Konsensuspapier „Artificial Intelligence Readiness in Emergency Medicine“ des ACEP

veröffentlichende Fachgesellschaft: American College of Emergency Physicians (ACEP)
Klassifikation gemäß AWMF:
Datum der Veröffentlichung: 11.09.2026
Ablaufdatum:
Quelle/Quelllink: https://doi.org/10.1016/j.acepjo.2026.100503

Grundsätzliches

• rasante Integration von Künstlicher Intelligenz (KI) in Notaufnahmen (z.B. bei Triage, Bildauswertung, klinischer Entscheidungsunterstützung und Dokumentation) findet schneller statt, als das Personal geschult werden kann
• Notfallmediziner*innen fehlen aktuell oft die Werkzeuge und das Wissen, um KI-Produkte kritisch zu bewerten und sicher zu überwachen
• bisher keine einheitlichen nationalen Standards, um sichere von unsicheren Systemen zu unterscheiden
• übergeordnetes Ziel der Empfehlungen ist es, sicherzustellen, dass die Einführung von KI in der Akut- und Notfallmedizin sicher, patientengerecht und klinisch effektiv abläuft, wobei die ärztliche und klinische Aufsicht (Human Oversight) stets gewahrt bleiben muss

Lösungsansatz

Um diese Lücken zu schließen, schlagen Expert*innen drei koordinierte Säulen vor:

Ausbildung (Educate)

Etablierung eines standardisierten Rahmens für die KI-Ausbildung in der Notfallmedizin, der sich nahtlos von der Assistenzarztzeit bis zur kontinuierlichen medizinischen Fortbildung erstreckt und an bereits bestehende fachspezifische Kompetenzen anknüpf.

• Festlegung grundlegender KI-Fähigkeiten, die auf Ausbildungsmeilensteine und Fortbildungsanforderungen abgestimmt sind
• landesweite Online-Lernprogramme und zentrale Ressourcenbibliothek, um allen einen gleichberechtigten und fairen Zugang zur Ausbildung zu gewährleisten
• Integration von Workflow-Fallstudien und praktische Simulationen, die zeigen, wie KI im Umfeld der Notaufnahme tatsächlich funktioniert
• Unterstützung bei der Entwicklung des Lehrpersonals durch Investitionen in die Ausbildung von Ausbilder*innen und Hilfe für das klinische Personal bei der Entwicklung neuer Fähigkeiten
• Gewährleistung von kontinuierlichem Lernen, um bei fortschreitender Technologie, neuen Datenstandards und sich entwickelnden regulatorischen Anforderungen auf dem neuesten Stand zu bleiben

Evaluierung (Evaluate)

Die Schaffung eines von medizinischem Personal geleiteten, strukturierten Drei-Stufen-Modells. Damit sollen KI-Tools und die zugehörigen Industrie-Anbieter systematisch auf ihre Sicherheit und klinische Relevanz geprüft werden, bevor sie im Krankenhaus implementiert werden.

• Nutzung eines strukturierten, von medizinischem Personal geleiteten Bewertungs- und Beurteilungsprozess, der klinische Auswirkungen, Kosten, ethische Überlegungen und die technische Machbarkeit untersucht
• Test der Tools in simulierten Arbeitsabläufen, um den tatsächlichen Nutzen der Werkzeuge innerhalb bestehender Ressourcenbeschränkungen zu ermitteln
• Definition klarer Verantwortlichkeiten für die Implementierung und Erstellung unterstützender Materialien (Zuweisung klinischer, budgetärer und technischer Verantwortliche; Entwicklung von Kurzanleitungen und Referenzhandbücher)
• Anwendung einer stufenweise Einführung basierend auf der Risikostufe (Durchführung von Hintergrundtests für Hochrisiko-Tools und Überwachung der Einführung von Tools mit geringerem Risiko)
• Überwachung von Nutzung/Akzeptanz und Ergebnissen anhand festgelegter Schwellenwerte, die bestimmen, wann Modelle aktualisiert oder zurückgezogen/eingestellt werden sollten

Beratung und Steuerung (Advise)

Die Forderung nach der Gründung eines nationalen Beirats für KI in der Notfallmedizin (Emergency Medicine AI Advisory Council), dessen Aufgabe soll es sein, einheitliche Terminologien, Best-Practice-Leitlinien und konkrete Toolkits für die Implementierung bereitzustellen, die sowohl für akademische Zentren als auch für ländliche Kliniken anwendbar sind.

• Vertreter*innen verschiedener Organisationen in einem Beirat zusammenbringen, der freiwillige Leitlinien für Best Practices entwickelt
• Definition gemeinsamer Kernkompetenzen und Bewertungsrahmen (Pflege eines nationalen Repositorium für Aus- und Weiterbildung)
• Organisation von Pilotstandorten, die Lehrkrankenhäuser, kommunale Einrichtungen und ländliche Notaufnahmen umfassen, um anonymisierte Ergebnisse auszutauschen
• Veröffentlichung und Entwicklung praxisorientierter Ressourcen-Toolkits und einer gemeinsame Sprache für Beschaffung, Implementierung, Aufsicht und Management
• Beschleunigung einer verantwortungsvollen und fairen Implementierung und gleichzeitige Verhinderung von Doppelarbeit