KI in der Medizin in Zahlen: 1,451 FDA-zugelassene Geräte, 75 % Systemdurchdringung — und der Befund, dass 43 % keine Validierungsdaten haben.
Die Verbreitung ist breit: Rund 75 % der US-Gesundheitssysteme betreiben inzwischen mindestens eine KI-Anwendung (ein Jahr zuvor waren es unter 60 %), und 74 % der US-Kliniken setzen KI-Diagnosewerkzeuge in der Radiologie ein.
Das regulatorische Volumen ist real: Die FDA führt 1,451 KI-gestützte Medizinprodukte mit Marktzulassung — allein 1,104 in der Radiologie —, davon 295 im Jahr 2025 zugelassen.
Die Lücke, auf die es ankommt: Weniger als 20 % der Organisationen haben einen verlässlichen KI-Einsatz in der klinischen Kerndiagnostik erreicht, und 43 % der FDA-zugelassenen KI-Geräte haben keine klinischen Validierungsdaten. Der Rollout überholt die Evidenz.
Die Radiologie ist der Brückenkopf. Drei Viertel der FDA-Zulassungen und drei Viertel des diagnostischen Klinikeinsatzes liegen hier, aus strukturellen Gründen: Bilder sind von Haus aus digital, die Referenzwahrheit ist vergleichsweise definierbar, und der Ablauf sieht ohnehin einen Zweitbefunder vor. Die berichteten Gewinne sind echt — Häuser mit KI-Unterstützung melden spürbar weniger Diagnosefehler, und Detektionsalgorithmen erreichen in kontrollierten Auswertungen hohe Genauigkeit.
Dokumentation und Betrieb sind der leisere Erfolg: Ambient Scribing, Kodierunterstützung, Terminplanung und Triage. Weniger schlagzeilentauglich als Diagnostik, schneller im Return, klinisch risikoärmer.
Die Ärzteschaft zog nach: Die Nutzung durch Ärztinnen und Ärzte sprang von 38 % (2023) auf 66 % (2024) — eine der steilsten dokumentierten Adaptionskurven eines Berufsstands.
43 % der FDA-zugelassenen KI-Geräte haben keine klinischen Validierungsdaten. Diese Zahl verdient mehr Aufmerksamkeit als jede Genauigkeitsangabe in diesem Text.
Die FDA-Zulassung läuft bei den meisten KI-Geräten über Wege, die substanzielle Gleichwertigkeit zu einem Vorgängerprodukt (Predicate Device) belegen — nicht über prospektive Studien, die einen Patientennutzen nachweisen. Zusammen mit dem Vorbehalt der kontrollierten Bedingungen bei Genauigkeitswerten (die Leistung auf kuratierten Datensätzen übertrifft regelmäßig die Leistung auf unaufgeräumten realen Populationen) lautet die ehrliche Zusammenfassung: zugelassen ≠ validiert ≠ nützlich in Ihrer Population.
Praktische Folge für Gesundheitssysteme: Behandeln Sie Genauigkeitsangaben der Anbieter als Ausgangspunkt der eigenen Validierung, nicht als deren Ersatz. Der Wert von unter 20 % für verlässliche Kerndiagnostik ist genau das, was herauskommt, wenn Häuser diese Hausaufgabe tatsächlich machen.
Rund 95–97 % der zugelassenen KI-Medizinprodukte kamen über den 510(k)-Weg und nicht über De Novo oder PMA. Dieser Weg verlangt den Nachweis substanzieller Gleichwertigkeit zu einem Vorgängerprodukt — keinen unabhängigen klinischen Nutzennachweis.
Das ist der Mechanismus hinter dem Validierungsproblem. Es ist nicht so, dass die Aufsicht Evidenz übersehen hätte; der Weg, den die meisten Geräte nehmen, war nie darauf angelegt, Evidenz zu verlangen.
Die kumulierten Gerätezulassungen bis Ende 2025 konzentrieren sich stark bei den etablierten Bildgebungsanbietern:
| Unternehmen | Zulassungen |
|---|---|
| GE HealthCare | 120 |
| Siemens Healthineers | 89 |
| Philips | 50 |
| Canon | 45 |
| United Imaging | 38 |
| Aidoc | 31 |
| DeepHealth | 28 |
Beachten Sie, was das aussagt: Den Markt für KI-Geräte gewinnen die Unternehmen, die Ihnen den Scanner ohnehin schon verkauft haben — nicht KI-native Start-ups.
Die FDA aktualisiert ihre Geräteregeln im Rahmen der Quality Management System Regulation (QMSR) und gleicht die US-Aufsicht an ISO 13485:2016 an. Für Hersteller ist das eine Änderung im Compliance-Prozess; für Käufer ein maßvolles Signal, dass die Evidenzschwelle über Qualitätssysteme angehoben wird und nicht über den Zulassungsweg selbst.
Nicht „Ist es FDA-zugelassen?" — über 1,300 Geräte sind es. Fragen Sie nach dem Zulassungsweg, nach dem Vorgängerprodukt und danach, ob prospektive klinische Daten zu einer Population existieren, die Ihrer ähnelt. Diese drei Fragen trennen die Geräte, die helfen, von denen, die lediglich zugelassen wurden.
Die Projektionen sammeln sich bei rund 52 Mrd. USD für den Markt der Gesundheits-KI 2026 — eine reale, schnell wachsende Zahl, die zugleich eine Größenordnung kleiner ist als manche Werte, die in Inhalten aus der Zeit um 2025 kursierten. (Eine frühere Fassung dieses Artikels führte eine grotesk aufgeblähte Marktzahl; sie war ohne Quelle und wurde entfernt. Lässt sich eine Statistik zur Gesundheits-KI nicht auf eine benannte Quelle samt Methodik zurückführen, geben Sie sie nicht weiter — auch nicht von uns.)
Dass 75 % der Gesundheitssysteme mindestens eine KI-Anwendung betreiben und unter 20 % einen verlässlichen Einsatz in der klinischen Kerndiagnostik erreichen, ist kein Widerspruch. Die meisten Anwendungen liegen in Verwaltung und Bildtriage, wo der Fehlerfall eine verlorene Minute bedeutet und keine übersehene Diagnose.
Die Exposition liegt bei Geräten, die eine klinische Entscheidung beeinflussen, ohne dass ein Mensch dieselbe Evidenz mitliest. 43 % der FDA-zugelassenen KI-Geräte haben keine klinischen Validierungsdaten — diese Zahl wiegt bei autonomen Entscheidungen enorm schwer und bei einer neu sortierten Arbeitsliste praktisch gar nicht.
Für jedes eingesetzte Werkzeug: Wenn das falsch ist, wer merkt es und wann? Werkzeuge mit menschlicher Kontrolle in derselben Schicht sind unabhängig vom Validierungsstand risikoarm. Werkzeuge ohne diese Kontrolle brauchen genau die Evidenz, die der 510(k)-Weg nie verlangt hat.
Sources: SQ Magazine healthcare AI statistics · TheAIDaily 75+ data points · Uvik 80+ key data points · About Chromebooks adoption tracker
Zuletzt aktualisiert: 29. Juli 2026
Die OpenAI Agents API erleichtert dauerhafte Cloud-Agenten. Was sich ändert, was unbewiesen bleibt und wie Teams sie kontrolliert einsetzen.
86 % Nutzung, nur 10 % Zustimmung. Urheberrechtsurteile 2026, die Musikvergleiche als Vorlage und die 17-/45-Prozent-Spaltung am Arbeitsmarkt.
Daten 2026: 88 Prozent der Lernenden nutzen generative KI, Lehrkräfte sparen 5,9 Stunden pro Woche — nur 13 Prozent der Schulen haben Regeln.
Digital Omnibus verschiebt Hochrisiko-Fristen auf 2027, zwei neue EU-Verbote, GPAI-Aufsicht ab August 2026 und der US-Flickenteppich.
Betrugserkennung trifft zu 90–99 % und läuft 300× schneller — doch über die Hälfte des Betrugs nutzt selbst KI. Zahlen, Regulierung, Asymmetrie.
Expertenprognosen für KI bis 2030 — AGI-Zeitpläne, Arbeitsmarktfolgen, technologische Durchbrüche und die Szenarien, über die Forscher wirklich streiten.
Arbeitsmarktdaten 2026: 87.714 KI-begründete Streichungen in fünf Monaten, 28.000 Rückgang je Monat in Tech und Finanzen, plus die Trennlinie.
Die acht Trends, die KI 2026 prägen: das Bewertungsrennen, kurzlebige Modelle, Soras Rückzug, Urheberrechtsvergleiche und die verzögerte Regulierung.
