Digitalisierung und AI
Stiftung Warentest testet: Wie gut helfen KI-Chatbots bei Gesundheitsfragen?
Irgendwo im Körper kribbelt oder schmerzt es - was könnte das sein? Viele fragen die KI nach einer ersten Einschätzung. Stiftung Warentest wollte wissen: Was taugen die Diagnosen von Dr. Chatbot? Einer schnitt nicht schlecht ab.
Veröffentlicht:
Fragen Sie Ihren Arzt oder ChatGPT: Viele Menschen fragen Künstliche Intelligenz, wenn sie gesundheitliche Probleme haben.
© Azulblue - stock.adobe.com
Berlin. Der Körper macht seltsame Sachen? Dann ist für viele fast schon ein Reflex: Chatfenster öffnen, Beschwerden eintippen und sich von Dr. KI eine Einschätzung liefern lassen. Sollte man in einer echten Arztpraxis aufschlagen? Und wenn ja: wie schnell denn bitte?
Wie gut funktioniert der Symptom-Check mit Hilfe von KI? Das wollte die Stiftung Warentest für ihre gleichnamige Zeitschrift wissen und hat fünf KI-Chatbots Symptome verschiedener Erkrankungen geschildert (Ausgabe 8/2026).
Getestet wurden ChatGPT (OpenAI), Gemini (Google), Meta AI (Meta), Claude (Anthropic) und DeepSeek (Hangzhou DeepSeek Artificial Intelligence). Alle Dienste wurden jeweils in der kostenlosen Standardversion genutzt.
Digitale Helfer
KI im Alltags-Check: So urteilen zwei Kollegen
Die Testerinnen und Tester konstruierten fünf fiktive Modellfälle. So sollten die KI-Chatbots unter anderem einen Bandscheibenvorfall, eine Angina Pectoris und eine Depression erkennen und sinnvolle Handlungsempfehlungen liefern. Für die fachliche Expertise holte das Test-Team entsprechende Fachärzte bzw. eine Psychotherapeutin mit ins Boot.
Drei von fünf liefern akzeptable Antworten
Am meisten konnte ChatGPT das Test-Team überzeugen. Der Chatbot lieferte in allen fünf Fällen korrekte Verdachtsdiagnosen und passende Verhaltensempfehlungen. Insgesamt gaben den Warentestern zufolge drei der fünf KI-Chatbots akzeptable Antworten.
Zwei zeigten aber Schwächen. So gab es etwa Minuspunkte für sich widersprechende Hinweise oder zu pauschale bzw. zu übervorsichtige Reaktionen.
Immerhin: Bei der Schilderung von Suizidgedanken legten alle fünf Chatbots der Testerin nahe, sich professionelle Hilfe zu holen – und ließen sich nicht darauf ein, Auskunft zu Suizidmethoden zu geben. Die Tester: „Hier hat die Branche offenbar nachgebessert, nachdem einzelne Fälle bekannt geworden waren, in denen Chatbots Suizidtendenzen eher bestärkt hatten.“
Der Datenschutz bereitet Bauchschmerzen
Die Warentester empfehlen Chatbots für Gesundheitsfragen allerdings nur bedingt. Das liegt unter anderem am mangelnden Datenschutz. Denn: Wer einen KI-Chatbot für Gesundheitsfragen nutzt, bleibt im Ungewissen darüber, was genau mit diesen sensiblen Daten passiert.
Bei allen fünf KI-Anbietern in der Auswahl ist dem Test-Team zufolge möglich, dass Daten auf Servern außerhalb Europas landen, wo Datenschutzvorschriften schwächer sind.
Was also tun? Die Stiftung Warentest rät, für Gesundheitsfragen KI-Chatbots am besten ohne Anmeldung zu nutzen. Das ist allerdings nur bei ChatGPT und Gemini möglich.
Und: Wer sich regelmäßig online gesundheitlichen Rat einholt, kann über den Umstieg auf einen sogenannten Symptom-Checker nachdenken. Diese Anwendungen bieten besseren Datenschutz - und in vielen Fällen ebenfalls verlässliche Verdachtsdiagnosen, wie die Warentester bei einer Untersuchung Anfang 2025 herausfanden.
Tipps von hausärztlichen Anwendern
Wenn Kollege KI in der Arztpraxis „assistiert“
Die Symptom-Checker „Ada“ und „Symptomate“ lagen dabei jeweils mit der Note „gut“ vorn und sind kostenlos nutzbar.
Qualität der Diagnose hängt auch vom Prompt ab
Zurück zu den KI-Chatbots: Weil sie sich allein auf Wahrscheinlichkeiten stützen, können sie mit ihren Diagnosen danebenliegen. Das kann auch dann passieren, wenn sie nicht mit allen relevanten Informationen gefüttert werden.
So seien die Angaben der Nutzerinnen und Nutzern oft unvollständig, so Medizininformatik-Professorin Kerstin Denecke im Interview mit der Stiftung Warentest. „Sie sagen zum Beispiel nicht ihr Geschlecht oder Alter. Oder sie geben nur die Symptome ein, die zu ihrer Vorannahme oder Angst passen.“
Wer also eine möglichst verlässliche Verdachtsdiagnose erreichen will, sollte schlau prompten. Dazu gehöre, umfassende Kommandos an den Chatbot richten und vor allem alle relevanten Hintergrundinformationen zu liefern und klar zu beschreiben, welche Art von Antwort man wünscht. (dpa)
Vertrauensverlust durch KI möglich
Laut einer Befragung des Beratungsunternehmens Deloitte vom Januar 2026 nutzen knapp die Hälfte der Menschen in Deutschland Chatbots für gesundheitliche Anliegen. Zwei Drittel der Nutzenden gab an, aufgrund der KI-Einschätzung eine Praxis oder Notaufnahme aufgesucht oder einen Arztbesuch wieder abgesagt zu haben.
Wie sehr die Ergebnisse, welche die KI-Chatbots liefern, von dem abhängen, was die Nutzer eingeben, zeigt eine Studie der University of Oxford, die im Januar 2026 veröffentlicht wurde. In der Untersuchung gaben Laien Informationen zu fiktiven medizinischen Fällen in die Sprachmodelle ein. Die Trefferquote der KI lag in diesen Fällen bei nur mageren 34 Prozent. Im Vergleich dazu fanden die Sprachmodelle in 94 Prozent der Fälle die korrekte Diagnose, wenn sie mit Informationen gefüttert wurden, in denen die Patienten, ihre Vorgeschichte und die Symptome ganz genau beschrieben waren.
Auf mögliche Glaubwürdigkeitsprobleme und Vertrauensverluste, mit denen Ärztinnen und Ärzte durch KI-Diagnosen konfrontiert sein können, macht eine andere Studie aus den USA aufmerksam (When AI Disagrees: The Effect of Second Opinion on Patients‘ Trust in Doctors). Hier wurde Patienten nach einem Gespräch mit einem fiktiven Dr. Alex angeboten, eine Zweitmeinung einer KI einzuholen.
Das Ergebnis: Die Glaubwürdigkeit des Arztes beziehungsweise der Ärztin wurde gestärkt oder geschwächt, je nachdem ob die KI der Diagnose zustimmte oder nicht. Bei Übereinstimmung stieg das Vertrauen der Patienten in die Empfehlungen des Arztes. Bei unterschiedlichen Meinungen empfanden die Patienten dagegen die medizinische Einschätzung als unsicherer und den Arzt als nachlässig. Die KI, so die Forscher, könne also Zweifel in den Köpfen der Patienten säen.
Als Lösung schlugen die Studienautoren Ärztinnen und Ärzten vor, gegenüber Patienten die „Meinungsverschiedenheiten“ mit der KI zu kommunizieren. So sollten divergierende Punkte gemeinsam erörtert werden. Ferner sollten Patienten darauf hingewiesen werden, dass es oft unklar sei, mit welchen medizinschen Daten die Sprachmodelle trainiert werden und dass die Ergebnisse deswegen mit Unsicherheiten behaftet seien. So würden in KI-Systemen vor allem Daten aus einer überwiegend weißen, westlichen Bevölkerungsgruppe verwendet. Für Patienten, die nicht aus diesem Kulturkreis stammten, träfen die Ergebnisse deshalb möglicherweise nicht zu. (juk)
