Wie gefährdet fehlerhafte KI-Kodierung die Erlöse eines Krankenhauses?

KI-gestützte Kodierung verspricht Effizienzgewinne im Medizincontrolling. Doch wer automatisch generierte ICD- und OPS-Kodes unkritisch übernimmt, riskiert nicht nur Erlösverluste, sondern auch erhöhte Angriffsflächen bei MDK-Prüfungen. Dabei ist die Frage nicht, ob KI in der Fallkodierung eingesetzt werden darf, sondern wie sie eingesetzt werden muss, damit sie rechtssicher und erlössichernd wirkt.

Wo KI-Kodierung typische Fehlerquellen erzeugt

KI-Tools, die auf Basis bereits dokumentierter Diagnosen und Prozeduren Abrechnungskodes vorschlagen, gelten regulatorisch als Systeme mit begrenztem Risiko. Das heißt aber nicht, dass sie fehlerfrei arbeiten. Drei strukturelle Schwächen treten in der Praxis besonders häufig auf.

• Veraltetes Wissen: KI-Modelle haben einen Trainingsdaten-Stichtag. Neue Kodierrichtlinien, aktuelle BSG-Urteile oder Anpassungen im G-DRG-Katalog sind dem Modell schlicht unbekannt.
• Versagen bei seltenen Fällen: Gerade bei komplexen oder untypischen Konstellationen, etwa naturheilkundlichen oder anthroposophischen Komplexbehandlungen, liefern Modelle unsichere Ergebnisse, formulieren diese aber mit derselben Selbstsicherheit wie bei Standardfällen.
• Bias aus Trainingsdaten: Überrepräsentierte Krankheitsbilder und Patientengruppen in den Trainingsdaten führen dazu, dass seltene Diagnosen systematisch schlechter erkannt und kodiert werden.

Hinzu kommt das sogenannte Black-Box-Problem: Bei neuronalen Netzen ist nicht nachvollziehbar, warum das Modell zu einer bestimmten Kodierung kommt. Das erschwert die Fehleranalyse erheblich und macht eine systematische Qualitätssicherung ohne menschliche Prüfinstanz nahezu unmöglich.

Erlösrisiken durch fehlerhafte Kodierung im G-DRG- und PEPP-System

Kodierfehler wirken im G-DRG- und PEPP-System direkt auf die abgerechnete Fallpauschale. Wird eine relevante Nebendiagnose nicht erfasst oder eine Prozedur falsch kodiert, kann die DRG-Zuordnung in eine niedrigere Bewertungsrelation rutschen. Das Erlösrisiko ist damit unmittelbar, nicht abstrakt.

Besonders kritisch sind Fälle, in denen KI-generierte Kodes zwar formal plausibel erscheinen, aber die klinische Realität nicht vollständig abbilden. Eine Kodierfachkraft, die das Ergebnis nicht hinterfragt, liefert dem Medizinischen Dienst bei einer späteren Prüfung eine angreifbare Dokumentation. Häuser mit Beanstandungsquoten über 20 Prozent sehen sich bereits heute mit deutlich erhöhten Prüfquoten konfrontiert, was die durchschnittliche Verlustquote auf rund 1,55 Prozent der Erlöse treiben kann. KI-bedingte Kodierfehler verschärfen dieses Risiko zusätzlich.

Wie MDK-Prüfungen KI-bedingte Kodierfehler aufdecken

Der Medizinische Dienst prüft nicht, womit kodiert wurde, sondern was kodiert wurde. KI-bedingte Fehler bieten dabei eine besonders breite Angriffsfläche, weil sie sich oft durch Muster ziehen: Wenn ein KI-System systematisch bestimmte Nebendiagnosen überbewertet oder Prozeduren falsch zuordnet, zeigt sich das in der Prüfstatistik eines Hauses.

Kassen können zudem Rechnungen unbezahlt lassen, ohne eine MD-Prüfung einzuleiten, wenn die Abrechnung auf den ersten Blick nicht schlüssig wirkt. Automatisch generierte Kodiervorschläge, die nicht mit dem klinischen Verlauf in der Dokumentation übereinstimmen, liefern genau diese Angriffsfläche. Besonders problematisch: Nach § 17c Abs. 2a KHG gilt ab dem 01.01.2022 grundsätzlich ein Verbot nachträglicher Rechnungsänderungen. Wer einen KI-bedingten Kodierfehler erst nach Rechnungsstellung bemerkt, hat wenig Spielraum zur Korrektur.

Qualitätssicherung als Voraussetzung für KI-gestützte Fallkodierung

KI-Kodierunterstützung ist regulatorisch als System mit begrenztem Risiko eingestuft, unterliegt aber dennoch den Transparenzpflichten des EU AI Acts. Für Krankenhäuser als Betreiber bedeutet das konkret: Alle Anwender müssen nachweislich geschult sein, die Nutzung muss überwacht und dokumentiert werden, und das System muss regelmäßig geprüft werden. Art. 4 der KI-Verordnung, der seit Februar 2025 gilt, verpflichtet Betreiber zur dokumentierten Schulung ihrer Mitarbeitenden.

Praktisch heißt das: Ein KI-Kodier-Tool ohne begleitende Qualitätssicherungsstruktur ist regulatorisch unvollständig aufgestellt. Notwendig sind klare Prozesse zur Stichprobenprüfung automatisch generierter Kodes, eine Versionskontrolle für das eingesetzte Modell und ein definiertes Eskalationsverfahren für unklare Fälle. Webinar KI im Krankenhaus bietet einen strukturierten Einstieg in genau diese Compliance-Anforderungen.

Menschliche Expertise als Korrektiv im KI-Kodierungsprozess

Automation Bias ist ein empirisch belegtes Phänomen: Kodierfachkräfte, die regelmäßig mit KI-Vorschlägen arbeiten, neigen dazu, diese seltener zu hinterfragen als eigene Einschätzungen. Wer über längere Zeit keine Fälle mehr ohne KI-Unterstützung bearbeitet hat, verliert zudem die Fähigkeit, Modellfehler zuverlässig zu erkennen. Das ist kein theoretisches Risiko, sondern eine praktische Konsequenz dauerhafter Delegation.

Menschliche Kontrolle im Kodierungsprozess bedeutet nicht, KI nicht zu nutzen. Es bedeutet, dass die fachliche Prüfinstanz erhalten bleibt. Kodierfachkräfte und Medizincontroller müssen die Logik hinter einem KI-Vorschlag verstehen und im Zweifelsfall begründet abweichen können. Gerade bei erlösrelevanten Grenzfällen, komplexen Mehrfachdiagnosen oder seltenen Leistungen im G-DRG-System ist diese Kompetenz nicht delegierbar. Fortbildung Kodierung hilft dabei, diese Fachkompetenz gezielt zu erhalten und weiterzuentwickeln.

Wie Medcontroller bei KI-gestützter Kodierung unterstützt

Medcontroller begleitet Krankenhäuser dabei, KI-Kodiertools rechtssicher einzuführen und erlössichernd zu betreiben. Das Leistungsangebot umfasst konkret:

• Fachliche Prüfung und Plausibilisierung automatisch generierter Kodes, insbesondere bei komplexen Fällen im G-DRG- und PEPP-System
• MDK-Management bei Prüfungen, die auf KI-bedingte Kodierfehler zurückgehen, einschließlich fundierter Argumentation und Bewertung der Erfolgsaussichten
• Prozessberatung zur Integration von Qualitätssicherungsstrukturen in bestehende Kodier-Workflows
• E-Learning und Webinare zur Schulung von Kodierfachkräften im Umgang mit KI-Tools, inklusive Dokumentationspflichten nach Art. 4 KI-VO

Wer KI in der Fallkodierung einsetzt, braucht einen Partner, der sowohl die regulatorischen Anforderungen des EU AI Acts als auch die Abrechnungslogik des G-DRG-Systems in der Tiefe kennt. Für eine individuelle Beratung steht Medcontroller kurzfristig zur Verfügung. Online-Seminar KI im Krankenhaus bietet einen direkten Einstieg.

Ähnliche Artikel

• Wo verläuft die Grenze zwischen unterstützender und autonomer KI in der bildgebenden Diagnostik?
• Wie erkennt man Kodierungsfehler durch KI im Medizincontrolling?
• KI-Kompetenz im Krankenhaus: Wer muss was wissen?
• Wie wählt ein Krankenhaus das richtige KI-System für das Medizincontrolling aus?
• KI-Schulungspflicht im Krankenhaus: Was muss bis Juli 2026 umgesetzt sein?

Dieser Inhalt wurde mithilfe von KI erstellt und kann Fehler enthalten.