- Am 24. Februar 2026 zeigte eine Studie von 10 Organisationen unter Beteiligung von Prof. Kate Kellogg (MIT Sloan) und Danielle Bitterman (Harvard Medical School) die Lücke zwischen Erwartung und Realität beim Einsatz von Agentic AI in der klinischen Medizin auf.
- Agentic AI bezeichnet Systeme von KI-Agenten, die in der Lage sind, mehrstufige Prozesse mit hoher Autonomie selbstständig abzuschließen.
- Die Forschung konzentrierte sich auf ein KI-System zur Erkennung von Nebenwirkungen bei Krebspatienten unter Immuntherapie durch die Analyse unstrukturierter elektronischer Patientenakten.
- Das System kann hunderte von Notizen in wenigen Minuten verarbeiten, wofür Menschen normalerweise Stunden bis Tage benötigen würden.
- Die Genauigkeit bei der Erkennung von Nebenwirkungen war gleichwertig oder stabiler als bei Standardprozessen, die von Koordinatoren klinischer Studien durchgeführt wurden.
- Dennoch entfielen weniger als 20 % des Aufwands auf Prompt Engineering und Modellentwicklung; über 80 % wurden für „soziotechnische“ Aufgaben aufgewendet.
- Pro Stunde Modelloptimierung benötigt die Organisation etwa 4 Stunden für die praktische Umsetzung. Die 5 Hauptbelastungen:
- Datenintegration: Stabile Datenpipelines und Infrastruktur sind erforderlich; bei unstandardisierten Daten bleibt das Agenten-System „in der Kette stecken“.
- Modellvalidierung: Nicht nur die Ergebnisse prüfen, sondern sicherstellen, dass KI-Agenten Richtlinien einhalten, Protokolle führen und nur auf autorisierte Tools zugreifen.
- Wirtschaftliche Wertschöpfung: Der ROI ist schwer zu berechnen, da die Kosten je nach Prozesskomplexität und Koordinationsaufwand zwischen den Agenten schwanken.
- Drift-Überwachung (Modell/Daten): Erfordert „adaptives Monitoring“, um dynamische Metriken kontinuierlich zu verfolgen, anstatt statischer If-Then-Schwellenwerte.
- Governance: Klärung von Verantwortlichkeiten, rechtlichen Risiken, Sicherheit und Haftungsmechanismen bei Fehlern.
- Die Studie betont, dass im Hochrisikosektor Medizin strengere Kontrollen nötig sind, aber jede Branche ein Playbook für diese 5 Faktoren benötigt.
Fazit: Die Einführung von Agentic AI ist keine rein algorithmische Aufgabe, sondern eine organisationale Transformation. Über 80 % des Aufwands fließen in Infrastruktur, Governance und Datenintegration. Während das System medizinische Rekorde in Minuten verarbeiten kann, fordert jede Stunde Modelloptimierung vier Stunden Implementierung. Erfolg hängt von der Bewältigung der 5 Hauptbelastungen ab.
