10 Schlüsselfragen zu Agentischer KI für Führungskräfte im Gesundheitswesen und in den Biowissenschaften

Laut dem Artikel wird agentische KI bis 2026 in Unternehmenssystemen Realität werden, doch damit sie sicher und effektiv eingesetzt werden kann, müssen Führungskräfte im Gesundheits- und Pharmasektor zehn zentrale Fragen beantworten. Erstens muss festgelegt werden, welche Arbeitsabläufe (zum Beispiel die Analyse klinischer Studien, Vorabgenehmigungen oder das Management des Umsatzzyklus) von der Einführung von Agenten profitieren, und es müssen Erfolgskennzahlen definiert werden (verkürzte Zykluszeiten, verbesserte Produktivität und Genauigkeit). Zweitens ist eine verlässliche und gut verwaltete Datenbasis, die unterschiedliche Quellen (elektronische Patientenakten, Labordaten, Bildgebung, Versicherungs- und kommerzielle Systeme) vereint, von entscheidender Bedeutung – andernfalls liefern die Agenten unvollständige oder fehlerhafte Antworten. Governance muss dabei nicht nur den Datenzugriff, sondern auch die Handlungen der Agenten umfassen: welche Systeme sie aufrufen dürfen, welche Daten sie abrufen können, welche Entscheidungen sie vorschlagen dürfen und welche Schritte eine manuelle Bestätigung erfordern. Es gilt unbedingt zu vermeiden, neue Datensilos zu schaffen – die Architektur sollte es Agenten ermöglichen, sicher auf Unternehmensdaten zuzugreifen, ohne diese zu duplizieren. Um Halluzinationen zu verhindern, sind verifizierte Quellen, rollenbasierter Zugriff und Transparenz hinsichtlich der Herkunft von Schlussfolgerungen erforderlich. Sicherheit, Datenschutz und Nachvollziehbarkeit (HIPAA – der Health Insurance Portability and Accountability Act, ein US-Gesetz zum Schutz von Gesundheitsdaten; GxP – Good x Practice, eine Sammelbezeichnung für gute fachliche Praxisrichtlinien; FedRAMP – das Federal Risk and Authorization Management Program, ein US-Programm zur Autorisierung von Cloud-Diensten für Bundesbehörden) sind für den produktiven Einsatz zwingend erforderlich. Die Strategie sollte eine Bindung an einen einzelnen Anbieter vermeiden und Organisationen die Wahl von Modellen ermöglichen, die zu bestimmten Aufgaben passen, während sie die Kontrolle über die eigenen Daten behalten. Auch Kostentransparenz ist notwendig – die Fähigkeit, abzuschätzen, wie viel jeder mehrstufige Agentenaufruf kostet, und entsprechende Budgets festzulegen. Für die Zusammenarbeit zwischen verschiedenen Organisationen (Auftragsforschungsinstitute, Pharmaunternehmen, Krankenhäuser, Versicherer) müssen Agenten einen sicheren Datenaustausch unterstützen, ohne dass die Kontrolle verloren geht. Schließlich sollte die Infrastruktur nicht zur Last für jedes einzelne Team werden – besser ist es, auf fertige Plattformen wie die Snowflake AI Data Cloud zurückzugreifen, damit sich Fachexperten auf ihr eigentliches Fachgebiet konzentrieren können, statt sich mit dem Betrieb von Machine-Learning-Systemen zu befassen.