ICD-10-Kodierung mit KI

Das echte Ausmaß des Problems

Seit dem 1. Januar 2000 sind Vertragsärzte in Deutschland gesetzlich verpflichtet, jede Behandlungsdiagnose mit einem ICD-10-GM-Code zu versehen — das schreibt §295 SGB V vor. Nicht als bürokratische Formalität, sondern als Grundlage für die gesamte Finanzierungsstruktur des GKV-Systems: Der sogenannte morbiditätsorientierte Risikostrukturausgleich (Morbi-RSA) verteilt Gelder zwischen den Krankenkassen auf Basis der kodierten Diagnosen. Wer seine Patientenpopulation nicht korrekt abbildet, schadet nicht nur sich selbst — die Kasse des Patienten bekommt auch zu wenig Mittel für dessen Versorgung.

Für eine einzelne Arztpraxis entsteht das Problem an drei Stellen gleichzeitig:

Unterkodierung — Diagnosen werden nicht eingetragen, weil die Behandlung im Vordergrund steht und die Dokumentation als Pflicht gilt. Besonders bei Chronikern: Viele Praxen tragen Diabetes oder Herzinsuffizienz nicht bei jedem Quartal neu ein, wenn sich nichts geändert hat. Das führt dazu, dass der Leistungsaufwand der Praxis gegenüber der KV systematisch unterschätzt wird.

Unspezifische Kodierung — Statt „I10” (essentielle Hypertonie) wird einfach „R03.0” (erhöhter Blutdruck ohne Diagnose) eingetragen. Statt des genauen Frakturcodes ein allgemeiner Verletzungscode. Beides ist technisch nicht falsch, aber die KV bewertet es als kodierungspflichtige Ungenauigkeit.

Fehlende oder falsche Zusatzkennzeichen — Jede Diagnose braucht in der ambulanten Abrechnung ein Zusatzkennzeichen: G (gesichert), V (Verdacht), A (ausgeschlossen) oder Z (Zustand nach). Ohne Zusatzkennzeichen ist der Code formal ungültig. In der Praxis passiert das vor allem, wenn das PVS die Pflicht zum Zusatzkennzeichen nicht konsequent durchsetzt oder wenn MFAs im Tagesgeschäft unter Zeitdruck arbeiten.

Wie hoch die finanziellen Auswirkungen tatsächlich sind, lässt sich für ambulante Praxen schwer in einer Zahl fassen — die KVen veröffentlichen keine Praxisstatistiken zu Rückforderungsvolumen. Erfahrungsgemäß liegt das Risiko für eine durchschnittliche Hausarztpraxis bei 1.000–5.000 Euro pro Jahr durch korrigierbare Fehler; in Praxen mit hohem Chroniker-Anteil oder mehreren Ärzten ist die Spanne nach oben offen. Was die Zahlen klarer macht: Eine Untersuchung aus dem Jahr 2007 (PubMed-Studie zur ICD-Qualität in der ambulanten Versorgung, Graubner et al.) fand, dass Unterkodierung bei chronisch Kranken — besonders bei Diabetikern — weit verbreitet war. Seitdem haben sich die Prüfmechanismen der KVen verschärft, nicht gelockert.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Erfahrungswerte aus AI-assisted coding Piloten (JMIR Formative Research 2025, Studie mit RoBERTa/GPT-4 in klinischem Umfeld); für den ambulanten deutschen Bereich keine repräsentative Studie vorhanden — Größenordnung konsistent mit KBV-Berichten zur Wirkung der Zi-Kodierhilfe.

Einschätzung auf einen Blick

Zeitersparnis — mittel (3/5) Die Zeitersparnis ist real, aber nicht dramatisch: Wer die Kodierprüfung bisher gar nicht aktiv betrieben hat, spart vor allem Nachkorrektur-Stunden nach KV-Rückmeldungen — erfahrungsgemäß 15–30 Minuten pro Arzt und Quartal, die vorher im Korrekturrunden stecken. Das ist keine täglich spürbare Entlastung wie beim E-Rezept-Workflow oder beim Erstellen von Krankenkassenschreiben, sondern eine Straffung des Quartalsabschluss-Prozesses.

Kosteneinsparung — hoch (5/5) Das ist der Hebel, der diese Anwendung so attraktiv macht. Kodierfehler kosten direkt Honorar: Jede gestrichene Diagnose bedeutet weniger Vergütung für tatsächlich erbrachte Leistungen. Bei einer Hausarztpraxis mit zwei Ärzten und einem Chroniker-Anteil von über 30 % können 500–5.000 Euro jährlicher Honorarverlust durch Kodierungsfehler — und damit vermeidbare Rückforderungen — allein durch bessere Dokumentation zurückgeholt werden. Das ist die höchste messbare Kostenwirkung in dieser Kategorie.

Schnelle Umsetzung — mittel (3/5) Ein einfaches Web-Tool mit manuellem CSV-Upload ist in zwei Wochen produktiv. Ein echter PVS-Plugin oder eine integrierte Lösung im CGM TURBOMED DokuAssistenten braucht 4–8 Wochen — wegen der nötigen Abstimmung mit dem PVS-Anbieter, der Konfiguration und dem Test mit echten Abrechnungsdaten. Nicht so aufwendig wie die gematik-Anbindung beim E-Rezept, aber auch kein Selbstläufer.

ROI-Sicherheit — hoch (5/5) Wo die Kosteneinsparung der Wissensdatenbank indirekt und schwer messbar ist, ist sie hier direkt und buchhalterisch sauber: Du vergleichst die KV-Rückmeldungsstatistik vor und nach dem Einsatz. Weniger beanstandete Diagnosen, weniger Honorarkürzungen. Das ist messbar ab der ersten Abrechnung nach Einführung.

Skalierbarkeit — mittel (3/5) Die Lösung skaliert linear: pro Arzt oder Standort ein zusätzlicher Nutzen. Es gibt keinen exponentiellen Netzwerkeffekt wie bei einem Chatbot oder einer Wissensdatenbank. Wer fünf Praxen betreibt, hat fünfmal den Nutzen — aber auch fünfmal den Konfigurationsaufwand, wenn keine Praxisketten-Lösung existiert.

Richtwerte — stark abhängig von Praxisgröße, Fachrichtung und Chroniker-Anteil.

Was die KI-Kodierunterstützung konkret macht

Der Kernmechanismus ist einfach: Das System liest die im PVS erfassten Diagnoseeinträge (Freitext und bestehende Codes) und vergleicht sie mit dem aktuellen ICD-10-GM-Katalog.

Konkret passieren dabei drei Dinge:

Validierung bestehender Codes. Ist der eingetragene Code im aktuellen Katalog noch gültig? Viele Praxen arbeiten mit Diagnoseschnellzugriffen, die sie einmal angelegt und seitdem nie aktualisiert haben — der ICD-10-GM wird aber jedes Jahr neu herausgegeben, Codes werden gestrichen, Bezeichnungen ändern sich. Das System prüft alle eingetragenen Codes automatisch gegen den aktuellen Stand und markiert veraltete oder gelöschte Codes rot.

Spezifizierungsvorschläge. Wenn ein unspezifischer Code eingetragen ist, für den ein genauerer Subcoding möglich wäre, schlägt das System den präziseren Code vor. Aus „M54.5” (Kreuzschmerz, unspezifisch) wird ein Hinweis auf „M54.50” (Kreuzschmerz ohne Angabe des Stadiums) oder „M54.51” (je nach Dokumentation). Das ist kein Automatismus — der Arzt entscheidet, ob die genauere Angabe klinisch gerechtfertigt ist.

Prüfung der Zusatzkennzeichen. Das System prüft, ob jede Diagnose ein gültiges Zusatzkennzeichen (G/V/A/Z) trägt. Fehlendes Zusatzkennzeichen = automatische Markierung. Bei eindeutiger Primärdiagnose kann das System bereits das wahrscheinlichste Kennzeichen vorschlagen.

Was das System nicht macht: klinisch selbstständig entscheiden. Es schlägt vor, markiert und prüft — aber die ärztliche Verantwortung für die Diagnose bleibt beim Arzt. Das ist keine Einschränkung der KI, sondern eine Voraussetzung für den rechtssicheren Betrieb in einer Arztpraxis.

Konkrete Werkzeuge — was wann passt

Zi-Kodierhilfe — kostenloser Einstieg, keine KI Die offizielle Suchoberfläche des Zentralinstituts für die kassenärztliche Versorgung. Kein KI-Feature, aber die verlässlichste und aktuellste Referenzquelle für ICD-10-GM in Deutschland. Web-App unter kodierhilfe.de, zusätzlich als App für Android und iOS. Kostenlos, kein Account, kein Abo. Sinnvoll als Basisreferenz für die MFA — aber kein automatisches Kodieren, sondern nur Nachschlagewerk.

CGM TURBOMED DokuAssistent — PVS-integrierte KI TURBOMED ist die meistgenutzte Praxisverwaltungssoftware in Deutschland. Der optionale DokuAssistent erstellt aus diktierten oder getippten Eingaben strukturierte Arztbriefe mit korrekter ICD-10-Diagnosecodierung — das ist der derzeit am tiefsten integrierte Weg für deutsche Praxen. Kodierfehler entstehen gar nicht erst, weil die Diagnoseerfassung von Anfang an KI-unterstützt ist. Nur in höheren Editionen (PRO PLUS / PREMIUM PLUS) verfügbar; Preise auf Anfrage beim CGM-Vertrieb. Empfohlen für Praxen, die TURBOMED bereits nutzen oder neu einführen.

AMBOSS — Diagnosesicherheit als Kodiergrundlage Wer unsicher ist, ob die richtige Diagnose gestellt wurde, bevor sie kodiert wird, findet in AMBOSS die klinische Referenz. LiSA 1.0, die KI-Assistentin von AMBOSS, ist laut unabhängiger Stanford-Harvard-Studie die am besten getestete KI für medizinische Entscheidungsunterstützung im deutschsprachigen Raum. Nicht für automatische Kodierung gedacht, aber wertvoll zur Absicherung der Diagnosen, die dann kodiert werden. Ab ca. 16,50 Euro/Monat für Ärzte (Jahresabo).

KI-Prompt im Webinterface — einfachster Start ohne PVS-Integration Wer kein PVS-Plugin kaufen kann oder will, kann eine Liste von Freitextdiagnosen per Copy-Paste in ChatGPT oder Claude laden und auf Kodiervorschläge prüfen lassen. Das ist kein Produktivbetrieb, aber ein funktionierender Pilottest: Die KI schlägt ICD-10-Codes vor, markiert unklare Fälle und weist auf mögliche Zusatzkennzeichen hin. Kostenpflichtige Abo-Ebene (ca. 20 Euro/Monat) empfohlen — kostenlose Modelle liefern bei medizinischen Inhalten unzuverlässigere Ergebnisse.

Zusammenfassung: Wann welcher Ansatz

• Basisreferenz, kein Budget → Zi-Kodierhilfe
• Praxis nutzt TURBOMED → DokuAssistent aktivieren
• Diagnose-Absicherung vor Kodierung → AMBOSS LiSA
• Test ohne Investition → ChatGPT/Claude mit Prompt

Datenschutz und Datenhaltung

ICD-10-Diagnosen sind Gesundheitsdaten — und damit nach Art. 9 DSGVO eine besondere Kategorie personenbezogener Daten mit verschärften Anforderungen. Das hat direkte Konsequenzen für jeden Einsatz externer Tools:

Rechtsgrundlage für die Verarbeitung: Die Verarbeitung von Patientendiagnosen zu Abrechnungszwecken ist nach Art. 9 Abs. 2 lit. h DSGVO in Verbindung mit §295 SGB V zulässig — keine gesonderte Patienteneinwilligung erforderlich, solange die Verarbeitung ausschließlich der Behandlung und Abrechnung dient.

Wo die Grenze liegt: Eine Einwilligung wird erst notwendig, wenn die Daten auch für das Training des KI-Systems genutzt werden sollen. Standard-API-Produkte von ChatGPT und Claude verarbeiten eingehende Daten nicht für ihr Training, wenn die Praxis über die API oder einen Business-Tarif kommuniziert — aber das muss aktiv geprüft und vertraglich gesichert werden.

Auftragsverarbeitungsvertrag (AVV): Wer Patientendaten an einen Cloud-Anbieter übermittelt, muss mit diesem nach Art. 28 DSGVO einen AVV abschließen. Das gilt für CGM (AVV ist standardmäßig Teil des Vertrags), für OpenAI/Anthropic (AVV erhältlich, muss aktiv angefordert werden) und für jeden anderen Drittanbieter. Ohne AVV ist der Betrieb rechtswidrig.

§291a SGB V und Telematikinfrastruktur: Abrechnungsdiagnosen, die über die TI (Telematikinfrastruktur) übermittelt werden, unterliegen der gematik-Konformität. Das ist für PVS-integrierte Lösungen wie den TURBOMED DokuAssistenten kein Problem — diese sind bereits TI-konform. Für externe Web-Tools gilt: Die Diagnose darf nicht unverschlüsselt übertragen werden.

Praktische Empfehlung: TURBOMED mit DokuAssistenten — Daten bleiben in Deutschland, CGM hält einen AVV bereit. Für ChatGPT/Claude: AVV anfordern, Daten anonymisieren (Patientenname raus, nur Diagnosetexte einsenden), und grundsätzlich keinen direkten Patientenbezug im Prompt herstellen.

Was es kostet — realistisch gerechnet

Szenarien im Vergleich

Was du dagegenrechnen kannst

Eine KV-Rückmeldung mit 20 beanstandeten Diagnosen kostet erfahrungsgemäß 1–2 Stunden Arztzeit für Prüfung und Stellungnahme — plus potenziell gestrichene Honoraranteile. Bei einem hausärztlichen Honoraransatz von 70–120 Euro/Stunde für die Arztzeit und angenommenen 1.000 Euro Honorarkürzung im Quartal:

4 Quartale × ~500 bis 1.500 € Honorarkürzung + 4 × 2 Stunden Arztzeit = 2.000–6.000 € Jahresrisiko pro Praxis mit mittlerem Chroniker-Anteil.

Dagegen stehen 240–360 Euro/Jahr für ChatGPT oder AMBOSS. Das Verhältnis ist selbsterklärend.

Ehrlicher Hinweis: Diese Zahlen setzen voraus, dass Kodierfehler tatsächlich zu Rückforderungen führen — und das passiert nicht bei jedem Fehler automatisch. Viele KVen prüfen stichprobenartig, nicht flächendeckend. Das Risiko ist real, aber nicht deterministisch. Wer noch nie eine Rückmeldung bekommen hat, unterschätzt die Fehlerquote womöglich — und überschätzt, wie sicher er bisher war.

Rechtliche Besonderheiten

ICD-10-Kodierung ist kein Verwaltungsthema — es ist eine Abrechnungspflicht mit haftungsrelevanten Dimensionen:

Falschkodierung als Abrechnungsbetrug: Wer absichtlich falsch kodiert, um höhere Vergütung zu erzielen, bewegt sich im Bereich des Abrechnungsbetrugs nach §263 StGB und §106a SGB V. KI-gestützte Kodierunterstützung schützt nicht vor mutwilliger Falschkodierung — aber vor unbeabsichtigten Fehlern, die in derselben rechtlichen Grauzone landen können, wenn sie gehäuft auftreten und Systematik vermuten lassen.

Dokumentationspflicht: Die ärztliche Dokumentationspflicht (§630f BGB) umfasst auch die korrekte Diagnoseerfassung. KI-Vorschläge entbinden den Arzt nicht von der Verantwortung — jeder vorgeschlagene Code muss ärztlich validiert werden. Das System ist ein Werkzeug, kein Stellvertreter.

Jährliche ICD-10-GM-Änderungen: Das BfArM veröffentlicht den neuen ICD-10-GM-Katalog jedes Jahr zum 1. Oktober mit Gültigkeit ab 1. Januar. Praxen, die mit statischen Kodiervorlagen oder veralteten PVS-Daten arbeiten, kodieren ab Januar des Folgejahres womöglich in ungültige Codes. Das KI-System muss regelmäßig auf den aktuellen Datenstand angepasst werden — das ist eine Wartungsaufgabe, keine Einmalinvestition.

Typische Einstiegsfehler

1. Denken, das PVS prüft automatisch. Fast jedes PVS hat eine ICD-10-Suchfunktion — aber keine dieser Suchfunktionen prüft aktiv, ob der eingetragene Code klinisch korrekt zur beschriebenen Diagnose passt, ob er mit den abgerechneten EBM-Ziffern plausibel ist oder ob er gegenüber dem Vorquartal veraltet ist. Die Suchfunktion hilft beim Finden, nicht beim Prüfen. Das ist der Unterschied zwischen Nachschlagen und Validieren.

2. Die Jahresversion ignorieren. Der ICD-10-GM wird zum 1. Januar jedes Jahres neu eingeführt. Wer im Februar noch mit dem Vorjahresstand arbeitet — weil das PVS das Update noch nicht eingespielt hat oder weil Diagnoseschnellzugriffe aus dem letzten Jahr übernommen wurden — produziert von Anfang an Fehler. Das KI-System hilft nur dann, wenn es selbst auf dem aktuellen Stand ist. Die Kontrolle, ob das KI-Tool die aktuelle ICD-10-GM-Version verwendet, liegt bei der Praxis, nicht beim Anbieter.

3. Kodierung vollständig delegieren — ohne Rückprüfung. Das ist der gefährlichste Fehler. KI-Systeme liefern medizinische Kodiervorschläge mit Konfidenzwerten — aber bei semantisch ähnlichen Codes (I50.0 vs. I50.1 vs. I50.9) ist die Unterscheidung klinisch, nicht algorithmisch. Das System wählt den statistisch häufigsten Code für eine Beschreibung — nicht notwendigerweise den klinisch treffendsten für diesen konkreten Patienten. Der Arzt muss jeden Vorschlag kurz validieren. Wer das überspringt, handelt fahrlässig.

4. Das System einmal einrichten und nie mehr überprüfen. Ähnlich wie bei der Wissensdatenbank-Wartung gilt: Ein Kodier-KI-System, das einmal eingerichtet und dann sich selbst überlassen wird, produziert nach zwei ICD-10-GM-Jahresupdates systematisch veraltete Vorschläge. Wer für das System verantwortlich ist — Praxisinhaber, Praxismanager — muss den Update-Zyklus aktiv überwachen. Das ist eine konkrete, namentliche Zuständigkeit, keine diffuse Teamverantwortung.

Was mit der Einführung wirklich passiert — und was nicht

In vielen Praxen gibt es eine MFA, die seit zehn oder fünfzehn Jahren die Kodierung übernimmt und das Gefühl hat, die häufigsten Diagnosen auswendig zu kennen. Diese Person ist wertvoll — und gleichzeitig das größte Risiko: Wer Codes aus dem Gedächtnis einträgt, prüft sie nicht gegen den aktuellen Katalog. Und wer das System als Kritik an ihrer bisherigen Arbeit wahrnimmt, wird es nicht bereitwillig übernehmen.

Das Einführungsgespräch muss das ansprechen. Nicht: „Das System findet deine Fehler.” Sondern: „Das System übernimmt die Prüfarbeit, die wir beide nicht täglich haben wollen.” Die MFA, die die Kodierung betreut, ist die ideale Person, um das Tool einzurichten und es zu testen — nicht jemand von außen, der ihr erklärt, wie es geht.

Ein weiteres typisches Muster: Die Praxis probiert das Tool einmal aus, findet ein Dutzend Fehler in der letzten Abrechnung, erschrickt — und gibt das Tool dann auf, weil die Liste der Korrekturmaßnahmen überwältigend wirkt. Der produktive Umgang ist das Gegenteil: Die erste Prüfung zeigt den Status quo. Jetzt weiß man, wo man steht. Dann: Schritt für Schritt verbessern.

Was konkret hilft:

• Die MFA, die die Kodierung betreut, in die Pilotphase einbinden und als Maßgebliche benennen
• Beim ersten Prüfdurchlauf gemeinsam auswerten — nicht allein
• Einen klaren Schwellenwert definieren: Welche Fehlertypen werden sofort korrigiert, welche erst beim nächsten Quartal?
• Einen festen Update-Termin im Kalender eintragen: jedes Jahr im Dezember, neuen ICD-10-GM prüfen

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir haben noch nie eine Rückmeldung bekommen.” Das stimmt für viele Praxen — KVen prüfen stichprobenartig, nicht flächendeckend. Aber es bedeutet nicht, dass die Kodierung korrekt ist. Es bedeutet, dass die Fehler bisher noch nicht aufgefallen sind. Mit dem morbiditätsorientierten RSA haben Krankenkassen in den letzten Jahren mehr Ressourcen in die Plausibilitätsprüfung investiert — der Trend geht zur systematischeren Prüfung, nicht zur Lockerung.

„Das kostet Zeit, die wir nicht haben.” Das System spart per Definition Zeit, wenn es die Prüfarbeit vor der Abgabe übernimmt, die bisher entweder gar nicht stattfand oder nach einer KV-Rückmeldung als Reaktionsarbeit anfiel. Der Einwand gilt für die Einführungsphase — 2–4 Wochen Mehraufwand für Test und Einrichtung. Danach läuft der Prüfschritt automatisch im Workflow.

„Das macht doch das PVS schon.” Das PVS bietet eine ICD-10-Suchoberfläche. Es prüft aber nicht, ob der Code mit dem aktuellen ICD-10-GM-Stand übereinstimmt, ob der Code die klinische Situation angemessen abbildet oder ob Zusatzkennzeichen plausibel sind. Das sind drei verschiedene Dinge — und PVS-Systeme decken in der Regel nur das erste davon ab.

Woran du merkst, dass das zu dir passt

Du solltest mit KI-gestützter ICD-Kodierunterstützung anfangen, wenn:

• Deine Praxis mehr als 40–50 Patienten pro Tag behandelt und die Kodierung unter Zeitdruck an die MFA delegiert wird
• Du in den letzten zwei Jahren mindestens eine KV-Rückmeldung mit beanstandeten Diagnosen bekommen hast
• Dein Chroniker-Anteil über 25 Prozent liegt — Diabetiker, Hypertoniker, Herzinsuffizienz, COPD sind die häufigsten Kodierrisiken
• Du mehrere Ärzte oder Standorte hast, bei denen Kodierstandards nicht einheitlich sind

Wann es sich noch nicht lohnt — drei harte Ausschlusskriterien:

1. Praxis mit unter 30 Scheinen pro Tag und einem erfahrenen Kodier-Profi im Team. Wenn eine einzige MFA seit Jahren die Kodierung konsequent betreut und die KV-Rückmeldungen konsistent weniger als fünf Beanstandungen pro Quartal zeigen, ist das Problem bereits gelöst. Investiere die Zeit lieber in die jährliche ICD-GM-Schulung.

2. Praxis, die noch kein digitales PVS nutzt oder deren Dokumentation primär auf Papier läuft. Kein KI-Tool kann Diagnosen aus Papierakten prüfen. Erst die Digitalisierung der Grunddokumentation, dann die KI-Unterstützung.

3. Praxis ohne klare Verantwortlichkeit für die Kodierung. Wenn mehrere MFAs „manchmal” die Kodierung übernehmen und niemand explizit zuständig ist, bringt ein KI-Tool allein keine Verbesserung. Es braucht zuerst eine namentliche Kodierverantwortung, dann ein Tool.

Das kannst du heute noch tun

Öffne kodierhilfe.de — kostenlos, kein Account. Suche die fünf häufigsten Diagnosen, die in deiner Praxis in den letzten sechs Monaten kodiert wurden. Prüfe: Sind alle Zusatzkennzeichen korrekt gesetzt? Gibt es spezifischere Codes? Sind die Codes im aktuellen ICD-10-GM-2025-Stand noch gültig?

Das dauert 20 Minuten. Was du danach weißt: ob ein strukturiertes Problem vorliegt — bevor du irgendein Tool einführst.

Für den nächsten Schritt — eine systematische Prüfung aller häufigen Diagnosen — hier ist ein Prompt, den du direkt mit ChatGPT oder Claude verwenden kannst:

Quellen & Methodik

• ICD-10-GM-Kodierungspflicht §295 SGB V: Sozialgesetzbuch Fünftes Buch, §295 Abs. 1 (Verpflichtung zur ICD-Diagnoseerfassung seit 2000). Aktueller Wortlaut: SGB V in geltender Fassung (Stand April 2026).
• Jährliche ICD-10-GM-Aktualisierung: BfArM (Bundesinstitut für Arzneimittel und Medizinprodukte), ICD-10-GM-Jahresversionen, www.bfarm.de/Kodiersysteme. Gültigkeit ab 1. Januar jedes Jahres.
• Zi-Kodierhilfe 2025: Zentralinstitut für die kassenärztliche Versorgung in Deutschland (Zi) / KBV-Pressemitteilung Januar 2026: „Zi stellt für 2025 aktualisierte Kodierhilfe für Praxen bereit”. Verfügbar unter kodierhilfe.de.
• ICD-Kodierqualität in der ambulanten Versorgung: Graubner B, Schach E. „Quality of diagnostic ICD coding for outpatients in Germany.” Gesundheitswesen. 2007 — Grundsatzstudie zur Unterkodierung chronischer Erkrankungen (Diabetes), PubMed PMID 17676417.
• KI-gestützte ICD-Kodierung (Pilotdaten): Kibbe E et al. „Developing an ICD-10 Coding Assistant: Pilot Study Using RoBERTa and GPT-4 for Term Extraction and Description-Based Code Selection.” JMIR Formative Research 2025, doi:10.2196/60095 — Ergebnisse aus klinischem Umfeld (stationär), übertragbar auf Tendenz für ambulante Nutzung.
• DSGVO Art. 9 (Gesundheitsdaten) und Art. 28 (AVV): Datenschutz-Grundverordnung in geltender Fassung. KBV-Praxiswissen KI: „KI Künstliche Intelligenz — Hinweise zum Einsatz in Praxen”, KBV 2024.
• Morbi-RSA und Kodierrelevanz: GKV-Spitzenverband, www.gkv-spitzenverband.de — Hintergrund zur finanziellen Bedeutung korrekter ICD-Kodierung für den Risikostrukturausgleich.

Du willst wissen, wie viele Kodierfehler in deiner letzten Abrechnung stecken — und was das konkret kostet? Meld dich — das klären wir gemeinsam in einem kurzen Praxischeck.