KI-gestütztes Reha-Fortschrittsmonitoring

Das echte Ausmaß des Problems

Physiotherapeuten und Reha-Koordinatoren sehen ihre Patientinnen und Patienten zwei, maximal drei Mal pro Woche. In den verbleibenden Stunden zwischen den Terminen passiert das, was den Verlauf tatsächlich entscheidet: ob jemand die Heimübungen macht, ob die Schwellung zunimmt, ob die Schmerzen die Compliance untergraben.

Diese Zeitspanne ist für die Therapeuten vollständig unsichtbar. Was sie zu sehen bekommen, sind Momentaufnahmen: Was der Patient im Termin zeigt, was er berichtet — und was er bereit ist zu berichten.

Das Problem ist strukturell tiefer als „Patienten schummeln beim Eigentraining”. Forschung zur Patientenkommunikation zeigt: Menschen in Rehabilitationskontexten berichten systematisch positiver, um das Behandlungsteam nicht zu enttäuschen oder als schwierig zu gelten. Die subjektive Selbstauskunft im Termin ist ein schlechtes Messinstrument für den tatsächlichen Verlauf.

Die Folgen sind konkret messbar:

• Wiedereinweisung nach Knie- und Hüft-TEP: Eine im JAMA Network Open (2020) veröffentlichte randomisierte Studie mit 300 Patientinnen und Patienten zeigte eine Wiedereinweisungsrate von 12,2 % in der Standardversorgungsgruppe — verglichen mit 3,4 % in der Gruppe mit Remote-Monitoring. Der Unterschied war statistisch signifikant (p = 0,01).
• Compliance-Lücke: Laut einem Review in JMIR Rehabilitation and Assistive Technologies (2025) über digitale Rehabilitationsprogramme ist die Übungsadhärenz in rein patientengesteuerten Programmen nach sechs Wochen durchschnittlich unter 50 Prozent gefallen — ohne Rückmeldeschleife an das Behandlungsteam.
• Stilles Abbrechen: In Rehakliniken, die keine strukturierte Zwischen-Termin-Messung einsetzen, wird ein bedeutsamer Anteil von Verläufen erst beim Entlassgespräch als problematisch eingestuft — zu spät für eine sinnvolle Kurskorrektur im Aufenthalt.

Das ist nicht ein Qualitätsproblem einzelner Einrichtungen. Es ist ein Informationsproblem. Das Behandlungssystem sieht seine Patienten nur punktuell — und das zu selten.

Diese Darstellung ist eine fachliche Orientierung, kein Medizin- oder Rechtsersatz. Klinische Entscheidungen über Rehabilitation und Therapiepläne unterliegen ärztlicher und therapeutischer Verantwortung.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Vergleichszahlen zur Wiedereinweisungsrate stammen aus der randomisierten Studie von Dorr et al. (JAMA Network Open, 2020), nicht aus Vendor-Marketing. In realen Klinikbedingungen — weniger kontrolliert als ein RCT — ist die Effektgröße typischerweise kleiner. Wie groß der Effekt in deiner Einrichtung ist, hängt von der Ausgangslage ab.

Diese Darstellung ist eine fachliche Orientierung, kein Medizin- oder Rechtsersatz. Klinische Entscheidungen über Rehabilitation und Therapiepläne unterliegen ärztlicher und therapeutischer Verantwortung.

Einschätzung auf einen Blick

Zeitersparnis — begrenzt (2/5) Das Monitoring spart Therapeuten keine Therapiezeit im eigentlichen Sinne — Behandlungseinheiten sind ähnlich lang. Was es spart, ist die Zeit für Rückfragen, die retrospektive Rekonstruktion von Verläufen und die unangenehmen Entlassgespräche, in denen ein Problem auftaucht, das schon zwei Wochen früher hätte auffallen können. Im Vergleich zu anderen Anwendungsfällen in dieser Kategorie — etwa dem Dokumentationsassistenten in der Praxis oder Arztbriefen mit KI — ist der direkte Zeitgewinn pro Arbeitsstunde geringer. Der Wert liegt in besserer Entscheidungsqualität, nicht in höherem Durchsatz.

Kosteneinsparung — mittel (3/5) Der wichtigste Hebel ist die vermiedene Wiedereinweisung. Für eine stationäre Rehaklinik oder die nachbehandelnde Einrichtung liegt der vermiedene Aufwand je nicht-notwendiger Wiedereinweisung bei 2.000–6.000 Euro — zuzüglich des Reputations- und Qualitätssicherungsaspekts nach SGB V §137. Das ist ein echter, messbarer Nutzen. Allerdings ist die Kausalität schwer sauber zu isolieren: Verbessert das Monitoring die Outcomes, oder sind Patienten, die einen Monitor tragen, ohnehin compliantere Patienten? Die Evidenz aus RCTs zeigt echte Effekte — im Klinikalltag braucht es Geduld beim Messen.

Schnelle Umsetzung — aufwendig (2/5) 3–6 Monate bis zum produktiven Pilotbetrieb — das ist ehrlich. Sensorik auswählen, Datenschutzkonzept abstimmen, Einwilligungsprozess aufsetzen, KIS-Anbindung klären, Therapeuten schulen. Das ist handwerksgetreue Projektarbeit, keine SaaS-Registrierung. Für eine Rehaklinik mit 120 Betten ist das machbar, aber nicht trivial. Die Umsetzungstiefe ist höher als bei KI-Prüfung von Medikamenteninteraktionen oder einfacheren Dokumentationshilfen.

ROI-Sicherheit — mittel (3/5) Compliance und Rückfallrate sind messbar. Die Frage, wie viel davon dem Monitoring zuzurechnen ist, bleibt komplex. Die stärkste Evidenz kommt aus RCT-Settings — im Klinikalltag ohne Kontrollgruppe ist die Attribution aufwendiger. Wer eine klare Baseline erhebt (Wiedereinweisungsrate der letzten zwei Jahre, durchschnittliche Scores bei Entlassung), kann nach 6–12 Monaten trotzdem belastbare Aussagen machen.

Skalierbarkeit — mittel (3/5) App-basierte Lösungen skalieren gut: Mehr Patienten bedeuten marginale Software-Mehrkosten. Was proportional mitwächst: Hardware-Leihgeräte (wenn klinisch indiziert), das Support-Volumen für technische Probleme mit Patientengeräten und der Pflegeaufwand für Referenzkurven je Indikation. Das hält die Skalierbarkeit auf Mittelfeld — nicht so flach wie eine reine Software-Dokumentationslösung, aber auch nicht so steil wie ein Hardware-intensives System.

Richtwerte — stark abhängig von Patientenstruktur, Indikationsmix und vorhandener IT-Infrastruktur.

Diese Darstellung ist eine fachliche Orientierung, kein Medizin- oder Rechtsersatz. Klinische Entscheidungen über Rehabilitation und Therapiepläne unterliegen ärztlicher und therapeutischer Verantwortung.

Was das System konkret macht

Das Grundprinzip: Statt einer Momentaufnahme beim Termin hat das Behandlungsteam täglich einen Datenpunkt pro Patient. Daraus ergibt sich ein Verlauf. Und diesen Verlauf kann ein Algorithmus automatisch mit einer Referenzkurve vergleichen — der erwarteten Erholungstrajektorie für diese Indikation, dieses OP-Verfahren, diese Patientengruppe.

Drei Datenquellen, die zusammenspielen:

1. Wearable-Sensoren oder Smartphone-Sensorik: Schrittanzahl, Aktivitätsniveau, Schlafqualität, bei orthopädischen Indikationen manchmal Gelenkwinkel per spezialisierten Sensoren. Diese Daten sind passiv — der Patient trägt das Gerät, ohne aktiv etwas einzutragen.

2. Patientenberichtete Outcomes (PROMs): Strukturierte Kurzfragebögen, täglich oder mehrmals wöchentlich auf dem Smartphone ausgefüllt. In der Orthopädie etwa der KOOS-Jr. (Knie), in anderen Bereichen der Schmerz-NRS oder Funktions-VAS. Wichtig: Diese Fragebögen ersetzen nicht das klinische Assessment, aber sie geben einen Trend.

3. Übungs-Compliance-Tracking: Welche Heimübungen aus dem vorgeschriebenen Programm wurden durchgeführt? Spezifische Apps wie Kaia Health prüfen die Ausführung zusätzlich per Computer Vision und geben Echtzeit-Korrekturfeedback.

Was Machine Learning daraus macht:

Ein einfaches Modell vergleicht die gemessenen Werte des einzelnen Patienten täglich mit der Referenzkurve seiner Indikationsgruppe. Fällt ein Patient mehr als einen festgelegten Schwellenwert von der Kurve ab — typisch 10–15 Prozent unter der Soll-Trajektorie über mehr als drei aufeinanderfolgende Tage — bekommt der zuständige Therapeut einen Alert. Kein Alarm-Regen, keine täglich aufploppende Benachrichtigung: gezielte Meldungen, wenn etwas aus dem Rahmen fällt.

Der Unterschied zu einer reinen Excel-Tabelle ist nicht die Berechnung — die könnte man auch manuell machen. Der Unterschied ist die Automatik: Das System schaut täglich auf jeden der 40 Patienten und eskaliert nur dort, wo Handlungsbedarf ist.

Diese Darstellung ist eine fachliche Orientierung, kein Medizin- oder Rechtsersatz. Klinische Entscheidungen über Rehabilitation und Therapiepläne unterliegen ärztlicher und therapeutischer Verantwortung.

Frühwarnung konkret — was das System an welchen Signalen erkennt

Dieser Abschnitt ist für die klinische Einordnung wichtig, denn nicht jedes Signal ist gleich wertvoll.

Zuverlässige Signale (gut reproduzierbar, geringer Interpretationsaufwand):

• Aktivitätseinbruch: Wenn ein Patient, der an Tag 8 post-OP täglich 1.200 Schritte schafft, an Tag 12–14 auf unter 400 Schritte fällt und das drei Tage anhält, ist das ein klares Warnsignal. Passiver Sensor, keine Eigenverantwortung des Patienten.
• Compliance-Absturz: Wenn aus einem täglich erledigten Heimübungsprogramm innerhalb von drei Tagen Null Einträge werden, ist das ohne weitere Interpretation auffällig — und die häufigste Vorläufer-Signatur einer aufkommenden Komplikation oder eines Motivationsbruchs.
• PROM-Trendumkehr: Ein Score, der an Tag 5–10 zunimmt und dann plötzlich fällt, ist markanter als ein kontinuierlich niedriger Score — weil er eine Trendumkehr zeigt, nicht nur ein langsames Ausgangsniveau.

Weniger zuverlässige Signale (viel Hintergrundlärm, vorsichtig interpretieren):

• Schlafqualität: Hochgradig variable Messung, stark abhängig vom Gerät und den Schlafgewohnheiten. Gut als Ergänzung, nicht als primäres Signal.
• Herzfrequenz-Variabilität: Bei Patienten mit Herzmedikation oder vorbestehenden Erkrankungen schwer zu interpretieren ohne klinischen Kontext.
• Einzelne Tages-Ausreißer: Ein einmalig schlechter Tag ist kein Alert-Auslöser — das System muss auf Trends, nicht auf Punkte reagieren.

Was das System nicht kann: Es erkennt keine Diagnosen. Es liefert keine klinische Bewertung. Ein Aktivitätseinbruch kann viele Ursachen haben — Schmerz, Erschöpfung, ein privates Ereignis, technische Probleme mit dem Sensor. Das System sagt: „Schau dir diesen Patienten heute an.” Die klinische Einschätzung bleibt beim Therapeuten.

Diese Darstellung ist eine fachliche Orientierung, kein Medizin- oder Rechtsersatz. Klinische Entscheidungen über Rehabilitation und Therapiepläne unterliegen ärztlicher und therapeutischer Verantwortung.

Konkrete Werkzeuge — was wann passt

Drei grundsätzliche Ansätze — je nach Indikation, Infrastruktur und Budget:

Kaia Health — für indikationsspezifische Übungstherapie mit Compliance-Tracking Kaia Health ist eine der ersten dauerhaft zugelassenen DiGA (Digitale Gesundheitsanwendung) in Deutschland — von BfArM gelistet für Rückenschmerzen und COPD. Als verordnende Einrichtung hast du Zugriff auf ein Compliance-Dashboard, das dir zeigt, welche Patienten ihre Heimübungen machen — und welche nicht. Computer Vision prüft die Ausführungsqualität per Kamera und gibt dem Patienten unmittelbares Korrekturfeedback. Kosten für Patienten: null, weil alle gesetzlichen Krankenkassen die Kosten übernehmen. Für die Einrichtung: Zugang zum Dashboard kostenlos. Einschränkung: Der Indikationsbereich ist noch eng (Rückenschmerz, COPD). Postoperatives Knie-TEP-Monitoring nach dem Tobias-Szenario ist damit nicht direkt abgedeckt — dafür braucht es entweder eine spezialisierte Plattform oder eine eigene Lösung.

Huma — für klinisches Remote-Patient-Monitoring mit Eskalationsfunktion Huma ist eine britische Cloud-Plattform für Remote Patient Monitoring und dezentrale klinische Studien. Sie aggregiert Wearable-Daten (Apple Watch, Garmin, Fitbit), PROM-Fragebögen und Patientenselbstauskünfte in einer klinisch nutzbaren Oberfläche — mit konfigurierbaren Alert-Schwellenwerten und priorisierter Patientenliste am Morgen. FHIR-API für KIS-Integration vorhanden; EU-Datenhaltung, MDR-konforme Architektur. Der Ansatz ist deutlich umfassender als eine DiGA — und entsprechend aufwändiger in der Einführung. Preise auf Anfrage; sinnvoll ab ca. 100–200 aktiven Monitoringpatienten gleichzeitig, sodass der Konfigurationsaufwand gerechtfertigt ist.

DIY-Ansatz für den Einstieg — Standard-Wearables + strukturierte Fragebögen Wer erst herausfinden will, ob das Konzept für die eigene Einrichtung trägt, kann mit wenig Aufwand starten: Standardisierter KOOS-Jr.-Fragebogen per E-Mail oder einfacher App (z.B. SurveyMonkey oder REDCap) in festgelegten Abständen nach Entlassung. Schrittanzahl aus der Gesundheits-App des Patientensmartphones als wöchentlicher Screenshot oder Export. Das ist kein schönes Monitoring-Dashboard — aber es zeigt, ob Patienten überhaupt bereit sind, zwischen Terminen Daten zu liefern, bevor du in eine Plattform investierst. Für die Auswertung dieser Daten kann Julius AI helfen, indem es CSV-Exporte direkt analysiert und Trendabweichungen sichtbar macht — ohne eigenes Statistik-Know-how.

Zusammenfassung: Wann welcher Ansatz

• Indikation Rückenschmerz oder COPD, Kassenrezept möglich → Kaia Health
• Größere Klinik, indikationsübergreifend, KIS-Integration gewünscht → Huma
• Einstiegsphase, kleines Budget, Machbarkeit testen → DIY mit strukturierten Fragebögen

Diese Darstellung ist eine fachliche Orientierung, kein Medizin- oder Rechtsersatz. Klinische Entscheidungen über Rehabilitation und Therapiepläne unterliegen ärztlicher und therapeutischer Verantwortung.

Datenschutz und Datenhaltung

Reha-Monitoring-Daten sind besonders schützenswerte Gesundheitsdaten nach Art. 9 Abs. 1 DSGVO. Schrittanzahl, Schmerzscores, Bewegungsumfang und Compliance-Daten fallen klar darunter — die Verarbeitung braucht eine rechtliche Grundlage (typisch: ausdrückliche Einwilligung nach Art. 9 Abs. 2 lit. a DSGVO) und ein detailliertes Datenschutzkonzept.

Was das für die Praxis bedeutet:

• Einwilligungsprozess: Jede teilnehmende Patientin und jeder Patient muss explizit und informiert einwilligen — bevor das erste Gerät ausgegeben wird. Diese Einwilligung muss widerrufbar sein, und der Widerruf darf keine Nachteile für die Behandlung haben. Das muss schriftlich dokumentiert sein.

• Auftragsverarbeitungsvertrag (AVV): Jede Plattform, die Patientendaten verarbeitet (Kaia Health, Huma, Survey-Tools für PROMs), benötigt einen AVV nach Art. 28 DSGVO. Kaia Health und Huma stellen diese bereit; bei DSGVO-konformer Eigenentwicklung muss das Krankenhaus-interne IT-Sicherheitsmanagement den Vertrag prüfen.

• Datenhaltung: Kaia Health speichert Daten in Deutschland (im Vertrag verifizieren); Huma in der EU (UK-basiert mit EU-Niederlassungen, zertifiziert nach ISO 27001, ISO 13485). Für klinisch sensible Einrichtungen gilt: Datenhaltung muss im Vertrag explizit auf den EU-Raum begrenzt sein.

• Qualitätssicherung nach SGB V §137: Monitoringdaten können zur Qualitätssicherung im Rahmen der gesetzlichen Anforderungen genutzt werden — das stärkt die Argumentation für Krankenkassen und Kostenträger. Die genauen Anforderungen an eine MDR-konforme Zweckbestimmung müssen vor dem Produktiveinsatz mit der Rechtsabteilung und ggf. dem Medizinproduktebeauftragten abgeklärt werden.

• Datenschutzfolgenabschätzung (DSFA): Bei systematischer Verarbeitung von Gesundheitsdaten in größerem Umfang (mehrere Dutzend Patienten kontinuierlich) ist eine DSFA nach Art. 35 DSGVO in der Regel verpflichtend. Das ist kein bürokratisches Hindernis, sondern eine echte Qualitätskontrolle: Die DSFA zwingt die Einrichtung, alle Risiken explizit zu benennen und zu mitigieren, bevor das System scharf gestellt wird.

Diese Darstellung ist eine fachliche Orientierung, kein Medizin- oder Rechtsersatz. Klinische Entscheidungen über Rehabilitation und Therapiepläne unterliegen ärztlicher und therapeutischer Verantwortung.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

Das ist der Posten, den die meisten unterschätzen — weil er größtenteils kein Lizenzgeld ist, sondern interner Aufwand:

• Datenschutzkonzept und DSFA: typisch 2–4 Wochen Abstimmung mit Datenschutzbeauftragtem und ggf. externem Berater (0–3.000 € extern je nach Einrichtungsgröße)
• Einwilligungsdokumentation und Prozessdesign: intern 3–5 Arbeitstage
• Auswahl und Beschaffung von Leihgeräten (falls Wearables geliehen werden): 50–150 € je Gerät; für 20 Patienten gleichzeitig rund 1.000–3.000 € Hardware-Grundstock
• Plattformkonfiguration und Pilotsetup (bei Huma oder vergleichbaren Systemen): häufig im ersten Jahreslizenzpreis enthalten oder als separater Einrichtungsposten von 5.000–15.000 €
• KIS-Schnittstellenanbindung (wenn Daten direkt in die Patientenakte fließen sollen): 10.000–30.000 €, stark abhängig von KIS-System und vorhandenen FHIR-Schnittstellen

Laufende Kosten (monatlich)

• Kaia Health: Null für die Einrichtung — Kosten trägt die Krankenversicherung des Patienten (DiGA-Modell)
• Huma: Auf Anfrage; Marktüblich für klinische RPM-Plattformen liegen Preise je aktivem Patienten bei 15–50 € pro Monat (bei 50 gleichzeitig aktiven Patienten entspricht das 750–2.500 €/Monat)
• DIY-Fragebögen + Julius AI: unter 100 €/Monat, keine signifikanten Lizenzkosten

Was du dagegenrechnen kannst

Vermiedene Wiedereinweisung: Laut der JAMA-Studie reduziert Remote-Monitoring die Rehospitalisierungsrate nach Knie/Hüft-TEP von 12,2 % auf 3,4 % — eine Differenz von 8,8 Prozentpunkten. Bei 100 Patienten jährlich mit TEP: rechnerisch 8–9 vermiedene Wiedereinweisungen. Kosten je stationärer Wiedereinweisung: 2.000–6.000 € (DRG-abhängig). Das ergibt 16.000–54.000 € vermiedene Folgekosten — nicht für die Rehaklinik selbst (die Kosten trägt die Krankenkasse), aber für die Versorgungsqualität und das Qualitätsprofil der Einrichtung.

Der direkte wirtschaftliche Nutzen für die Klinik liegt oft woanders: weniger ungeplante Therapeutenkontakte, bessere Dokumentation für Qualitätsberichte, und — wenn die Klinik im Selektivvertrag mit einer Krankenkasse steht — potenziell bessere Vergütung bei nachweisbar niedrigerer Wiedereinweisungsrate.

Diese Darstellung ist eine fachliche Orientierung, kein Medizin- oder Rechtsersatz. Klinische Entscheidungen über Rehabilitation und Therapiepläne unterliegen ärztlicher und therapeutischer Verantwortung.

Drei typische Einstiegsfehler

1. Monitoring ohne Referenzkurven starten. Das wichtigste technische Konzept — und das, was am häufigsten fehlt. Ein Monitoring-System, das täglich Daten erfasst, aber nicht weiß, was für diese Indikation, dieses OP-Verfahren und diese Patientengruppe normal ist, kann keine sinnvollen Alerts generieren. Das ist, als ob ein Blutdruckmonitor keinen Referenzbereich hätte. Das Ergebnis: Entweder zu viele Alerts (weil jede Abweichung gemeldet wird) oder zu wenige (weil keine Schwellenwerte definiert sind). Lösung: Vor dem Pilotstart retrospektiv Referenzwerte erheben — Schrittanzahl, PROM-Scores und Compliance-Raten aus den letzten 50–100 gut verlaufenen Fällen der gleichen Indikation. Das ist Mehraufwand, aber das Fundament des Systems.

2. Patienten bekommen Geräte, aber keine Einweisung. In der Praxis enden 20–30 % der Monitoring-Versuche damit, dass Geräte kaum genutzt werden — weil Patientinnen und Patienten nicht wissen, wozu sie die Daten liefern, warum es wichtig ist, und was mit den Daten passiert. Besonders ältere Patienten brauchen konkrete Erklärung und Übung, keine App-Anleitung. Lösung: 15-minütige Einweisung durch eine Therapeutin oder einen Therapeuten beim Ausgabetermin — inklusive eines echten Probelaufs. „Starte die App, mach zwei Schritte, zeig mir, dass du die Daten siehst.” Das klingt trivial, verhindert aber den häufigsten Abbruchgrund.

3. Alerts werden generiert, aber niemand reagiert systematisch. Der häufigste stille Scheitermodus: Das System sendet Alerts — per E-Mail, per Dashboard-Markierung — aber im Klinikalltag schaut niemand täglich auf das Dashboard, und die E-Mails landen im allgemeinen Postfach der Station. Nach drei Wochen wird der Monitoring-Dienst nicht mehr geöffnet. Lösung: Eine namentlich zuständige Person (Reha-Koordinatorin, leitende Physiotherapeutin) trägt täglich die Verantwortung, das Alert-Dashboard zu öffnen und auffällige Fälle bis 9 Uhr morgens zu priorisieren. Das kostet täglich 10–15 Minuten — und es funktioniert nur, wenn diese Zeit wirklich reserviert ist und im Dienstplan steht. Systeme, die kein menschliches Pendant haben, werden nach wenigen Wochen abgeschaltet.

Bonus-Fehler: KIS-Anbindung als Day-1-Anforderung. Die Integration von Monitoring-Daten in das bestehende Krankenhausinformationssystem ist sinnvoll — aber sie ist das komplexeste Stück des Projekts und nicht die Voraussetzung für einen Piloten. Viele Projekte scheitern, weil die IT-Abteilung die FHIR-Schnittstelle nicht bis zum Starttermin fertigstellt. Starte ohne direkte KIS-Anbindung, arbeite mit einem separaten Dashboard, und integriere erst, wenn die Grundfunktion erprobt ist.

Was mit der Einführung wirklich passiert — und was nicht

Therapeuten sind skeptisch, bis sie das erste Mal recht hatten. Das erste Mal, dass ein Alert auf einen Patienten hinweist, der beim nächsten Termin tatsächlich ein Problem hat — dieses Erlebnis ist der entscheidende Wendepunkt. Vorher ist das System abstrakt und wirkt nach Mehrarbeit. Danach haben Therapeuten einen konkreten Fall in Erinnerung, für den das System sie rechtzeitig gewarnt hat. Dieser Moment braucht typisch 4–8 Wochen.

Patienten nehmen es ernster als erwartet — wenn der Zweck klar ist. Entgegen der intuitiven Erwartung sind die meisten Rehabilitationspatienten bereit, täglich 5 Minuten Daten zu liefern — wenn sie verstehen, warum. Die Botschaft muss lauten: „Diese Daten helfen uns, rechtzeitig zu reagieren, wenn etwas nicht stimmt. Wenn du morgens Schmerzen hast und den Fragebogen ausfüllst, werde ich es noch heute wissen und mich melden.” Das ist keine Überwachung — das ist Fürsorge mit Datenpunkt.

IT und Datenschutz werden unterschätzt. In Rehakliniken ist die IT-Ressource oft gering. Eine DSFA, ein AVV und eine KIS-Schnittstelle klingen nach drei Arbeitsschritten — sind aber oft 3–6 Monate Abstimmungsarbeit. Wer das unterschätzt, blockiert den Projektstart. Empfehlung: Frühzeitig die IT-Abteilung und den Datenschutzbeauftragten einbinden — nicht erst, wenn die Plattform ausgewählt ist.

Konkrete Tipps für den Rollout:

• Start mit einer Indikationsgruppe (z.B. Knie-TEP) und 10–20 Patienten — nicht mit allen Patientengruppen gleichzeitig
• Eine Therapeutin oder ein Therapeut als „Monitoring-Champion” benennen, der erste Ansprechperson für Fragen ist und täglich das Dashboard prüft
• Nach 8 Wochen Pilotphase: Team-Review mit anonymisierten Fallbeispielen. War der Alert berechtigt? Was haben wir damit gemacht? Was hat gefehlt?
• Patienten aktiv um Feedback bitten: Waren die täglichen Checks zumutbar? Was war störend?

Realistischer Zeitplan mit Risikohinweisen

Der kritische Pfad liegt fast immer bei Datenschutz und Einwilligung — nicht bei der Technologie. Wer Woche 1 damit beginnt, ist in Woche 10 pilotbereit. Wer es auf Woche 8 verschiebt, beginnt erst in Woche 18.

Häufige Einwände — und was dahintersteckt

„Unsere Patienten sind zu alt für Wearables.” Das stimmt für einen Teil der Rehabilitationspatienten — aber nicht für die Mehrheit. Laut einer Frontiers-in-Digital-Health-Studie (2025) ist die technische Akzeptanz von Wearables in der Reha-Population höher als vermutet, wenn die Geräte einfach und zweckgebunden sind. Ein Schrittzähler am Handgelenk ist keine Herausforderung; eine App mit zehn Menüebenen schon. Entscheidend ist die Einweisung. Für Patienten, die tatsächlich nicht geeignet sind (Demenz, schwere motorische Einschränkungen), gibt es immer einen PROM-Fragebogen auf Papier.

„Wir haben keine IT-Kapazität für so ein Projekt.” Das ist ein valider Einwand für eine KIS-Integration von Tag 1. Aber ein Pilot mit einer DiGA wie Kaia Health (Rezept ausstellen, Dashboard ansehen) benötigt praktisch keine IT-Kapazität. Der strukturierte PROM-Fragebogen per E-Mail-Link ebenfalls nicht. IT ist erst ein echter Blocker, wenn du Daten direkt in die Patientenakte schreiben willst.

„Das Monitoring läuft parallel zur eigentlichen Therapie — das ist Mehraufwand.” Kurzfristig: ja. Das Einweisen der Patienten, das tägliche Dashboard-Checken, der erste Alert-Review — das ist echter Aufwand. Mittelfristig: Das System ersetzt den informellen Überblick, den erfahrene Therapeuten durch jahrelange Intuition entwickelt haben — mit einem expliziten, dokumentierten, für alle sichtbaren Pendant. In einer Einrichtung mit Personalfluktuation ist das ein echter Qualitätsvorteil: Das Monitoring-Wissen bleibt in der Einrichtung, auch wenn ein erfahrener Therapeut die Einrichtung verlässt.

Woran du merkst, dass das zu dir passt

Signale, dass die Einführung Sinn macht:

• Du betreust gleichzeitig 30 oder mehr Patienten in einer oder zwei gleichartigen Indikationen (z.B. Knie-TEP, Hüft-TEP, Rückenschmerz nach Operation)
• Du hast mindestens einmal erlebt, dass ein Verlauf erst beim Entlassgespräch als problematisch aufgefallen ist — obwohl das Muster im Rückblick schon früh erkennbar war
• Dein Team klagt über mangelnde Sichtbarkeit zwischen Terminen — du hörst Sätze wie „Ich weiß nicht, wie es dem Patienten zu Hause geht”
• Es gibt in deiner Einrichtung retrospektive Verlaufsdaten zu abgeschlossenen Fällen, die du für die Referenzkurven-Erstellung nutzen könntest
• Deine Einrichtung hat einen Datenschutzbeauftragten, der verfügbar ist und das Projekt begleiten kann

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Weniger als 30 gleichzeitig betreute Patienten in einer Indikation. Der Aufwand für Datenschutzkonzept, Einwilligungsprozess, Plattformkonfiguration und Referenzkurven ist für kleine Fallzahlen nicht wirtschaftlich. Mit 10–15 Patienten gleichzeitig kennst du jeden persönlich und merkst Abweichungen im Gespräch. Erst wenn die Fallzahl die persönliche Überblickbarkeit übersteigt, zahlt sich das System aus.

2. Keine Baseline-Daten zu Referenzverläufen vorhanden. Wenn du keine historischen Verlaufsdaten für deine häufigsten Indikationen hast — weder in strukturierter Form in einem KIS noch als exportierbare Tabellen — kannst du keine Referenzkurven bauen. Monitoring ohne Referenzkurven ist Datenerzeugung ohne Interpretation. In diesem Fall ist der erste Schritt nicht die Monitoring-Plattform, sondern die retrospektive Erfassung abgeschlossener Fälle.

3. Kein dediziertes Zeitkontingent für täglichen Alert-Review. Wenn das Behandlungsteam nicht täglich 10–15 Minuten reservieren kann, um das Alert-Dashboard zu sichten und auffällige Fälle zu priorisieren, ist das System nicht betriebsfähig. Alerts, die nicht gelesen werden, sind schlimmer als kein Monitoring — sie erzeugen ein falsches Sicherheitsgefühl. Wenn die Kapazität heute nicht da ist, ist der erste Schritt nicht das System, sondern die Klärung, wer diese Verantwortung strukturell trägt.

Diese Darstellung ist eine fachliche Orientierung, kein Medizin- oder Rechtsersatz. Klinische Entscheidungen über Rehabilitation und Therapiepläne unterliegen ärztlicher und therapeutischer Verantwortung.

Das kannst du heute noch tun

Bevor du eine Plattform evaluierst oder ein Datenschutzkonzept schreibst: Erhebe deine eigene Baseline. Schau dir die letzten 20 abgeschlossenen Knie-TEP-Fälle (oder deine häufigste Indikation) an und notiere für jeden: Wie war der KOOS-Jr. bei Aufnahme, nach zwei Wochen, bei Entlassung? Wie war der Kniebeugewinkel? Gab es Wiedereinweisungen?

Das dauert eine Stunde. Was du danach weißt: ob du überhaupt Referenzkurven bauen kannst, und wie viel Variation zwischen Patienten in deiner Einrichtung normal ist. Ohne diese Zahl weißt du nicht, was ein Alert-Schwellenwert sein soll.

Für den nächsten Schritt — eine erste strukturierte Abfrage bei Patienten zwischen den Terminen — hier ist ein Prompt, mit dem du den PROM-Versand und die Auswertung sofort testen kannst:

Hinweis: Vor dem Einsatz mit echten Patientendaten müssen alle Eingaben anonymisiert oder pseudonymisiert werden. Direkte Identifikatoren (Name, Geburtsdatum, Aufnahmenummer) gehören NICHT in den Prompt. Patient-IDs nur als interne Pseudonyme verwenden. Die Verarbeitung in externen LLM-Diensten (ChatGPT, Claude, Gemini) ohne abgeschlossenen AVV und ohne EU-Datenhaltung ist nach Art. 9 DSGVO bei Gesundheitsdaten nicht zulässig.

Diese Darstellung ist eine fachliche Orientierung, kein Medizin- oder Rechtsersatz. Klinische Entscheidungen über Rehabilitation und Therapiepläne unterliegen ärztlicher und therapeutischer Verantwortung.

Quellen & Methodik

• Wiedereinweisungsrate Remote-Monitoring: Dorr, L. D. et al. „Effect of Remote Monitoring on Discharge to Home, Return to Activity, and Rehospitalization After Hip and Knee Arthroplasty”, JAMA Network Open 3(12), 2020. DOI: 10.1001/jamanetworkopen.2020.26054. Randomisierte kontrollierte Studie, n = 300.
• AI-gestützte Rehabilitation und Compliance: JMIR Rehabilitation and Assistive Technologies, „How AI-Based Digital Rehabilitation Improves End-User Adherence: Rapid Review”, 2025. E69763. Systematisches Review über digitale Rehabilitationsprogramme.
• Akzeptanz von Wearables in Reha-Kontexten: Frontiers in Digital Health, „Perspectives of key stakeholders on integrating wearable sensor technology into rehabilitation care: a mixed-methods analysis”, 2025. DOI: 10.3389/fdgth.2025.1534419.
• Sword Health KI-Studie: Sharma, A. et al. „Scaling MSK care safely with AI technology”, Journal of Clinical Medicine, August 2024. Prospektive Kohortenstudie zu AI-gestützter Betreuung, 79,9 % Programmabschlussrate in der AI-Gruppe.
• Digitaler Reifegrad Rehakliniken: DigitalRadar 2025 — 70 % der Reha-Einrichtungen in Deutschland auf den niedrigsten Digitalisierungsstufen. Veröffentlicht auf dasrehaportal.de, Mai 2025.
• Kaia Health DiGA-Status: BfArM DiGA-Verzeichnis, Stand Mai 2026. Kaia Rückenschmerzen ist dauerhaft gelistet; alle gesetzlichen Krankenkassen übernehmen die Kosten.
• Datenschutz-Grundverordnung: Art. 9, Art. 28, Art. 35 DSGVO — Verarbeitung besonders sensibler Gesundheitsdaten, AVV, Datenschutzfolgenabschätzung.
• Qualitätssicherung: SGB V §137 — gesetzliche Grundlage für Qualitätsmessung in zugelassenen Krankenhäusern und Rehakliniken.

Du willst wissen, ob deine Einrichtung die Voraussetzungen für einen Piloten mitbringt — Patientenstruktur, KIS-Situation, Datenschutz-Ausgangslage? Meld dich — das klären wir in einem kurzen Gespräch.