AKASA-HFMA-Umfrage: 80 % der Kliniken testen KI bei Abrechnung
Die AKASA-HFMA-Umfrage, veröffentlicht am 17. Dezember 2025, ergab, dass 80 % der US-Gesundheitssysteme generative KI für das Erlösmanagement erkunden, testen oder einführen, nach 58 % im Jahr 2023, die es nur erwogen. Ein Anwender, das Methodist Health System, sagt, das Werkzeug habe 71 % der Konten aus den Warteschlangen der Mitarbeiter genommen. Für die Finanzteams der Krankenhäuser geht es um Erlöse, die durch Kodierfehler verloren gehen: Die Befragten schätzen sie auf 8,49 % der Gesamterlöse.
Warum Erlösmanagement-Teams an der Dokumentation Geld verlieren
Gesundheitssysteme verlieren Erlöse, wenn klinische Dokumentation und Codes unvollständig sind. In der Umfrage sagten 89 % der Finanzverantwortlichen, fehlende oder falsche Codes wirkten sich auf die Erlöse aus, und 51 % nannten die Auswirkung erheblich oder sehr erheblich. Im Schnitt schätzten die Befragten, dass 8,49 % der Gesamterlöse wegen Dokumentations- oder Kodierproblemen gefährdet sind.
Mehr als ein Viertel der Führungskräfte nannte unvollständige Dokumentation als größte Herausforderung, noch vor Personalmangel und technischen Grenzen. Jeff Francis, Finanzvorstand des Methodist Health System in Omaha, Nebraska, rechnete den Anteil in Dollar um: 8 % der Erlöse bei einer Organisation mit 1 Milliarde US-Dollar Umsatz sind rund 80 Millionen US-Dollar.
Wie viele Gesundheitssysteme generative KI im Erlösmanagement nutzen
Die Verbreitung ist schnell gewachsen. 2025 sagen 80 % der Gesundheitssysteme, sie erkunden, testen oder führen generative KI-Werkzeuge für das Erlösmanagement ein, ein Sprung von 38 % in weniger als zwei Jahren. 2023 erwogen es nur 58 %. Heute testen oder führen etwa 40 % es ein, 39 % erkunden es, und 20 % haben nicht begonnen.
AKASA, ein Unternehmen aus South San Francisco, das generative KI für das Erlösmanagement von Krankenhäusern verkauft, hat die Umfrage in Auftrag gegeben. HFMA führte sie im April 2025 über sein Pulse-Survey-Programm durch und sammelte Antworten von 519 Finanzvorständen und Leitern des Erlösmanagements an Krankenhäusern und Gesundheitssystemen in den gesamten USA.
Warum kleinere Gesundheitssysteme bei KI zurückliegen
Die Größe teilt den Markt. Bei kleineren Gesundheitssystemen mit Erlösen zwischen 500 Millionen und 1 Milliarde US-Dollar testen oder führen etwa 20 % KI ein, bei größeren Systemen sind es 64 %. Die Umfrage beschreibt diese mittelgroßen Systeme als besonders vorsichtige Anwender, gebremst durch konkurrierende Prioritäten und begrenzte IT-Kapazität.
Als Hürden nannten die Befragten am häufigsten die Integration in bestehende Systeme, Kosten und Budget sowie Datensicherheit. Für größere Systeme waren Kosten- und Budgetgrenzen mit 52,5 % die größte einzelne Herausforderung. Führungskräfte verwiesen auch auf den fehlenden klaren Return on Investment.
Was AKASA für das Methodist Health System betreibt
Das Methodist Health System arbeitet seit 2019 mit AKASA zusammen, um die Klärung von Forderungen zu beschleunigen. Das Werkzeug automatisiert Aufgaben im Erlösmanagement, etwa die Abfrage des Forderungsstatus in den Webportalen der Kostenträger, sodass Mitarbeiter von der Nachverfolgung bei Versicherungen zu anderer Erlösarbeit wechseln können.
AKASA verbindet Wissen über das Erlösmanagement mit eigens trainierten großen Sprachmodellen, die auf den klinischen und finanziellen Daten eines Gesundheitssystems basieren. Methodist nutzt das Werkzeug auch zur Kodierprüfung, bevor eine Forderung abgerechnet wird. Francis sagte, das System habe früher eine abgelehnte oder zu niedrig bezahlte Forderung Monate später an einen Dritten gegeben. Jetzt laufe die Prüfung vor der Abrechnung, sodass die Forderung auf Anhieb stimme und das Geld früher komme.
Was die KI für die Mitarbeiter in der Forderungsbearbeitung geändert hat
Laut einer Fallstudie nahm die KI 71 % der Konten aus den Warteschlangen der Mitarbeiter und erledigte die Statusarbeit von fast 14 Vollzeitkräften. AKASA sagt, es habe in acht Monaten Forderungen für 56.118 Konten geklärt und dabei 5.559 Arbeitsstunden gespart.
Francis beschrieb das Ergebnis in Personalbegriffen. Methodist habe Zeit im Umfang von acht Vollzeitstellen frei gemacht, und diese Mitarbeiter bearbeiten nun die schwierigeren Forderungen, mit einer, wie er sagte, besseren Ausbeute. Das Gesundheitssystem prüft jetzt die Automatisierung der Vorabgenehmigung.
Was sich für Finanzteams im Krankenhaus ändert
Für ein Finanzteam im Krankenhaus ist die Arbeit, die die KI übernimmt, konkret: Statusabfragen bei Forderungen, Kodierprüfung vor der Abrechnung und das Aufspüren von Lücken in der Dokumentation. Auf die Frage, wo generative KI den größten Unterschied machen könnte, nannten fast 60 % der Befragten entgangene Erstattungschancen, 57 % Lücken in der klinischen Dokumentation und 33 % verpasste Qualitätsindikatoren.
Die meisten Systeme zahlen bereits für externe Hilfe: 55 % nutzen Anbieter für die Integrität klinischer Dokumentation und 76 % Kodieranbieter. Die Umfrage nennt die Einführung zersplittert. Malinka Walaliyadde, Chief Executive von AKASA, sagte, Anbieter sollten standardbasierte Integrationen mit den APIs der elektronischen Patientenakte nutzen, die ein System ohnehin betreibt, damit kleinere Systeme weniger IT-Last tragen.
„Die Chance, die Genauigkeit der Dokumentation zu verbessern, ist klar, aber sie erfordert Investitionen, Vertrauen und einen Fahrplan, der Technologie verantwortungsvoll in bestehende Arbeitsabläufe einbindet." — Malinka Walaliyadde, CEO und Mitgründerin von AKASA
Fragen und Antworten
Wie viele Gesundheitssysteme nutzen KI im Erlösmanagement?
In der Umfrage sagten 80 % der Gesundheitssysteme, sie würden 2025 generative KI für das Erlösmanagement erkunden, testen oder einführen. Etwa 40 % testeten oder führten sie bereits ein, 20 % hatten nicht begonnen.
Wie viele Erlöse gefährden Kodierfehler?
Die Befragten schätzten, dass im Schnitt 8,49 % der Gesamterlöse durch Dokumentations- oder Kodierprobleme gefährdet sind. 89 % sagten, fehlende oder falsche Codes wirkten sich auf die Erlöse aus.
Wer hat die Umfrage durchgeführt und wer hat geantwortet?
HFMA führte sie im April 2025 über sein Pulse-Survey-Programm durch, im Auftrag von AKASA. 519 Finanzvorstände und Leiter des Erlösmanagements an US-Krankenhäusern und Gesundheitssystemen antworteten.
Die Sicht von MOZGII
Wie wir es bauen würden
Ein KI-Assistent für Forderungen wie bei Methodist erledigt drei Aufgaben: Er liest den Forderungsstatus aus den Portalen der Kostenträger, prüft Codes vor dem Versand der Rechnung gegen die klinischen Notizen und leitet die schweren Fälle an Menschen weiter. Wir würden das als getrennte Bausteine entwickeln. Die Statusabfrage ist überwiegend Leitungsarbeit und sollte ganz ohne Sprachmodell laufen. Die Kodierprüfung ist die Stelle, an der sich ein Modell lohnt, das auf den eigenen Notizen und früheren Forderungen des Krankenhauses trainiert wurde, und zugleich die Stelle, an der Fehler am teuersten sind.
Bei jeder Änderung, die das Modell vorschlägt, würden wir eine zertifizierte Kodierkraft einbinden, bis die Fehlerquote je Kostenträger und je Leistungsbereich bekannt ist. Jeder Vorschlag würde den Notiztext mitführen, auf den er sich stützt, damit ein Prüfer sieht, warum ein Code ergänzt wurde. Die Portale der Kostenträger ändern sich ohne Vorwarnung, deshalb bräuchte die Statusabfrage Alarme, die auslösen, wenn sie unbemerkt zu scheitern beginnt.
Die eine Kennzahl, die wir beobachten würden, ist der Anteil der Forderungen, die bei der ersten Einreichung bezahlt werden. Gesparte Stunden lassen sich leicht zählen, zeigen aber nicht, ob Erlöse hereinkamen. Als Nächstes würden wir die Vorabgenehmigung bauen, die Methodist bereits nennt, weil sie auf denselben Notizen und denselben Regeln der Kostenträger beruht.
Quellen
Woher die Fakten dieser Meldung stammen.