KI-Gesprächsdokumentation: Was bleibt nach Dienstschluss?

Ein Krankenhaus führt eine Anwendung ein, die bei Gesprächen zuhört und die Dokumentation entwirft. In einer fiktiven Auswertungsbesprechung berichten Ärzt:innen, ihr Tag fühle sich weniger zerrissen an. Die elektronische Akte weist weniger Zeit für das Schreiben von Einträgen aus. Manche schließen ihre Dokumentation trotzdem zu Hause ab. Alle drei Beobachtungen können zutreffen. Für die ärztliche Leitung hängt die nächste Entscheidung davon ab, welche Verbesserung zugesagt wurde und ob die Messung die verbleibende Arbeit erfasst.

KI-gestützte Gesprächsdokumentation verspricht mehrere mögliche Vorteile. Sie könnte den Schreibaufwand senken, die Aufmerksamkeit im Gespräch erleichtern oder helfen, innerhalb der Arbeitszeit fertig zu werden. Jeder dieser Vorteile braucht eigene Belege. Aktuelle klinische Studien liefern Gründe für eine Erprobung und dafür, Arbeit nach Dienstschluss ausdrücklich zu messen. Eine übertragbare Zusage für einen früheren Feierabend in einer deutschen Krankenhausabteilung lässt sich daraus noch nicht ableiten.

Was die randomisierten Studien tatsächlich gemessen haben

Lukac und Kolleg:innen teilten 238 ambulant tätige Ärzt:innen der UCLA zufällig zwei Anwendungen zur Gesprächsdokumentation oder einer Kontrollgruppe zu. Die Studie lief von November 2024 bis Januar 2025 und erschien im November 2025. Im zweiten Monat verringerte Nabla die erfasste Zeit pro Eintrag gegenüber der Kontrolle um 9,5 %. Bei DAX lag der Schätzwert 1,7 % niedriger; der Unsicherheitsbereich war sowohl mit einer Abnahme als auch mit einer Zunahme vereinbar. Für beide Anwendungen ließ sich keine Verringerung der Aktenarbeit außerhalb geplanter Zeiten nachweisen. [1]

Auch bei Maßen zum Arbeitserleben gab es günstige Hinweise. Diese nachgeordneten Ergebnisse erfordern eine vorsichtige Einordnung. Eine besonders relevante Einschränkung fiel während der Studie auf: Das Aktensystem erfasste keine Bearbeitungszeit innerhalb der Anwendungen der Anbieter. Außerdem wurde die Studie erst nach ihrem Beginn registriert. Ausschließlich englischsprachige Gespräche, die kurze Beobachtungsdauer und die Nutzung bei ungefähr einem Drittel der erfassten Kontakte begrenzen die Aussage zusätzlich. Diese Einzelheiten gehören in die Erwartung, mit der ein Krankenhaus eine Beschaffung prüft. [1]

Afshar und Kolleg:innen ergänzen das Bild. In ihrer randomisierten Studie über 24 Wochen erhielten 66 teilnahmewillige Behandler:innen in US-Ambulanzen schrittweise Zugang zu Abridge. Berufliche Erschöpfung und zwischenmenschliche Distanzierung nahmen ab. Berufliche Erfüllung erreichte die vorab festgelegte statistische Schwelle nicht. Die erfasste Schreibzeit sank um etwa 22 Minuten je acht Stunden Patient:innenversorgung. Der Schätzwert für Aktenarbeit außerhalb geplanter Zeiten hing empfindlich von Extremwerten ab: Nach Ausschluss der höchsten 3 % enthielt sein Konfidenzintervall auch eine unveränderte Arbeitszeit. [2]

Damit bleibt eine praktisch bedeutsame Unterscheidung. Einem belegten Vorteil beim Erschöpfungsmaß steht weniger sichere Evidenz zur Arbeit außerhalb geplanter Zeiten gegenüber. Ein günstiges Fragebogenergebnis kann einen eigenständigen Wert haben. Es ersetzt keine fehlende Zeitmessung. Auch das unverblindete Vorgehen und die Auswahl teilnahmewilliger Anwender:innen sind relevant, wenn man den Befund auf Kolleg:innen übertragen möchte, die einer Einführung zurückhaltender gegenüberstehen. [2]

Größere Untersuchungen aus dem Versorgungsalltag erhalten die Unterscheidung

Rotenstein und Kolleg:innen untersuchten 8.581 ambulant tätige Behandler:innen an fünf akademischen Einrichtungen in den USA. Davon erhielten 1.809 Zugang zu einer KI-Dokumentationshilfe. Ihr beobachtender Vergleich vom April 2026 verband den Erhalt eines Zugangs mit 16 Minuten weniger Dokumentationszeit je acht Stunden geplanter Patient:innenversorgung. Die Hauptauswertung fand keinen statistisch signifikanten Rückgang der Aktenarbeit außerhalb geplanter Zeiten; einzelne Empfindlichkeitsanalysen kamen zu anderen Ergebnissen. Die Einführung beruhte überwiegend auf freiwilliger Teilnahme. Unerfasste Unterschiede könnten deshalb einen Teil des Zusammenhangs erklären. [3]

Eine im Mai 2026 veröffentlichte Studie von Husa und Kolleg:innen untersuchte 1.547 Behandler:innen, die Gesprächsdokumentation in mindestens einem Monat bei wenigstens 25 Kontakten eingesetzt hatten. Die unterbrochene Zeitreihe zeigte keinen unmittelbaren Rückgang der Dokumentationsarbeit außerhalb geplanter Zeiten, zugleich aber eine allmähliche Abwärtsveränderung des anschließenden Verlaufs. Die Auswahl aktiver Anwender:innen und die rückblickende Untersuchung begrenzen ursächliche Schlussfolgerungen. Der Befund spricht dafür, zeitliche Verläufe zu betrachten; die Erwartung für eine andere Abteilung bleibt zu prüfen. [4]

Zusammengenommen stützen diese Ergebnisse getrennte Entscheidungen über Dokumentationszeit, erlebte Belastung und Arbeit jenseits geplanter Zeiten. Ein statistisch unsicherer Schätzwert lässt mehrere Wirkungen zu. Ebenso kann eine durchschnittliche Verbesserung verdecken, dass einzelne Personen abends weiterhin stark belastet sind. Die Studien betreffen überwiegend die ambulante Versorgung in den USA. Stationäre Übergaben, mehrsprachige Gespräche, andere Dokumentationspflichten und andere Aktensysteme erfordern eine Untersuchung vor Ort.

Mit der Grenze des Arbeitstags beginnen

Ich würde Arbeit nach Dienstschluss ausdrücklich als Ergebnisgröße aufnehmen, sobald Entlastung außerhalb der Arbeitszeit zur Begründung des Pilotversuchs gehört. Das folgende Vorgehen ist mein Vorschlag für eine Auswertung; die zitierten Studien haben diesen Vorschlag nicht erprobt. Zunächst ist zu vereinbaren, was als Arbeit nach Dienstschluss zählt. Zeit außerhalb gebuchter Gesprächstermine kann bezahlte Dokumentationszeiten umfassen. Zeit nach der individuell vereinbarten Arbeitszeit beantwortet eine andere Frage.

Vor der Einführung sollten ärztliche Leitung, teilnehmende Beschäftigte und Auswertungsverantwortliche festlegen, welcher Dienstplan die Grenze bestimmt, wie Urlaub und Bereitschaftsdienste behandelt werden und wie Änderungen der Terminplanung erfasst werden. Die ursprüngliche Definition und spätere Änderungen bleiben dokumentiert. Eine Verlängerung der hinterlegten Arbeitszeit könnte die gemessene Überschreitung senken, obwohl die Person genauso lange arbeitet. Das müsste die Auswertung erläutern.

Ein kurzes Tätigkeitsprotokoll vor der Einführung ergänzt die freigegebenen Nutzungsprotokolle. An wenigen gemeinsam vereinbarten Beobachtungstagen halten Teilnehmende fest, wann die Dokumentation endet, welche Anwendung sie nutzen und ob offene Arbeit später wieder aufgenommen wird. Stark und weniger stark ausgelastete Tage sollten vertreten sein. Das Protokoll sollte auch eine kurze Begründung für einen späten Abschluss erlauben, etwa eine Unterbrechung oder einen Rückstand außerhalb des Schreibens von Einträgen. Es kann Lücken der technischen Erfassung sichtbar machen. Sein eigener Aufwand und unvollständige Erinnerung bleiben dabei zu berücksichtigen.

Die Arbeit über Anwendungsgrenzen hinweg verfolgen

Die Messlücke der UCLA-Studie legt eine konkrete Prüfung nahe, bevor man einer Zeitersparnis vertraut. Wo wird ein Entwurf gelesen, bearbeitet, übertragen und freigegeben? Welche dieser Schritte erfasst die jeweilige Datenquelle? Ein Rückgang der Schreibzeit im Aktensystem wird aussagekräftiger, wenn die Auswertung zusätzlich weiß, ob die Bearbeitung in eine andere Anwendung gewandert ist.

In einem konstruierten Beispiel verbringt eine Ärztin weniger Zeit im Textfenster der Akte, prüft den Entwurf nun aber zwischen Gesprächen auf dem Mobiltelefon. Eine Messung allein im Textfenster kann die gesamte Veränderung nicht bestimmen. Ebenso könnte die Dokumentation früher enden, während andere Nachrichten weiterhin abends bearbeitet werden. Der Pilotversuch sollte deshalb Dokumentationsarbeit nach Dienstschluss und sämtliche Arbeit nach Dienstschluss getrennt erfassen. Ihr Auseinanderlaufen kann eine weitere organisatorische Frage aufzeigen.

Vor Gesprächsaufzeichnungen oder der Beobachtung von Beschäftigten sind vor Ort die zulässige Erhebung, Information und Einwilligung zu klären. Die Auswertung sollte freigegebene Systeme sowie zusammengefasste Berichte mit Schutzvorkehrungen für kleine Gruppen nutzen. Ein Leitungsbericht braucht Arbeitsmuster und Korrekturaufwand; zuordenbare Gesprächsinhalte bleiben innerhalb ihres genehmigten Zwecks. Die Auswertung sollte von individuellen Leistungsvergleichen getrennt bleiben. Teilnehmende müssen ihren Zweck und die Zugriffsregelung nachvollziehen können.

Zeit, Erleben und Qualität gemeinsam betrachten

Ein geeignetes, validiertes Belastungsmaß sollte mit demselben Instrument und zu vergleichbaren Zeitpunkten vor und nach der Einführung erhoben werden. Erschöpfung, berufliche Erfüllung und gefühlte Zeitentlastung bleiben getrennte Ergebnisse. Eine kurze Erläuterung dazu, was sich im Gespräch oder am Abend verändert hat, ergänzt die Zahlen. Solche Berichte können Unterschiede zwischen Nutzungsprotokollen und Erleben verständlicher machen. Für sich genommen belegen sie deren Ursache nicht.

Qualität braucht eine eigene Beurteilung. Vorab ist festzulegen, wie fachlich qualifizierte Prüfer:innen eine zulässige Stichprobe auf Auslassungen, falsche Zuordnungen und notwendige Korrekturen untersuchen. Ihr Aufwand gehört in die Erfassung. Afshars Beurteilung der Dokumentationsqualität ließ ein Sprachmodell unbearbeitete KI-Einträge anhand von Gesprächsabschriften bewerten. Aus dieser konkreten Prüfung lässt sich keine Gleichwertigkeit der Ergebnisse für Patient:innen ableiten. Die Zeitbefunde sollten deshalb gemeinsam mit Umfang und Grenzen der Qualitätsprüfung berichtet werden. [2]

Beobachtungsdauer, Vergleich und bedeutsame Verbesserung werden festgelegt, bevor die Ergebnisse vorliegen. Anfängliche Einarbeitung und spätere Nutzung sollten unterscheidbar sein, Softwareänderungen erfasst werden. Auch Nichtnutzung und aufgegebene Nutzung gehören in das Gesamtbild der Einführung. Ein zeitgleicher Vergleich oder eine zufällige Reihenfolge der Einführung kann, soweit umsetzbar, die Aussagekraft erhöhen. Die Verteilung der Ergebnisse und fehlende Beobachtungen gehören in den Bericht. Ein Durchschnitt allein zeigt nicht, ob besonders stark belastete Gruppen profitieren.

Was im Entscheidungsvermerk stehen sollte

Der abschließende Vermerk kann getrennt festhalten, ob Dokumentation schneller wurde, Arbeit nach Dienstschluss sank und berichtete Belastung abnahm. Er sollte benennen, was unerfasst blieb und ob die Qualitätsprüfung eine Fortsetzung trägt. Bleibt das vereinbarte Ziel für Arbeit nach Dienstschluss unsicher, werden die zusätzlich benötigte Beobachtung und ein Entscheidungstermin festgehalten. So kann die Organisation eine hilfreiche Verbesserung anerkennen und zugleich präzise bleiben, welche Zusage sie noch belegen muss.