Chancen durch KI für die nachhaltige Wirtschaftlichkeit der gesetzlichen Krankenversicherungen (GKV) – und was das für das Gesundheitssystem bedeutet

Johannes Winter (), Nina Müller (), Tim Bartling () and Katharina Schrot ()
Additional contact information
Johannes Winter: Leibniz Universität Hannover
Nina Müller: ITSC GmbH
Tim Bartling: ITSC GmbH
Katharina Schrot: ITSC GmbH

Chapter 20 in Künstliche Intelligenz im Einsatz für die erfolgreiche Patientenreise, 2025, pp 387-402 from Springer

Abstract: Zusammenfassung Bislang werden die Gesundheitsdaten der gesetzlichen Krankenversicherungen (GKV) nur unzureichend für präventive und personalisierte Gesundheitsleistungen genutzt. Dabei kann Künstliche Intelligenz (KI) auch in komplexen gesundheitspolitischen Strukturen in Deutschland dazu beitragen, die Gesundheitsversorgung zu verbessern und gleichzeitig die Wirtschaftlichkeit der GKV nachhaltig zu steigern. Mit der Erleichterung der Nutzung von Versichertendaten zur Förderung der Krankheitsprävention und Gesundheitsversorgung durch das 2024 in Kraft getretene Gesundheitsdatennutzungsgesetz ergeben sich dafür zusätzliche Möglichkeiten. Dieser Beitrag zeigt anhand von zwei Praxisbeispielen, wie KI-Methoden gewinnbringend in der GKV eingesetzt werden können. Zum einen ermöglicht die optimierte Krankenhausabrechnungsprüfung eine deutlich geringere Quote fehlerhafter Rechnungen und eine kürzere Bearbeitungszeit, was zu Kosteneinsparungen führt. Zum anderen können KI-Methoden dabei helfen, Pflegeinformationsbedarfe bei Betroffenen und Angehörigen besser zu identifizieren – ob während eines Krankenhausaufenthaltes oder im Kontext einer schleichenden Pflegebedürftigkeit – und damit eine bessere „Patienten- und Angehörigenreise“ ermöglichen.

Date: 2025
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-48573-3_20

Ordering information: This item can be ordered from
http://www.springer.com/9783658485733

DOI: 10.1007/978-3-658-48573-3_20

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().