KI-Erstscreening für psychische Belastungen

Das echte Ausmaß des Problems

Psychische Erkrankungen sind die zweithäufigste Ursache für Arbeitsunfähigkeit in Deutschland. Laut dem DAK Gesundheitsreport 2024 entfallen rund 17 Prozent aller Fehltage auf psychische Diagnosen — Tendenz seit Jahren steigend. Gleichzeitig vergehen zwischen dem Auftreten erster Symptome und dem Beginn einer Psychotherapie im deutschen Versorgungssystem durchschnittlich drei bis sechs Monate, in ländlichen Regionen oft über ein Jahr.

Der Engpass liegt nicht nur bei zu wenigen Therapieplätzen — er liegt bei der Ersterkennung. Studien aus der deutschen Primärversorgung zeigen, dass Hausärzte etwa 50 bis 70 Prozent klinisch relevanter Depressionen im Erstkontakt nicht als solche identifizieren. Das liegt strukturell begründet: Die durchschnittliche Hausarzt-Konsultation dauert in Deutschland 8 Minuten. In dieser Zeit kommt psychische Anamnese oft nicht vor — nicht weil Ärzte es nicht wollen, sondern weil die Gesprächsführung vollständig von der somatischen Beschwerde dominiert wird, mit der Patienten kommen.

Was passiert, wenn Depressionen zu spät erkannt werden:

• Chronifizierung: Unbehandelte Depressionen werden in etwa 20–30 Prozent der Fälle chronisch. Die Behandlungskosten verdreifachen sich dann im Schnitt.
• Somatisierung: Patienten mit unerkannter Depression konsultieren Ärzte überdurchschnittlich häufig wegen körperlicher Beschwerden — Rücken, Magen, Kopfschmerzen — und erzeugen Kosten in der falschen Versorgungsstufe.
• Verlust an Erwerbsfähigkeit: Arbeitsunfähigkeitstage durch psychische Erkrankungen kosten die deutsche Volkswirtschaft laut Schätzungen der Bundesanstalt für Arbeitsschutz und Arbeitsmedizin über 50 Milliarden Euro jährlich.

Ein strukturiertes Erstscreening kostet vier Minuten Ausfüllzeit und erzeugt einen numerischen Score, mit dem der Arzt das Gespräch gezielt führen kann. Dass das flächendeckend nicht passiert, ist kein Wissens- sondern ein Workflow-Problem.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Erfahrungswerte aus Pilotimplementierungen in Hausarztpraxen (Quellen: Idana-Fallstudien 2023–2024, eigene Praxisberichte); keine randomisiert-kontrollierte Studie, aber konsistente Beobachtung über mehrere Einführungen.

Die Tabelle zeigt den entscheidenden Unterschied: Es geht nicht darum, die Konsultation zu beschleunigen — es geht darum, das richtige Gespräch überhaupt erst zu ermöglichen. Ein Hausarzt ohne PHQ-9 weiß nicht, was er übersieht. Einer mit PHQ-9 weiß, was er fragen muss.

Einschätzung auf einen Blick

Zeitersparnis — niedrig (2/5) Das digitale Screening spart keine Konsultationszeit — im Gegenteil: Es führt zu qualitativ längeren Gesprächen, weil ein auffälliger Score aktiv angesprochen werden muss. Der Gewinn liegt in der MFA-Zeit (kein manuelles Fragebogen-Aushändigen, keine manuelle Score-Auswertung) und im vermiedenen Suchaufwand bei unklarer Symptomatik. Verglichen mit anderen Anwendungsfällen im Gesundheitswesen, die direkt Dokumentationszeit sparen (Arztbriefschreibung, Spracherkennung), liegt das Einsparpotenzial hier deutlich niedriger.

Kosteneinsparung — mittel (3/5) Die Einsparung ist real, aber auf Populationsebene gemessen, nicht je Patientenkontakt. Frühe Behandlung von Depressionen reduziert nachweislich Chronifizierungs- und Krankenhauskosten sowie Arbeitsunfähigkeitstage. Die Praxis selbst sieht diesen Effekt nicht direkt als Budgetvorteil — er materialisiert sich bei Krankenkassen und Rentenversicherung. Das macht den ROI für eine Einzelpraxis schwerer zu quantifizieren als bei Anwendungsfällen mit direktem operativem Nutzen.

Schnelle Umsetzung — niedrig (2/5) Ein digitaler PHQ-9-Fragebogen ohne KI-Auswertung ist in einer Woche einführbar. Sobald KI-gestützte Priorisierung und strukturierte Empfehlungen hinzukommen, greift die regulatorische Pflicht: MDR-Klasse-IIa-Einstufung, EU-AI-Act-Hochrisiko-Status, Datenschutz-Folgenabschätzung nach Art. 35 DSGVO. Realistischer Zeitrahmen vom ersten Gespräch bis zum vollständig complianten Regelbetrieb: 3 bis 6 Monate. Der Zeitplan-Abschnitt unten zeigt, warum.

ROI-Sicherheit — niedrig (2/5) Die Erkennungsrate ist mit dem PHQ-9 messbar — das ist mehr als bei vielen KI-Anwendungen. Aber ob die frühere Erkennung tatsächlich zu besseren Outcomes führt, hängt davon ab, ob ein Therapieplatz verfügbar ist, ob der Patient die Überweisung annimmt und ob das Behandlungssystem aufnimmt. Diese Kettenglieder liegen außerhalb des Praxiscontrollings. Für eine Einzelpraxis ist der wirtschaftliche ROI kaum isolierbar.

Skalierbarkeit — hoch (4/5) Digitale Fragebögen skalieren ohne Mehrkosten. Ob zehn oder fünfzig Patienten täglich einen PHQ-9 ausfüllen — die Lizenzkosten bleiben gleich. Das ist der klarste Vorteil dieses Ansatzes: Der Grenzaufwand für zusätzliche Screenings geht gegen null.

Richtwerte — stark abhängig von Praxisgröße, Patientenstruktur und integrierten Systemlösungen.

Was das System konkret macht

Das Screening-System besteht technisch aus zwei Schichten, die oft verwechselt werden.

Schicht 1 — Digitaler Fragebogen mit automatischer Auswertung: Tools wie Idana digitalisieren validierte Screening-Instrumente. Der Patient füllt den PHQ-9 (Depression), GAD-7 (Angststörungen) oder AUDIT (Alkohol) auf dem Smartphone oder Tablet aus — wahlweise schon zu Hause nach der Terminbestätigung oder im Wartezimmer. Das System berechnet den Score, färbt kritische Antworten ein (z. B. Frage 9 des PHQ-9: “Gedanken, dir selbst etwas anzutun”) und zeigt dem Arzt eine strukturierte Zusammenfassung. Das ist keine Generative KI — es ist digitale Auswertungsautomatisierung eines klinisch validierten Instruments.

Schicht 2 — KI-gestützte Priorisierung und Gesprächsempfehlung: Weitergehende Lösungen analysieren Screening-Ergebnisse im Kontext von Diagnosehistorie, Medikation und Vorerkrankungen und geben dem Arzt priorisierte Gesprächshinweise. Dieser Schritt überschreitet die Grenze zum Machine Learning-gestützten klinischen Entscheidungssystem und löst damit regulatorische Pflichten aus (mehr dazu im Regulationsabschnitt).

Was das System explizit NICHT macht:

• Es stellt keine Diagnose
• Es ersetzt keine Differentialdiagnostik
• Es kann nicht zwischen verschiedenen Depressionsformen unterscheiden (z. B. unipolare vs. bipolare Störung)
• Es erfasst keine non-verbalen Signale, die ein erfahrener Arzt im Gespräch wahrnimmt

Der PHQ-9 ist ein Screening-Instrument, kein Diagnoseinstrument. Das Ergebnis gibt dem Arzt einen Startpunkt — mehr nicht.

Regulatorische Einordnung: MDR, EU AI Act und was das für deine Praxis bedeutet

Das ist der Abschnitt, den viele Praxen überspringen — und dann ein Jahr später mit Problemen zurückkommen.

Medizinproduktrecht (MDR): Sobald eine Software-Lösung eine klinische Entscheidungsempfehlung gibt — also über die reine Anzeige von Rohdaten hinausgeht — fällt sie in der Regel unter die EU AI Act Hochrisiko-Kategorie und unter das Medizinprodukterecht (MDR 2017/745). Ein reiner PHQ-9-Score-Rechner, der lediglich die neun Antworten addiert, ist möglicherweise noch kein Medizinprodukt. Sobald das System aber empfiehlt (“Dieser Patient hat ein erhöhtes Depressionsrisiko, Überweisung empfohlen”), ist es klassisch MDR-Klasse IIa — und damit ein Medizinprodukt, das einer Benannten Stelle vorgelegt werden muss.

EU AI Act: MDR-Klasse-IIa-Geräte gelten seit dem vollständigen Inkrafttreten des EU AI Acts automatisch als Hochrisiko-KI-Systeme. Das bedeutet: Technische Dokumentation, Risikomanagementdaten, menschliche Aufsicht, Logging, und — als Betreiber — eine Betreiberdokumentation. Das gilt nicht nur für den Hersteller des Tools, sondern auch für die Praxis, die es einsetzt.

Was das in der Praxis bedeutet:

Die wichtigste Faustregel: Kaufst du ein Tool, das ausschließlich validierte Fragebögen digitalisiert und Scores berechnet — und der Arzt trifft alle klinischen Entscheidungen selbst — bist du im relativ sicheren Bereich. Kaufst du ein Tool, das eigenständige klinische Empfehlungen generiert: prüfe die Zertifizierung des Anbieters, und beauftragte vor der Einführung eine Datenschutz-Folgenabschätzung (DSFA) nach Art. 35 DSGVO.

Seriöse Anbieter wie Ada Health (MDR-Klasse IIa, ISO 27001) dokumentieren diese Compliance transparent. Das ist ein valides Auswahlkriterium.

Suizidrisiko-Protokoll: Was passiert, wenn PHQ-9 Frage 9 angekreuzt wird

PHQ-9 Frage 9 lautet: “Gedanken, dir selbst Schaden zuzufügen oder dir das Leben zu nehmen — wie oft hatten Sie solche Gedanken in den letzten zwei Wochen?” Antwortoptionen: “Überhaupt nicht” (0) bis “Fast jeden Tag” (3).

Jede Antwort über 0 ist ein klinisch relevantes Signal. Kein Software-System kann mit diesem Signal allein umgehen — hier greift unverzichtbar menschliche Kompetenz.

Was das Tool tun muss: Den ausgefüllten PHQ-9 darf kein System still ablegen, wenn Frage 9 beantwortet wurde. Das System muss den Arzt unmittelbar vor der Konsultation informieren — optisch hervorgehoben, nicht in einer langen Score-Liste vergraben.

Was die Praxis vor der Einführung klären muss:

1. Internes Protokoll festlegen: Wer in der Praxis sieht das Ergebnis zuerst? Was passiert bei Antwort 1 (selten)? Was bei 2–3 (häufig bis fast täglich)? Das ist eine ärztliche Entscheidung, keine Software-Konfiguration.
2. Notfallkontakte parat haben: Telefonseelsorge (0800 111 0 111, kostenlos, 24/7), Krisentelefon der lokalen psychiatrischen Klinik, nächste Notaufnahme mit psychiatrischem Dienst.
3. Wartezeit überbrücken: Wenn ein Patient mit Suizidgedanken keinen Therapieplatz bekommt, muss die Praxis einen Überbrückungsplan haben — kurzfristige supportive Gespräche, Krisentelefon, Niedrigschwelligangebote.

Was das System ausdrücklich nicht leisten kann: Ein KI-System, das Suizidalität automatisch einschätzt und bewertet, ohne ärztliche Rückbindung, ist für den Primärversorgungseinsatz nicht geeignet und in Deutschland ohne MDR-Zertifizierung nicht zulässig. Das Erstscreening löst einen Gesprächsbedarf aus — es entscheidet nichts.

Datenschutz und ärztliche Schweigepflicht

Psychische Gesundheitsdaten gehören zur besonderen Kategorie personenbezogener Daten nach Art. 9 DSGVO. Das bedeutet: verschärfte Verarbeitungsvoraussetzungen, explizite Einwilligung oder strikte Notwendigkeitsprüfung. Dazu kommt in Deutschland §203 StGB — die ärztliche Schweigepflicht. Wenn ein KI-System Patientendaten verarbeitet, ist zu prüfen, ob der Anbieter ein “Dritter” im Sinne des §203 StGB ist.

Praktische Konsequenzen:

• AVV zwingend: Auftragsverarbeitungsvertrag nach Art. 28 DSGVO mit dem Tool-Anbieter abschließen, bevor auch nur ein Patient einen Fragebogen ausfüllt.
• Datenschutz-Folgenabschätzung (DSFA): Bei psychischen Gesundheitsdaten ist Art. 35 DSGVO anzuwenden — die DSFA ist keine Empfehlung, sondern Pflicht. Idana stellt Vorlagen bereit; trotzdem muss deine Praxis sie mit den eigenen Prozessen befüllen.
• Einwilligung der Patienten: Patienten müssen verständlich informiert werden, dass ihre Fragebögen in einem digitalen System verarbeitet werden, wer das System betreibt und wie lange Daten gespeichert werden.
• Serverstandort: Nur Tools mit deutschem oder mindestens EU-Serverstandort, mit explizitem AVV und ohne US-Cloud-Anteile. Idana (Freiburg, Deutschland) erfüllt das. Generische Cloud-Tools ohne Healthcare-Fokus — Google Forms, Microsoft Forms als einfacher Workaround — erfüllen die Anforderungen für besondere Kategorien nach Art. 9 nicht ohne erheblichen Zusatzaufwand.
• §203 StGB: Ein Software-Anbieter kann je nach Vertragsgestaltung als “mitwirkende Person” im Sinne des §203 Abs. 3 StGB eingestuft werden, wenn er nicht lediglich Daten speichert, sondern an der Verarbeitung aktiv beteiligt ist. Spezialisierte Healthcare-Anbieter kennen diese Anforderung — generische SaaS-Anbieter oft nicht.

Faustregel: Nutze nur Tools, die explizit für den Gesundheitsbereich konzipiert wurden, einen deutschen oder EU-Serverstandort haben und einen fertigen AVV sowie DSFA-Unterstützung mitbringen. Das schließt die scheinbar günstige DIY-Variante mit Formular-Tools aus dem Allzweck-SaaS-Regal aus.

Verzerrungsrisiko: Wer durch KI-Screening schlechter erkannt wird

Dieser Punkt wird in Anbieter-Materialien konsequent ausgelassen. Er gehört trotzdem in jede ernsthafte Einführungsplanung.

Kulturelle Bias: Der PHQ-9 wurde in englischsprachigen, westlichen Stichproben entwickelt und validiert. Übersetzungen existieren für viele Sprachen, aber die Validierung in spezifischen Migrantenpopulationen in Deutschland ist lückenhaft. Patienten mit niedrigerem Sprachniveau oder anderen kulturellen Ausdrucksnormen für psychisches Leid — zum Beispiel Somatisierung statt direkter Benennung von Stimmung — können im PHQ-9 niedrigere Scores haben, obwohl die klinische Belastung hoch ist.

Geschlecht: Männer beantworten Fragen zu emotionalen Zuständen systematisch zurückhaltender als Frauen. Das ist kein Antwort-Bias, sondern ein kulturelles Muster — und führt zu niedrigeren PHQ-9-Scores bei gleicher klinischer Belastung. Ein Score von 8 bei einer Frau und ein Score von 8 bei einem Mann können klinisch sehr verschieden zu bewerten sein.

Alter: Bei älteren Patienten kann Frage 4 des PHQ-9 (“Müdigkeit oder Gefühl, keine Energie zu haben”) durch körperliche Erkrankungen überlagert werden, was zu falsch-positiven Scores führt. Gleichzeitig werden kognitive Beeinträchtigungen und depressive Pseudodemenz mit dem PHQ-9 nicht erfasst.

Was das bedeutet: Ein KI-gestütztes Screening-System, das ausschließlich auf PHQ-9-Scores basiert, wird diese Populationen systematisch schlechter versorgen — nicht weil das Tool kaputt ist, sondern weil die Datenbasis es so vorsieht. Die Lösung: Das klinische Urteil des Arztes bleibt das Korrektiv. Der Score ist ein Gesprächsauslöser, nicht ein Filteralgorithmus.

Konkrete Werkzeuge — was wann passt

Idana — für Einzelpraxen und MVZ, die schnell einsteigen wollen

Das spezialisierte deutsche Anamnese-Tool mit über 100 integrierten Fragebögen, darunter PHQ-9 und GAD-7. Serverstandort Deutschland, fertiger AVV, keine US-Cloud-Abhängigkeit. Preis: 109 € netto/Arzt/Monat (Jahresvertrag, Fragebögen-Modul) + 399 € Einrichtung einmalig. Kein App-Download für Patienten notwendig — Link per SMS oder QR-Code reicht. Laut Idana-Fallstudien sparen Praxen durchschnittlich ca. 8 Minuten MFA-Zeit pro Patientenkontakt. Integration mit gängigen Praxisverwaltungssystemen (medatixx, Tomedo, CGM) ist möglich, aber muss konfiguriert werden.

Für wen: Hausarztpraxen mit dem Ziel systematisches Erstscreening, ohne eigene IT-Ressourcen für Entwicklung.

Ada Health — für Krankenkassen und Telemedizin-Anbieter mit B2B-Integration

Ada ist MDR-Klasse-IIa-zertifiziert, in Berlin entwickelt, EU-gehostet und bietet eine Whitlabel-API für die Integration in Versicherten-Apps und Klinik-Portale. Für eine Hausarztpraxis ist der direkte Einstieg mit Ada schwierig (kein Self-Service, aufwendiger Vertriebsprozess); für Krankenkassen, die ihren Versicherten ein digitales Erstscreening vor dem Arztbesuch anbieten wollen, ist Ada eine ernsthafte Option.

Für wen: Versicherer, MVZ mit IT-Team, Telemedizin-Anbieter.

Infermedica — für Enterprise-Integrationen in Klinikportale

Infermedica bietet eine API-first-Triage-Engine, die auch psychische Symptome erfasst, primär aber körperliche Symptome triagiert. Für rein psychisches Screening ist es kein spezialisiertes Tool; für Krankenhäuser und Klinikportale, die eine einheitliche digitale Triage für alle Versorgungswege aufbauen wollen, ist Infermedica aber relevant. Mindestens mittlerer fünfstelliger Jahresbetrag — keine Lösung für Einzelpraxen.

Für wen: Kliniken mit IT-Abteilung, Call-Center im Gesundheitswesen.

Zusammenfassung: Wann welches Tool

• Hausarztpraxis, schneller Einstieg → Idana
• Krankenkasse oder Telemedizin mit B2B-API → Ada Health
• Klinikportale mit einheitlicher Triage → Infermedica
• KIS-Integration für Spracherkennung und Befund → Dragon Medical One

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Idana Einrichtungspaket: 399 € netto (einmalig, Pflicht für bezahlte Pläne)
• Interne Aufwände: Fragebogen-Workflow definieren, MFA-Team schulen, Protokoll für auffällige Ergebnisse erstellen: ca. 4–8 Stunden Praxiszeit intern
• Datenschutz-Folgenabschätzung (DSFA) erstellen: mit externem Datenschutzbeauftragten 500–1.500 € — ohne DSB mehr Eigenaufwand, aber auch mehr Risiko
• Bei KI-gestützter Priorisierung (über reine Score-Berechnung hinaus): zusätzliche MDR-Compliance-Beratung einplanen, 2.000–8.000 €

Laufende Kosten

• Idana Fragebögen-Modul: 109 € netto/Arzt/Monat (Jahresvertrag)
• Alternativer Kombiplan mit Aufklärungsmodul: 159 € netto/Arzt/Monat

Was du dagegenrechnen kannst

Eine Hausarztpraxis mit 25 Patienten täglich, davon 20 Prozent mit Indikation für psychisches Screening (= 5 Patienten/Tag), und einer durchschnittlichen MFA-Zeit-Einsparung von 5 Minuten pro Screening — das ergibt 25 Minuten MFA-Zeit täglich. Bei einem MFA-Bruttostundenlohn von 18–22 Euro sind das 7–9 Euro täglich oder ca. 170–210 Euro monatlich. Das deckt die Lizenzkosten — aber der eigentliche Wert liegt anderswo.

Der wichtigere Vergleich: Wie viele Patienten mit unerkannter Depression, die drei Monate durch das System fallen und dann in einer teuren Klinik landen, werden durch ein Screening im Quartal verhindert? Selbst ein verhinderte Klinikaufnahme (Durchschnittskosten einer stationären psychiatrischen Behandlung in Deutschland: ca. 7.000–12.000 € je Aufenthalt laut InEK-Daten 2023) übersteigt die Jahreskosten des Tools um ein Vielfaches. Das ist der Nutzen — aber er fällt bei der Krankenkasse an, nicht in der Praxiskasse.

Konservatives Szenario: Die Praxis amortisiert die Einrichtungskosten innerhalb der ersten 6 Monate über MFA-Zeitersparnis. Den Hauptnutzen — bessere Erkennungsrate, frühere Überweisung — sieht die Praxis indirekt über Patientenzufriedenheit und Reputation, nicht über eine Kostenzeile.

Typische Einstiegsfehler

1. Den digitalen Fragebogen ohne Protokoll einführen.

Praxen digitalisieren den PHQ-9 und vergessen, den Workflow für auffällige Ergebnisse zu definieren. Was passiert, wenn ein Patient Frage 9 mit “Mehrmals in der Woche” beantwortet und der Arzt das erst beim Betreten des Sprechzimmers sieht? Was wenn die MFA das Ergebnis zuerst sieht? Ohne explizites internes Protokoll entstehen Situationen, auf die niemand vorbereitet ist. Das Protokoll muss vor dem ersten Patienten stehen — nicht irgendwann.

2. Ein nicht-zertifiziertes Tool einsetzen und annehmen, dass “es ja nur ein Fragebogen ist”.

Die regulatorische Frage lautet nicht, ob es “nur ein Fragebogen” ist, sondern ob das System klinische Entscheidungsempfehlungen gibt. Wer ein Tool einsetzt, das über die Score-Berechnung hinaus priorisiert, überweisungsempfiehlt oder kontextualisiert, und das Tool hat keine MDR-Zertifizierung — dieser Arzt betreibt ein nicht zugelassenes Medizinprodukt. Die Haftungskonsequenzen bei einem Schadensfall sind erheblich.

3. Das Screening für alle Patienten aktivieren, ohne den Workflow zu testen.

Praxen, die das System an Tag eins für alle Termine aktivieren, überfluten den Arzt mit PHQ-9-Ergebnissen ohne Triage-Kapazität. Empfehlung: Screening-Indikation zunächst eng definieren — nur Patienten mit Vorwand “Stimmung”, “Erschöpfung”, “Schlaf”, “Schmerzen unklarer Ursache”. Erst wenn der Workflow sitzt, ausweiten.

4. Keine Datenschutz-Folgenabschätzung durchführen.

Bei psychischen Gesundheitsdaten ist die DSFA nach Art. 35 DSGVO Pflicht, kein Ermessen. Praxen, die das überspringen, riskieren bei einer Datenschutzprüfung Bußgelder — und den Vertrauensverlust bei Patienten, wenn der Vorfall bekannt wird. Psychische Erkrankungen sind besonders stigmatisiert; Patienten reagieren auf Datenpannen in diesem Bereich sehr sensibel.

5. Den Score als Diagnose behandeln.

Ein PHQ-9-Score von 15 ist eine schwere depressive Symptomatik laut Screening. Er ist keine Diagnose. Der Arzt, der dem Patienten sagt “Das System sagt, Sie sind depressiv”, fehlt sowohl klinisch als auch kommunikativ. Der Score ist ein Gesprächseinstieg: “Ich sehe, dass Sie heute einige Fragen ausgefüllt haben und einige davon aufgefallen sind — können wir kurz darüber sprechen?”

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist in zwei Wochen eingerichtet. Die Praxis braucht zwei bis drei Monate.

Der erste Widerstand kommt von den Patienten. Viele Ältere sind irritiert, wenn sie vor der Sprechstunde einen Link aufs Handy bekommen und Fragen zu ihrer Psyche beantworten sollen. “Bin ich nicht wegen meinem Knie hier?” Das Empfangsteam muss erklären können, warum der Fragebogen gemacht wird — kurz, ohne medizinisch aufzuladen: “Das hilft der Ärztin, das Gespräch besser auf Sie einzustellen.” In der Einführungsphase mit 20–30 Prozent Ausfüll-Weigerung rechnen; nach zwei Monaten normalisiert sich das auf unter 10 Prozent.

Der zweite Widerstand kommt vom Arzt selbst. “Wenn jetzt alle Patienten auffällige Scores haben, muss ich mit jedem über Psyche reden — das packe ich nicht in 15 Minuten.” Das ist ein legitimer Einwand. Die Lösung ist nicht, Screening für wenige Patienten zu verstecken, sondern die Konsultationsstruktur anzupassen: Auffälliger Score = längerer Termin vorplanen. Das erfordert eine Anpassung der Terminbuchungspraxis — und ja, das kostet mehr Aufwand am Anfang.

Was konkret hilft:

• Fragebogen-Link in die Terminbestätigungs-SMS integrieren — so füllen Patienten ihn zu Hause aus, nicht im Wartezimmer unter Zeitdruck
• MFA-Schulung: Was ist der Score? Was bedeutet Frage 9? Was tue ich, wenn ich 2–3 sehe, bevor der Arzt im Zimmer ist?
• Erste drei Monate: wöchentliches kurzes Feedback-Gespräch im Team — was funktioniert, was nicht?
• Patienten, die den Fragebogen nicht ausfüllen möchten: kein Druck. Das Screening ist ein Angebot, keine Pflicht.

Realistischer Zeitplan mit Risikohinweisen

Die häufigste Verzögerung: Die DSFA dauert zwei bis drei Mal so lange wie erwartet, wenn der externe Datenschutzbeauftragte nicht von Anfang an eingebunden ist.

Häufige Einwände — und was dahintersteckt

“Meine Patienten wollen nicht über Psyche reden — schon gar nicht in einem Fragebogen.”

Das ist teils richtig und teils ein Missverständnis. Patienten lehnen das Gespräch über psychische Gesundheit oft ab — aber Fragebögen werden überraschend offen ausgefüllt, wenn sie anonym wirken und keine direkte Konfrontation mit dem Arzt erfordern. Studien zeigen, dass Patienten in digitalen Self-Reports häufiger über Suizidgedanken und psychische Belastung berichten als im direkten ärztlichen Gespräch. Der Fragebogen senkt die Hemmschwelle — nicht hebt sie.

“Das ist doch wieder eine neue Datenschutz-Baustelle.”

Stimmt — aber die Alternative ist auch keine sichere Option. Wer psychische Gesundheitsdaten mündlich erhebt und in der Karteikarte manuell dokumentiert, erfüllt die DSGVO-Anforderungen ebenfalls nur, wenn die Dokumentation sicher gespeichert ist. Der Unterschied: Bei einem zertifizierten Tool mit fertigem AVV ist die Compliance strukturiert und nachweisbar. Beim Papierbogen nicht.

“Die Erkennungsrate ist doch schon gut genug — warum verändern?”

50–70 Prozent der klinischen Depressionen werden in der Primärversorgung nicht erkannt. Das ist kein “gut genug” — das ist ein Versorgungsproblem. Die Frage ist nicht, ob das jetzt eingeführt wird, sondern in welchem Tempo und mit welcher Sorgfalt.

Woran du merkst, dass das zu dir passt

Das Screening passt gut zu dir, wenn:

• Du als Hausärztin oder Hausarzt regelmäßig Patienten hast, deren somatische Beschwerden sich nicht erklären lassen — unklare Rückenschmerzen, Erschöpfung, Schlafstörungen, gastrointestinale Beschwerden ohne organischen Befund
• Du den Verdacht hast, dass psychische Belastungen in deiner Praxis systematisch zu spät erkannt werden — nicht weil du das nicht siehst, sondern weil die Zeit im Gespräch nicht reicht
• Deine Praxis bereits digital gut aufgestellt ist (Online-Terminbuchung, digitale Kommunikation) und das Team bereit ist, einen neuen Workflow zu lernen
• Du oder dein Praxis-Team bereits Erfahrung mit psychischen Erkrankungen habt und wissen, wie ein PHQ-9-Gespräch zu führen ist

Drei harte Ausschlusskriterien:

1. Praxen ohne definierten Prozess für auffällige Ergebnisse: Wenn nicht klar ist, wer welchen Score sieht, was bei Suizidgedanken passiert und wie die Dokumentation geregelt ist — die Technik nicht einführen. Erst das Protokoll, dann das Tool.

2. Praxen, die ein nicht-zertifiziertes Allzweck-Tool einsetzen wollen: Wer den PHQ-9 in Google Forms oder Microsoft Forms digitalisiert und hofft, damit die Anforderungen zu erfüllen, ignoriert die Datenschutz- und Haftungspflichten für besondere Kategorien personenbezogener Daten. Das ist kein Weg.

3. Praxen ohne Kapazität, auffällige Ergebnisse nachzuverfolgen: Screening ohne Konsequenz ist gefährlicher als kein Screening. Wenn ein PHQ-9-Score von 20 im System landet und niemand ihn ansieht oder anspricht, entsteht eine dokumentierte Nichterkennung — das ist ein klinisches und haftungsrechtliches Problem, kein neutrales Ergebnis.

Das kannst du heute noch tun

Bevor du irgendetwas kaufst, teste den PHQ-9 selbst in der digitalen Version. Geh auf idana.com und schau dir die Demo-Ansicht an — wie sieht der Fragebogen für den Patienten aus? Was sieht der Arzt danach? Reicht das für deinen Workflow?

Zweiter Schritt: Ruf deinen Datenschutzbeauftragten an und frage, ob eine DSFA für psychische Screening-Daten in eurer Praxis schon existiert oder erstellt werden muss. Das Gespräch dauert 15 Minuten und spart dir später Wochen.

Der folgende Prompt hilft dir, ein erstes internes Protokoll für den Umgang mit auffälligen PHQ-9-Ergebnissen zu erstellen:

Quellen & Methodik

• PHQ-9 Screening-Instrument und klinische Interpretation: Kroenke K, Spitzer RL, Williams JBW. “The PHQ-9: Validity of a Brief Depression Severity Measure.” Journal of General Internal Medicine, 2001. Autorisierte deutsche Version: PHQ-D (Gesundheitsfragebogen für Patienten), Universität Heidelberg / ZPID, gültige Fassung abrufbar unter klinikum.uni-heidelberg.de
• KI-Screening und Bias: Ali M et al. “Artificial intelligence for mental health: A narrative review of applications, challenges, and future directions in digital health.” Digital Health (SAGE Journals), 2025. DOI: 10.1177/20552076251395548. Befunde zu Algorithmic Bias und Einschränkungen bei unterversorgten Populationen.
• Algorithmic Bias in Public Health AI: Islam N et al. “Algorithmic bias in public health AI: a silent threat to equity in low-resource settings.” Frontiers in Public Health, 2025. PMC12325396.
• Idana Preise und Fallstudien: Idana Medical GmbH, Freiburg. idana.com/preise/ (Stand Mai 2026). Fragebögen-Modul: 109 € netto/Arzt/Monat. Effizienzangaben (“8 Minuten pro Patient”) aus Idana-Fallstudien, nicht aus unabhängiger Peer-Review.
• MDR / EU AI Act Klassifizierung: Johner Institut: “What the AI Act means for medical device and IVD manufacturers” (2024/2025). Dual-Framework-Verpflichtung: MDR-Klasse-IIa-Produkte gelten automatisch als EU-AI-Act-Hochrisikoanlage.
• Stationäre psychiatrische Behandlungskosten: InEK-Daten (Institut für das Entgeltsystem im Krankenhaus), Fallpauschalenkatalog 2023. Bandbreite ca. 7.000–12.000 € je Aufenthalt je nach Diagnose und Dauer.
• Erkennungsrate Depression in Primärversorgung: Konsistente Befundlage in Metaanalysen (z. B. Mitchell AJ et al., Lancet, 2009): Sensitivität der ungestützten ärztlichen Erkennung von Depression in Primärversorgung ca. 50–60 %. Aktuellere Daten aus deutschen Praxen liegen im ähnlichen Bereich.
• Telefonseelsorge Deutschland: 0800 111 0 111 (kostenlos, anonym, 24/7). Auch online: online.telefonseelsorge.de

Hast du Fragen dazu, wie das Screening in deiner Praxis konkret einzuführen ist — welches Tool für deine Situation passt, wie die DSFA aufgebaut sein sollte oder wie der PHQ-9-Workflow ins bestehende PVS integriert wird? Meld dich — das lässt sich in einem kurzen Gespräch klären.