Vordenker

Warum kontinuierliche Modernisierung der Schlüssel zum Erfolg mit KI im Gesundheitswesen ist

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Seit mehreren Jahrzehnten folgte die Modernisierung des Gesundheitswesens einem vertrauten Drehbuch: Einen Fahrplan erstellen, Finanzierung sichern, ein großes Transformationsprogramm starten und auf eine zukünftige Technologieumgebung hinarbeiten. Dieses Modell war sinnvoll, wenn sich Technologie und geschäftliche Anforderungen langsam genug änderten, sodass ein mehrjähriger Plan relevant blieb.

Das wird heute zunehmend schwieriger. Gesundheitsorganisationen navigieren finanzielle und personelle Belastungen, regulatorische Veränderungen und steigende Erwartungen der Verbraucher, während KI rasch neu definiert, was Technologie leisten kann.Gartner’s 2026 CIO and Technology Executive Survey hat festgestellt, dass 94 % der CIOs in den nächsten zwei Jahren erhebliche Änderungen ihrer Pläne und Ergebnisse erwarten, während nur 48 % der digitalen Initiativen ihre geschäftlichen Zielvorgaben erreichen oder übertreffen.

Die Herausforderung besteht also nicht nur darin, den Fahrplan effektiver umzusetzen. Es ist vielmehr, dass sich das Umfeld, für das ein Unternehmen modernisiert, ändern kann, während die Modernisierung noch im Gange ist. Ein Programm, das auf den heutigen Prioritäten und Margendruck ausgelegt ist, kann bis zum Abschluss andere Anforderungen – finanziell, regulatorisch, technisch – lösen müssen.

Warum das traditionelle Modell ständig zurückfällt

Der konventionelle Ansatz ist einfach. Zunächst erstellt die Organisation einen detaillierten Plan, erhält dann die Finanzierung und setzt den Transformationsplan um, in der Hoffnung, dass ihre Systeme in den nächsten Jahren modernisiert werden. Das funktionierte, wenn sich Technologie und Geschäftsanforderungen langsam genug änderten, sodass ein Plan bis zum Abschluss des Projekts relevant blieb.

In der heutigen Welt müssen Unternehmen gleichzeitig mit Budgetdruck, neuer Gesetzgebung, Personalknappheit, Veränderungen in den Verbraucherpräferenzen und einer schnelllebigen Technologieentwicklung umgehen. Das ist nicht mehr die Realität des US‑Gesundheitswesens. Jeder erstellte Fahrplan wird einer anderen Herausforderung gegenüberstehen als die, die Sie gerade adressieren, da Systeme bereits mit der Implementierung zu degradieren beginnen. Darüber hinaus liegen Unternehmen bei grundlegenden Änderungen alle fünf bis sieben Jahre konsequent hinter dem Zeitplan.

Das Kernproblem ist hier das Fehlen der notwendigen Ressourcen und Ausdauer. Eine „big bang“-Transformation erfordert ein außergewöhnliches Budget, wird im Verlauf durch wechselnde Geschäftsprioritäten abgelenkt und dauert manchmal so lange, dass die Führungsebene das Vertrauen in das Vorhaben bereits verloren hat, bevor Ergebnisse sichtbar werden.

Ein anderes modernisiertes Betriebsmodell

Dieser Ansatz unterscheidet sich vom vorherigen, er stellt eine völlig neue Reihenfolgemethodik dar. Anstatt zu versuchen, alles gleichzeitig zu erneuern, stellen Unternehmen fest, dass sie den Übergang besser steuern können, indem sie sich jeweils auf eine durchgängige Geschäftsfähigkeit konzentrieren – von Menschen über Prozesse bis hin zu Anwendungen und Daten – und danach zur nächsten übergehen. Das entspricht dem Umbau eines Hauses Raum für Raum, anstatt das gesamte Gebäude auf einmal zu renovieren. Ziel ist es, Schwung aufzubauen: etwas Greifbares zu liefern, aus dieser Erfahrung zu lernen und zu etwas Größerem zu wachsen.

Wo KI passt und wo nicht

Der Aufstieg der KI wirft erneut eine faszinierende, wenn nicht sogar tiefgreifende, philosophische Frage auf: Sollte Technologie die bestehenden Prozesse optimieren oder sie obsolet machen?

Der Aufstieg der KI macht diese Unterscheidung noch wichtiger. Gartner hat festgestellt, dass 80 % der CEOs glauben, KI werde umfassende Überholungen der operativen Fähigkeiten erzwingen. Das deutet darauf hin, dass die Chance größer ist, als KI lediglich zur Beschleunigung bestehender Prozesse einzusetzen. KI auf einen ineffizienten Prozess anzuwenden kann zwar die Geschwindigkeit erhöhen, beseitigt jedoch nicht die zugrunde liegende Ineffizienz.

Gleichzeitig können Organisationen nicht über Nacht von Kernprozessen ablassen; viele müssen weiterhin laufen, während der Wandel stattfindet. Der eigentliche Wert von KI liegt daher darin, sie zu nutzen, um zu ermitteln, welche Prozesse neu gestaltet, welche vereinfacht und welche möglicherweise keinen Zweck mehr erfüllen sollten.

Hören Sie auf, das Projekt zu messen. Messen Sie das Ergebnis.

Modernisierung kann nicht länger nur dadurch getrieben werden, dass Technologie veraltet ist. Da US‑Gesundheitsorganisationen ständig finanziellem Druck ausgesetzt sind und kaum Spielraum für Fehler haben, muss jede Initiative einen klaren geschäftlichen Nutzen nachweisen.

Dies erfordert einen anderen Ansatz bei der Priorisierung von Modernisierungsmaßnahmen. Die größten Programme sind nicht zwangsläufig die wertvollsten. Wert wird definiert durch Verbesserungen in Geschäftsprozessen, die zu effizienterem Betrieb, Stärkung des Revenue‑Cycle und klinischer Arbeitsabläufe sowie zur Verbesserung der Erfahrung von Patienten oder Mitgliedern und zur Bereitstellung von Flexibilität für die Zukunft führen. Es läuft darauf hinaus – wir müssen unsere Modernisierungsbemühungen nach dem Wert messen, den sie bringen, und nicht nach dem Umfang und der Größe der Initiativen.

Das US‑Gesundheitswesen wird stets in einem Umfeld ständiger Veränderungen operieren müssen – neue Vorschriften, Technologien, Geschäftsmodelle sowie ständig wachsende Anforderungen von Mitgliedern, Patienten und Leistungserbringern. Das Ziel war nie ein einziger Zustand des „Modernseins“.

Die Gewinner in diesem Umfeld werden nicht die Organisationen sein, die auf große Transformationen und große Budgets sowie hohe Einnahmen setzen. Die Gewinner werden diejenigen sein, die sich ständig anpassen, kontinuierlich transformieren und fortlaufend Wert liefern können, ohne dabei das Geschäft zu gefährden.

Das ist der Wandel, den das Gesundheitswesen vollziehen muss: Modernisierung ist kein periodischer Versuch mehr, der Zukunft hinterherzulaufen. Sie entwickelt sich zu einer Kernkompetenz des Geschäfts, um darauf zu reagieren.

Abhijeet Vaidya ist der Head of Data & AI Practice bei Emids. Abhijeet verfügt über mehr als zwei Jahrzehnte Erfahrung in Data & AI, mit dem Fokus darauf, Organisationen bei technologiegetriebener Transformation zu unterstützen. Seine Expertise erstreckt sich über Datenmodernisierung, Datenvertrauen, KI-Strategie, Lösungsarchitektur, Gen AI und Agentic AI.

Vor Emids war Abhijeet Global Market Head für Data Engineering & Analytics bei Zensar Technologies, wo er an Datenmodernisierung, Analytik und maschinellem Lernen arbeitete. Vor Zensar verbrachte er über 15 Jahre bei Cognizant, stieg in leitende Führungspositionen auf und leitete schließlich Data & Intelligence Delivery für das North America Financial Services‑Geschäft.