Vier von zehn Menschen in der Schweiz haben innerhalb eines Jahres einen KI-Chatbot genutzt, um Krankheitssymptome einzuordnen. 2025 waren es noch 20 Prozent, 2026 bereits 42 Prozent. Bei den 18- bis 35-Jährigen liegt der Anteil bei 62 Prozent, bei den über 65-Jährigen bei 30 Prozent. Das zeigt die am 3. November veröffentlichte CSS Gesundheitsstudie 2026. Sotomo befragte dafür im Auftrag der Krankenversicherung 2459 Personen in der deutsch-, französisch- und italienischsprachigen Schweiz. Die Zahlen beruhen auf Selbstauskünften und sagen nichts darüber aus, ob eine Antwort medizinisch zutreffend war.
Was Tests über die Zuverlässigkeit zeigen
Wie gut ein Chatbot Gesundheitsfragen beantwortet, hängt stark davon ab, welche Aufgabe getestet wird. Eine im April 2026 in JAMA Network Open veröffentlichte Untersuchung von Mass General Brigham prüfte 21 Sprachmodelle an 29 publizierten klinischen Fallbeschreibungen. Die Modelle bekamen schrittweise zusätzliche Informationen.
Bei vollständiger Datenlage fanden alle getesteten Modelle in mehr als 90 Prozent der Fälle die richtige endgültige Diagnose. In einer früheren Phase, in der zunächst mögliche Ursachen zusammengestellt werden mussten, scheiterten jedoch sämtliche Modelle in mehr als 80 Prozent der Fälle daran, eine angemessene Liste von Differenzialdiagnosen zu erstellen. Eine nachträglich richtige Diagnose nach Vorlage von Befunden sagt wenig darüber aus, ob ein System den Weg dorthin zuverlässig beurteilt.
Ein weiterer Prüfstein ist die sogenannte Triage. Damit ist die Frage gemeint, wie dringend jemand medizinische Hilfe benötigt. Forschende der Icahn School of Medicine am Mount Sinai untersuchten die im Januar 2026 gestartete Anwendung ChatGPT Health mit dem damaligen technischen Unterbau «gpt-5-mini thinking».
Für 60 von Ärzten formulierte Fallbeispiele aus 21 Fachgebieten erzeugten sie unter 16 verschiedenen Bedingungen insgesamt 960 Antworten. Drei Ärzte bestimmten anhand klinischer Leitlinien die richtige Dringlichkeit. Bei den als Notfall eingestuften Beispielen unterschätzte das System in 52 Prozent der Fälle die Dringlichkeit. Die im Februar in Nature Medicine veröffentlichte Studie untersuchte simulierte Situationen, keine realen Patienten und auch keine späteren Modellversionen.
Eine im September 2026 auf medRxiv veröffentlichte Untersuchung prüfte den australischen Dienst Healthdirect und kostenlose sowie kostenpflichtige Varianten von ChatGPT, Claude und Gemini. Bei 45 standardisierten Fällen erzielten die Sprachmodelle 73 bis 87 Prozent richtige Dringlichkeitseinschätzungen, Healthdirect rund 49 Prozent.
Der Vergleich ist methodisch eingeschränkt: Die Sprachmodelle erhielten vollständige Angaben auf einmal, Healthdirect wurde als interaktiver Fragebogen genutzt. Zudem handelt es sich um einen Preprint, der noch kein Peer Review durchlaufen hat. Bei den geprüften Systemen kamen auch vorsichtshalber zu hohe Dringlichkeitseinstufungen vor.
Warum es im Alltag anders läuft
Entscheidend ist, welche Informationen überhaupt beim System ankommen. In einem 2026 veröffentlichten kontrollierten Experiment mit 500 Teilnehmenden beschrieben Menschen fiktive Beschwerden entweder vermeintlich einem Chatbot oder einer Ärztin beziehungsweise einem Arzt. Wer glaubte, mit einer KI zu sprechen, lieferte im Mittel um acht Prozent weniger geeignete Angaben für die erste Dringlichkeitsbeurteilung. Die Bewertung wurde zusätzlich von ärztlichen Fachpersonen überprüft. Es handelte sich allerdings um simulierte Gespräche.
Oft fehlen Angaben zum zeitlichen Verlauf, zur Stärke oder zur genauen Einordnung einer Beschwerde. Medizinische Gespräche sind darauf angelegt, gezielt nachzufragen und Beobachtungen miteinander zu verbinden. Bei einer offenen Chatbot-Unterhaltung entscheidet die fragende Person hingegen häufig selbst, welche Details sie für relevant hält. Auch ein Sprachmodell kann Hinweise missverstehen oder bei einer Nachfrage zu einem anderen Schluss gelangen.
Wie erheblich die Lücke ist, zeigte eine randomisierte Studie in Nature Medicine mit 1298 Erwachsenen aus Grossbritannien und zehn medizinischen Szenarien. Ohne menschliche Gesprächspartner erkannten die geprüften Sprachmodelle in rund 95 Prozent der Tests mindestens eine relevante Erkrankung.
Nutzten Menschen diese Modelle zur eigenen Einschätzung, lag ihr Anteil richtiger Einordnungen unter 35 Prozent. Bei der Wahl der geeigneten nächsten Handlung erreichten sie weniger als 45 Prozent, ohne einen signifikanten Vorteil gegenüber Personen, die übliche Informationsquellen verwendeten. Eine pauschale Trefferquote für die Kombination aus Mensch und Chatbot lässt sich daraus nicht ableiten, weil sich die Ergebnisse je nach Aufgabe und Modell unterscheiden.
Hinzu kommt die Wirkung der Antwort auf das eigene Urteil. Ein sprachlich souveräner Text kann Vertrauen schaffen, selbst wenn er entscheidende Unsicherheiten nicht offenlegt. Manche Menschen übernehmen eine plausible Erklärung, andere suchen immer weiter und vergleichen widersprüchliche Antworten.
Gerade bei Personen, die ohnehin zu ausgeprägter Gesundheitsangst und wiederholter Online-Suche neigen, kann dieser Vorgang die Verunsicherung verstärken. Studien zum sogenannten Cyberchondrie-Verhalten zeigen Zusammenhänge mit Vertrauen und übermässiger Informationssuche. Daraus folgt weder, dass Chatbots generell Angst verursachen, noch dass alle Nutzenden betroffen sind.
Wobei KI helfen kann und wo ihre Grenzen liegen
Für die Vorbereitung auf ein Arztgespräch kann ein Chatbot nützlich sein: Er kann allgemeinverständliche Erklärungen zu Begriffen anbieten, einen vorhandenen Informationsartikel zusammenfassen oder helfen, Fragen für ein Gespräch zu ordnen. Auch nach einer Konsultation kann es sinnvoll sein, unbekannte Fachbegriffe in einfachen Worten erklären zu lassen. Solche Antworten sind ein Ausgangspunkt für die weitere Prüfung und kein medizinischer Befund.
Wer KI bereits verwendet, sollte besonders darauf achten, ob eine Antwort überprüfbare Quellen nennt, Annahmen als Tatsachen ausgibt oder mehrere Möglichkeiten offenlässt. Verweise auf wissenschaftliche Publikationen sind nur hilfreich, wenn sie tatsächlich existieren und den behaupteten Inhalt stützen. Eine präzise Formulierung, eine Prozentzahl oder eine ausführliche Erklärung sagen nichts über deren Qualität aus.
Die Schweizer Ärzteorganisation FMH hält in ihren Empfehlungen zum Umgang mit Sprachmodellen ausdrücklich fest, dass auch medizinische Fachpersonen KI-Antworten kritisch prüfen müssen. Die Verantwortung für Diagnose und Therapie bleibt bei der Ärztin oder dem Arzt. Die Empfehlungen richten sich an die Ärzteschaft, verdeutlichen aber auch für Patientinnen und Patienten die Grenzen solcher Systeme.
Hinzu kommt der Datenschutz: Persönliche Gesundheitsangaben sind sensibel. Wer sie in einen allgemein zugänglichen Dienst eingibt, sollte nicht stillschweigend davon ausgehen, dass sie wie Informationen in einer Arztpraxis geschützt sind.
Was bei Warnzeichen gilt
Eine KI kann die Dringlichkeit einer gesundheitlichen Situation falsch beurteilen, selbst wenn ihre Erklärung ruhig und überzeugend klingt. Gerade eine zu niedrige Einschätzung kann zu gefährlichen Verzögerungen führen. Deshalb ersetzt eine Chatbot-Antwort keine ärztliche Untersuchung oder medizinische Beratung.
Bei gesundheitlichen Warnzeichen ist unverzüglich ärztliche Hilfe nötig. In einem akuten medizinischen Notfall ist in der Schweiz die Notrufnummer 144 zuständig. Wer wegen einer KI-Antwort unsicher ist, sollte diese Unsicherheit gegenüber medizinischem Fachpersonal ansprechen und die Entscheidung über das weitere Vorgehen nicht allein auf die Software stützen.
