KI in der neurologischen Praxis: Dokumentation, Diagnostik und ihre Grenzen.

In kaum einem Fach ist die KI-Forschung so breit wie in der Neurologie — von der Schlaganfall-Bildgebung bis zur Ganganalyse. Dieser Artikel behandelt beide Sektoren, mit dem Schwerpunkt auf der Dokumentation, für die der Autor die neurologiespezifischen Risiken in einer eigenen Übersichtsarbeit (2026) erstmals systematisch herausgearbeitet hat.

Dokumentierende KI: die Evidenz und ihre Herkunft

Die Wirksamkeitsbelege ambienter Dokumentationssysteme sind real, aber bescheiden: moderat kürzere Schreibzeiten, messbare Entlastung der kognitiven Arbeitslast, mehr Präsenz im Gespräch — ambiente Systeme wirken primär als Qualitätsintervention, nicht als Durchsatzwerkzeug. Die Studien und ihre Zahlen stellt der Leitfaden KI in der psychiatrischen Praxis im Einzelnen dar.

Keine dieser Studien schließt eine neurologische Kohorte ein. Für die Übertragung ins Fach gilt daher die vom Autor formulierte Regel: Die Entlastungseffekte sind plausibel fachunabhängig, weil sie am gemeinsamen Problem der Schreiblast ansetzen — aber diese Übertragung ist eine Annahme, keine belegte Tatsache, und die neurologischen Risiken folgen einer eigenen Logik.

Die Sprache des Patienten als Fehlerquelle

Ambiente Systeme setzen verständliche Sprache voraus. Gerade neurologische Erkrankungen verändern das Sprechen: Dysarthrie bei Parkinson und nach Schlaganfall, Aphasie mit ihrer unkonventionellen Wortwahl, Sprechapraxie, die verlangsamte und semantisch verarmte Rede bei ausgeprägter Bradyphrenie. Die Fehlerraten automatisierter Spracherkennung steigen bei gestörter Artikulation messbar, und die Forschung zu KI-Anwendungen bei Aphasie steht erst am Anfang (Brain Sciences 2024, Critical Review). Damit entsteht eine Umkehrung des Entlastungsversprechens: Die Patienten, deren Kommunikation am stärksten beeinträchtigt ist, tragen das größte Risiko fehlerhafter maschineller Wiedergabe — ausgerechnet die aufwendigen Fälle, denen Dokumentationsunterstützung am meisten bringen sollte.

Das Problem geht tiefer als die Wortebene. Im neurologischen Gespräch tragen parasprachliche Signale diagnostische Information: das Zögern vor der Antwort, das zustimmende oder verneinende Brummen, das Schweigen. Schon diese nicht-lexikalischen Gesprächslaute werden von ambienten Systemen unzuverlässig interpretiert (JAMIA 2023) — vom Transkript erfasst wird systematisch nur eine Schicht des Geschehens. Ein Transkript, das die verständliche Wortebene der Patientin mit Aphasie glättet, dokumentiert eine Klarheit, die im Gespräch nicht stattgefunden hat.

Dazu tritt die Fehlertypologie, die der Leitfaden KI in der psychiatrischen Praxis ausführt: Halluzinationen, faktische Ungenauigkeiten und — im Volltext nur schwer entdeckbare — Omissionen; dazu der vom Autor beschriebene Fehlertyp der getilgten Unsicherheitssprache, der in der Neurologie eine eigene Brisanz hat. Die neurologische Dokumentation lebt von Festlegungsgraden und Zeitpräzision: „Symptomfreiheit glaubhaft erst seit heute Morgen, Zeitfenster unklar" ist eine andere Auskunft als „Beginn heute Morgen". Wer aus der dokumentierten Abwägung eine apodiktische Feststellung werden lässt, verändert nicht den Stil, sondern den Befund — mit Folgen für Zeitfensterentscheidungen, Verlaufsbeurteilungen und im Rechtsstreit.

Ein dritter fachspezifischer Punkt ist die Verlaufsvergleichbarkeit. Neurologische Dokumentation lebt von Graduierungen und Seitenangaben, die über Jahre vergleichbar bleiben: „Fußheberparese rechts, Kraftgrad 4/5" muss beim nächsten Eintrag an derselben Stelle in derselben Systematik stehen. Maschinell formulierte Einträge wechseln den Ausdruck, wo man selbst immer gleich formuliert hätte — das sieht nach Stil aus, kostet aber die Lesbarkeit des Verlaufs. Deshalb: Kraftgrade, Reflexniveaus und Skalenwerte in der eigenen festen Systematik führen und im Entwurf prüfen, ob sie unverändert übernommen sind.

Forensisch: die Akte vor dem Sozialgericht

Die neurologische Dokumentation hat eine überdurchschnittliche Beweisfunktion. In Erwerbsminderungs-, Schwerbehinderten- und Berufsgenossenschaftsverfahren rekonstruiert der Sachverständige den Krankheitsverlauf Jahre später allein aus der Aktenlage — er liest dabei nicht nur Fakten, sondern Gewichtungen: die Ausführlichkeit eines Eintrags, die gewählte Unsicherheitssprache, das Verhältnis von Befund und Beurteilung. Diese Interpretationsgrundlage gerät ins Wanken, wenn Ausführlichkeit und Duktus nicht mehr den Arzt, sondern das Werkzeug abbilden: Ein umfangreicher, gut strukturierter Eintrag verliert seinen Indizwert für besondere klinische Aufmerksamkeit, wenn er maschinell aus jedem Routinegespräch entsteht. In Fortführung der BGH-Rechtsprechung zur elektronischen Dokumentation (Urteil vom 27.04.2021, VI ZR 84/19) folgert der Autor: Der Beweiswert KI-generierter Dokumentation wird davon abhängen, ob der Entstehungsprozess nachvollziehbar ist — ob dokumentiert ist, dass ein maschineller Entwurf vorlag, wer ihn wann geprüft und freigegeben hat und welche ärztlichen Änderungen erkennbar sind. Hinzu tritt das Problem der „Schattenakte": Rohaudio und Transkript bilden eine parallele Aufzeichnung, deren Diskrepanzen zur freigegebenen Akte im Streitfall ein eigenes Prüffeld werden. Die ausführliche Analyse steht im Leitfaden Atteste und Stellungnahmen.

Diagnostische KI: der andere Sektor

Von der Dokumentation zu trennen ist die diagnostische KI. Am reifsten ist die Bildgebung: Detektion von Blutungen, Ischämien und Gefäßverschlüssen in CT und MRT, Volumetrie bei neurodegenerativen Erkrankungen, Läsionsquantifizierung bei Multipler Sklerose — teils mit zugelassenen Produkten im Routineeinsatz. Dahinter folgen die Signalanalyse (KI-gestützte EEG-Auswertung, Anfallserkennung, Schlafdiagnostik) und die Bewegungs- und Sprachanalyse bei Parkinson, Tremor und Gangstörungen, letztere überwiegend in Forschung und spezialisierten Zentren. Prädiktionsmodelle — Schlaganfallrezidiv, Demenzprogression — sind derzeit kaum routinetauglich.

Die Risiken dieses Sektors sind andere als die der Dokumentation: Domänenabhängigkeit (ein Modell, das am eigenen Scanner nicht validiert ist, kann systematisch danebenliegen), das Blackbox-Problem (ohne nachvollziehbare Begründung bleibt die Befundverantwortung vollständig ärztlich — der KI-Hinweis ist ein Zweitbefund, kein Befund) und der Automatisierungsbias, der dazu verleitet, unauffällig markierte Regionen weniger sorgfältig zu prüfen. Regulatorisch ist die Linie klar: Software, die Befunde erstellt oder Diagnosen nahelegt, ist zulassungspflichtige diagnostische Software mit definierter Zweckbestimmung — Einsatz nur innerhalb dieser Zweckbestimmung, mit dokumentierten Abweichungen zwischen eigenem Befund und KI-Vorschlag.

Für den Praxisalltag heißt das: In der Bildgebung begegnet die KI meist nur mittelbar — als Zusatzbefund im radiologischen Bericht. Der ist wie jeder Fremdbefund zu würdigen, mit einer Besonderheit: Ob Volumetrie oder Läsionsquantifizierung am Gerät der befundenden Einrichtung validiert sind, ist von außen nicht erkennbar — Verlaufsvergleiche über wechselnde Scanner und Auswertesoftware hinweg sind mit Zurückhaltung zu lesen. Die EEG-Auswertung zieht am ehesten in die Praxis selbst ein; hier gilt das Zweitbefund-Prinzip wörtlich: Die Software markiert, der Arzt befundet — und wo beide auseinanderliegen, wird die Abweichung dokumentiert. Bei Bewegungs- und Sprachanalyse zählt die Konstanz der Messbedingungen: dieselbe Aufgabe, vergleichbare Tageszeit, gleiche Medikationsphase — sonst misst man die Umstände, nicht den Verlauf.

Praktische Leitplanken

Für die dokumentierende KI gelten die vom Autor formulierten kompensierenden Vorkehrungen: inhaltliche statt formale Freigabe (die Prüfroutine dazu steht im Leitfaden KI in der psychiatrischen Praxis), besondere Prüfsorgfalt dort, wo Festlegungsgrad und Zeitangaben den Befund tragen, ein definierter und dokumentierter Umgang mit Rohaufzeichnungen, die Kenntlichmachung der Entstehungsart. Fachspezifisch kommt in der Neurologie eine fünfte hinzu: Bei Patienten mit Sprach- und Sprechstörungen ist die maschinelle Wiedergabe grundsätzlich mit erhöhter Fehlererwartung zu prüfen — im Zweifel gegen das Gespräch, nicht nur gegen das Transkript. Praktisch heißt das oft: Bei ausgeprägter Dysarthrie oder Aphasie ist das eigene Nachdiktat schneller und sicherer als der ambiente Entwurf. Für die diagnostische KI: als Zweitbefund lesen, innerhalb der Zweckbestimmung einsetzen, Abweichungen dokumentieren, bei Monitoring-Verfahren auf vergleichbare Messbedingungen achten.