Noch vor wenigen Jahren drehte sich auf nahezu jeder radiologischen KI-Veranstaltung alles um neue Algorithmen. Höhere Sensitivitäten, bessere AUC-Werte und immer leistungsfähigere neuronale Netze bestimmten die Diskussion. Auf dem Sommersymposium von Sectra und contextflow war davon erstaunlich wenig zu hören. Stattdessen standen Fragen im Mittelpunkt, die für den klinischen Alltag wesentlich sind: Wie lässt sich künstliche Intelligenz sinnvoll in bestehende Arbeitsabläufe integrieren? Welche Infrastruktur wird dafür benötigt? Und wie verändert sich dadurch die Rolle der Radiologinnen und Radiologen?
Schon nach den ersten Vorträgen wurde deutlich, dass die Radiologie eine neue Entwicklungsphase erreicht hat. Nicht mehr einzelne KI-Anwendungen stehen im Mittelpunkt, sondern ihr Zusammenspiel mit Menschen, Prozessen und interoperablen IT-Systemen. Genau darin lag die eigentliche Botschaft des Symposiums. KI wird zunehmend vom Spezialwerkzeug zum integralen Bestandteil der radiologischen Versorgung.
KI muss im Alltag funktionieren
Den gedanklichen Rahmen setzte die Keynote von Dr. David Werner, die bewusst einen anderen Schwerpunkt setzte als viele klassische KI-Vorträge. Nicht die Algorithmen standen im Mittelpunkt, sondern die Menschen, die künftig mit ihnen arbeiten.
„It's not a technical problem – it's a people's problem.“
Mit diesem Satz brachte Werner die zentrale Herausforderung der Digitalisierung auf den Punkt. Aus seiner Sicht scheitern Projekte deutlich häufiger an fehlender Akzeptanz als an unzureichender Technologie. Mitarbeitende müssten den Nutzen neuer Werkzeuge erkennen, aktiv in Veränderungen eingebunden werden und ausreichend Zeit erhalten, um neue Arbeitsweisen zu entwickeln.
Werner plädierte deshalb dafür, die Digitalisierung nicht als Aneinanderreihung technischer Einzelprojekte zu verstehen. Entscheidend sei vielmehr eine klare Vorstellung davon, wie die Radiologie in fünf oder zehn Jahren aussehen soll. Erst aus einer solchen Vision lässt sich ableiten, welche Technologien tatsächlich einen Mehrwert bieten.
Diese Perspektive zog sich durch den ganzen Tag. Kaum ein Referent sprach noch über KI als Selbstzweck. Stattdessen ging es immer wieder um die Frage, wie intelligente Software den klinischen Alltag konkret unterstützen kann – sei es durch strukturiertere Arbeitsabläufe, bessere Vernetzung oder eine höhere diagnostische Qualität.
Dabei zeigte sich auch, wie sehr sich die Diskussion verändert hat. Vor wenigen Jahren wurde noch darüber spekuliert, ob KI Radiologen ersetzen könnte. Heute lautet die entscheidende Frage vielmehr, wie sich menschliche Expertise und künstliche Intelligenz sinnvoll ergänzen lassen. Die zweite Welle der KI beginnt dort, wo Algorithmen nicht mehr isoliert betrachtet werden, sondern Teil eines funktionierenden Gesamtsystems sind.
Lungenkrebsscreening wird zum Gradmesser für den KI-Einsatz
Wo künstliche Intelligenz heute bereits einen messbaren klinischen Nutzen liefert, zeigt sich das am Beispiel des Lungenkrebsscreenings. Mit der Einführung des Low-Dose-CT-Screenings als Leistung der gesetzlichen Krankenversicherung gewinnt die standardisierte Beurteilung pulmonaler Rundherde erheblich an Bedeutung. Gleichzeitig steigt der Bedarf an reproduzierbaren Befundungsprozessen und an einer objektiven Risikobewertung.
Den fachlichen Einstieg übernahm Dr. Simin Schadmand-Fischer, die deutlich machte, dass der Nachweis eines Lungenrundherdes nur der erste Schritt ist. Die eigentliche Herausforderung besteht darin, zwischen harmlosen Veränderungen und malignitätsverdächtigen Läsionen zu unterscheiden. Die Mehrzahl aller im Screening entdeckten Rundherde ist gutartig – entscheidend ist deshalb nicht allein die Detektion, sondern eine möglichst präzise Einschätzung des individuellen Risikos.
Hier kann KI ihre Stärken ausspielen. Moderne Systeme segmentieren Rundherde automatisch, berechnen ihr Volumen reproduzierbar und dokumentieren Veränderungen im zeitlichen Verlauf objektiv. Kombiniert mit etablierten Risikomodellen unterstützen sie Radiologinnen und Radiologen dabei, fundierte Entscheidungen über das weitere Vorgehen zu treffen.
Ein Gedanke zog sich dabei durch mehrere Vorträge: Der Erfolg einer KI lässt sich nicht allein an ihrer Sensitivität messen. Mindestens ebenso wichtig ist es, falsch positive Befunde zu vermeiden. Jeder unnötige Verdacht kann zusätzliche Bildgebung, invasive Eingriffe und erhebliche Verunsicherung bei den Betroffenen nach sich ziehen. Gute KI erkennt deshalb nicht nur Auffälligkeiten, sondern hilft auch, unnötige Diagnostik zu vermeiden.
Wie sich diese Zusammenarbeit in der Praxis entwickelt hat, schilderte Prof. Dr. Maria-Katharina Ganten anhand ihrer Erfahrungen aus dem britischen Lungenkrebsscreening. Besonders ihre persönliche Einschätzung brachte die Rolle der KI auf den Punkt:
„Die KI ist beim Detektieren kleiner Rundherde inzwischen besser als ich.“
Unmittelbar danach folgte jedoch die entscheidende Ergänzung:
„Aber sie ersetzt mich nicht. Zusammen sind wir besser als jeder für sich allein.“
Genau darin liegt nach ihrer Einschätzung der eigentliche Mehrwert der intelligenten Bildanalyse. Während Algorithmen standardisierte Aufgaben mit hoher Präzision übernehmen, bleiben klinischer Kontext, Vorbefunde und die individuelle Situation des Patienten unter ärztlicher Verantwortung. KI wird damit vom potenziellen Konkurrenten zum diagnostischen Partner.
Dass diese Entwicklung inzwischen auch gesundheitspolitisch an Bedeutung gewinnt, zeigte Dr. Florian Brandt am Beispiel eines Selektivvertrags der IKK Südwest. Ziel ist es, KI-gestützte Risikobewertungen in die Versorgung zu integrieren, um unnötige Folgeuntersuchungen zu reduzieren und behandlungsbedürftige Tumoren früher zu erkennen.
Bemerkenswert war dabei, dass sich die Perspektiven von Radiologie und Krankenkasse nahezu deckten. Beide verfolgen letztlich dasselbe Ziel: bessere medizinische Entscheidungen. Nicht die Zahl der markierten Rundherde entscheidet über den Nutzen künstlicher Intelligenz, sondern ihre Fähigkeit, die Diagnostik gezielter, sicherer und effizienter zu machen. Das Lungenkrebsscreening entwickelt sich damit zum derzeit wohl überzeugendsten Beispiel dafür, wie KI den radiologischen Alltag bereits heute sinnvoll unterstützen kann.
Die Infrastruktur entscheidet über den Erfolg
Wenn der Vormittag vor allem zeigte, wo künstliche Intelligenz heute bereits einen klinischen Mehrwert bietet, richtete sich der Blick am Nachmittag auf ihre technischen Voraussetzungen. Schnell wurde deutlich: Selbst der beste Algorithmus bleibt wirkungslos, wenn Bilddaten, Informationssysteme und klinische Prozesse nicht reibungslos zusammenspielen.
Diesen Gedanken griff Johannes Hofmanninger auf, der die aktuelle Entwicklung von Machine Learning über Deep Learning bis hin zu Foundation Models und Large Language Models einordnete. Dabei warnte er vor der weit verbreiteten Annahme, dass generative KI spezialisierte medizinische Anwendungen kurzfristig ersetzen könne.
„Sprachmodelle ersetzen keine medizinisch validierten Bildanalyseverfahren.“
Vielmehr sieht Hofmanninger beide Ansätze als komplementär an. Während spezialisierte KI-Modelle konkrete diagnostische Aufgaben wie die Detektion oder Segmentierung übernehmen, könnte generative KI künftig Informationen aus unterschiedlichen Quellen zusammenführen, Radiologen bei der Dokumentation unterstützen oder komplexe Workflows koordinieren. Die Zukunft liege deshalb weniger in einzelnen, isolierten Anwendungen als in intelligenten, verknüpften Assistenzsystemen.
Diese Entwicklung setzt allerdings eine leistungsfähige digitale Infrastruktur voraus. Hannah Bäcker und Tim Luther zeigten am Beispiel moderner Cloud-Architekturen, wie sich radiologische IT-Systeme zunehmend von lokal betriebenen Insellösungen hin zu skalierbaren Plattformen entwickeln. Cloudbasierte PACS-Lösungen erleichtern nicht nur Wartung und Betrieb, sondern schaffen auch die Voraussetzung, neue Software und KI-Anwendungen schneller und standortübergreifend bereitzustellen. Gleichzeitig eröffnet die Digitalisierung der Pathologie neue Möglichkeiten für eine integrierte Diagnostik, in der unterschiedliche Fachdisziplinen enger zusammenarbeiten können.
Wie wichtig Vernetzung für die zukünftige Versorgung ist, machte Marie Deodat anschließend deutlich. Angesichts des zunehmenden Fachkräftemangels sei Teleradiologie längst mehr als nur eine Lösung für Nacht- und Wochenenddienste. Moderne Plattformen ermöglichen es, radiologische Expertise unabhängig vom Standort verfügbar zu machen und unterschiedliche RIS- und PACS-Systeme über Browsertechnologien miteinander zu verbinden. Ziel sei dabei nicht, die Radiologie vor Ort zu ersetzen, sondern vorhandene Ressourcen intelligenter zu nutzen und Spezialwissen schneller verfügbar zu machen.
Damit diese Zusammenarbeit über System- und Herstellergrenzen hinweg funktioniert, bedarf es gemeinsamer Standards. Genau hier knüpften die Vorträge von Dr. Marc Kämmerer und Dr. Jörg Riesmeier an. Interoperabilität durch IHE-Profile sowie die kontinuierliche Weiterentwicklung des DICOM-Standards bilden die technische Grundlage dafür, dass Bilddaten, Befunde und KI-Anwendungen zuverlässig miteinander kommunizieren können. Was auf den ersten Blick wie reine IT-Themen erscheint, entscheidet letztlich darüber, ob sich Innovationen überhaupt in den klinischen Alltag integrieren lassen.
Die zweite Welle der KI hat begonnen
Bemerkenswert war, dass Referenten aus Radiologie, Informatik, Industrie und Gesundheitswesen trotz unterschiedlicher Perspektiven zu einer gemeinsamen Schlussfolgerung gelangten. Die Diskussion hat sich grundlegend verändert. Nicht mehr die Entwicklung immer neuer Algorithmen steht im Mittelpunkt, sondern deren sinnvolle Einbindung in diagnostische Prozesse.
Genau darin unterscheidet sich die aktuelle Entwicklung von den ersten Jahren des KI-Booms. Die zweite Welle der künstlichen Intelligenz wird nicht von spektakulären Einzelanwendungen geprägt sein, sondern von ihrer Integration in vernetzte, interoperable und klinisch validierte Versorgungskonzepte.
Das Sommersymposium von Sectra und contextflow machte deutlich, dass dieser Wandel bereits begonnen hat. Künstliche Intelligenz wird die Radiologie nicht ersetzen – sie wird jedoch zu einem selbstverständlichen Bestandteil ihrer täglichen Arbeit werden. Entscheidend ist dabei nicht die Leistungsfähigkeit einzelner Algorithmen, sondern das Zusammenspiel von Menschen, Daten, Standards und intelligenten Workflows. Genau darin liegt die eigentliche Zukunft der Radiologie.
