Souveräne KI in Aktion: Automatisierung des Krankenkassen Inputmanagements - Ein Praxisbericht über Wert, Qualität und Kontrolle

Die Notwendigkeit souveräner Künstlicher Intelligenz in der GKV

Die gesetzliche Krankenversicherung (GKV) steht unter enormem Druck. Eine wachsende Vielzahl and Dokumenten, akuter Fachkräftemangel und zunehmend komplexe regulatorische Anforderungen (DSGVO, EU AI Act) führen dazu, dass traditionelle papierbasierte Prozesse and ihre Grenzen stoßen. Insbesondere das Inputmanagement, nämlich die Verarbeitung eingehender Dokumente hat sich als Hindernis erwiesen. Die manuelle Klassifikation und Datenextraktion beansprucht nicht nur erhebliche personelle Ressourcen, sondern führt ebenfalls zu langen Durchlaufzeiten, was die Skalierbarkeit und Qualität der Prozesse limitiert. Angesichts dessen wächst der Wunsch nach smarter Automatisierung. Allerdings muss im Umgang mit sensiblen Versichertendaten garantiert sein, dass Effizienzsteigerungen nicht den Datenschutz, die Nachvollziehbarkeit oder die Kontrolle beeinträchtigen

Das führt zu der zentralen Fragestellung dieses Beitrags, nämlich: Wie kann souveräne, vertrauenswürdige Künstliche Intelligenz (KI) genutzt werden, um das Input Management einer GKV effizient zu automatisieren, die regulatorische Konformität sicherzustellen und gleichzeitig die langfristige technologische Unabhängigkeit der Krankenkasse zu gewährleisten? Kurz gesagt: Wie stoppen wir die Zeitverschwendung und gewinnen gleichzeitig die Kontrolle über die Technologie?

Material, Methoden und Werkzeuge: Das Fundament für vertrauenswürdige KI

Die Digitalisierung im Gesundheitswesen verlangt nach Lösungen, die sowohl effizient als auch regelkonform sind. Das hier beschriebene Projekt zur Automatisierung des digitalen Posteingangs entstand im Rahmen einer strategische KI-Partnerschaft zwischen einer großen norddeutschen Krankenkasse und adesso. Grundlage des Erfolgs war ein strukturiertes, methodisch fundiertes Vorgehen, welches die genauen Vorgaben des GKV-Sektors von Anfang an einbezog.

Exploratives und iteratives Vorgehen

Anstelle eines Big-Bang-Ansatzes entschied sich das Projektteam für ein exploratives und iteratives Vorgehen, welches sich in klar definierte Phasen gliederte. Die Proof of Value (PoV) Phase kam als eine Schlüsselrolle zu. Zunächst wurde in einem Potenzialworkshop gemeinsam herausgearbeitet, wo im bestehenden Prozess die größten Schmerzpunkte liegen. Auf der Grundlage konnte der optimale, vollständig automatisierte Zielprozess für das Inputmanagement definiert werden. Danach wurde der konkrete Umfang des PoV festgelegt, welches auf Dokumententypen fokussiert war, die das höchste Automatisierungspotenzial aufwiesen. Für solide Ergebnisse stellte die Krankenkasse reale, aber anonymisierte Daten bereit, die für aussagekräftige Tests notwendig sind. Darauffolgend wendete man sich dem sogenannten „Unternehmens-Flavor Fine-Tuning“, bei dem KI-Modelle auf die spezifischen sprachlichen Eigenheiten, Formatvarianten und Dokumentenstrukturen der Krankenkassen angepasst werden. Diese Modellanpassung ist entscheidend, um eine hohe Erkennungsgenauigkeit im produktiven Umfeld zu erreichen. Zuletzt folgte eine umfassende Leistungsbewertung, inklusive Klassifikationsgenauigkeit und Extraktionspräzision als auch Ergo-Tests der Benutzeroberfläche. Durch diese Usability-Tests wurde sichergestellt, dass die finale Lösung nicht nur technisch überzeugt, sondern auch von den Sachbearbeitenden gut angenommen wird.

Die gesetzlichen Krankenversicherungen bewegen sich in einem Umfeld mit besonders hohen Anforderungen an Datenschutz und Datensicherheit, vor allem die Verarbeitung sensibler personenbezogener Daten, werden im EU AI Act unter „Hohes Risiko“ klassifiziert. Um dieser Verantwortung gerecht zu werden, wurden mehrere methodische Prinzipien im Projekt festgelegt. Anfangs sorgte ein umfassendes Data-Governance-Framework dafür, dass alle Vorgaben der DSGVO eingehalten wurden. Vor allem fokussierte man sich hierbei auf Datenqualität, um Verzerrungen in den Trainingsdaten und dementsprechend auch verbundene Fehlerklassifikationen oder Diskriminierung auszuschließen. Darüber hinaus wurde das Projekt konsequent an strengen MLOps-Prinzipien ausgerichtet. Diese gewährleisten Transparenz, Nachvollziehbarkeit und Reproduzierbarkeit im späteren Produktionsbetrieb. Damit wird jederzeit festgeschrieben, warum und wie die KI zu einer bestimmten Klassifikation gelangt, welches ein zentraler Aspekt der Rechenschaftspflicht gemäß Art. 5 DSGVO ist. Ergänzend dazu wurde ein Risikomanagementsystem eingeführt, entsprechend den Anforderungen des EU AI Act. Dieser kontinuierliche, iterative Prozess dient der systematischen Ermittlung, Bewertung und Reduktion von Risiken und trägt zudem dazu bei, ein vertrauenswürdigen KI-System zu etablieren, dass eben über die rein technische Implementierung hinaus regulatorisch abgesichert ist.

Als technologische Grundlage kam die KI-Plattform Perceptor des Anbieters TamedAI zum Einsatz, die speziell für die automatisierte Dokumentenverarbeitung entwickelt wurde. Die Integration in eine Multi-Cloud-Umgebung war dabei eine bewusste strategische Entscheidung, um technologische Souveränität der Krankenkasse zu unterstützen, eine modulare und flexible Architektur zu ermöglichen und eine Abhängigkeit von einzelnen Cloud- oder KI-Anbietern zu verhindern.

Die Lösung: ein intelligenter und vollständig integrierter Posteingang

Der Kern des Projekts bestand darin, einen vollautomatisierten, KI-gestützten Posteingang zu entwickeln, der sich nahtlos in die bestehende Systemlandschaft der Krankenkasse, inklusive des Kernverwaltunsgsystems Oscare und der angebundenen Umsysteme einfügt. Zusammenfassend war das Ziel eine Lösung, die sämtliche eingehende Dokumente intelligent verarbeitet, unabhängig davon, über welchen Kanal sie eintreffen.

Die Automatisierte Pipeline: Präzision in drei Stufen

Die entwickelte KI-Lösung übernimmt die gesamte Verarbeitung eingehender Dokumente und standardisiert den gesamten Inputprozess kanalübergreifend, unabhängig davon, ob die Dokumente per Post, Fax, E-Mail oder über ein Upload-Portal eingehen. Im ersten Schritt erfolgten die Vorverarbeitung und Standardisierung. Das bedeutet, dass alle eingehende Dokumente in ein einheitliches digitales Format überführt werden, um eine konsistente Weiterverarbeitung sicherzustellen. Danach folgt die intelligente Klassifikation, wobei die KI jedes Dokument in Echtzeit, automatisch in den passenden Dokumenttyp einordnet. Da im GKV-Umfeld eine große Vielfalt an Dokumenten auftritt, kommen hierfür spezialisierte Modelle zum Einsatz, die jeweils auf bestimmte Flavors, wie Arbeitsunfähigkeitsbescheinigungen, Rechnungen oder Adressänderungen trainiert wurden. Im letzten Schritt kommt es zu der präzisen Datenextraktion. Hierbei werden alle relevanten Informationen wie Versicherungsnummern, Beträge oder Rechnungsdaten zuverlässig aus den Dokumenten ausgelesen. Durch eine technische Architektur, die für sehr hohe Volumina und hohe Skalierbarkeit ausgelegt ist, wird eine flexible Anpassung der Verarbeitungskapazitäten ermöglicht, von mehreren Millionen Seiten pro Jahr bis hin zu praktisch unbegrenzten Datenmengen. Sogar komplexe und unstrukturierte Volltexte können damit automatisiert verarbeitet werd en .

Das Frontend: Die zentrale Schaltstelle für souveräne Kontrolle

Ein relevanter Unterschied zu klassischen Automatisierungslösungen liegt im speziell entwickelten Frontend, welches als zentrales Kontrollzentrum für die souveräne Steuerung der KI dient. Dieses bildet die Grundlage für die regulatorisch geforderte menschliche Aufsicht (Human-in-the-Loop) und ermöglicht es den Fachanwendern aktiv in automatisierte Prozesse einzugreifen.

Ein wichtiges Element ist die integrierte Validierung und Eskalation. Immer dann, wenn die KI bei einem Dokument einen Konfidenzwert unterhalb einer definierten Schwelle erreicht oder wenn der Inhalt rechtlich komplexe Ermessenentscheidung erfordert, wird der Vorgang automatisch an die Sachbearbeitung weitergegeben. Das bedeutet, dass das frontend eine intuitive Benutzeroberfläche bereitstellt, über die die vorgeschlagenen Klassifikationen und extrahierten Daten schnell überprüft und bei Bedarf korrigiert werden können.

Des weiteren fördert die Lösung die Unabhängigkeit der Organisation, indem sie einen umfassenden Know-how Transfer ermöglicht. Die Fachanwender können die Plattform nicht nur überwachen, sondern sie auch eigenständig pflegen und weiterentwickeln. Das umschließt unter anderem das Anlernen neuer Dokumentenvarianten als auch die kontinuierliche Anpassung der zugrunde liegenden Modelle. Dieses interne Wissen über Modellpflege reduziert die Abhängigkeit von externen Dienstleistern erheblich und es so auch ein zentraler Baustein technologischer Souveränität. Ein weiterer Vorteil des Frontend besteht in seiner vollständigen Transparenz. Es wird schrittweise dokumentiert, wie die KI zu ihren Entscheidungen gelangt, was somit auch erforderliche Nachvollziehbarkeit für interne Prüfprozesse schafft als auch für externe Aufsichtsbehörden.

Ergebnisse, Erfahrung und „Lessons Learned“: Mehrwert durch Entlastung und Qualität

Fakten aus der Praxis

Die Automatisierung des Posteingangs führte in der Praxis zu messbaren Verbesserungen sowohl in Bezug auf Effizienz als auch auf Qualität.

Die Durchlaufzeiten von Massendokumenten konnten signifikant verkürzt werden, was schnellere Leistungsentscheidungen ermöglicht als auch zu einer Steigerung der Zufriedenheit der Versicherten führte. Zudem erreichte die KI in den priorisierten Anwendungsfällen eine hohe Klassifikationsgenauigkeit und Dunkelverarbeitungsquote von 85%. Dadurch wurden Sachbearbeitende spürbar von repetitiven Tätigkeiten wie Sortieren und manuelle Dateneingabe entlastet. Die Qualität der Eingangsdaten wurde ebenfalls deutlich verbessert. Typische Eingabefehler, die bei manueller Verarbeitung oftmals vorkommen wurden durch die automatisierte Extraktion reduziert, was ebenfalls die nachgelagerten Prozesse im Kernsystem stabilisiert.

Die wichtigsten Erfahrungen und Erkenntnisse

An dem Projekt wird verdeutlicht, dass technologische Exzellenz allein nicht ausreicht, um den vollen Nutzen einer KI-Lösung zu realisieren. Entscheidend ist ein tragfähiges organisatorisches und regulatorisches Fundament. Im Mittelpunkt steht hier die Gouvernante vor dem Go-live aber auch die enge Abstimmung zwischen IT, Fachbereichen, Datenschutz und Rechtsabteilung ist ein Schlüsselfaktor für den Erfolg. Klar wurde auch, dass regulatorische Vorgaben, insbesondere Anforderungen an Hochrisiko-KI-Systeme bereits im Konzeptions- und PoV-Stadium fest verankert sein müssen, um zu verhindern, dass sie im weiteren Verlauf zum Problem werden.

Ein weiterer wichtiger Punkt ist der Aufbau von Vertrauen in der Organisation. Mitarbeitende müssen frühzeitig eingebunden werden, um die Akzeptanz für die neue Technologie zu stärken. Dazu zählen Schulungen zur Nutzung des Frontend und zur Funktionsweise der KI, die den Anforderungen des EU AI Acts entsprechen müssen. Eine offene Kommunikation über die Rolle der KI als unterstützendes System und nicht als Ersatz für menschliche Expertise erwies sich als essenziell.

Technologische Souveränität erwies sich als strategischer Erfolgsfaktor. Die Entwicklung eines eigenen Frontend sowie die Ausbildung interner Fachexperten für das Fine-Tuning der Modelle ermöglichen es der Organisation, die KI selbstständig zu kontrollieren, pflegen und weiterzuentwickeln. Damit bleibt sie in der Lage, flexibel auf neue regulatorische oder geschäftliche Anforderungen zu reagieren und ihre langfristige Wettbewerbsfähigkeit zu sichern.

Diskussion und Ausblick: Die GKV als Blueprint für Souveräne KI

Das Projekt demonstriert eindrucksvoll wie der Spagat zwischen Effizienzdruck und strenge Regulierung im sensiblen Umfeld der GKV gelingen kann. Durch die Implementierung einer souveränen KI-Plattform, die intern kontrolliert und gewartet wird, gewährleistet die Krankenkasse die Einhaltung von Datenschutz, vollständige Nachvollziehbarkeit aller Entscheidungen und eine langfristige Kontrolle über die eigene Technologie.

Das Inputmanagement ist dabei nur der erste Schritt. Das Vorhaben dient als Blueprint für den Aufbau eines skalierbaren, souveränen KI-Ökosystems. In den nächsten Projektphasen steht die Identifizierung und Integration weiterer komplexer Use Cases in die bestehende Plattform an. Denkbar ist die Auswertung auf automatisierte Prüfung einfacher Leistungsanträge und KI-gestützte Unterstützung bei der Fallsteuerung und Korrespondenz mit Versicherten.

Langfristig positioniert sich die Krankenkasse nicht nur als effizienter, sondern auch als verantwortungsvoller Akteur in der digitalen Transformation. Wer schon heute die Kriterien des EU AI Act anwendet, schafft einen strategischen Wettbewerbsvorteil und baut nachhaltig Vertrauen in die Technologie auf. Souveräne KI ist somit der Schlüssel, um die Balance zwischen Effizienz, Qualität und Compliance in der gesetzlichen Krankenversicherung zu meistern.