Medizinische Kodierung heute: ein manueller Arbeitsablauf

Die medizinische Kodierung ist der Dreh- und Angelpunkt des Erstattungsverfahrens. Jede klinische Handlung, sei es eine Diagnose, ein Verfahren oder eine Behandlung, muss in einen standardisierten Code übersetzt werden, um abgerechnet werden zu können.

Bei einer manuellen Einrichtung läuft der Prozess normalerweise folgendermaßen ab:

  • Durchsicht von Patientenakten: Menschliche Codierer lesen detaillierte klinische Aufzeichnungen, um relevante medizinische Informationen zu extrahieren.
  • Durchsuchen von Taxonomien: Sie navigieren in umfangreichen Code-Wörterbüchern (oft >100.000 Einträge), um die entsprechenden Abrechnungscodes zu finden.
  • Zuweisung und Gegenprüfung: Die Codes werden manuell in die Abrechnungssysteme eingegeben und anhand der Compliance-Regeln überprüft.
  • Validierung und Korrektur: Leitende Kodierer oder Prüfer überprüfen Einträge, korrigieren Fehler und klären Unstimmigkeiten mit Ärzten.

Dieser End-to-End-Workflow ist äußerst repetitiv, zeitaufwändig und fehleranfällig. Verzögerungen führen schnell zu Rückständen, und unvollständige oder ungenaue Kodierung führt oft zu verpassten Erstattungen und finanziellen Verlusten.

Die Rolle der Agentischen KI

In diesem Zusammenhang stellt die agentenbasierte KI eine transformative Chance dar: Es geht nicht nur darum, Text zu generieren, sondern zielgerichtete, autonome Arbeitsabläufe zu orchestrieren, bei denen mehrere spezialisierte KI-Agenten nahtlos mit menschlichen Experten zusammenarbeiten.

Angewandt auf die medizinische Kodierung kann Agentic AI den manuellen Prozess widerspiegeln und ihn gleichzeitig beschleunigen und sichern:

  • Lesen und Zusammenfassen von Patientenakten.
  • Abrufen relevanter Codes in umfangreichen Taxonomien.
  • Überprüfung der Einhaltung von Erstattungsrahmen.
  • Unterstützung der menschlichen Aufsicht durch transparente Erklärungen.

Kundenfall: Automatisierung der medizinischen Kodierung in einem belgischen Krankenhaus

Mit Eliott BERTRAND & Robin VERSCHUREN, aus dem Büro in Belgien.

Wir bei Artefact glauben, dass Begegnungen im Gesundheitswesen “Momente im Leben” sind, die grundsätzlich menschliche Interaktion erfordern. Unser Ziel ist es, Pflegeteams zu unterstützen und klinische Prozesse durch KI zu rationalisieren, nicht sie zu ersetzen. Diese Philosophie stand Pate bei unserer jüngsten Partnerschaft mit einem Krankenhaus in Belgien, bei der wir die medizinische Kodierung, Abrechnung und Rückerstattung der Sozialversicherung mit Hilfe fortschrittlicher Sprachmodelle und Retrieval-Augmented Generation (RAG) automatisiert haben.

Unser Kunde war mit einem enormen Arbeitsaufwand für die manuelle Kodierung der an Patienten abgegebenen medizinischen Gesten konfrontiert, die für das Erstattungssystem in Belgien obligatorisch ist.

Ein Team von 18 Mitarbeitern hatte die Aufgabe, jeder Patientenakte die entsprechenden medizinischen Codes zuzuordnen, und das bei einer Liste von 140.000 Codes. Zu dieser Zeit war dieses Team bereits Monate im Rückstand. Außerdem erfasste dieser Prozess nur eine Teilmenge der hochwertigen Codes, so dass erhebliche Einnahmen ungenutzt blieben.

Wir haben einen vierstufigen Prozess mit mehreren spezialisierten KI-Agenten entwickelt

  • Spezialisierter KI-Agent: Ein KI-“Schreiber” liest die Patientenakte, fasst die klinische Situation zusammen und segmentiert den Fall, um relevante Kodierungskategorien zu identifizieren
  • RAG-gestützte Kode-Suche: Ein zweiter Agent nutzt die Retrieval-unterstützte Generierung, um alle Codes zu finden, die für die dokumentierte klinische Situation relevant sind
  • Code Validation Agent: Ein dritter Agent prüft, ob die vorgeschlagenen Codes mit den offiziellen Regeln übereinstimmen, und integriert das Feedback von Experten-Codierern
  • Menschliche Validierung: Schließlich prüft ein medizinischer Kodierer die Empfehlungen der KI und genehmigt sie; basierend auf einer Erklärung des letzten Agenten

Durch die Identifizierung von zuvor übersehenen Codes und die Sicherstellung einer vollständigeren Abrechnung konnte das Krankenhaus neue Einnahmequellen erschließen. Erste Indikatoren deuten auf erhebliche Einnahmen hin, die zuvor unbemerkt geblieben waren.

Die KI-gesteuerte Pipeline brachte einen Produktivitätszuwachs von 80%, beseitigte den Engpass bei der Kodierung und ermöglichte es dem Team, die Rückstände aufzuholen. Die Genauigkeit und Vollständigkeit der Kodierung verbesserte sich, so dass weniger Fehler auftraten und weniger Anträge abgelehnt wurden. Das Krankenhaus konnte außerdem erhebliche Kosteneinsparungen erzielen, indem es die Kodierer für höherwertige Aufgaben einsetzte und Überstunden abbaute.

Im Großen und Ganzen wurden 80% der Arbeitslast der 18 Mitarbeiter, die für die Codierung zuständig waren, autonomisiert, was zu einer Einsparung von 14,5 VZÄ führte. Das Projekt kostete 50 Manntage an externer Beratung und keine zusätzlichen IT-Kosten, was zu einem ROI von ~600% führt, was einer Größenordnung für das erste Jahr entspricht.

Diese Fallstudie spiegelt die Grundüberzeugung von Artefact wider: KI muss nicht nur Innovation, sondern auch Wirkung bringen.

Was kommt als Nächstes: Skalierung von Agentic AI

Agentische KI-Initiativen bleiben selten bei einem einzigen Anwendungsfall stehen. Sobald der erste Einsatz einen messbaren Nutzen zeigt, ziehen Unternehmen in der Regel drei Hauptrichtungen in Betracht:

  • Erweitern Sie auf angrenzende Arbeitsabläufe, Anwendung der gleichen agentenbasierten Logik auf andere sich wiederholende, umfangreiche Prozesse (z.B. Berichterstattung, Dokumentation, Compliance-Kontrollen).
  • Bereiten Sie sich auf den gesteuerten autonomen Betrieb vor, in Bereichen mit klaren Regeln und messbaren Ergebnissen, die es den Agenten ermöglichen, mit minimalen menschlichen Eingriffen unter strengen Kontroll- und Überwachungsbedingungen zu arbeiten.
  • Bauen Sie vernetzte Agenten-Ökosysteme auf, die Entwicklung von Multi-Agenten-Systemen, die funktionsübergreifend zusammenarbeiten und so prozessübergreifende Effizienzgewinne freisetzen.

Diese Entwicklung spiegelt wider, wie Unternehmen Agentic AI schrittweise von Pilotanwendungen bis hin zu unternehmensweiten Auswirkungen skalieren können und dabei durch eine solide Governance sowohl Effizienz als auch Vertrauen sicherstellen.