Forschung
David-Sackett-Preis für Forschungsarbeiten zur Evidenz von KI im Gesundheitswesen
Potsdam, den 29. Juni 2026
Christoph Wilhelm und Dr. Felix G. Rebitschek vom Harding-Zentrum für Risikokompetenz an der Medizinischen Hochschule Brandenburg Theodor Fontane (MHB) und der Universität Potsdam erhalten den David-Sackett-Preis 2026 des Netzwerks Evidenzbasierte Medizin (EbM-Netzwerk) für ihr Forschungsprogramm „Patientenrelevante Nutzen und Schäden KI-basierter Entscheidungsunterstützung und evidenzbasierter Gesundheitsinformation“. Ihre Arbeiten zeigen, wann Künstliche Intelligenz zur Unterstützung von Fachkräften im Gesundheitswesen die Versorgung von Patientinnen und Patienten verbessert – und wann die Evidenz dafür bislang nicht ausreicht.
Die Arbeiten leisten einen wichtigen Beitrag zur evidenzbasierten Bewertung von Künstlicher Intelligenz (KI) in der Medizin. Im Mittelpunkt steht nicht die technische Leistungsfähigkeit von KI-Systemen. Untersucht wird vielmehr, ob diese für Patientinnen und Patienten einen tatsächlichen Nutzen bringen, Schäden vermeiden und informierte Entscheidungen unterstützen.
„Künstliche Intelligenz wird im Regelfall primär nach ihrer technischen Leistungsfähigkeit bewertet – nach der Akkuratesse ihrer Empfehlungen. Entscheidend ist jedoch, ob der KI-Einsatz Menschen nachweislich mehr Nutzen bringt als die bisherige Praxis ohne eine solche KI-Unterstützung. Unsere Arbeiten zeigen, dass genau diese Fragen bislang noch zu selten im Mittelpunkt der Forschung stehen“, sagt Felix G. Rebitschek.
KI verändert medizinische Entscheidungsprozesse in rasantem Tempo. KI-basierte Entscheidungssysteme gewinnen in der Gesundheitsversorgung an Bedeutung, ebenso wie generative Sprachmodelle bei der Bereitstellung von Gesundheitsinformationen. In der öffentlichen Debatte stehen dabei häufig Innovationskraft, Geschwindigkeit und technische Leistungsfähigkeit im Vordergrund. Aus Sicht der evidenzbasierten Medizin ist jedoch entscheidend, ob solche Systeme patientenrelevanten Nutzen bringen, Schäden vermeiden und informierte Entscheidungen verbessern. Ist das Gegenstand der medizinischen Forschung? Das ausgezeichnete Forschungsprogramm greift diese Fragestellung auf. In ihren Arbeiten untersuchen Christoph Wilhelm und Felix G. Rebitschek gemeinsam mit weiteren Autorinnen und Autoren, ob und unter welchen Bedingungen KI-basierte Entscheidungsunterstützung und generative Sprachmodelle den Anforderungen evidenzbasierter Medizin gerecht werden.
Wenig belastbare Evidenz für viele KI-Anwendungen
Eine systematische Übersichtsarbeit zur KI-basierter Unterstützung von Fachkräften zeigt, dass diese bislang nur selten anhand patientenrelevanter Endpunkte bewertet werden. Patientenrelevante Endpunkte sind als Auswirkungen definiert, die für Betroffene unmittelbar bedeutsam sind, etwa Sterblichkeit (Mortalität), Krankheitsbeschwerden (Morbidität), Lebensqualität oder die Dauer eines Krankenhausaufenthalts. In einzelnen Anwendungsbereichen fanden die Forschenden Hinweise auf positive Effekte, beispielsweise bei der Krankenhausverweildauer, der Symptomlast oder der Mortalität. Insgesamt reicht die vorhandene Evidenz jedoch kaum aus, um den patientenrelevanten Mehrwert von KI-Anwendungen belastbar zu beurteilen. Potenzielle Schäden, Unterschiede zwischen verschiedenen Bevölkerungsgruppen sowie die Transparenz der zugrunde liegenden Modelle werden häufig unzureichend berücksichtigt.
Generative KI bleibt hinter fachlichen Standards zurück
Die Arbeiten zu generativen Sprachmodellen zeigen, dass diese zwar oft sprachlich überzeugende Gesundheitsinformationen erzeugen, die Anforderungen evidenzbasierter Gesundheitsinformation jedoch nur eingeschränkt erfüllen. Defizite bestehen insbesondere bei der ausgewogenen Darstellung von Nutzen und Schaden, der Kommunikation absoluter Risiken sowie beim Umgang mit Unsicherheit und Evidenzqualität. Bereits eine einfache Unterstützung bei der Formulierung der Anfrage – ein sogenannter „Prompting-Boost“ – verbesserte die Qualität der Antworten. Dennoch blieben die Ergebnisse unter dem fachlich wünschenswerten Standard. Generative KI kann informierte medizinische Entscheidungen daher derzeit nicht eigenständig absichern.
„Generative KI kann Gesundheitsinformationen heute schnell und verständlich formulieren. Verständlichkeit allein reicht jedoch nicht aus. Für informierte Entscheidungen müssen Nutzen, Risiken, Unsicherheiten und die Qualität der zugrundeliegenden Evidenz transparent dargestellt werden. Hier besteht weiterhin erheblicher Verbesserungsbedarf“, sagt Christoph Wilhelm.
Für die evidenzbasierte Medizin sind die ausgezeichneten Arbeiten besonders bedeutsam, weil sie KI-Systeme nicht nur als technische Innovationen, sondern auch als medizinische Interventionen in eine reguläre Entscheidungspraxis betrachten. Für ihren Einsatz gelten damit dieselben Grundanforderungen wie für andere diagnostische, therapeutische oder informationsbezogene Verfahren: eine transparente Darstellung der Evidenz, eine systematische Nutzen-Schaden-Bewertung und die Orientierung am patientenrelevanten Nutzen. Die Arbeiten leisten damit einen wichtigen Beitrag zu einer sachlichen Diskussion über Chancen und Grenzen von KI im Gesundheitswesen.
Die Jury hob insbesondere die hohe Relevanz des Forschungsprogramms für die evidenzbasierte Medizin der Gegenwart und Zukunft hervor. Die Arbeiten zeigen, dass die Implementierung von KI im Gesundheitswesen nicht allein an technischer Machbarkeit ausgerichtet werden darf. Entscheidend ist, dass KI-gestützte Systeme die Versorgung verbessern, Patientinnen und Patienten stärken und informierte Entscheidungen ermöglichen. Damit greifen Christoph Wilhelm und Dr. Felix G. Rebitschek eine zentrale Frage der evidenzbasierten Medizin im digitalen Zeitalter auf.
Mit der Auszeichnung würdigt das EbM-Netzwerk Forschungsarbeiten, die wichtige Maßstäbe für die Bewertung von KI im Gesundheitswesen setzen. Die Preisverleihung findet im Rahmen der kommenden Jahrestagung statt. Diese wird vom 30. September bis 2. Oktober 2026 gemeinsam mit drei weiteren Fachgesellschaften in Göttingen ausgerichtet: der Deutschen Gesellschaft für Allgemeinmedizin und Familienmedizin (DEGAM), der Deutschen Gesellschaft für Sozialmedizin und Prävention (DGSMP) sowie der Deutschen Gesellschaft für Medizinische Soziologie (DGMS).
Mit dem David-Sackett-Preis ausgezeichnetes Forschungsprogramm
Patientenrelevante Nutzen und Schäden KI-basierter Entscheidungsunterstützung und evidenzbasierter Gesundheitsinformation
Publikationen zum Programm
Rebitschek FG, Carella A, Kohlrausch-Pazin S, et al. Evaluating evidence-based health information from generative AI using a cross-sectional study with laypeople seeking screening information. npj Digital Medicine. 2025;8:343. https://doi.org/10.1038/s41746-025-01752-6
Wilhelm C, Steckelberg A, Rebitschek FG. Benefits and harms associated with the use of AI-related algorithmic decision-making systems by healthcare. The Lancet Regional Health – Europe. 2024;48:101145. https://doi.org/10.1016/j.lanepe.2024.101145
Wilhelm C, Steckelberg A, Rebitschek FG. Is artificial intelligence for medical professionals serving the patients? Protocol for a systematic review on patient-relevant benefits and harms of algorithmic decision-making. Systematic Reviews. 2024;13:228. https://doi.org/10.1186/s13643-024-02646-6
Hintergrund
Der David-Sackett-Preis ist der wichtigste Wissenschaftspreis des Netzwerks Evidenzbasierte Medizin e. V. Er wird seit 2008 jährlich im Rahmen der Jahrestagung des Netzwerks verliehen und ist mit 2.000 Euro dotiert. Mit der Auszeichnung werden herausragende wissenschaftliche Leistungen, methodische Innovationen oder Arbeiten auf dem Gebiet der evidenzbasierten Medizin und Gesundheitsversorgung gewürdigt.
Der Preis ist nach dem kanadischen Mediziner David Sackett (1934 bis 2015) benannt. Er gilt weltweit als einer der wegweisenden Pioniere und Gründerväter der evidenzbasierten Medizin. Sackett prägte den Ansatz, dass medizinische Behandlungen nicht auf Tradition oder Intuition allein beruhen sollten, sondern auf den besten verfügbaren wissenschaftlichen Erkenntnissen (Evidenz).
Über das Harding-Zentrum für Risikokompetenz
Das Primärziel des Harding-Zentrums, das am Institut für Gesundheitswissenschaftliche Ausbildungsforschung angesiedelt ist, ist die Verbesserung von Risikokommunikation und Risikokompetenz auf nationaler und internationaler Ebene, insbesondere in den Bereichen Gesundheit und Digitalisierung. Dazu erforscht ein interdisziplinäres Team Risikokommunikation, entwickelt innovative Methoden, um diese zu verbessern und bietet Schulungen für Ärztinnen und Ärzte, medizinisches Personal, Richter und Richterinnen sowie Journalistinnen und Journalisten an.
Des Weiteren hat das Zentrum die Fehlerkultur von Managern und Managerinnen und Mitarbeitenden von Behörden untersucht und gemeinsam mit ihnen Maßnahmen zur Verringerung von defensiven Entscheidungen und Verbesserung der Risikokommunikation entwickelt. Für Krankenversicherungen und mit Behörden hat das Zentrum Faktenboxen und andere leicht verständliche Gesundheitsinformationen entwickelt. Der Fokus jüngster Forschung liegt auf der künstlichen Intelligenz in der Medizin sowie der Gesundheitsaufklärung für vulnerable Bevölkerungsgruppen.
Über die Fakultät für Gesundheitswissenschaften
Die Fakultät für Gesundheitswissenschaften wurde 2018 als gemeinsame Fakultät der Universität Potsdam, der Medizinischen Hochschule Brandenburg Theodor Fontane und der Brandenburgischen Technischen Universität Cottbus-Senftenberg gegründet, um neuartige medizinische, pflegerische und medizintechnische Versorgungsangebote sowie innovative Studiengänge zu entwickeln. In Kooperation mit weiteren Hochschulen und Forschungseinrichtungen trägt die Fakultät zur Verbesserung der medizinischen Versorgung im Flächenland Brandenburg bei.
Kontakt
Dr. Felix G. Rebitschek
E-Mail: felix.rebitschek@fgw-brandenburg.de
Web: www.hardingcenter.de
EbM-Netzwerk
Telefon: +49 (0)30-30833660
E-Mail: kontakt@ebm-netzwerk.de
Web: www.ebm-netzwerk.de
