ecke näher an dem, was da draußen tatsächlich passiert.
Und dann wollten die vor allem, und das sagt der Name der Studie, schauen, wie viel Schaden wird denn...
von diesen Modellen verursacht.
Also was passiert, wenn diese Empfehlung oder was würde passieren, das ist ja nicht, das war ein theoretisches Setup sozusagen, was würde passieren, wenn man den Empfehlungen der Modelle folgen würde, um sozusagen Anhalt dafür zu haben, wie sicher ist eigentlich die Benutzung dieser und verschiedener Modellkategorien.
Was Sie dabei gesehen haben, ist, dass es also einmal unterschiedliche Leistungen gibt der verschiedenen Modelle auf diese Fragen, von irgendwie sehr gut bis auch sehr schlecht, dass insgesamt alle Modelle besser gewesen wären, als nichts zu tun.
Also man könnte ja auch Patienten einfach nichts empfehlen.
Das hätte aber ungefähr fast knapp 40 Prozent schwere Fehler verursacht und alle Modelle waren schon mal oberhalb dieser Schwelle.
Das heißt grundsätzlich ist KI schon mal besser als Nichtstun oder sagen wir mal, also das klingt irgendwie ein bisschen bescheuert, aber es gibt ja auch Orte in dieser Welt, wo es keine Versorgung gibt und theoretisch wären da die Modelle zumindest auf dieser Art von Basis schon mal besser als keine Art Store.
Menschen aus den Medizinberufen.
Das heißt an der Stelle einmal sozusagen Verbraucherjournalismus.
Du warnst jetzt auf dieser Basis nicht grundsätzlich davor, Dr.
Google oder Dr.
ChatGPT zu befragen.
Man kann das schon erstmal machen.
Und sollte das auch machen, wenn man nicht sofort zum Arzt gehen kann.
Ja, es ist natürlich mit...
immer mit einer gewissen Vorsicht zu genießen, was da rauskommt.
Und es hängt natürlich auch sehr stark davon ab, was ich da reingebe als Input, als Patient.
Aber grundsätzlich, das haben ja Menschen vorher vor den, vor der GPT und Co.
auch schon gemacht, haben sich selber informiert.
Und das war, davor ist es mit Google passiert oder davor vielleicht, was weiß ich, mit der Apotheken Umschau oder so.
Grundsätzlich würde ich jetzt nicht davon abraten, ich würde aber auch jetzt nicht sagen, ja super, alles machen, was da empfohlen wird.
Das ist jetzt auch nicht meine Aussage, aber es gibt vielleicht schon mal eine Orientierung, in welche Richtung könnte es gehen, was sind vielleicht irgendwie weitere wichtige Folgefragen, wie kann ich das weiter einordnen?
Das kann man grundsätzlich machen und würde ich jetzt auch keinen davon abhalten und ich glaube auch ganz grundsätzlich ist es erstmal gut, dass mehr Fragen gestellt werden können.
Durch das Vorhandensein von ChatGPT können ja alle Menschen viel leichter mehr Fragen stellen.
Das ist ja einfach wirklich noch mal deutlich einfacher als Dr.
Google, wo ich mir dann selber irgendwie die Quellen noch raussuchen musste und selber irgendwie vielleicht bewerten musste und zehn blaue Links durchklicken musste.
Jetzt kriege ich eine Antwort.
Das ist ja schon mal einfacher zu konsumieren und dadurch stelle ich vielleicht auch häufiger Fragen und dadurch...
bin ich grundsätzlich wahrscheinlich, würde ich jetzt annehmen, auf breiterer Basis schon mal einen Tick informierter.
Das ist, glaube ich, grundsätzlich gut.
Aber kannst du dir erklären, woher dann dieses ganze falsche Wissen auch kommt, die falschen Tipps, die mir von diesen Tools gegeben werden?
Ja, also vielleicht, es gibt ja verschiedene Fehlerquellen, gerade bei den größeren Modellen, an denen auch gearbeitet wird und die sich verbessern, aber es gibt verschiedene.
Halluzinationen, also die Möglichkeit, dass aufgrund der Art, wie die gebaut sind, das Wissen, was sie ausgeben oder vermeintlich ausgeben, etwas Konstruiertes ist, was es so vorher in keiner Quelle irgendwie gegeben hat, sondern nur auf der...
Wahrscheinlichkeit sozusagen von Wortkombination dem Modell an sich plausibel erscheint.
Das ist das Phänomen der Halluzination.
Dann gibt es natürlich noch andere Fehler, wie vielleicht bestimmte Biases in Modellen, weil Daten von bestimmten, zum Beispiel Bevölkerungsgruppen irgendwie erhoben werden von anderen, aber nicht.
Dann verzieht das den Datensatz in eine gewisse Richtung.
Es gibt natürlich auch Und Biasis, die dadurch entstehen, dass das Modell vielleicht ein gewisses Bild von dir als Nutzer hat, weil du Bitte und Danke sagst, bist du vielleicht der akademische Nutzer oder irgendwie sowas.
Und dann gibt er dir nochmal eine andere Antwort, als wenn du ihm irgendwelche Befehle entgegenschweißt oder so.
Und Reproduzierbarkeit, Transparenz dieser Empfehlung und so weiter, das ist ja auch nicht unbedingt immer gegeben.
Also da gibt es sozusagen verschiedene Fehlerquellen und wenn man sich diese großen Modelle anschaut, dann sind die ja erstmal grundsätzlich.
auf der Basis des gesamten Internets irgendwie erstellt worden.
Mit wahrscheinlich der größten Copyright-Verletzungen der Menschheitsgeschichte.
Aber nichtsdestotrotz ist das passiert und damit ist dann eben auch viel Müll in diesen Dingern drin und eben nicht nur sozusagen fachlich akkurate, geprüfte Informationen.
Nicht jeder hat die 250.000 Euro bezahlt.
In dieser Studie.
Ja, genau.
In dieser Studie, was da interessant war, also in dieser Know-how, Der bei weitem größte Anteil der Fehler, der da zutage getreten ist, waren Unterlassungen und waren Empfehlungen, die sozusagen hätten gegeben werden sollen, aber nicht ausgegeben wurden.
Das waren 80 Prozent der Fehlerquellen für schwere...
Also man hätte irgendwie sagen müssen, dieser Patient braucht jetzt dringend eine Medikation oder sollte sich in einer Notaufnahme melden?
Genau, also oder vielleicht, du hast irgendwie eine Antwort, die beinhaltet drei Bestandteile oder müsste drei Bestandteile beinhalten und die Modelle geben aber nur zwei.
sagen, okay, also die Therapie besteht aus diesem Medikament, diesem Medikament und diesem Medikament.
Und dann wird mit voller Überzeugung und der entsprechenden Eloquenz gesagt, es sind diese zwei.
Das waren 80 Prozent der Fehler.
Also ist es sozusagen, grundsätzlich war die Information richtig, die gegeben wurde, aber sie war eben unvollständig.
Und das ist, glaube ich, schon mal interessant.
Jetzt ist ja auch, obwohl unser Modell als Bestes abgeschnitten hat, ist es auch nicht fehlerfrei.
Auch bei uns gab es eben 2,9% Fehlerrate auf diese Fragen.
Und die Frage ist auch, ob man da hinkommen wird, dass man da sozusagen 100% oder 0% erreichen kann, also 0% Fehler.
Es war auf jeden Fall ein deutlich besseres Ergebnis, als beispielsweise die Ärzte alleine hatten oder auch die Ärzte mit.
KI-Benutzung hatten.
Und das war auch nochmal ein interessanter Punkt.
Es gab in der Studie dann eine kleinere Unterstudie sozusagen, wo Ärzte mit KI Empfehlungen gegeben haben und die haben sogar, also die hätten theoretisch, wenn die richtig zusammengearbeitet hätten, hätten die als beste abschneiden können.
Haben sie aber nicht, weil die Ärzte viele der Empfehlungen der KI verworfen haben.
Haben gesagt, nee, das glaube ich nicht.
Das machen wir nicht.
Und das zeigt, glaube ich, so ein bisschen auch irgendwie so, wo die Reise hingehen wird.
Also die Modelle, alle Modelle und alle Systeme können ja von heute aus gesehen nur besser werden.
Unsers, aber auch alle anderen.
Und was lernt ihr jetzt daraus?
Also das ist ja eigentlich genau euer Nutzungsszenario.
Der Arzt, die Ärztin guckt sich eine Patientin an und checkt dann den Befund, ihre Diagnose nochmal gegen mit einer KI.
Und jetzt sagen ganz, ganz viele Menschen, in wichtigen, lebensentscheidenden Momenten muss am Ende ein Mensch entscheiden.
Und jetzt sagst du, ja, aber der entscheidet sich im Zweifel gegen die KI, selbst wenn die KI...
richtig liegt.
Was heißt das dafür, wie euer Produkt aufgebaut ist, um dem Arzt eine wirkliche Entscheidungshilfe zu geben und um ihm oder ihr am Ende den Hinweis zu geben, jetzt musst du mir wirklich zuhören.
Wie baut ihr das in euer Produkt ein?
Ja, also das ist eine super spannende Frage.
Und ich glaube, da sind wir noch nicht am Ende der Entwicklung angekommen.
Die Speerspitze der Forschung zu diesem Thema gibt es noch nicht.
Was man gesehen hat, ist, dass es ganz stark auf die Interaktion dieser beiden Parteien ankommt.
Die Modelle sind mittlerweile so gut, dass sie jeden Arzt alleine outperformen würden.
Also bei weitem besser sind.
Dass aber theoretisch die Kombination, weil die sich gut ergänzen, Mensch und Maschine, wenn man so will, oder Mensch und KI, könnte besser sein.
Weil der Mensch andere Stärken und Schwächen hat als die AI.
Und wenn man die sozusagen in einer idealen Welt miteinander so kombinieren würde, dass dabei genau das komplementäre Bild rauskäme, dann wäre das am allerbesten.
Und generell Systeme kombinieren, outperformt sozusagen.
Einzelsysteme.
Das ist auch schon mal gut.
Und was heißt das für uns?
Das heißt, glaube ich, dass man ganz stark darauf achten muss, wie ist diese Interaktion zwischen Mensch und KI designt.
Wo in den Überlegungen des Mediziners setze ich an?
Wo komme ich da vor?
In Noharm hat man beispielsweise gesehen, dass die Mediziner, wenn sie sich selber erst eine Hypothese zurechtgelegt haben, was gemacht werden soll und das dann mit KI validiert haben, deutlich bessere Ergebnisse rauskamen, als wenn sie erst die KI-Empfehlungen gesehen haben und sich dann die Gedanken darauf basieren.
Also es kommt extrem darauf an, wie diese beiden Seiten miteinander zusammenspielen.
Ich glaube, da kommt es also darauf an im Design, An welcher Stelle kommst du da rein?
Das kannst du natürlich jetzt nicht immer irgendwie entscheiden.
Das ist ja auch, das entscheidet der Mediziner selbst.
Wann zieht er sich so ein Tool zur Hilfe?
Vielleicht irgendwann nicht mehr, in fünf bis zehn Jahren.
Vielleicht sagt man, okay, das ist Pflicht, das muss einfach vorkommen, weil es in der Grundgesamtheit einfach besser ist.
Aber wo kommst du rein?
Wie wird die Frage gestellt und dann wie lieferst du deine Antwort?
Ist die nachvollziehbar?
Wie ist die aufgebaut?
Wie passt die zu der Frage?
Kann ich in die Quellen reinschauen und kann ich sehen, dass sozusagen in der Antwort das gleiche steht, wie in den Quellen über dieses Thema gesagt wird?
Kann ich den Medizinern weiterhin dieses...
sogenannte Clinical Reasoning ein Stück weit überlassen oder beziehungsweise ihnen dabei helfen, das mitzudenken.
Platt gesagt, gebe ich ihnen sozusagen stumpf, einfach knalle ich ihnen stumpf eine Antwort vor den Kopf oder gebe ich ihnen die Chance, das mitzudenken, den Weg zu verfolgen, mitzuverstehen, was da los ist und darauf dann etwas Eigenes zu entwickeln.
Ich glaube, darauf wird es ankommen.
Aber genau, das ist noch ein Weg, weil wir überhaupt uns noch nicht da sind, dass die Systeme, klinischen KIs, an Ort und Stelle sozusagen da, wo Patientendaten sind, vorkommen, dass die unbedingt diesen gesamten Kontext so haben, dass wir sehen, es gibt ja bisher gibt es auch noch keine sogenannte, also wenn man so will, Outcome-Forschung dazu, verbessern denn diese Modelle eigentlich tatsächlich dann in der Praxis, da wo sie eingesetzt werden, sozusagen die Versorgung.
Solche Studien gibt es noch nicht, weil das alles noch so neu ist.
quasi gerade live stattfindet.
Das ist auf jeden Fall super interessant und wäre extrem spannend zu untersuchen, ob das in anderen Bereichen auch so ist.
Ich kann nur sagen, bei uns in der Redaktion gibt es die Regel, dass KI helfen und unterstützen und redigieren darf, aber nicht andersrum.
Also tatsächlich muss auch bei uns der erste Textentwurf immer von einem Menschen geschrieben werden und dann mit einer KI gegengecheckt, aber nicht andersrum.
Ich finde das auch vor dem Hintergrund interessant, dass ich ja die...
Also auch nachdem du jetzt erzählt hast, ihr habt noch so eine große Redaktion aus Ärztinnen und Ärzten, die eure Inhalte erstellen und diese Fehlerquellen, über die wir jetzt gesprochen haben.
Sehr, sehr spannend ist, dass die KI oder die Wissensproduktion ja enorm zugenommen hat in den letzten Jahren.
Ich finde ein sehr...
Ein herausstechendes Beispiel ist die NeurIPS, eine der wichtigsten KI-Konferenzen für Wissenschaftler auf der Welt.
Da haben sich die Einreichungen der wissenschaftlichen Papers in den letzten vier Jahren verdreifacht.
Für diese Konferenz in diesem Jahr wurden fast 31.000 Paper.
eingereicht und das hängt damit zusammen, dass Wissenschaftler zunehmend KI einsetzen.
Das Problem ist, es gibt gar nicht mehr so viele Leute, die die sogenannten Peer Reviews machen können.
Das heißt, andere Wissenschaftler, die im gleichen Fachbereich unterwegs sind und die das gegenlesen können und dazu Fragen stellen können, Kritik daran äußern können.
Was heißt das auch für ein Geschäftsmodell von euch?
braucht ja Menschen, die eure Wissensdatenbanken pflegen und die updaten und so weiter.
Wenn da so viel Wissen ist draußen, dem man gar nicht mehr Herr werden kann, wo man vielleicht auch gar nicht mehr so genau weiß, wie gewissenhaft wurde das nachgeprüft, wird insgesamt dann die Wissensqualität schlechter?
Also ich glaube, das ist auf jeden Fall eine Gefahr.
Wie bei allem kannst du ja eine Technologie sowohl fürs Gute verwenden, als auch für schlechte Dinge verwenden.
Das gilt auch natürlich für diese Technologie.
Wenn du dahin kommst, dass beispielsweise wissenschaftliche Publikationen en masse produziert werden, ohne dass die auf ihre Sinnhaftigkeit, auf ihre Plausibilität, auf die Technologie, echte Experimente oder dergleichen zurückzuführen sind, dann wird es natürlich schwierig.
Und das wird immer schwieriger zu erkennen, weil das natürlich jetzt sehr viel einfacher geworden ist, sowas dahin zu stellen.
In manchen Bereichen läuft das als AI-Slop, was man auf irgendwelchen Social-Media-Plattformen und so weiter sieht, was du innerhalb von Firmen hast, wo du jetzt irgendwelche wo Menschen irgendwelche Paper schreiben mit KI, innerhalb von zehn Minuten hast du da ein zehnseitiges Dokument oder noch beliebig länger und irgendwer muss das verarbeiten.
Und vielleicht derjenige, der das verarbeitet, benutzt dann auch KI und dann kommt am Ende auch wieder nur irgendwie so ein Dreizeiler zusammen und der ist vielleicht gar nicht besonders gehaltvoll.
Aber es kann eben natürlich auch da eine Chance sein, wo wir sagen, Es wird so eingesetzt, dass zum ersten Mal es möglich ist, große Datenmengen, auch ja unstrukturierte Datenmengen, systematisch irgendwie einem analytischen System zuzuführen und damit etwas zu machen.
Also wenn ich mir jetzt beispielsweise auf der anderen Seite vorstelle, dass was jetzt zum Beispiel eine klinische KI in einer...
In einem Krankenhausinformationssystem, na klar, reguliert und abgesichert und so weiter, aber was da möglich ist, wenn ich sage, ich kann zum ersten Mal einen Sinn aus Patientendaten ableiten oder eine Krankheitsgeschichte ableiten, live, jede Minute neu, wenn ich will, oder noch schneller, und ich kann das gegen eine medizinische KI laufen lassen, die auf der Basis dessen, was da also drin steht, live Empfehlungen gibt.
Okay, Mensch, wir sehen hier, das Fieber steigt.
Wir haben jetzt gerade Fieber gemessen, das Fieber steigt, Blutdruck steigt, Puls steigt, da passiert gerade was.
Achtung, hier muss jemand was machen.
Und übrigens der Blasenkatheter, der liegt jetzt schon seit, was weiß ich, zwei Wochen und den hat keiner irgendwie mal gewechselt.
Verdacht auf großes entzündliches Geschehen aus der Blase, bis hin zur Blutvergiftung sozusagen.
Und das ist, finde ich, auf der anderen Seite, wo du sagst, Sowas hat lange ganz klar das Menschenbedurft, der sozusagen diese Zusammenhänge herstellt, der das Wissen mitbringt, der diesen Kontext mit dem Wissen sozusagen vermengt und daraus irgendwie was ableitet.
Aber das ist natürlich, je mehr Patienten wir haben, je mehr Kontext es gibt, immer, immer, immer schwieriger.
Und da können, glaube ich, solche Systeme sehr produktiv eingesetzt werden und auch sehr sinnvoll eingesetzt werden.
Ja, also ich glaube, am Ende ist die Frage dabei sozusagen die des Einsatzes.
Wo ist der sinnvolle Einsatz?
Und natürlich kann es immer auch Missbrauch geben.
Dann lass uns doch zum Schluss nochmal rauszoomen.
Auf der Basis, was denkst du denn, wie wird sich der Arztberuf verändern in Zukunft mit Unterstützung von KI?
Ja, also aus meiner Sicht muss es...
eine Entwicklung geben, dass der Arzt Wissen nicht nur als das sein sozusagen eigenes Selbstverständnis versteht, dass es das ist, was ihn vom Patienten unterscheidet, das medizinische Wissen, sondern dass das mehr und mehr ein Werkzeug wird.
Mehr und mehr ein Werkzeug, wie andere Dinge in der Medizin auch.
Wir benutzen so viele Werkzeuge.
Die Medizin ist nicht mehr denkbar ohne Werkzeuge.
Und bei all diesen Werkzeugen hat es in der Vergangenheit immer einen Aufschrei innerhalb der Ärzteschaft gegeben, mit irgendwie vergleichbaren Worten a la, oh mein Gott, ein Thermometer, das erfasst doch gar nicht alle Qualitäten des Fiebers, das können wir doch jetzt nicht hier in der Breite einsetzen.
Aber doch, Moment, Achtung, aktuell, das Thermometer hat den großen Vorteil, dass es standardisiert, wenn man es einigermaßen richtig anwendet, die Temperatur erfasst.
unabhängig von demjenigen, der das jetzt anwendet.
Das ist ein großer Vorteil.
Es erfasst nicht, ob der Patient dabei noch blass ist oder kaltschweißig oder, oder, oder.
Ja, okay, richtig.
Aber diese eine Sache kann es gut.
Genauso ist es mit dem, oder vergleichbar ist es mit dem Röntgen, mit dem MRT, mit dem Labor, den Laborwerten, die wir entnehmen und so weiter.
Und aus meiner Sicht muss es genau das Gleiche für dieses sozusagen medizinische Wissen geben, weil es nicht mehr handelbar ist.
Spannend.
Und heißt das dann, dass die nächste Generation von Ärzten noch durchs Hammer-Examen muss oder eigentlich nicht?
Ich denke, es kommt jetzt sehr viel mehr darauf an in der Zukunft, dass man nicht mehr diese ganzen Fakten auswendig lernt, weil die sind obsolet, wenn man das Medizinstudium verlässt.
Und dann haben sie sich nochmal wieder schneller erübrigt, wenn ich dann noch 35 Jahre Berufsleben habe.
Aber es gibt gewisse...
Grundlagen, die machen immer noch Sinn.
Also wenn ich weiß, wie der Körper funktioniert, wenn ich weiß, was bei bestimmten Krankheiten passiert, wenn ich weiß, wie gewisse Wirkstoffe arbeiten, dann kann ich auf dieser Basis, kann ich aufbauen, kann neue Wirkstoffe damit einbeziehen, kann mir überlegen, ob jetzt für diese Erkrankung diese Therapie oder diese Empfehlung irgendwie sinnvoll ist.
Also das macht Sinn.
Es ist außerdem so, dass uns das vielleicht einen Freiraum gibt.
Also wenn wir nicht mehr alle diese Fakten weder im Studium haben müssen, noch irgendwie frei rezitieren können müssen, wenn wir irgendwie auf Station stehen, dann haben wir vielleicht damit den Raum geschaffen, dafür die Medizin ein Stück weit wieder menschlicher zu machen.
Dass ich mehr Zeit habe für den Patienten, mich mehr mit dem Patienten befassen kann, dass ich wirklich ein Gespräch führe, was vielleicht bei dem Patienten etwas verändert.
Wir hatten im Studium immer den Fall, dass du bist im...
Vorstadium vom Diabetes.
Und dann erste Maßnahme ist, du sollst deinen Lifestyle verändern als Patient.
Jetzt lass dir das mal von einem Arzt sagen.
So in 10 Minuten zwischen 20 anderen Patientenkontakten verändere deinen Lifestyle.
Klappt das?
Wahrscheinlich nicht.
Das ist eine enorme Verhaltensveränderung.
Eigentlich müssten wir doch den Menschen dabei helfen, wenn wir wirklich verhindern wollen, dass es zum Diabetes kommt, müssten wir doch den Menschen helfen zu sagen, wie kann ich denn mein Verhalten anpassen, wie halte ich meine Motivation aufrecht jetzt über eine längere Zeit und so weiter.
Und es würde aus volkswirtschaftlicher Sicht total Sinn ergeben, viel früher anzusetzen, den Menschen viel mehr dabei zu helfen, Prävention sozusagen zu betreiben oder heutzutage Longevity.
Ein schöner Euphemismus für das gleiche Thema.
Also da haben wir einen Raum geschaffen, glaube ich, den wir dann viel besser nutzen können.
Und ich nehme daraus mit, wir bräuchten eigentlich alle einen Hausarzt für die Tasche.
Noch ist der aber nicht gut genug.
Dafür brauchst du mehr Systeme wie Lisa wahrscheinlich und eine Weiterentwicklung da.
Das war unheimlich spannend.
Vielen, vielen Dank für deine Einschätzung, deine Einblicke.
Und wir sind gespannt, wie es weitergeht bei Amboss.
Danke dir.
Es hat mir viel Spaß gemacht.
Danke.
Und das war's auch schon wieder mit Handelsblatt Disrupt.
Wenn es Ihnen gefallen hat, dann abonnieren Sie unseren Podcast und sagen Sie es weiter.
Redaktion Larissa Holski, Produktion Migo Fecke