Ein interner KI-Assistent, der Fragen der Mitarbeiter aus dem Wissen der eigenen Kasse beantwortet, steht in vielen Häusern auf der Agenda. Die Technik ist ausgereift und am Anfang ist die Euphorie groß. Dennoch bleiben viele Projekte hinter den Erwartungen zurück. Nach einer rund einjährigen Einführungs- und Betriebserfahrung in Kassen unterschiedlicher Größe lässt sich sehr genau benennen, woran das liegt: in der Regel nicht an der Technik, sondern an einigen Annahmen, die in der Praxis nicht standhalten.

Die Ausgangslage

In den meisten Kassen liegt Wissen verteilt auf Laufwerken, in Teampostfächern, in Arbeitshilfen mit Dateinamen wie "AH_Hilfsmittel_final_v3" und in den Köpfen erfahrener Kollegen. Die Einarbeitung dauert Monate, Kundenberater stellen Woche für Woche dieselben Rückfragen, und mit jedem Renteneintritt geht Erfahrungswissen verloren. Gleichzeitig ändert sich fortlaufend die Gesetzeslage und erfordert ständige Aktualisierungen.

Viele Kassen wollen hier Ordnung reinbringen - gerne mit Unterstützung von KI - bleiben jedoch hinter den Erwartungen zurück. Und das liegt häufig an fünf irreführenden Annahmen, die wir an dieser Stelle beleuchten.

Annahme 1: "Wir laden die Dokumente hoch, den Rest macht die KI"

Die häufigste Erwartung: Man hinterlegt das komplette SGB, Arbeitshilfen und Satzung, und das System leitet daraus alle Antworten ab. Um es kurz zu machen: Hier stößt man schnell an Grenzen und die Enttäuschung ist vorprogrammiert. Ein Gesetzestext beschreibt, was geregelt ist. Ein Kundenberater fragt, was er im konkreten Fall tun soll. Dazwischen liegen Auslegung, Ermessensleitlinien, Zuständigkeiten und Besonderheiten aus Verträgen und Satzung. Es handelt sich also um Informationen, die in keinem Paragrafen stehen und die auch das beste Sprachmodell nicht herleiten kann.

Beispiel aus der Praxis: Ein Kundenberater fragt, ob die Kasse Hörgerätebatterien für Erwachsene übernimmt. Liegen nur § 33 SGB V und das Hilfsmittelverzeichnis vor, entsteht eine vage Antwort mit Verweis auf den Einzelfall. Liegt eine interne Prozessrichtlinie vor, ist die Antwort meist richtig, mitunter aber unvollständig. Liegt eine gepflegte Leistungstabelle mit eindeutiger Regel samt Ausnahmen vor, ist die Antwort präzise und mit Quelle belegt. Dieselbe Frage, dasselbe Modell, drei Ergebnisse und der Unterschied liegt allein in der Datengrundlage.

Annahme 2: "Wenn die Antwort schlecht ist, taugt das Modell nichts"

Enttäuschende Antworten lenken den Verdacht reflexhaft auf die Technik (oder den Dienstleister). Meist liegt die Ursache woanders. Hilfreich ist das Konzept der Wissensdistanz, also die Zahl der gedanklichen Ableitungsschritte zwischen einer Frage und dem Dokument, das sie beantwortet. Beantwortet ein Dokument die Frage direkt, ist die Antwort präzise. Muss das System kombinieren oder aus einer Primärquelle herleiten, wird sie unsicher oder falsch.

Daraus folgt eine praktische Faustregel: Ist eine Antwort unbefriedigend, fehlt fast immer ein Dokument, das die Frage direkt beantwortet, oder ein vorhandenes ist unpräzise oder veraltet. Eine schlechte Antwort wird so vom vermeintlichen Technikproblem zum konkreten Arbeitsauftrag.

Annahme 3: "Das System pflegt sich schon selbst"

Wo niemand für die Inhalte verantwortlich ist, wiederholt sich ein Muster: Der Start gelingt, dann veraltet die Datengrundlage schleichend, und das Vertrauen der Nutzer kippt. Im GKV-Umfeld mit seinen laufend geänderten Vorgaben ist eine ungepflegte Wissensbasis nach sechs Monaten ein Risiko.

Was hilft, ist unspektakulär: eine benannte Person je Bereich, die das Wissen verantwortet, mit fester Zeit im Kalender - im laufenden Betrieb etwa ein bis zwei Stunden pro Woche. Ebenso wichtig ist festzulegen, was eine Aktualisierung auslöst, neben Gesetzesänderungen und Rundschreiben vor allem wiederkehrende Fragen ohne gute Antwort.

Annahme 4: "Der große Aufwand steckt in der Technik"

Budgetgespräche drehen sich meist um Lizenzen, Datenschutz und Schnittstellen - lösbare, kalkulierbare Themen. Der größte Aufwand liegt jedoch in der Aufbereitung des Wissens: Material aus Arbeitshilfen, gewachsenen Excel-Dateien und alten Schulungsunterlagen sichten, aktualisieren und je Anwendungsbereich aufbereiten. Diese Arbeit ist zugleich die lohnendste: Sie nützt Einarbeitung, Kundenberatung und Fachbereichen, sogar ganz unabhängig davon, ob am Ende eine KI darauf zugreift.

Annahme 5: "Mitarbeiter erkennen den Mehrwert sofort"

Mitarbeiter finden heute fast immer einen Weg zur Antwort: über interne Ordner, Post-its, Suchmaschinen oder die Frage an den Kollegen. Das ist nicht elegant, aber vertraut. Eine ganze Frage zu tippen dauert länger als ein Stichwort, Antworten können zu lang oder zu langsam sein, und dem erfahrenen Kollegen vertraut man im Zweifel mehr. Eine KI-Suche erfordert die Änderung von Routinen. Sie muss also möglichst schnell und qualitativ hochwertig sein und erfordert stets Zeit und Geduld zur Umstellung.

Was sich in der Praxis bewährt

Aus diesen Beobachtungen ergeben sich fünf Bausteine, damit KI-basiertes Wissensmanagement in einer Krankenkasse ein voller Erfolg wird.

Erstens: die Wissensbasis in drei Schichten aufbauen. Die erste Schicht bilden die Primärquellen - Gesetze, Richtlinien, Rundschreiben, BSG-Urteile. Sie sind rechtliches Fundament und Zitiergrundlage. Die zweite Schicht sind die Hausregeln: Prozessrichtlinien, Arbeitsanweisungen, Ermessensleitlinien, eigene Verträge. Die dritte Schicht ist die Antwortschicht: Entscheidungstabellen, Wenn-dann-Regeln und gepflegte FAQs, die die häufigsten Fragen direkt beantworten. So lässt sich jede Antwort über Hausregeln bis zur Primärquelle zurückverfolgen.

Zweitens: mit echten Fragen starten, nicht mit Dokumenten. Statt zu klären, welche Dokumente hochgeladen werden sollen, sollten Sie 20 bis 30 reale Fragen aus dem Tagesgeschäft eines Bereichs sammeln (sogenannte "Golden Questions"). Die Liste ist Bauplan der Antwortschicht und später Prüfmaßstab.


Drittens: Bereich für Bereich einführen. Ein gut gewählter Pilotbereich liefert einen erprobten Ablauf und interne Erfolgsgeschichten. Geeignet sind Bereiche mit hohem, wiederkehrendem Fragevolumen und klarer Regelbasis, etwa die First-Level-Kundenbetreuung, das Beitragswesen oder die Pflege. Maßstab ist die zeitliche Verfügbarkeit der Mitarbeiter und der Wille zur Veränderung und damit die Erfolgswahrscheinlichkeit, nicht unbedingt der Bereich mit dem größten Handlungsbedarf. In rund sechs Wochen lässt sich so ein Bereich produktiv aufsetzen: Verantwortlichkeiten klären, Fragen sammeln, Lücken analysieren, Wissensbasis aufbereiten, alle Golden Questions testen, in einem kleinen Bereich pilotieren und erst bei verlässlicher Trefferquote ohne selbstbewusst formulierte, aber falsche Antworten in den Rollout gehen.


Viertens: Mitarbeiter mit- und ernst nehmen. Schulungen allein ändern keine Routinen. Neues Verhalten trägt erst, wenn es einfach und attraktiv ist: wenn der Wissensabruf dort stattfindet, wo die Arbeit passiert, etwa per Mikrofon oder eingebunden in den Vorgang.

Beispiel aus der Praxis: Das Verständnis des Anwendungsfalls kann auch zeigen, dass KI nicht die beste Lösung ist. Bei einer Suche nach Regel- und Mehrleistungen lieferte eine rein KI-basierte Chat-Suche falsche und variierende Antworten bei gleicher Frage. Eine optimierte Stichwortsuche mit Schnelllinks und Spracheingabe erwies sich als verlässlicher.

Fünftens: Prozesse umstellen. Wer ein neues Werkzeug einführt und zugleich an jedem gewohnten Ablauf festhält, darf keinen Fortschritt erwarten. Typisch sind Mitarbeiter, die trotz gut aufbereiteter Informationen weiter den Kollegen anrufen, oder Führungskräfte, die trotz benannter Themenverantwortlicher alle Rundschreiben selbst lesen. Neben verantwortlichen Rollen brauchen Sie daher klar definierte Prozesse, die Sie konsequent einfordern.

Der direkte Mehrwert für die GKV

Pauschale Einsparversprechen springen hier zu kurz. Es geht um mehrere positive Effekte, abhängig von der Ausgangslage, dem Bereich und der Konsequenz in der Pflege.

Drei klare Mehrwerte stehen dabei im Vordergrund:


Zur Ehrlichkeit gehört die Aufwandsseite: Für den ersten Bereich sollte die verantwortliche Person über etwa sechs Wochen vier bis acht Stunden pro Woche einplanen, im Regelbetrieb bleiben ein bis zwei Stunden. Projekte, die das von Beginn an budgetieren, laufen stabiler.

Ausblick und Fazit

Wenn die Pflege des Wissens der Engpass ist, sollte Technologie dort ansetzen: Eine spezifisch ausgerichtete KI kann bereits jetzt Rundschreiben und Gesetzesänderungen automatisch auf betroffene Inhalte prüfen und Anpassungen vorschlagen. KI-Wissensagenten vereinfachen und beschleunigen zudem die Aktualisierung von Informationen auf Basis von Neuerungen oder Nutzerfeedback.

Wichtiger als jede Technologieentscheidung ist jedoch der Ausgangspunkt. "Wir möchten KI einführen" ist weder ein Problem noch ein Selbstzweck. Probleme zeigen sich in der täglichen Arbeit und liegen fast immer in Prozessen. Wer sie zuerst benennt, schafft mit einer sauberen Wissensbasis bessere Auskünfte, eine schnellere Einarbeitung und die Grundlage für spätere Automatisierungen, etwa in der E-Mail-Bearbeitung oder Krankenhausrechnungsprüfung.