KI-Spracherkennung in der Arztpraxis 2026: Wie modernes Diktieren wirklich funktioniert

Klassische Spracherkennung – Dragon Medical, Philips SpeechLive, Windows-STT – hat jahrelang das Gleiche gemacht: Sie hat gesprochene Wörter in Text umgewandelt, mehr nicht. Ärzt:innen mussten weiterhin komplette Briefe ausformulieren, jede Floskel, jede Überschrift, jede Struktur. Die MFA korrigierte hinterher, der Arzt las erneut gegen. Vier Arbeitsschritte für einen Brief.

2026 ist die Situation eine andere. Moderne KI-Pipelines kombinieren Speech-to-Text (Whisper, Deepgram, Azure Speech) mit medizinisch feinjustierten Sprachmodellen. Das Ergebnis ist kein Transkript, sondern ein fertig gegliederter Arztbrief mit Anamnese, Diagnose, Therapie und Empfehlung – auf Basis eines locker gesprochenen Gedankengangs oder eines Arzt-Patient-Gesprächs.

Ein Forschungsteam des Universitätsklinikums Freiburg hat 2024 im Journal of Medical Internet Research – Medical Informatics eine Untersuchung veröffentlicht, die häufig zitiert wird: Sprachmodelle wurden mit rund 90.000 realen klinischen Dokumenten aus der Augenheilkunde trainiert. Das beste Modell lieferte etwa 93 % Arztbriefe, die nur minimale Korrekturen benötigten.

Augenheilkunde gilt als notorisch detailreich. Wenn die Qualität dort trägt, ist sie für viele Fachrichtungen der ambulanten Versorgung erst recht praxistauglich. Am Uniklinikum Freiburg läuft die Software inzwischen im Regelbetrieb – kein Pilot mehr, sondern Alltag.

Die Einordnung durch Studienleiter Dr. Christian Haverkamp trifft es gut: Speziell für deutsche medizinische Sprache trainierte Modelle können den Klinikalltag spürbar erleichtern. Genau dort liegt der Unterschied zu generischen Consumer-KIs.

Schritt 1 – Audio: Ein Headset, ein USB-Mikro oder das Tablet-Mikro auf dem Schreibtisch. Studio-Equipment ist nicht nötig, ein 10-Euro-Discounter-Mikro reicht nicht.

Schritt 2 – Speech-to-Text: Gesprochene Sprache wird in Rohtext gewandelt. Für medizinisches Deutsch liegen die Worterkennungsraten spezialisierter Systeme heute stabil über 95 %.

Schritt 3 – Semantische Verarbeitung: Die KI erkennt, ob eine Aussage zur Anamnese, zum Befund oder zur Empfehlung gehört, filtert Nebensätze, entfernt Wiederholungen und ordnet Fachbegriffe korrekt ein.

Schritt 4 – Strukturierte Ausgabe: Am Ende steht ein Brief mit passenden Abschnitten, in der von Ihnen gewählten Vorlage. Sie prüfen, ergänzen, unterschreiben.

So beeindruckend die Technik ist – der rechtliche Rahmen bleibt eng. § 203 StGB stellt das unbefugte Offenbaren ärztlicher Geheimnisse unter Strafe. „Offenbaren“ umfasst auch das Zugänglichmachen gegenüber technischen Dienstleistern, wenn diese nicht sauber als berufsmäßige Gehilfen eingebunden sind. Öffentliche ChatGPT-Konten erfüllen diese Voraussetzung nach überwiegender Fachmeinung nicht.

Nach Art. 28 DSGVO ist zusätzlich ein Auftragsverarbeitungsvertrag (AVV) nötig. Zu prüfen sind außerdem der Verarbeitungsort (EU-Hosting), die Frage, ob Eingaben zum Modelltraining verwendet werden, und wer im Support-Fall Klartextzugriff auf die Daten hat. Ende-zu-Ende-Verschlüsselung ist die technische Antwort auf § 203: Sieht der Anbieter die Klartexte nicht, gibt es nichts zu offenbaren.

Ab August 2026 wird der EU AI Act für medizinische KI-Anwendungen schrittweise scharfgestellt. Kernprinzip: Human-in-the-Loop. Der von der KI erzeugte Brief ist ein Entwurf, die ärztliche Freigabe bleibt Pflicht. Das ist keine Bremse, sondern Qualitätssicherung.

Eine typische Facharztpraxis schreibt 10–15 Arztbriefe pro Tag. Manuell fallen dafür 8–12 Minuten pro Brief an – Diktieren, Tippen, Korrigieren, Freigeben. Mit einer KI-Pipeline sinkt der Aufwand auf 2–3 Minuten (Prüfen und Unterschreiben). Rechnerisch bleiben 45–90 Minuten pro Tag – jeden Praxis-Tag.

Bei einem realistischen Umsatz von 60–80 € pro Quartalskontakt entspricht das entweder 2–3 zusätzlichen Terminen oder – deutlich unterschätzt – einer verlässlich pünktlichen Feierabendzeit. Beides ist wirtschaftlich relevant.

Die laufenden Kosten für KI-Spracherkennung in der ambulanten Versorgung liegen 2026 üblicherweise bei 30–150 € / Monat pro Nutzer:in. Die Amortisation stellt sich in den meisten Praxen innerhalb weniger Wochen ein, sobald die Umstellung im Team eingespielt ist.

• AVV mit der Praxis oder MVZ nach Art. 28 DSGVO – schriftlich, nicht nur AGB.

• Verarbeitung in der EU, idealerweise in deutschen oder europäischen Rechenzentren.

• Keine Nutzung Ihrer Eingaben oder Ausgaben zum Modelltraining.

• Ende-zu-Ende-Verschlüsselung, sodass selbst der Anbieter die Klartexte nicht einsehen kann.

• Nachvollziehbare Löschkonzepte (z. B. automatische Löschung der Audiospur nach kurzer Frist).

• Human-in-the-Loop: Freigabe der Briefe durch die unterschreibende ärztliche Person, jederzeit editierbar.

• Medizinisch trainiertes Vokabular für Fachbegriffe, ICD-Bezeichnungen und Arzneimittelnamen.

Was sich ändert: Sie diktieren weniger formal. Sie sprechen so, wie Sie ohnehin denken. Der Brief entsteht während Sie sprechen, nicht drei Stunden später am Küchentisch.

Was bleibt: Die ärztliche Verantwortung. Die inhaltliche Prüfung. Die Unterschrift. Genau das schützt vor überzogenen Erwartungen an die Technik – und macht die restlichen 7 %, die menschlich nachgebessert werden, zum Sinn der Kontrolle.