Automatisierung von medizinischer Kodierung und Abrechnung

Krankenhäuser und Praxen müssen jeden Fall in standardisierte Diagnose- und Prozedurencodes übersetzen, die über die Vergütung entscheiden (DRG, EBM, GOÄ, in den USA CPT/DRG). Kodierfachkräfte lesen lange Akten von Hand, und unvollständige Dokumentation führt zu entgangenen Erlösen und Streit mit den Kostenträgern. KI liest die Akte, schlägt Codes mit markierten Belegstellen vor, fragt fehlende Angaben bei den Ärztinnen und Ärzten nach und prüft die Abrechnung vor dem Versand. Das realistische Ziel ist heute computerunterstütztes Kodieren unter Kontrolle einer Kodierfachkraft, nicht blindes autonomes Kodieren.

Problem & Nutzen

• Heute: Geschulte Kodierfachkräfte (in Deutschland: Kodierfachkräfte, Medizincontrolling) lesen Entlassbriefe und Notizen, vergeben ICD-10-GM-Diagnosen und OPS-Prozedurencodes, lassen den G-DRG-Grouper laufen und beantworten Anfragen der Kostenträger (MD-Prüfungen). Fachkräftemangel, jährliche Katalogänderungen und Dokumentationslücken führen zu Rückständen und verspäteter Abrechnung.
• KI-Nutzen: schnellere Erstkodierung, vollständigere Erfassung von Nebendiagnosen und Prozeduren, frühere Dokumentationsrückfragen (solange die Patientin oder der Patient noch im Haus ist), weniger Ablehnungen, ein durchgängiger Prüfpfad.
• Die Belege sind gemischt: Begutachtete Arbeiten zeigen, dass reine LLMs bei der exakten Codevergabe schwach sind, dass LLMs in Kombination mit einer Suche im Kodekatalog („Werkzeuge") aber deutlich besser abschneiden [1]. Ein Preprint von 2026 zu MIMIC-IV-Entlassberichten (Sekundärzusammenfassung, ungeprüft) berichtet ebenfalls, dass hybride Entwürfe aus Klassifikator und LLM-Prüfung reinen LLM-Generierungen überlegen sind. Herstellerangaben zu „autonomen" Quoten sollten Sie an Ihren eigenen Akten überprüfen.

Varianten

• Stationäres Krankenhaus (DRG): Kodierung des gesamten Falls, Grouper-Simulation, Verteidigung bei MD-Prüfungen.
• Ambulant / MVZ / Praxis: Abrechnungsvorschläge nach EBM oder GOÄ aus Sprechstundennotizen, oft gekoppelt mit ambienter Dokumentation (HLTH-003).
• Notaufnahme & Tageschirurgie: hohes Aufkommen, kürzere Notizen, viele Prozeduren.
• Seite der Kostenträger (Krankenkassen, Versicherer): Plausibilitätsprüfung von Abrechnungen und Prüfungsauswahl (AGENT-014, ANOM-009).
• Außerhalb der EU: CPT/ICD-10-CM/HCC-Risikoadjustierungs-Kodierung (USA) — der größte Anbietermarkt.
• Forschungskodierung / Register: Krebsregister (ICD-O) und Qualitätsregister-Abstraktion.

So funktioniert es

1. KIS-Dokumente (Notizen, Briefe, Befunde) + strukturierte Daten
2. Prüfung der De-Identifizierung / Zugriffskontrolle
3. Dokumentenanalyse + Abschnittssegmentierung (OCR bei Scans)
4. klinische NER + Negation/Zeitbezug (bestätigt vs. ausgeschlossen vs. Vorgeschichte)
5. Kandidatensuche im Kodekatalog (Embeddings + Reranking, ICD-10-GM/OPS)
6. LLM/Klassifikator wählt Codes, nennt Belegstellen, wendet Kodierregeln an
7. Grouper (G-DRG) + Plausibilitäts-/Compliance-Regeln (Seitenangabe, Alter/Geschlecht, Ausschlüsse)
8. Dokumentationsrückfrage an die Ärztin oder den Arzt, wenn Spezifität fehlt
9. Prüfung durch die Kodierfachkraft (annehmen / ändern / ablehnen)
10. Rechnungserstellung
11. Rückmeldung des Kostenträgers

• Die Suche im Katalog ist entscheidend: Modelle sollen aus gültigen Codes der Version des laufenden Jahres auswählen und Codes nie frei erzeugen.
• Regelwerke bleiben deterministisch: Der DRG-Grouper und die Plausibilitätsprüfungen sind zertifizierte Software; die KI liefert lediglich die Eingaben.
• Mensch-in-der-Schleife (Human-in-the-Loop): Eine qualifizierte Kodierfachkraft gibt jeden Kodesatz frei; Ärztinnen und Ärzte beantworten Rückfragen; Fälle mit geringer Sicherheit oder hohem Wert (lange Liegezeiten, Beatmung, komplexe Prozeduren) gehen in die Prüfung. Das Feedback (angenommene/geänderte Codes, MD-Ergebnisse) ist das Trainingssignal.

Datenaufbereitung

Die Kodierung braucht die vollständige klinische Akte: Entlassbriefe, Operations- und Radiologiebefunde, Verlaufsnotizen, strukturierte KIS-Daten (Diagnosen, Prozeduren, Beatmungsstunden) sowie Kodekataloge (ICD-10-GM, OPS), Grouper-Regeln und frühere Anfragen der Kostenträger. Im Krankenhaus liegt das im KIS/der Patientenakte, in einem Dokumentenarchiv und im Abrechnungssystem; in der Praxis in der Praxisverwaltungssoftware, oft vermischt mit PDFs, Faxen und Scans.

Typische Lücken: gescannte oder gefaxte Briefe ohne Textebene, Freitextnotizen mit Abkürzungen und hausinternem Jargon, doppelte oder widersprüchliche Dokumente pro Fall, fehlende Verknüpfungen zwischen Befunden und Fällen, veraltete Versionen der Kodekataloge und strenge Zugriffsrechte je Abteilung.

Schritte der Aufbereitung: 1. Die Quellen erfassen und dem Anwendungsfall zuordnen (PREP-002, GUIDE-003). 2. OCR auf Scans und Fax-Eingänge anwenden (DOC-014, PREP-006). 3. Mit den Kodierfachkräften eine Liste von Abkürzungen und Fachbegriffen aufbauen (PREP-015). 4. Einen Testdatensatz aus rund 200 kodierten Fällen mit finalen Codes als Referenz zusammenstellen (PREP-018, PREP-020). 5. Exporte für Entwicklung und Tests pseudonymisieren (PREP-022). 6. Daten über KIS-Schnittstellen statt per manuellem Export beziehen (PREP-005).

Rechnen Sie mit etwa 30 bis 40 Prozent des Projektaufwands für die Datenarbeit, der größte Teil davon für Schnittstellen und den Aufbau des Testdatensatzes. Werkzeuge: OCR-Engines, die Exportschnittstelle des KIS, Paperless-ngx für den Dokumenteneingang in kleinen Einrichtungen.

Umsetzungswege

Welcher Weg für wen

• smb (Praxen, kleine Abrechnungsstellen): Weg A, weil zertifizierte Abrechnungs- und Kodierwerkzeuge mit Anbindung an die Praxissoftware zu KMU-tauglichen Preisen existieren und die Kodierregeln (EBM/GOÄ) standardisiert sind.
• enterprise (Krankenhausverbünde): Weg B, weil die Kodierung für den Erlös zentral ist, sich in KIS und DRG-Grouper einfügen muss und das Mengenvolumen platzbasierte Preise teuer macht; oft steht bereits eine gemeinsame interne KI-Plattform bereit.
• developer: Weg C, weil offene Modelle auf eigener Hardware verhindern, dass Patientenakten an Dritte gehen, und ein Feintuning auf lokalen Kodekatalogen erlauben.
• public (kommunale und Universitätskliniken): Weg B in einer souveränen EU- oder deutschen Cloud, wegen der Vergaberegeln und der Sensibilität von Gesundheitsdaten.

Weg A — Kaufen (Standardsoftware) (empfohlen)

• Anbieter von Krankenhausinformationssystemen und Groupern: CGM, Dedalus, Nexus, Meierhofer (DE) sowie DRG-Grouper- und Medizincontrolling-Werkzeuge mit KI-Modulen (z. B. Mediqon, Zusatzmodule für das Medizincontrolling); prüfen Sie die Verfügbarkeit für die aktuelle Version von ICD-10-GM/OPS/G-DRG.
• Spezialisierte Kodier-KI: 3M/Solventum 360 Encompass, Kodier-Workflows im Umfeld von Nuance/Microsoft Dragon Copilot, Optum, Fathom, CodaMetrix, Nym (überwiegend USA); in Europa Averbis (DE, Text Mining für ICD/OPS), Kodiermodule von Cerner/Oracle und Epic, Dedalus, Cambio (SE).
• A wählen, wenn: Kodierfachkräfte ein integriertes Werkzeug im KIS brauchen; validieren Sie es an Ihren eigenen Fällen und prüfen Sie EU-Hosting, AVV und den Rhythmus der Aktualisierung für die jährlichen Kataloge.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Modelle: Spitzen-LLMs (Claude, Gemini, GPT, Mistral) in EU-Regionen, mit strukturierten Ausgaben; Embeddings + Reranker für die Katalogsuche; Azure AI Language / Amazon Comprehend Medical (USA-zentrierte Verknüpfung mit ICD-10-CM/RxNorm) sind auf Englisch ausgerichtet und für das deutsche ICD-10-GM schwächer.
• Daten: offizielle maschinenlesbare Kataloge (BfArM ClaML für ICD-10-GM/OPS) [2]; FHIR-Anbindung an das Krankenhaussystem (siehe HLTH-028).
• Workflow: Prüfoberfläche für Kodierfachkräfte, Prüfprotokoll, Warteschlange für ärztliche Rückfragen.
• B wählen, wenn: Sie ein Daten-/Entwicklungsteam und eine freigegebene Cloud mit AVV für Gesundheitsdaten haben.

Weg C — Selbst betreiben (Open Source)

• Modelle: offene LLMs (Llama, Qwen, Mistral-Familien, Gemma; medizinische Varianten wie MedGemma), betrieben mit vLLM; deutsche klinische Modelle der BERT-Klasse für NER/Klassifikation; Embedding-Modelle (z. B. BGE-M3, multilingual-e5) mit einer Vektordatenbank.
• Werkzeuge: Docling/PaddleOCR für gescannte Briefe, spaCy/medspaCy für Negation, Spark NLP (Open Core, John Snow Labs) für klinische NER.
• Hardware: HW3 für Modelle mit 30–120 Mrd. Parametern; HW2 für eine Kombination aus Suche und Klassifikator. Die Patientendaten bleiben im Netz des Krankenhauses.

Weg D — Eigenes Training

Lohnt sich für große Krankenhausverbünde oder Kostenträger mit Jahren an kodierten Fällen: Ein Multilabel-Klassifikator (im Stil von PLM-ICD) wird auf den eigenen Akten feingetunt, das LLM dient nur als Prüfer. Es braucht zehntausende kodierte, final abgerechnete Fälle pro Sprache; öffentliche Benchmarks (MIMIC-IV, Englisch) [3] lassen sich ohne lokale Daten nicht auf ICD-10-GM/OPS übertragen.

Stand der Technik (2026)

• Hybrid schlägt generativ: Klassifikatoren oder Suche liefern Kandidaten, LLMs prüfen und erklären. Die Kodierung über den gesamten Coderaum (mehr als 15.000 ICD-Codes) ist weiterhin ungelöst; seltene Codes, Seitenangaben, Reihenfolge und das Bündeln von Prozeduren sind die häufigsten Fehler.
• Agentische Kodierassistenten lesen die gesamte Akte, stellen Rückfragen, entwerfen ärztliche Anfragen und Widersprüche gegen Ablehnungen der Kostenträger.
• Ambiente Dokumentation (HLTH-003) verbessert die Qualität der Quellen und damit die Kodiergenauigkeit.
• Grenzen: halluzinierte oder veraltete Codes, Upcoding-Druck (finanzieller Anreiz zur Übererfassung), kopierte Notizen, Negationsfehler und schwache Ergebnisse bei deutschsprachigen Benchmarks wegen knapper öffentlicher Daten. Kodierung ist eine rechtliche Erklärung gegenüber den Kostenträgern — Fehler bergen Risiken nach dem Betrugsrecht.

Gemeinsame Bausteine & Kombinationen

• Gemeinsamer Stack: ocr-docparse und text-classifier mit HLTH-011 (Entlassbriefe) und HLTH-018 (Zusammenfassung von Akten); Terminologiedienste mit HLTH-028; Suchstack mit DOC-014.
• Naheliegende Kombinationen: HLTH-003 (Scribe → bessere Notizen), HLTH-004 (Hinweise zur klinischen Dokumentation), AGENT-014 (Abrechnungen auf Versicherungsseite), ANOM-009 (Erkennung von Abrechnungsauffälligkeiten und Betrug).
• Ein On-Premises-GPU-Server (HW3) kann Kodierung, Zusammenfassung und Briefgenerierung bedienen.

Aufwand, Kosten & Kennzahlen

• Weg A: 3–9 Monate einschließlich KIS-Anbindung, Validierung und Schulung der Kodierfachkräfte; Lizenz pro Bett/Fall.
• Weg B/C: 6–12 Monate für eine validierte Pipeline, vor allem für Datenzugang, Evaluation und Veränderungsmanagement.
• Kostentreiber: Anbindung an das KIS, jährliche Katalogaktualisierungen, Validierungsaufwand, GPU/Hosting.
• Kennzahlen: Bearbeitungszeit der Kodierfachkraft pro Fall, Precision/Recall je Code gegenüber dem finalen Kodesatz, DRG-Übereinstimmungsrate, Antwortzeit auf Dokumentationsrückfragen, Tage bis zur Abrechnung, MD-Prüf-/Ablehnungsquote, erfolgreiche Widersprüche, ungewollte Verschiebung des Casemix (auf Upcoding achten).

Menschen & Veränderung

Beziehen Sie die Geschäftsleitung und die Leitung des Medizincontrollings oder der Abrechnung von Anfang an ein (Budget, Ziele); Kodierfachkräfte und Abrechnungspersonal als tägliche Nutzer in Konzeption und Pilot; die IT für die KIS-Schnittstelle; die Dateneigentümer von Archiv und Abrechnungssystem frühzeitig, denn der Datenzugang entscheidet über die Machbarkeit. Die Datenschutzbeauftragte bzw. der Datenschutzbeauftragte muss vor dem Pilot beteiligt werden: Gesundheitsdaten sind eine besondere Kategorie, daher ist wahrscheinlich eine Datenschutz-Folgenabschätzung (DSFA, Art. 35 DSGVO) nötig, und jeder Anbieter braucht einen Auftragsverarbeitungsvertrag (AVV, Art. 28 DSGVO).

Betriebsrat: kommt darauf an. Wenn das Werkzeug nur Codes für Fälle vorschlägt, greift die Mitbestimmung unter Umständen nicht; Annahmequoten von Vorschlägen und Kodiergeschwindigkeit je Person sind jedoch Leistungsdaten, sodass meist § 87 Abs. 1 Nr. 6 BetrVG ausgelöst wird. Informieren Sie den Betriebsrat rechtzeitig nach § 90 Abs. 1 Nr. 3 und erwägen Sie eine sachkundige Person nach § 80 Abs. 3. In öffentlichen Krankenhäusern gilt der Personalrat.

Maßnahmen zur KI-Kompetenz (Art. 4 KI-Verordnung): eine kurze Schulung dazu, wie Vorschläge entstehen, wo sie versagen und dass die Kodierfachkräfte für den endgültigen Code verantwortlich bleiben. Beginnen Sie mit einer Pilotgruppe erfahrener Kodierfachkräfte in einer Abteilung, zeigen Sie die Belegstellen und berichten Sie nur aggregierte Zahlen, keine Rankings einzelner Personen. Die typische Sorge gilt dem Arbeitsplatzverlust oder der Überwachung; begegnen Sie ihr, indem Sie die frei werdende Zeit für Dokumentationsrückfragen und die Bearbeitung von Ablehnungen einsetzen. Der Mensch behält die Kontrolle: Keine Abrechnung geht ohne Freigabe der Kodierfachkraft hinaus.

Siehe GUIDE-004, GUIDE-005 und GUIDE-008.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Ein Kodierassistent gilt typischerweise als minimales Risiko (nicht in Anhang III, kein medizinischer Zweck), allerdings gelten die Pflichten zur KI-Kompetenz (Art. 4) [4]. Er kann zum Hochrisiko-System werden, wenn er Teil eines Medizinprodukts ist oder zur Bewertung des Anspruchs auf wesentliche öffentliche Leistungen/Gesundheitsleistungen dient (Anhang III 5(a)); prüfen Sie das bei der Nutzung auf Kostenträgerseite. Entscheidungsunterstützende Funktionen, die die Behandlung beeinflussen (HLTH-004), fallen stattdessen unter die MDR.
• DSGVO: Gesundheitsdaten sind besondere Kategorien (Art. 9); nötig sind eine Rechtsgrundlage (Behandlung/Abrechnung nach nationalem Recht, z. B. § 301 SGB V, § 17c KHG), eine DSFA, ein AVV mit den Anbietern, Datenminimierung und kein Training der Anbieter mit Patientendaten. Europa: Die EHDS-Verordnung (EU) 2025/327 prägt die Interoperabilität von Akten [5].
• Abrechnungsrecht und Betrug: Upcoding birgt Haftungsrisiken wegen falscher Abrechnung oder Betrugs; sorgen Sie für menschliche Freigabe, regelbasierte Prüfungen und Prüfpfade. Prüfungen der Kostenträger (MD) verlangen nachvollziehbare Belege je Code.
• Verzerrung/Drift: jährliche Änderungen an Katalog und Grouper; jedes Jahr neu validieren.
• Gegenmaßnahmen: geschlossene Codelisten, Zitieren von Belegstellen, Freigabe durch die Kodierfachkraft, Pilot im Schattenmodus, geschichtete Fehlerprüfungen, Überwachung von Verschiebungen im Case-Mix-Index.

Erste Schritte

1. 300–500 abgeschlossene Fälle mit den von Kodierfachkräften vergebenen Codes als Referenz ziehen (soweit möglich de-identifiziert, gemäß DSFA).
2. Ausgangswerte messen: Minuten pro Fall, Rückstand, Ablehnungsquote und Ergebnisse der MD-Prüfungen.
3. Einen Pilot im Schattenmodus fahren (Vorschläge für die Abrechnung verborgen) und dabei 2–3 Produkte oder einen Prototyp aus Suche + LLM vergleichen; bewerten Sie Precision/Recall je Code, nicht nur die Gesamtgenauigkeit.
4. Workflow für ärztliche Rückfragen und Plausibilitätsregeln ergänzen; der zertifizierte Grouper bleibt maßgeblich.
5. Mit Prüfung durch die Kodierfachkraft in einem Leistungsbereich live gehen, dann ausweiten; bei jeder Katalogaktualisierung neu validieren.

Quellen

1. Soroush et al. — Large language models are good medical coders, if provided with tools — https://arxiv.org/abs/2407.12849
2. BfArM — Classifications: ICD-10-GM, OPS (ClaML downloads) — https://www.bfarm.de/EN/Code-systems/Classifications/_node.html
3. Johnson et al. — MIMIC-IV (PhysioNet) — https://physionet.org/content/mimiciv/
4. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
5. Regulation (EU) 2025/327 — European Health Data Space — https://eur-lex.europa.eu/eli/reg/2025/327/oj
6. InEK — G-DRG system and grouper information — https://www.g-drg.de/
7. Spark NLP for Healthcare (John Snow Labs) — https://www.johnsnowlabs.com/healthcare-nlp/
8. Google — MedGemma open models — https://developers.google.com/health-ai-developer-foundations/medgemma