In den vorigen Megamaschinen-Papieren haben wir die Obsoleszenz der technischen Intelligenz an einzelnen Beispielen beschrieben — als das schleichende Verschwinden von Berufsbildern, deren Wissen und Können bestimmte industrielle Strukturen über Jahrzehnte trugen, und deren Funktion heute durch andere Strukturen, durch andere Akteure, durch andere Werkzeuge übernommen wird. Dieses Papier vertieft die Diagnose an einem konkreten Fall — der ärztlichen Profession — und es vertieft sie zugleich um eine zweite Schicht, die bisher nur angedeutet war: die Frage der Verantwortung. Was geschieht, wenn die Profession ihre Kernkompetenz verliert, aber die Verantwortung für die Folgen dieser Kompetenz weiter bei ihr liegt? Was geschieht, wenn die Substanz wandert, die Haftung aber bleibt? Anders als in den vorigen Papieren ist das Thema diesmal nicht spezifisch deutsch oder europäisch. Die ärztliche Profession ist eine globale, die getestete KI ist amerikanisch, die Studie kommt aus Boston, die operative Realität betrifft Ärzte und Patienten weltweit. Wo der Essay auf die deutsche oder europäische Lage zugeht, geschieht das gezielt — bei der Haftungs-Architektur, die in jeder Rechtsordnung anders gebaut ist, und bei der politischen Steuerung, die sich an konkreten Akteuren festmachen lässt. Im Übrigen aber ist das Bild ein internationales.
Der Anlass dieses Papiers ist eine Studie, die am 30. April 2026 — gestern, am Vortag dieses Papiers — in der Zeitschrift Science erschienen ist. Sie wurde von einem Team um Adam Rodman, Internist am Beth Israel Deaconess Medical Center, und Arjun Manrai, Bioinformatiker an der Harvard Medical School, vorgestellt, mit Beteiligung mehrerer weiterer Autoren — Peter Brodeur, Thomas Buckley, Zahir Kanjee, Ethan Goh, Jonathan Chen. Die Studie testet die Diagnose-Fähigkeit von OpenAIs Sprachmodell o1-preview an einem zweistufigen Material — 143 ungewöhnliche Fallgeschichten aus dem New England Journal of Medicine und 76 Krankenakten aus der Notaufnahme des Beth-Israel-Deaconess-Krankenhauses in Boston. Sie kommt zu einem Ergebnis, das die Autoren selbst als „geradezu schockierend gut" bezeichnen, und das einen historischen Bezug hat — die Aufgabe, fortgeschrittene Computer durch logische Schlussfolgerung medizinische Diagnosen stellen zu lassen, war 1959 in einer wissenschaftlichen Publikation als Maßstab definiert worden. 67 Jahre später, sagen die Autoren, sei das Ziel erreicht.
Die Studie hätte eine größere öffentliche Debatte verdient, als sie wahrscheinlich bekommen wird. Sie wird in den nächsten Wochen in den Wissenschaftsteilen der großen Zeitungen erscheinen — der Spiegel hat seine Meldung gestern Abend veröffentlicht — und dann wird die Aufmerksamkeit sich verziehen. Die nächste KI-Meldung wird folgen, die nächste sensationelle Studie, die nächste Beruhigungsformel der zuständigen Forscher. Was übrig bleibt, ist die operative Realität, die schon längst vor der Studie da war: Die Hälfte aller Ärzte weltweit nutzt nach dem „Clinician of the Future"-Report bereits KI, jeder fünfte holt regelmäßig eine Zweitmeinung bei ihr ein. Manrai sagt es im O-Ton: „Der Geist ist aus der Flasche."
Das Papier hat zwei Pointen. Die erste Pointe ist, dass die ärztliche Profession in einem Vorgang ist, den die Megamaschinen-Reihe als Substanz-Verschiebung bezeichnet — die Kernkompetenz wandert, die Hülle bleibt. Die zweite Pointe ist, dass die juristische Verantwortungs-Architektur, die in Deutschland und in der EU für diesen Fall greift, eine Konstellation produziert, die wir kafkaesk nennen können: Der Arzt verliert seine Kompetenz und behält seine Haftung. Die KI gewinnt seine Kompetenz und übernimmt seine Haftung nicht. Was zwischen den beiden steht, ist eine diffuse Verantwortung — die strukturell genau das ist, was die Megamaschine als Funktionsweise definiert.
I. Was die Studie ergeben hat — die genauen Zahlen
Die Studie ist methodisch in drei Teilen aufgebaut. Erster Teil: 70 ausgewählte NEJM-Fälle, an denen Sprachmodelle, spezialisierte medizinische Software und menschliche Ärzte mit Hilfsmitteln (Suchmaschinen, Fachliteratur) verglichen werden. Zweiter Teil: 76 reale Notaufnahme-Akten des Beth Israel Deaconess Medical Center, an denen das Modell gegen zwei dort tätige Notaufnahme-Ärzte antritt. Dritter Teil: fünf klinische Fallstudien, an denen das Modell gegen 46 menschliche Ärzte bei sogenanntem „Management-Reasoning" antritt — also bei der Entwicklung von Behandlungsplänen, etwa zur Antibiotika-Verabreichung oder zur Planung end-of-life-Gespräche.
Die Ergebnisse. Im ersten Teil — den NEJM-Fällen — erstellte OpenAI o1-preview in 88,6 Prozent der Fälle die richtige oder nahezu richtige Diagnose. Andere Sprachmodelle und spezialisierte Software lagen darunter, menschliche Ärzte deutlich darunter. Bei einer Untermenge der Fälle erreichte das Modell knapp 80 Prozent korrekte Diagnose im engsten Sinn — also als ranghöchste der vorgeschlagenen Differentialdiagnosen.
Im zweiten Teil — der realen Notaufnahme — erreichte o1-preview an der Triage, dem ersten Diagnose-Schritt in der Notaufnahme, eine Treffer-Quote von 67,1 Prozent. Die beiden zur Vergleichsbasis dienenden erfahrenen Ärzte des Beth Israel Deaconess kamen auf 55,3 und 50,0 Prozent. Mit zunehmender Information stieg die Genauigkeit des Modells auf 82 Prozent — die menschlichen Ärzte erreichten 70 bis 79 Prozent. Statistisch war dieser Unterschied bei höherer Informationsdichte nicht mehr signifikant; an der Triage, mit der geringsten Information, war der Unterschied am deutlichsten.
Im dritten Teil — dem Management-Reasoning — erreichte das Modell 89 Prozent. Die 46 menschlichen Ärzte, die mit Hilfe konventioneller Werkzeuge wie Suchmaschinen und Fachdatenbanken arbeiteten, erreichten 34 Prozent. Das ist die deutlichste Differenz der ganzen Studie. Sie betrifft nicht nur die Diagnose, sondern den nächsten Schritt — den Behandlungsplan.
Diese Ergebnisse haben ein paar wichtige Eigenschaften, die die Wahrnehmung der Studie prägen sollten. Erstens, das Modell, das hier getestet wurde, ist o1-preview — der Vorgänger des im Dezember 2024 freigegebenen o1-Modells. Beide Modelle haben einen pre-training-Cutoff im Oktober 2023. Das heißt: Die Modelle, die heute, im Mai 2026, im Markt sind — o1, o3, GPT-5, Claude 4 und so weiter —, sind den getesteten Modellen erheblich überlegen. Die Studie misst eine Untergrenze, nicht eine Obergrenze.
Zweitens, die Vergleichszahl auf der Ärzte-Seite ist die Performance erfahrener Internisten oder Notfallmediziner mit den heute üblichen Hilfsmitteln. Sie ist nicht die Performance von Berufsanfängern, nicht die Performance von Allgemeinärzten ohne Spezialisierung, nicht die Performance der Ärzte in unterversorgten Regionen, in Entwicklungsländern, in Notaufnahmen unter Überlast. Auf der gesamten Verteilung der Welt-Medizin liegt die Performance der Vergleichsgruppe sehr hoch. Was das Modell hier schlägt, ist die obere Hälfte der professionellen Verteilung.
Drittens, die Studie ist retrospektiv. Sie testet das Modell an Akten, die schon dokumentiert sind, mit bekannten Diagnose-Ausgängen. Sie testet das Modell nicht an realen Patienten in Echtzeit. Wie die Studienautoren selbst betonen, wäre der nächste Schritt eine prospektive klinische Studie — die mit den üblichen Standards der medizinischen Forschung das Modell unter realen Bedingungen testen würde. Das wird in den nächsten Jahren geschehen. Ihre Ergebnisse sind heute nicht bekannt, aber sie werden mit hoher Wahrscheinlichkeit die Richtung der hier vorgelegten Ergebnisse bestätigen, möglicherweise verschärfen.
II. Der historische Maßstab — was 1959 versprochen wurde
Die Studie hat einen historischen Bezug, der in der Spiegel-Berichterstattung kurz erwähnt, aber nicht ausgeführt wird. 1959 — als Computer noch mit Lochkarten arbeiteten — hatten zwei amerikanische Wissenschaftler, Robert S. Ledley und Lee B. Lusted, in der Zeitschrift Science einen Aufsatz veröffentlicht mit dem Titel „Reasoning Foundations of Medical Diagnosis". Sie hatten die These aufgestellt, dass die ärztliche Diagnose im Kern ein logisches Schlussverfahren sei — und dass fortgeschrittene Rechner, sobald sie verfügbar sein würden, in der Lage sein müssten, diese Schlussfolgerungen ebenso zuverlässig zu vollziehen wie ein menschlicher Arzt.
Ledley und Lusted formulierten das nicht als Drohung an die Profession, sondern als Versprechen einer Entlastung. Computer würden den Arzt vom Routineteil seiner Arbeit befreien und ihm Zeit für das geben, was über die Diagnose hinausgeht — die Beziehung zum Patienten, die Aufklärung, die Behandlungsplanung, die individuelle Anpassung. Diese These war 1959 utopisch. Sie blieb es über die folgenden sechs Jahrzehnte. Verschiedene Versuche, medizinische Expertensysteme zu entwickeln — MYCIN in den 1970er Jahren, INTERNIST-1 in den 1980ern, viele andere —, haben die These nicht eingelöst. Die Systeme waren zu starr, zu eng auf bestimmte Krankheitsbilder beschränkt, zu schwer in den klinischen Alltag zu integrieren.
Was sich seit 2022 verändert hat — mit GPT-3.5, mit ChatGPT, mit GPT-4, mit den Reasoning-Modellen wie o1 —, ist eine andere Art von KI. Sie ist nicht regelbasiert. Sie hat keine explizite medizinische Wissensbasis. Sie ist auf riesigen Mengen Text trainiert, von denen ein Teil medizinische Literatur ist, der größere Teil aber alles andere — Bücher, Internet-Texte, Foren, Code, Übersetzungen. Sie hat keine spezielle Medizin-Ausbildung. Und gerade weil sie nichts Spezielles ist, kann sie etwas, was die spezialisierten Expertensysteme nie konnten: Sie kann mit der Unordnung der realen Krankenakte umgehen — mit Tippfehlern, mit fehlenden Informationen, mit kontextabhängigen Hinweisen, mit dem Hodenschmerz, der beim Ersttgespräch erwähnt und dann vergessen wurde.
Adam Rodman, der Studienautor, beschreibt im Aufsatz und in den Interviews einen konkreten Fall, der ihm besonders in Erinnerung geblieben sei. Ein Patient kommt in die Notaufnahme mit Husten und schweren Atembeschwerden. Beim Erstgespräch erwähnt er auch Hodenschmerzen. Die Ärzte konzentrieren sich auf die Atembeschwerden — die offenkundige Hauptsymptomatik. Die Hodenschmerzen werden vergessen. Erst 24 Stunden später, als sich im Genitalbereich des Patienten eine nekrotisierende Fasziitis entwickelt — eine aggressive, lebensbedrohliche Gewebeentzündung, die nur mit dem Skalpell zu behandeln ist —, wird der Zusammenhang erkannt. Das Modell, sagt Rodman, hätte den Fehler nicht gemacht. Es hätte die Hodenschmerzen mit der Information verknüpft, dass der Patient eine Organtransplantation hinter sich hat und immunsuppressive Medikamente nimmt — und hätte deshalb die Schmerzen ernster genommen.
Die Pointe dieses Falls ist nicht, dass die Ärzte schlecht waren. Die Pointe ist, dass in einer Notaufnahme unter Überlast, mit Schichtwechseln, mit Übergaben, mit hundert anderen Fällen gleichzeitig, ein menschliches Gedächtnis und eine menschliche Aufmerksamkeit Grenzen haben, die ein Sprachmodell nicht hat. Was 1959 versprochen wurde, war die Entlastung des Arztes von der Routine. Was 2026 eingelöst wird, ist eine Entlastung, die den Arzt zugleich um seine diagnostische Kernkompetenz entlastet.
III. Die Profession und ihre Säulen
Die ärztliche Profession ist eine der ältesten in der dokumentierten Geschichte. Hippokrates lebte um 460 vor Christus. Die Sammlung der hippokratischen Schriften — der „Eid des Hippokrates", die Aphorismen, die Prognostik — bildet die Grundlage einer Berufsethik, die in modifizierter Form bis heute trägt. Die mittelalterlichen Universitäten von Bologna, Padua, Salerno haben die medizinische Lehre institutionalisiert. Die Pariser Klinik der frühen Neuzeit, das Berliner Charité-System des 19. Jahrhunderts, die Johns-Hopkins-Reform der amerikanischen Medizinerausbildung um 1900, die Flexner-Reform 1910 — sie haben die ärztliche Profession in der heutigen Form geprägt.
Die Profession steht auf vier Säulen. Erste Säule: das Fachwissen — die Anatomie, Physiologie, Pathologie, Pharmakologie, Diagnostik, Therapie, die im Studium und in der Facharzt-Weiterbildung über etwa zwölf Jahre erworben werden. Zweite Säule: die diagnostische Kompetenz — die Fähigkeit, aus den erhobenen Befunden die richtige Krankheit zu erschließen, die für die Behandlung entscheidend ist. Dritte Säule: die Behandlungs-Kompetenz — die Fähigkeit, aus der Diagnose die richtige Therapie zu wählen, sie individuell anzupassen, ihre Wirkung zu beobachten, sie bei Bedarf zu modifizieren. Vierte Säule: die professionelle Verantwortung — die juristisch und moralisch gefasste Pflicht, für die eigene Tätigkeit einzustehen, mit der eigenen Approbation zu haften, im Schadensfall vor Gericht zu erscheinen.
Die Harvard-Studie zeigt, dass die zweite Säule — die diagnostische Kompetenz — heute von einer KI nicht nur erreicht, sondern übertroffen wird. Sie zeigt darüber hinaus, dass auch die dritte Säule — die Behandlungs-Kompetenz im Sinne des Management-Reasonings — von der KI übertroffen wird, in dem konkreten Test sogar dramatisch (89 zu 34 Prozent). Was bleibt, ist die erste Säule (das Fachwissen) und die vierte Säule (die Verantwortung). Diese beiden Säulen aber stehen in einem schwierigen Verhältnis zur KI-Welt. Das Fachwissen, das in zwölf Jahren Studium und Facharzt-Ausbildung erworben wird, ist heute zum großen Teil im Sprachmodell verfügbar — schneller, aktueller, vernetzter abrufbar als im menschlichen Gedächtnis. Die Verantwortung — die wir in den nächsten Kapiteln behandeln werden — ist die Säule, die nach den heutigen juristischen Konstruktionen beim Arzt bleibt, auch wenn die Diagnose von der KI gestellt wurde.
Wir können nun präziser fragen, was hier mit der Profession geschieht. Sie verliert nicht ihre Funktion — Patienten gehen weiter zu Ärzten, sie werden weiter behandelt, das Krankenhaus läuft weiter. Sie verliert ihre Begründung — den fachlichen Vorsprung gegenüber dem Laien, der durch die langjährige Ausbildung und die institutionelle Berufung gerechtfertigt war. Was die Profession war — eine Gruppe, die ein knappes und schwer zugängliches Wissen verwaltete und dafür gesellschaftliche Anerkennung, hohe Bezahlung und institutionelle Autonomie erhielt —, ist heute eine Gruppe, die ein zunehmend zugängliches Wissen verwaltet und ihre Begründung neu finden muss. Die Säule des Fachwissens hat sich verschoben. Die Säulen der Diagnose- und Behandlungs-Kompetenz erodieren empirisch. Was bleibt, ist die Säule der Verantwortung — und sie wird zur tragenden Säule einer Profession, deren andere Säulen nicht mehr tragen.
IV. Die Zahlen aus der Praxis — der Geist ist aus der Flasche
Die Harvard-Studie misst, was die KI heute kann. Eine zweite Frage ist, was die KI heute schon tut. Hier liefert die Studie nicht die zentrale Statistik, aber Rodman und Manrai zitieren in ihren Interviews einen anderen Befund — den „Clinician of the Future"-Report von Elsevier Health, dessen jüngste Ausgabe für 2025 erstellt wurde. Nach diesem Report nutzt heute die Hälfte aller Ärzte weltweit künstliche Intelligenz in irgendeiner Form. Jeder fünfte Arzt holt regelmäßig eine Zweitmeinung bei einer KI ein — typischerweise bei ChatGPT, Claude, Gemini oder einem spezialisierten medizinischen Assistenten. Mehr als die Hälfte aller Ärzte gibt an, KI-gestützte Zweitmeinungen für komplexe Fälle einsetzen zu wollen.
Diese Zahlen sind die operative Realität, in die die Harvard-Studie hineingeschrieben wird. Sie machen die Studie zugleich überflüssig und dringend. Überflüssig, weil das, was die Studie wissenschaftlich validiert, in der Praxis schon längst stattfindet — die Ärzte fragen die KI. Sie tun es informell, oft ohne Dokumentation, oft ohne Information des Patienten, oft ohne klare Standards. Dringend, weil das, was in der Praxis stattfindet, ohne wissenschaftliche Validierung, ohne klinische Studien, ohne Standards der Anwendung geschieht. Die operative Realität läuft den institutionellen Klärungen voraus — das ist ein Muster, das wir aus den vorigen Megamaschinen-Papieren kennen, aber hier in besonderer Schärfe auftritt.
Die Spiegel-Berichterstattung bringt die Selbstaussage Manrais: „Der Geist ist aus der Flasche." Das ist eine bemerkenswerte Formulierung. Sie räumt ein, dass der Vorgang nicht mehr aufzuhalten ist. Sie räumt zugleich ein, dass die Ärzte, die die KI heute schon nutzen, das tun, ohne dass die Bedingungen geklärt sind, unter denen sie es tun sollten. Was nach Manrai jetzt zu tun sei, sind klinische Studien — also retrospektive Vergleiche von KI-gestützter und nicht-KI-gestützter Behandlung. Das wird über Jahre dauern. Bis die Studien vorliegen, läuft die KI-gestützte Medizin weiter. Bis die Studien vorliegen, werden weitere Ärzte ihre Diagnose-Praxis an KI delegieren. Bis die Studien vorliegen, werden weitere Patienten in einer Konstellation behandelt, deren Bedingungen nicht geklärt sind.
Eine Beobachtung am Rand: Was die Spiegel-Berichterstattung als Erfahrung mit dem Schreiben von Arztbriefen referiert — „Die Erwartungen waren enorm, zwei oder sogar drei Stunden am Tag, so dachte man, könnten die Ärzte dank KI einsparen und stattdessen ihren Patienten widmen. Die Wirklichkeit jedoch sieht anders aus. Die Zeitersparnis ist erstaunlich gering" —, ist die Standard-Erfahrung mit Produktivitäts-Steigerungen durch IT in den letzten 30 Jahren. Sie geht zurück auf das, was der Wirtschaftsnobelpreisträger Robert Solow 1987 formulierte: „You can see the computer age everywhere but in the productivity statistics." Die KI in der Medizin folgt diesem Muster. Sie ersetzt nicht Stunden Arbeit, sondern verschiebt sie — von der Diagnose zur Validierung, von der Befundinterpretation zur Korrektur, von der unmittelbaren Erfahrung zur Verwaltung der KI-Output. Was die Ärzte gewinnen, ist nicht Zeit für die Patienten. Was sie gewinnen, ist eine veränderte Tätigkeitsstruktur, in der die KI nicht entlastet, sondern transformiert.
V. Die juristische Architektur — § 630a BGB und der EU AI Act
An dieser Stelle wechseln wir den Blick — von der medizinischen Realität zu der juristischen Architektur, in die diese Realität in Deutschland eingebettet ist. Hier liegt die zweite Pointe des Papiers.
Die rechtliche Lage in Deutschland ist nicht so offen, wie der Spiegel-Artikel mit seiner rhetorischen Frage „Wer übernimmt die Verantwortung, wenn die KI irrt?" suggeriert. Sie ist klar geregelt — und zwar so, dass die Haftung beim Arzt bleibt.
Erstens, das deutsche Patientenrechtegesetz von 2013 hat den Behandlungsvertrag in den §§ 630a bis 630h des Bürgerlichen Gesetzbuchs verankert. Nach § 630a BGB schuldet der Arzt eine Behandlung „nach den zum Zeitpunkt der Behandlung bestehenden, allgemein anerkannten fachlichen Standards". Das ist die generelle Haftungsgrundlage. Sie betrifft jeden Arzt, in jeder Behandlung, mit oder ohne KI.
Zweitens, der EU AI Act vom 1. August 2024 — die Verordnung 2024/1689 — definiert die meisten medizinischen KI-Systeme als „Hochrisiko-KI" nach Anhang III oder über die Medical Device Regulation, Rule 11. Wer ein solches System einsetzt, wird nach Art. 3 Nr. 4 EU AI Act zum „Betreiber" der KI. Das hat Folgen. Der Betreiber muss nach Art. 26 EU AI Act sechs Pflichten erfüllen: KI-Literacy (also fundiertes Verständnis des Systems), menschliche Aufsicht (Human Oversight), Eingabedaten-Relevanzprüfung, kontinuierliche Überwachung mit Meldepflicht, Protokollierung über mindestens sechs Monate, und Information von Personal und Patienten. Diese Pflichten gelten ab 2. August 2026 — also in genau drei Monaten — vollständig. Die KI-Literacy-Pflicht (Art. 4) gilt schon seit 2. Februar 2025.
Drittens, und hier wird es kafkaesk: Der Arzt, der eine KI nutzt, haftet bei einem Behandlungsfehler nach der bestehenden Konstruktion zweifach. Erstens nach § 630a BGB als Vertragspartner des Patienten. Zweitens nach den Betreiberpflichten des EU AI Act. Wenn er die menschliche Aufsicht nicht hinreichend ausgeübt hat — wenn er also die KI-Diagnose ohne kritische Prüfung übernommen hat —, gilt das nach deutschem Patientenrecht als „grober Behandlungsfehler". Bei einem groben Behandlungsfehler greift § 630h BGB: die Beweislastumkehr. Nicht der Patient muss beweisen, dass der Fehler ursächlich für den Schaden war. Der Arzt muss beweisen, dass der Fehler nicht ursächlich war. Das ist juristisch eine sehr starke Position des Patienten — und eine sehr schwache des Arztes.
Viertens, der Hersteller der KI — also OpenAI, Anthropic, Google oder andere — haftet nach Produkthaftungsrecht für Produktfehler. Aber die Hauptlast bleibt beim Arzt. Der Hersteller kann sich darauf berufen, dass das KI-System als Werkzeug verkauft wurde, dessen kompetente Anwendung in der Verantwortung des Anwenders liegt. Der Anwender ist der Arzt. Der Arzt ist der Verantwortliche.
Fünftens — und das ist der entscheidende Befund —: Die EU-Kommission hatte 2022 eine eigene KI-Haftungsrichtlinie entworfen, die genau diese Lücken schließen sollte. Sie sah vor, die Haftungsrisiken zwischen Hersteller, Betreiber und Anwender genauer zu verteilen, mit verschärften Auskunftspflichten der Hersteller und mit Beweiserleichterungen für die Geschädigten. Diese Richtlinie wurde am 12. Februar 2025 von der neuen EU-Kommission unter Ursula von der Leyen — der schon zuvor unter ihr — zurückgezogen. Die offizielle Begründung: man wolle „bürokratische Überregulierung vermeiden" und Innovation nicht behindern. Das war eine politische Entscheidung im Sinn der KI-Industrie. Sie hat zur Folge, dass die rechtliche Lücke nicht geschlossen wird. Die Haftung bleibt beim Arzt.
VI. Die kafkaeske Konstellation — Kompetenz weg, Haftung bleibt
An dieser Stelle wird die Konstellation greifbar, die wir kafkaesk nennen können. Sie hat fünf Schichten, die zusammen ein Bild ergeben, das in seiner Logik dem Bild der wartenden Patientin im EPS-System ähnelt — strukturell, nicht im Detail.
Erste Schicht: Die KI-Diagnose ist nach der Harvard-Studie und nach der gelebten Praxis besser als die ärztliche. Wer das nicht wahrnimmt, riskiert eine schlechtere Behandlung. Wer es wahrnimmt und nicht handelt, riskiert eine Behandlung, die hinter dem fachlichen Standard zurückbleibt. Das ist ein direkter Druck auf den Arzt, die KI zu nutzen.
Zweite Schicht: Wer die KI nutzt, übernimmt nach EU AI Act und deutschem Recht die Haftung als Betreiber. Er haftet nicht nur für die eigene Tätigkeit, sondern auch für die Anwendung der KI — für die Auswahl des Systems, für die Plausibilitäts-Prüfung der Output, für die Information des Patienten, für die Dokumentation. Wenn er die KI-Aufsicht nicht hinreichend ausübt, greift der grobe Behandlungsfehler mit Beweislastumkehr.
Dritte Schicht: Die KI selbst kann nicht haften. Sie hat keine Rechtspersönlichkeit. Ihr Hersteller — OpenAI mit aktueller Bewertung von etwa 500 Milliarden US-Dollar — haftet nur für Produktfehler im engen Sinn. Für die diagnostische Falschberatung, die das Modell systematisch produziert (Halluzinationen, falsche Korrelationen, kontextfremde Empfehlungen), haftet der Hersteller nicht — solange das Produkt im Rahmen der vorgesehenen Anwendung benutzt wurde. Was „vorgesehen" ist, definiert der Hersteller in seinen Nutzungsbedingungen.
Vierte Schicht: Der Patient hat einen Anspruch auf den fachlichen Standard. Wenn die KI heute den fachlichen Standard übersteigt, hat der Patient möglicherweise einen Anspruch darauf, dass die KI eingesetzt wird. Das ist eine Konstruktion, die in den juristischen Aufsätzen schon angedacht wird, in der Praxis aber noch nicht durchgeprüft ist. Wer es durchprüft, könnte zu dem Ergebnis kommen, dass ein Arzt, der die KI nicht einsetzt, ebenfalls einen Behandlungsfehler begeht.
Fünfte Schicht: Der Arzt steht damit in einer Konstellation, in der ihm zwei juristische Risiken gleichzeitig drohen — wenn er die KI einsetzt und sie falsch liegt, haftet er als Betreiber; wenn er sie nicht einsetzt und ein Fall schlecht ausgeht, haftet er möglicherweise wegen Verletzung des fachlichen Standards. Das ist eine Konstellation der Beweispflicht in beide Richtungen, in der das einzige Mittel zur Risiko-Reduktion eine sehr aufwendige Dokumentation ist. Diese Dokumentation kostet Zeit. Die Zeit, die durch die KI gewonnen werden sollte, geht für die Dokumentation drauf, die die KI-Nutzung erst absichert. Die Wirklichkeit der Spiegel-Berichterstattung — „Die Zeitersparnis ist erstaunlich gering" — ist nicht Zufall. Sie ist die strukturelle Folge der Haftungs-Architektur.
Wer dieses Bild zu Ende denkt, sieht eine Konstellation, in der der Arzt in einer juristischen Schraube sitzt, die er nicht selbst gebaut hat. Er sitzt drin, weil das Patientenrechtegesetz 2013 die professionelle Verantwortung in einer Welt definiert hat, in der es noch keine medizinische KI gab. Er sitzt drin, weil der EU AI Act die Betreiber-Verantwortung für KI-Anwender ausweitet, ohne die Hersteller-Haftung zu verschärfen. Er sitzt drin, weil die KI-Haftungsrichtlinie, die das hätte ändern können, im Februar 2025 zurückgezogen wurde. Er sitzt drin, ohne dass eine einzelne Person, eine einzelne Instanz, eine einzelne Entscheidung die Konstellation gewollt hat. Er sitzt drin, weil so viele Entscheidungen ineinander gegriffen haben, dass am Ende niemand mehr für das Resultat verantwortlich ist.
VII. Die Verbindung zur kolumbianischen Patientin
An dieser Stelle wird die Verbindung zur Diagnose des Kolumbien-Papiers sichtbar. Dort haben wir eine Patientin im EPS-Wartezimmer beschrieben, die einen Tag verliert, weil ihre Mitgliedschaft ausgesetzt ist und niemand erklären kann, warum. Das System verwaltet sie, ohne sie zu behandeln. Die Verantwortung ist diffus — zwischen EPS, Krankenhaus, Zentralstelle, Verfassungsgericht, gescheiterter Reform.
Was hat das mit Boston zu tun, mit OpenAI o1, mit der Harvard-Studie? Sehr viel. Auf der Oberfläche sind die zwei Welten unvergleichbar — die kolumbianische Patientin ist arm, die Bostoner Klinik ist reich, das eine ist Notfall-Verwaltung, das andere ist Spitzenforschung. Auf der Strukturebene sind sie identisch. In beiden Fällen ist die Diagnose von der Behandlung getrennt, die Behandlung von der Verantwortung, die Verantwortung von der Person. In beiden Fällen verschwindet das Subjekt — der Patient, die Patientin — zwischen Aggregaten und Strukturen, die nicht für es da sind, sondern in denen es vorkommt. In beiden Fällen wird die einzige Person, die direkt verantwortlich gemacht werden könnte — der Schalterbeamte in Bogotá, der Arzt in Boston —, in eine Lage gezwungen, in der sie die Verantwortung trägt, ohne sie ausüben zu können.
In Bogotá weiß die Schalterbeamtin nicht, warum die Mitgliedschaft ausgesetzt ist. Sie kann es nicht ändern. Sie kann nur weiterleiten an die Zentralstelle, die anderswo liegt. Die Verantwortung läuft weiter, ohne ein Ziel zu finden. In Boston nutzt der Arzt die KI, weil er sonst hinter dem fachlichen Standard zurückbliebe. Er prüft die Output, weil er sonst die menschliche Aufsicht verletzen würde. Er dokumentiert die Prüfung, weil er sonst den groben Behandlungsfehler riskiert. Er kann die KI nicht zur Rechenschaft ziehen, weil sie keine Rechtspersönlichkeit hat. Er kann den Hersteller nicht zur Rechenschaft ziehen, weil das Produkt im Rahmen der vorgesehenen Anwendung benutzt wurde. Er trägt die Verantwortung allein.
Die Bogotá-Konstellation und die Boston-Konstellation sind zwei Pole derselben Megamaschine. In Bogotá ist sie sichtbar, weil sie alltäglich ist. In Boston ist sie unsichtbar, weil sie als Spitzentechnologie inszeniert wird. Aber die strukturelle Logik ist dieselbe. Eine formale Architektur (Ley 100, EU AI Act) legt eine Verantwortungs-Verteilung fest, die in der gelebten Realität nicht funktioniert. Die operative Praxis (das stornierte Termin, die KI-gestützte Diagnose) erzeugt Konsequenzen, für die niemand voll einsteht. Die einzige Person, die direkt verantwortlich gemacht werden kann (Schalterbeamtin, Arzt), trägt eine Last, die sie nicht steuern kann. Das Subjekt (Patientin in Bogotá, Patient in Boston) verliert seinen Tag, seine Behandlung, seine Sicherheit.
Was die Megamaschine an diesen zwei Polen produziert, ist nicht Ungerechtigkeit im klassischen Sinne — keine Person verfolgt die Patientin, keine Person verfolgt den Arzt. Was sie produziert, ist eine Verteilung von Konsequenzen ohne Verteilung von Verantwortung. Das ist die Definition des Kafkaesken, die wir im Kolumbien-Papier entwickelt haben. Sie gilt in Bogotá. Sie gilt in Boston. Sie gilt heute schon, und sie wird mit jedem Monat tiefer.
VIII. Drei mögliche Pfade — was kommen kann
Wir können drei Szenarien skizzieren, in die die Konstellation in den nächsten zehn Jahren münden kann.
Pfad A — die heimliche Substitution. Die KI wird zum unsichtbaren Co-Diagnostiker. Ärzte nutzen sie, dokumentieren ihre Nutzung minimal, halten die Verantwortung formal aufrecht. Die Patienten erfahren nicht, dass ihre Diagnose mit KI-Hilfe gestellt wurde. Die Aufsichtsbehörden tolerieren es, weil die Alternative — eine flächendeckende Nicht-Nutzung — nach den Studien-Ergebnissen einen schlechteren Versorgungsstandard bedeuten würde. Die Profession schrumpft langsam — weniger Ärzte können dieselbe Patientenzahl bedienen, weil die KI die diagnostische Routine übernimmt. Die ärztliche Ausbildung wird angepasst, der Schwerpunkt verschiebt sich von Diagnose zu Patientenkommunikation und Behandlungsmanagement. In zwanzig Jahren ist die Profession in ihrem heutigen Sinn nicht mehr da — aber niemand kann ein Datum nennen, an dem das geschah.
Pfad B — die regulatorische Klarstellung. Der EU AI Act wird in den nächsten Jahren in mehreren Schritten verschärft. Die KI-Haftungsrichtlinie wird in modifizierter Form wieder vorgelegt. Die Hersteller von medizinischen KI-Systemen werden in eine eigene Haftungsstruktur gezogen. Die Krankenhäuser bekommen klare Vorgaben für die Integration der KI in den klinischen Alltag. Die Profession wird neu definiert — als Triade von Arzt, Patient und KI, in der jede Rolle eigene Verantwortungen und eigene Kompetenzen hat. Das ist der Pfad, den die Studienautoren in ihren Interviews als „Triade" andeuten. Er ist möglich, aber er erfordert eine politische Steuerungsleistung, die die EU heute nicht erkennbar erbringt. Die Zurückziehung der KI-Haftungsrichtlinie im Februar 2025 ist ein schlechtes Vorzeichen.
Pfad C — die juristische Eskalation. Die ersten großen Schadensfälle kommen vor Gericht. Ein Patient stirbt, weil ein Arzt einer KI-Diagnose zu viel oder zu wenig vertraut hat. Die Familie klagt. Die juristische Aufarbeitung dauert Jahre. Die Versicherungen ziehen sich aus der KI-Medizin zurück oder verteuern die Berufshaftpflicht erheblich. Ärzte werden zurückhaltender, KI zu nutzen — nicht aus medizinischen, sondern aus juristischen Gründen. Die Patienten werden schlechter behandelt, weil die rechtliche Unsicherheit die operative Realität blockiert. Die Politik reagiert mit Notgesetzen, die die Konstellation nicht klären, sondern verschieben. Das System hängt zwischen den Ansprüchen — fachlicher Standard auf KI-Niveau, juristische Verantwortung auf vor-KI-Niveau —, und niemand kann den Knoten lösen.
Welcher Pfad sich durchsetzt, wird in den nächsten zwei bis drei Jahren weitgehend entschieden. Die volle Geltung des EU AI Act im August 2026 ist ein Datum. Die ersten großen Schadensfälle, die wahrscheinlich 2027 oder 2028 vor Gericht kommen werden, sind ein zweites. Die nächste Regulierungswelle der EU, die wahrscheinlich nicht vor 2028 kommt, ist ein drittes.
IX. Was die Profession heute tun könnte — und nicht tut
An einer Stelle muss die Diagnose dieses Papiers fragen, was die Profession selbst tut. Sie ist nicht ein passives Opfer der Megamaschine. Sie ist ein Akteur, der sich verhalten kann.
Was sie heute tut, ist überwiegend zwei Dinge. Erstens, sie nutzt die KI in der individuellen Praxis, oft ohne Dokumentation, oft ohne Reflexion über die Verantwortungslage. Zweitens, sie äußert sich in den großen Berufsverbänden — in Deutschland etwa der Bundesärztekammer und der Kassenärztlichen Bundesvereinigung, in den USA der American Medical Association, in Großbritannien der British Medical Association, mit jeweils ähnlicher Tonart in den meisten anderen Ländern — in einer Tonart, die zwischen Beruhigung und Alarmismus schwankt. Die Beruhigung sagt: „Niemand sollte jetzt sagen, wir brauchen keine Ärzte mehr" — Adam Rodman im O-Ton, identisch in den deutschen Berufsverbänden, identisch in den US-amerikanischen, identisch in den britischen. Der Alarmismus sagt: „Die KI gefährdet die ärztliche Profession" — typischerweise in Sonntagsreden, ohne Konsequenzen.
Was sie nicht tut: Sie führt nicht die strategische Diskussion, die nötig wäre. Sie verhandelt nicht mit der EU über eine angemessene Haftungs-Architektur. Sie entwickelt keine eigenen Standards für die KI-Nutzung in Klinik und Praxis. Sie investiert nicht in eigene Forschungs-Strukturen, die die KI-Hersteller zwingen würden, transparenter zu werden. Sie organisiert nicht ihre eigene Substanz — die Aus- und Weiterbildung —, um sie auf die neue Lage anzupassen. Sie tut, was viele etablierte Professionen in vergleichbaren Lagen getan haben — sie hofft, dass die Welle vorübergeht.
Das ist das Muster, das wir aus den anderen Megamaschinen-Papieren kennen. Die Werkzeugmaschinen-Branche hat es zwanzig Jahre lang gemacht, bis DMG Mori eine japanische Tochter wurde. Mittelständische Industriebetriebe in vielen Ländern machen es heute, während sie an chinesische, US-amerikanische oder andere Investoren verkauft werden. Etablierte politische Mitte-Strukturen in mehreren europäischen Demokratien machen es, während rechtspopulistische Kräfte an ihnen vorbeiziehen. Die Profession der Ärzte ist nicht in einer anderen Lage als andere etablierte Strukturen, die ihre Substanz verlieren. Sie reagiert nicht klüger. Sie reagiert nicht früher. Sie reagiert nicht strategischer.
Was sie tun könnte, wäre erstens, die juristische Lage offen zu thematisieren — nicht in Sonntagsreden, sondern in einer öffentlichen Debatte, in der die Bürger verstehen, dass die Verantwortungs-Architektur kafkaesk ist und die Last beim Arzt allein bleibt. Zweitens, eigene Standards für die KI-Integration zu entwickeln, die nicht von den Herstellern oder den Regulierern aufoktroyiert werden, sondern von der Profession selbst. Drittens, die Ausbildung anzupassen — weniger Faktenwissen, mehr KI-Kritik, mehr Patientenkommunikation, mehr ethische Urteilsfähigkeit. Viertens, sich politisch zu organisieren, um die EU-Regulierung in eine Richtung zu drücken, die die Hersteller in die Verantwortung zieht und die Anwender entlastet.
Heute, im Mai 2026, ist von keinem dieser vier Wege etwas erkennbar.
X. Die Megamaschinen-Lehre
Die Megamaschine, wie wir sie in den vorigen Papieren beschrieben haben, ist ein soziotechnisches System, das durch Verflechtung Konsequenzen produziert, für die niemand persönlich einsteht. Sie funktioniert nicht durch Befehle, sondern durch Strukturen. Sie funktioniert nicht durch Manipulation, sondern durch Selbstverständlichkeiten. Sie funktioniert nicht durch Verschwörung, sondern durch Diffusität.
Der Fall der medizinischen KI ist eine besonders klare Variante dieser Maschine. Niemand hat die Konstellation gewollt. Ledley und Lusted haben 1959 ein wissenschaftliches Programm formuliert, in dem keine Machtverschiebung intendiert war. Die OpenAI-Forscher haben ein Sprachmodell entwickelt, das viele Anwendungen findet, von denen die Medizin nur eine ist. Die Bundesregierung hat 2013 ein Patientenrechtegesetz verabschiedet, das die professionelle Verantwortung sichern sollte. Die EU hat 2024 einen AI Act erlassen, der die Hochrisiko-KI regulieren sollte. Die EU-Kommission hat 2025 eine Haftungsrichtlinie zurückgezogen, weil sie Innovation nicht behindern wollte. Die Ärzte nutzen die KI, weil sie es müssen, um ihren Patienten den fachlichen Standard zu bieten. Jede dieser Entscheidungen war begründbar. Zusammen ergeben sie eine Konstellation, in der die Profession ihre Substanz verliert und ihre Haftung behält.
Das ist die Megamaschine. Sie ist nicht Bösewicht. Sie ist nicht Komplott. Sie ist die Akkumulation kleiner, je für sich rationaler Entscheidungen, die zusammengenommen ein Bild ergeben, das niemand explizit gewollt hat. Wer im Bild lebt, kann es nicht ändern, weil das Bild nicht aus einer Stelle kommt, an der es zu ändern wäre. Es kommt aus der Verflechtung.
Was die Profession der Ärzte heute durchmacht, ist strukturell ähnlich dem, was etablierte Strukturen in vielen anderen Bereichen durchgemacht haben oder durchmachen — von der Werkzeugmaschinen-Branche, an deren deutschem Beispiel wir den DMG-Mori-Fall ausführlich beschrieben haben, über die Anwaltskanzleien, die Architekturbüros, die Verlagshäuser, die Programmierer-Werkstätten, bis zu den Lehrer-Kollegien. Andere Berufsbilder werden folgen. Die Reihenfolge wird nicht durch die Wichtigkeit dieser Berufsbilder bestimmt, sondern durch die Geschwindigkeit, mit der die jeweiligen Tätigkeiten durch KI substituierbar werden. Die Medizin ist, paradoxerweise, einer der frühen Fälle, weil ihre Diagnostik in den Trainings-Daten der großen Sprachmodelle besonders gut repräsentiert ist — die medizinische Literatur ist dichter, strukturierter, zugänglicher als die Literatur vieler anderer Felder. Das gilt für die Diagnostik in Boston wie in Berlin, in Bombay wie in Bogotá. Was zwischen den Standorten variiert, sind nicht die KI-Fähigkeiten, sondern die rechtlichen, institutionellen und ökonomischen Bedingungen, unter denen sie eingesetzt werden — und damit die Verteilung der Last, die ihre Einführung erzeugt.
Die Profession verliert ihre Kompetenz und behält ihre Haftung. Das ist die Definition einer Megamaschine, die ihren Anwender fängt: Sie verändert das, was er kann, ohne zu verändern, woraufhin er einsteht.
XI. Was die Studie nicht sagt — drei Auslassungen
Eine letzte Beobachtung gilt der Studie selbst. Sie ist methodisch sauber, ihre Ergebnisse sind plausibel, ihre Selbstkritik ist offen. Aber sie hat drei Auslassungen, die für das Verständnis der Megamaschinen-Logik wichtig sind.
Erste Auslassung: Sie sagt nichts über die Eigentümerstruktur der getesteten KI. OpenAI ist ein US-amerikanisches Unternehmen mit aktueller Bewertung von etwa 500 Milliarden US-Dollar, mit Microsoft als großem Gesellschafter (49 Prozent), mit einem Board, das mehrheitlich Silicon-Valley-Profile aufweist. Die Studie testet ein Produkt dieses Unternehmens und validiert es wissenschaftlich. Das ist nicht zwingend Ideologie — die Forscher haben das beste Modell genommen, das verfügbar ist. Aber es bedeutet, dass die wissenschaftliche Infrastruktur — Harvard, Beth Israel Deaconess, das renommierteste Wissenschaftsmagazin der Welt — heute zur Validierungs-Infrastruktur eines kommerziellen Produkts wird. Wer hat hier wem gedient? Die Studie schweigt darüber.
Zweite Auslassung: Sie sagt nichts über die geographische Verteilung. Sie ist eine Boston-Studie, an einem Lehrkrankenhaus der Harvard Medical School, mit Patienten aus dem Boston-Großraum. Das ist eine bestimmte Population — überwiegend gut versichert, überwiegend mit Zugang zu hochentwickelter Diagnostik, überwiegend mit englischer Muttersprache, überwiegend mit Krankheitsbildern, die in der nordamerikanischen Medizin gut dokumentiert sind. Was geschieht, wenn dieses Modell in einem indischen Distriktkrankenhaus eingesetzt wird, in einem ländlichen Krankenhaus in Kolumbien, in einer überlasteten Notaufnahme im Berlin-Neukölln? Die Trainingsdaten kommen überwiegend aus dem Westen, die Diagnose-Muster sind westlich, die Krankheitsbilder sind westlich. Wer Diagnose-Software einsetzt, exportiert eine Welt-Sicht. Die Studie thematisiert das nicht.
Dritte Auslassung: Sie sagt nichts über die Profession-strategische Konsequenz. Die Studie sagt: Die KI ist gut. Sie sagt: Wir brauchen weitere klinische Studien. Sie sagt: Niemand sollte jetzt sagen, wir brauchen keine Ärzte mehr. Sie sagt nicht: Was wird in den nächsten zehn Jahren mit der ärztlichen Ausbildung geschehen? Was mit den Ärzte-Stellen-Plänen? Was mit den Krankenhaus-Strukturen? Was mit der Vergütungs-Architektur, die heute auf der Annahme beruht, dass der Arzt der diagnostische Engpass ist? Diese Fragen sind nicht in einer einzelnen Studie zu beantworten. Aber sie sind die Fragen, die jetzt gestellt werden müssten — und die niemand systematisch stellt.
Was die Studie tut, ist, die wissenschaftliche Hauptmeldung zu liefern und die strategischen Folgefragen offen zu lassen. Was die Berichterstattung tut, ist, die wissenschaftliche Hauptmeldung zu rezitieren und die Beruhigungsformel der Forscher zu zitieren. Was die Profession tut, ist, der Berichterstattung zu folgen und die Beruhigungsformel zu glauben. Was die Patienten tun, ist, in eine Welt zu gehen, in der ihre Diagnose schon längst nicht mehr von einem einzelnen Arzt gestellt wird, sondern von einer Konstellation, in der der Arzt eine Stimme von mehreren ist — und die einzige, die haftet.
XII. Schluss — wo die Triade endet
Adam Rodman beschließt sein Interview mit dem Bild der Triade — Arzt, Patient, KI in einem neuen Zusammenarbeits-Modell. „Den Beruf des Arztes gibt es seit Tausenden Jahren," sagt er. „Medizin ist ein sehr erfüllendes Feld, und das wird es, trotz dieser neuen Technologie, weiterhin bleiben." Das ist ein hoffnungsvolles Bild. Es ist auch ein Bild, das die Frage nicht stellt, ob die Triade in einem Gleichgewicht der drei Akteure stabil ist, oder ob sie sich, wie die meisten Triaden, mit der Zeit zu einer Diade reduziert.
Die Geschichte der technologischen Substitution lehrt: Triaden sind oft Übergangsformen. Wenn die KI in zehn Jahren die diagnostische und Management-Arbeit zuverlässig übernehmen kann, wird die Frage sein, was der Arzt in der Triade noch beiträgt. Wenn die Antwort lautet „die Verantwortung", dann ist die Triade nicht eine Form der Zusammenarbeit, sondern eine Form der Risiko-Verteilung — der Arzt als Versicherungs-Vehikel für die KI, die selbst nicht haften kann. In dieser Lesart ist die Triade nicht ein Gleichgewicht, sondern ein Übergang zu einer neuen Konstellation, in der die KI die Diagnose und den Plan macht, der Arzt die Haftung trägt, und der Patient zwischen den beiden steht — mit der Hoffnung, dass die KI richtig liegt, weil der Arzt die Output ohnehin nicht prüfen kann.
Was die Megamaschinen-Lehre dieses Falls ist, lässt sich in einem einzigen Satz formulieren. Die Substanz wandert, die Hülle bleibt — wir kennen den Satz aus dem DMG-Mori-Papier. Im Index-Makino-Papier haben wir gesehen, dass die Hülle eine Stiftung sein kann. Im vorliegenden Papier sehen wir, dass die Hülle auch eine Profession sein kann — eine 2400 Jahre alte Profession, die in den nächsten zehn bis zwanzig Jahren ihre Substanz an eine Maschine verliert, deren Haftung sie aber nach den heutigen juristischen Konstruktionen zu tragen hat.
Was bleibt zu tun? Es bleibt zu tun, die Konstellation zu beschreiben, bevor sie unsichtbar wird. Es bleibt zu tun, die Verantwortung neu zu verteilen, bevor sie endgültig diffundiert. Es bleibt zu tun, die Profession an einer Stelle in die Lage zu versetzen, ihre eigene Veränderung zu steuern, bevor sie nur noch Objekt ist. Heute, am 1. Mai 2026, ist von einer solchen Steuerung wenig zu sehen. Die Studienautoren formulieren ihre Ergebnisse vorsichtig. Die Berufsverbände schweigen. Die Politik reguliert auf Basis veralteter Annahmen. Die Patienten erfahren nicht, was geschieht. Die Megamaschine arbeitet leise — wie immer.
Es wird einen Tag geben, an dem ein Gericht — in Deutschland, in den USA, in Großbritannien, irgendwo in einem Land mit hochentwickelter Medizin und ausgebauter Patientenrechtsprechung — den ersten großen Schadensfall der KI-Medizin aufruft. An diesem Tag wird die juristische Konstellation öffentlich werden. Bis dahin sollte sie schon erkannt sein — nicht vom Gericht, sondern von der Profession, von der Politik, von den Patienten. Wer sich damit erst beschäftigt, wenn der Schaden eingetreten ist, wird die Konstellation nicht mehr ändern können. Wer sich heute damit beschäftigt, kann es vielleicht.
Das ist die einzige Antwort, die das vorliegende Papier auf die Frage „Was tun?" geben kann. Beschäftigen. Beobachten. Differenzieren. Nicht beruhigen. Nicht alarmieren. Nicht den Beruhigungs-Formeln der Studienautoren folgen, nicht den Alarmismus-Formeln der Kritiker. Sondern die Konstellation in ihrer Doppelheit aushalten — die KI ist tatsächlich diagnostisch besser, und der Arzt trägt tatsächlich die Haftung. Beide Sätze sind wahr. Aus ihrer Kombination entsteht das Kafkaeske unserer Zeit.