KI-Literaturrecherche für medizinische Sachverständigengutachten

Das echte Ausmaß des Problems

Der Literaturrecherche-Aufwand in der medizinischen Begutachtung ist kaum sichtbar, aber er ist erheblich. Eine qualifizierte gutachterliche Stellungnahme zu einem orthopädischen oder neurologischen Beschwerdebild setzt voraus, dass die oder der Sachverständige den aktuellen Stand der wissenschaftlichen Diskussion kennt, nicht den Stand von vor drei Jahren, und nicht das, was die Gegenseite selektiv zitiert.

In der Praxis bedeutet das: Jedes nicht-triviale Gutachten zu Berufsunfähigkeit, GdB-Feststellung oder Unfallfolgen erfordert eine eigenständige Literaturrecherche. Die AWMF allein listet über 700 aktive Leitlinien in ihrem Register, viele davon mit langen Aktualisierungszyklen und nicht immer konsistenten Empfehlungen zwischen verschiedenen Fachgesellschaften. PubMed indexiert monatlich rund 100.000 neue Einträge. Die Cochrane-Library aktualisiert systematische Reviews im Durchschnitt alle zwei bis drei Jahre, und ist nicht immer im Einklang mit den deutschen AWMF-Leitlinien.

Wie viel Zeit medizinische Sachverständige je Gutachten für die Recherche brauchen, ist nicht erhoben. Wir schätzen 2 bis 5 Stunden für nicht-triviale Fragen in bekannten Fachgebieten, deine eigene Zahl bekommst du, wenn du bei drei Gutachten mitstoppst. Bei Spezialkonstruktionen (ungewöhnliche Kausalitätsfragen, seltene Erkrankungen, interdisziplinäre Fragestellungen) sind es deutlich mehr.

Das Problem hat drei Dimensionen, die sich gegenseitig verstärken:

• Vollständigkeitsdruck: Ein Gegengutachten, das eine übersehene Schlüsselstudie zitiert, erschüttert die Glaubwürdigkeit des Erstgutachtens, unabhängig davon, wie gut der Rest ist.
• Widersprüchliche Evidenzlage: In vielen gutachterrelevanten Bereichen (Schmerzmedizin, Wirbelsäulenerkrankungen, psychiatrische Begutachtung) gibt es konkurrierende Leitlinien und Studienergebnisse, die gezielt herausgearbeitet werden müssen, um eine belastbare Einschätzung zu begründen.
• Zeitdruck und Volumen: Wer als Sachverständige:r wirtschaftlich tätig ist, kann nicht drei Stunden Recherche in jedes Honorargutachten investieren, ohne die Qualität zu kompromittieren oder das Stundenkontingent zu überschreiten.

Dieser Abschnitt beschreibt die fachliche und gutachterliche Praxis. Er ist keine Rechts- oder Medizinberatung. Die Verantwortung für die im Gutachten verwerteten Inhalte und ihre rechtliche Wirkung (insbesondere die persönliche Erstattung nach § 407a ZPO und bei Gerichtsgutachten die Haftung nach § 839a BGB) trägt die oder der Sachverständige.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Schätzung der Redaktion, keine Erhebung. Belegt ist nur die Grenze: In der Vergleichsstudie von Lau und Golder (2025) fand Elicit im Schnitt 39,5 Prozent der relevanten Studien, die klassische Datenbanksuche 94,5 Prozent. KI ergänzt die Suche, sie ersetzt sie nicht. Alle KI-Ergebnisse müssen vor Einbindung ins Gutachten anhand der Originalquellen verifiziert werden, dieser Schritt entfällt nicht.

Dieser Abschnitt ist eine wissenschaftliche Orientierung, keine medizinische oder juristische Beratung. KI-gestützte Rechercheergebnisse ersetzen keine qualifizierte Begutachtung durch einen Facharzt.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5)
Die Zeitersparnis liegt bei Sichtung, Extraktion und Gegenüberstellung: Einen ersten strukturierten Literaturscan liefern Elicit oder ArztGPT in 20 bis 40 Minuten. Die klassische Datenbanksuche ersetzt das nicht, in der Vergleichsstudie von Lau und Golder fand Elicit im Schnitt nur 39,5 Prozent der relevanten Studien. Deshalb nur mittel: Die Suche bleibt, schneller wird das Lesen und Ordnen, und die Verifikation am Originaltext entfällt nicht. Am meisten bringt es bei gut erforschten Krankheitsbildern, Wirbelsäulenerkrankungen, orthopädischen Posttrauma-Folgen, häufigen neurologischen Bildern, und wenn eine Grundrecherche als Vorlage für ähnliche Fälle dient.

Kosteneinsparung, gering (2/5)
Die Toolkosten sind überschaubar: ArztGPT kostet 49 Euro im Monat. Elicit Pro kostet 49 US-Dollar im Monat im Jahresabo. Der betriebswirtschaftliche Effekt ist aber indirekt: Die Einsparung entsteht über mehr Kapazität, nicht über niedrigere Ausgaben. Wer pro Gutachten weniger Recherchezeit benötigt, kann entweder mehr Gutachten annehmen oder die bestehenden tiefer bearbeiten. Bei Gerichtsgutachten nach JVEG senkt die gesparte Zeit zunächst sogar das Honorar, weil nach Stunden abgerechnet wird. Das ist schwer zu isolieren und zu quantifizieren. Deshalb bleibt Kosteneinsparung das schwächste Argument für diesen Anwendungsfall.

Schnelle Umsetzung, mittel (3/5)
Mit einem SaaS-Tool wie ArztGPT oder Elicit ist ein produktiver Ersteinsatz in zwei bis drei Wochen realistisch. Eine eigene RAG-Lösung auf internen Gutachtendokumenten dauert sechs bis acht Wochen. Die Einschränkung: Das Tool muss auf das jeweilige Fachgebiet kalibriert, der Workflow muss in die bestehende Gutachtenarbeit integriert werden, das ist nicht trivial. Mittelfeldbewertung unter den verglichenen gutachterlichen Anwendungsfällen.

ROI-Sicherheit, mittel (3/5)
Der Nutzen ist real, aber nicht für jede Gutachtenpraxis gleich relevant. Wer drei bis vier einfache Gutachten pro Monat schreibt, sieht einen anderen ROI als jemand mit 20 komplexen Sozialrechtsgutachten. Die ROI-Sicherheit ist auch davon abhängig, ob die KI-Ergebnisse konsequent in den Workflow integriert werden, halbherzige Nutzung bringt wenig. Die Geldersparnis lässt sich nicht direkt buchen.

Skalierbarkeit, hoch (4/5)
Das System skaliert gut: Mehr Fachgebiete, mehr Gutachtentypen, mehr Sachverständige in einer Gemeinschaftspraxis können mit verhältnismäßig geringem Mehraufwand hinzukommen. Eine einmal aufgebaute Recherchestrategie für das Fachgebiet Orthopädie lässt sich auf Neurologie übertragen. Der Grenzaufwand für zusätzliche Nutzung ist gering, das unterscheidet diesen Ansatz von einer spezialisierten manuellen Recherchedienstleistung.

Richtwerte, stark abhängig von Gutachtenvolumen, Spezialisierungsgrad und gewähltem Tool.

Was das System konkret macht

Der technische Ansatz hat zwei Ebenen, die zusammen eine gutachtenrelevante Literaturgrundlage erzeugen.

Ebene 1, Semantische Datenbanksuche: Statt einer Stichwortsuche (die nur findet, was mit denselben Begriffen formuliert wurde) suchen KI-Systeme wie Elicit oder Semantic Scholar nach dem Bedeutungsgehalt einer Forschungsfrage. Das bedeutet: „Korrelation lumbale Spinalkanalstenose und berufliche Belastung nach Sturzereignis” findet auch Studien, die diese Verbindung unter anderen Termini untersuchen. Je nach Werkzeug sind das 138 Millionen Paper aus Semantic Scholar und PubMed (Elicit) oder über 250 Millionen Werke aus OpenAlex, PubMed und Europe PMC (ArztGPT), die Relevanz jedes Treffers wird automatisch bewertet.

Ebene 2, Retrieval-Augmented Generation (RAG): Die relevantesten Volltexte oder Abstracts werden an ein LLM weitergereicht, das daraus strukturierte Zusammenfassungen erstellt: Studiendesign, Stichprobengröße, Ergebnisse, Evidenzklasse. Das Modell soll dabei nur zusammenfassen, was in den gefundenen Dokumenten steht. Falsch zusammengefasst wird trotzdem, deshalb bleiben die Quellenangaben erhalten und sind im Ergebnis-Memo nachprüfbar.

Was das für die Gutachtenpraxis bedeutet: Du stellst dem System deine gutachterliche Kernfrage, „Was sagt der aktuelle Leitlinienstand zur Kausalität zwischen Sturz aus 2 Metern Höhe und posttraumatischer Kniearthrose?”, und erhältst in 10–20 Minuten eine strukturierte Übersicht über die einschlägigen AWMF-Leitlinien mit Empfehlungsklasse, die relevantesten Studien der letzten zehn Jahre mit Kurzzusammenfassung sowie einen Hinweis auf widersprüchliche Evidenzpositionen. Diese Übersicht ist der Ausgangspunkt, nicht das Ergebnis. Die gutachterliche Bewertung bleibt deine Aufgabe.

Die PubMed-API der NCBI ist vollständig kostenlos und öffentlich zugänglich. Die darauf aufbauenden Recherchetools bieten Komfort und Intelligenz on top, dafür wird eine Lizenzgebühr fällig.

Dieser Abschnitt erläutert die Funktionsweise der Tools. Er ersetzt weder eine medizinische Bewertung noch die gutachterliche Kausalitätsprüfung, die ausschließlich der oder dem Sachverständigen obliegt.

Konkrete Werkzeuge, was wann passt

Für die Literaturrecherche im Gutachtenkontext gibt es drei sinnvolle Ansätze, abhängig vom Workflow und Budget.

ArztGPT , der deutschsprachige Direkteinstieg
ArztGPT ist eine der wenigen deutschsprachigen Plattformen, die Literaturrecherche über PubMed, OpenAlex und Europe PMC (über 250 Millionen Werke), AWMF-Leitlinienabfrage mit Evidenzgraden (S1–S3) und automatische Redaktion personenbezogener Daten in einer Oberfläche vereint. Für Sachverständige, die keine Freude an englischsprachigen Interfaces haben und einen direkten AWMF-Zugang brauchen, ist das der reibungsloseste Einstieg. Preis: 49 Euro im Monat inklusive MwSt., 7 Tage kostenlos testen. Einschränkung: kein kollaboratives Screening, keine Volltextanalyse eigener PDFs, keine PRISMA-Workflows.

Elicit , für systematische Studien-Extraktion
Elicit durchsucht über 138 Millionen Paper aus Semantic Scholar und PubMed semantisch, extrahiert automatisch Studiendesign, Stichprobengrößen und Ergebnisse aus Abstracts und erstellt strukturierte Tabellen. Für gutachterliche Fragestellungen, bei denen du einen systematischen Überblick über die Evidenzlage zu einem Beschwerdebild benötigst, ist Elicit das mächtigste Werkzeug. Wichtig: Elicit ist ausschließlich englischsprachig und läuft auf US-Servern, kein EU-Hosting. Preis: Basic kostenlos (2 Reports/Monat); Pro 49 USD/Monat.

NotebookLM , für die Tiefenanalyse vorhandener PDFs
Wenn du die relevanten Studien und Leitlinien bereits identifiziert und als PDFs vorliegen hast, ermöglicht NotebookLM das gezielte Befragen dieser Dokumente. Du lädst fünf bis zehn Volltexte hoch und fragst: „Welche dieser Studien widersprechen der AWMF-Empfehlung zur konservativen Therapie?”, das System antwortet mit präzisen Quellenverweisen auf den genauen Textabschnitt. Kostenlos, kein Setup, Google-Konto reicht. Datenhosting in den USA.

Perplexity , für die Orientierungsrecherche
Für einen schnellen ersten Überblick, „Gibt es aktuelle Cochrane-Reviews zur Koxarthrose nach Arbeitsunfall?”, bietet Perplexity mit dem Academic-Focus-Modus eine gute erste Orientierung. Nicht als Haupttool für Gutachten geeignet, weil die Quellenzuweisung gelegentlich fehlerhafte Zuordnungen produziert (bekanntes Problem, in der englischsprachigen Literatur gut dokumentiert). Als Startpunkt für die Suchanfrage-Formulierung aber nützlich.

scite_ , für die Erkennung widersprüchlicher Evidenz
Scite zeigt für jedes Paper, ob es in der Folgeliteratur unterstützend zitiert, widersprochen oder nur erwähnt wurde. Das ist für Gutachten besonders wertvoll: Eine Studie, die in 30 Folgestudien aktiv widersprochen wird, trägt weniger Gewicht als eine, die konsistent als Beleg herangezogen wird. Preis: 20 USD/Monat; kein dauerhafter Free-Plan.

Zusammenfassung: Wann welcher Ansatz

• Deutschsprachiger Direkteinstieg, AWMF-Integration → ArztGPT
• Systematische Studienextraktion, englischsprachige Quellen → Elicit
• Tiefenanalyse eigener PDFs nach der Suche → NotebookLM
• Erste Orientierung, Suchbegriff-Kalibrierung → Perplexity
• Erkennung widersprüchlicher oder widerlegter Belege → scite_

Toolempfehlungen sind fachliche Orientierung, keine Rechts- oder Medizinberatung. Vor produktivem Einsatz in der Gutachtenpraxis sollten AVV-Status, Datenhaltungsstandort und Eignung für besondere Datenkategorien (DSGVO Art. 9) im konkreten Anwendungsfall geprüft werden.

Widersprüchliche Evidenzlage: Die KI als Gegenargument-Finder

Das ist die Stärke, die am seltensten genannt wird, aber für die gutachterliche Tätigkeit besonders relevant ist: KI-Recherche kann systematisch nach widersprüchlichen Positionen in der Fachliteratur suchen, und diese strukturiert aufbereiten.

Gerichte erwarten von medizinischen Sachverständigen nicht, dass sie eine Einheitsmeinung vertreten, wo keine existiert. Sie erwarten, dass die oder der Sachverständige widerstreitende wissenschaftliche Positionen kennt, benennt und begründet, warum die eigene Einschätzung einer bestimmten Evidenzlage den Vorzug gibt.

In der Praxis läuft das so: Du fragst das System gezielt nach divergierenden Leitlinienempfehlungen oder gegensätzlichen Studienaussagen. scite_ zeigt dir, welche Studien zu deiner Fragestellung in der Folgeliteratur aktiv angezweifelt wurden. Elicit erlaubt es, Ergebnisfelder nebeneinander zu stellen: Studien, die eine Kausalität belegen, und Studien, die sie in Frage stellen. NotebookLM kann dir, nach dem Upload beider Seiten der Kontroverse, eine direkte Gegenüberstellung der Argumentationslinien erzeugen.

Wichtig: Die KI findet die Widersprüche und benennt sie. Die gutachterliche Bewertung, welcher Position mit welcher Begründung zu folgen ist, bleibt vollständig die Aufgabe der Sachverständigen.

Dieser Abschnitt ist eine wissenschaftliche Orientierung, keine medizinische oder juristische Beratung. KI-gestützte Rechercheergebnisse ersetzen keine qualifizierte Begutachtung durch einen Facharzt.

Qualitätssicherung: Wie du KI-Ergebnisse gutachtenreif machst

Dieser Abschnitt betrifft rechtliche und methodische Anforderungen an Sachverständigengutachten. Die AWMF-Leitlinie „Allgemeine Grundlagen der medizinischen Begutachtung” (Register-Nr. 094/001, Stand 2019, S2k) sowie § 407a ZPO, nach dem der Sachverständige das Gutachten persönlich erstattet, begründen die fachliche Verantwortung der Sachverständigen für alle im Gutachten verwerteten Quellen. Die folgenden Hinweise sind keine Rechtsberatung. Für konkrete juristische Fragen zur Gutachtenpraxis wende dich an einen auf Medizinrecht spezialisierten Anwalt oder an die zuständige Fachgesellschaft.

Ein KI-Recherchetool liefert kein zitierfähiges Gutachten. Es liefert einen Ausgangspunkt, eine strukturierte Übersicht, die du in fünf weiteren Schritten in eine belastbare wissenschaftliche Grundlage umwandeln musst:

Schritt 1, Vollständigkeitsprüfung: Vergleiche die KI-Trefferliste mit einer eigenen PubMed-Suche für die letzten zwölf Monate. Die Vergleichsstudie von Oscar Lau und Su Golder (2025, PMC12483133) zeigt: Elicit fand in vier Fallstudien im Schnitt 39,5 Prozent der letztlich eingeschlossenen Studien, die traditionelle Datenbankrecherche 94,5 Prozent. Das bedeutet: Die KI ist ein leistungsstarkes Startwerkzeug, kein Ersatz für die abschließende manuelle Verifikation.

Schritt 2, Quellenverifikation am Original: Jede Aussage, die du aus dem KI-Memo ins Gutachten übernimmst, muss am Originaltext verifiziert werden. Das ist keine Empfehlung, es ist methodischer Mindeststandard. Walters und Wilder (2023) fanden bei GPT-3.5 55 Prozent erfundene Literaturangaben, bei GPT-4 18 Prozent, und von den echten GPT-4-Angaben enthielt knapp ein Viertel sachliche Fehler. RAG-basierte Systeme wie Elicit sind deutlich zuverlässiger, aber auch hier gilt: eine Stichprobenprüfung pro Recherchelauf ist Pflicht.

Schritt 3, Leitlinienaktualität: AWMF-Leitlinien haben Gültigkeitszeiträume von drei bis fünf Jahren. Prüfe für jede verwendete Leitlinie, ob zum Zeitpunkt des Gutachtens eine neuere Fassung im Register vorliegt. Das AWMF-Leitlinienregister ist unter register.awmf.org öffentlich zugänglich.

Schritt 4, Evidenzgradeinstufung dokumentieren: Für jede im Gutachten verwertete Studie und Leitlinie gehört die Evidenzklasse (S1/S2k/S2e/S3 für AWMF; Ia/Ib/IIa usw. für internationale Systematiken) in den Methodikteil. KI-Tools geben diese Einordnung teilweise automatisch aus, überprüfe sie am Original.

Schritt 5, Transparenz über den Rechercheprozess: Dokumentiere im Methodikteil des Gutachtens, welche Datenbanken und welche KI-Werkzeuge du genutzt hast und mit welchen Suchbegriffen. Das ist gute wissenschaftliche Praxis und schützt bei Nachfragen des Gerichts oder der Gegenseite.

Datenschutz und Datenhaltung

Medizinische Gutachten enthalten fast immer personenbezogene und besonders sensible Gesundheitsdaten, Diagnosen, Unfallanamnesen, Vorbefunde, psychiatrische Beurteilungen. Das hat direkte Konsequenzen für die Wahl des Recherchetools.

Dieser Abschnitt berührt datenschutzrechtliche Anforderungen nach DSGVO Art. 9 (besondere Kategorien personenbezogener Daten) und Art. 28 (Auftragsverarbeitung). Er ist keine Rechtsberatung. Vor dem produktiven Einsatz von Cloud-Tools mit Gutachteninhalten solltest du einen Datenschutzbeauftragten oder Anwalt für Datenschutzrecht hinzuziehen.

Was du in keines dieser Tools eingeben darfst: Patientenname, Geburtsdatum, Aktenzeichen mit Personenbezug, direkte Zitate aus Patientenakten oder Arztbriefen. Die Literaturrecherche ist eine generische Aufgabe, sie kann vollständig ohne Patientendaten durchgeführt werden. Die Frage an das Tool lautet nicht „Welche Studienlage gilt für Herrn Müller?” sondern „Was sagt die Studienlage zur Belastbarkeit bei lumbaler Spinalkanalstenose in schwerer körperlicher Arbeit, etwa als Zimmermann?”

Für die einzelnen Tools gilt:

• ArztGPT : Implementiert automatische Redaktion von 30+ deutschen PII-Mustern vor KI-Verarbeitung. Die Hosting-Infrastruktur liegt laut Anbieter in Frankfurt am Main, die KI-Verarbeitung läuft aber über OpenRouter in den USA, die Datenbank über MongoDB Atlas (USA/EU). Vollständig EU-seitig ist das nicht.
• Elicit : Datenhaltung in den USA; kein EU-Hosting; kein Standard-AVV im Basic- und Pro-Plan, im Basic-Plan wird laut Anbieter auf Eingaben trainiert. Geeignet für generische Literaturrecherche ohne Patientenbezug; ungeeignet, wenn unveröffentlichte oder patientenbezogene Daten verarbeitet werden sollen.
• NotebookLM : Datenhaltung auf US-Servern (Google-Infrastruktur). Geeignet für den Upload von publizierten Volltexten (die ohnehin öffentlich sind). Keine Patientenakten oder Arztbriefe hochladen.
• Perplexity : US-Hosting; kein AVV im Standard-Plan. Nur für generische Suchanfragen ohne Personenbezug.
• scite_ : US-Hosting; kein Standard-AVV. Nutzung auf die Recherche von publizierten Quellen beschränkt.

Als Sachverständige:r trägst du die fachliche und rechtliche Verantwortung für alle in deinem Gutachten verwerteten Inhalte, unabhängig davon, welches Tool an der Recherche beteiligt war.

Was es kostet, realistisch gerechnet

Monatliche Toolkosten

• ArztGPT Pro: 49 €/Monat (inkl. MwSt., AWMF + PubMed + über 250 Mio. Werke)
• Elicit Basic: 0 USD (2 Reports/Monat, für erste Tests ausreichend)
• Elicit Pro: 49 USD/Monat (144 Reports/Jahr, systematische Review-Workflows)
• NotebookLM : 0 € (Free-Version mit 50 Quellen/Notizbuch, für die meisten Gutachten ausreichend)
• Perplexity Pro: 20 USD/Monat (für Academic-Focus-Modus)
• scite_ : 20 USD/Monat (kein dauerhafter Free-Plan)

Realistisches Einsteiger-Setup: Elicit Basic (kostenlos) + NotebookLM (kostenlos) + ArztGPT 7-Tage-Test. Kosten im ersten Monat: 0 €.

Setup für regelmäßige Nutzung: ArztGPT Pro für 49 Euro im Monat, deckt AWMF und PubMed deutschsprachig ab. Oder Elicit Pro für 49 US-Dollar im Monat (Jahresabo) für systematischere englischsprachige Recherche.

Wie du den Nutzen misst
Der direkte Weg: Vor dem ersten Einsatz die aktuelle durchschnittliche Recherchezeit je Gutachten messen (drei bis vier Gutachten als Basis). Nach vier Wochen Toolnutzung dieselbe Messung wiederholen. Wer eine Stunde je Gutachten einspart und monatlich zwölf Gutachten schreibt, gewinnt 12 Stunden. Was die wert sind, hängt am Auftraggeber. Gerichtsgutachten vergütet das JVEG nach der erforderlichen Zeit, medizinische Gutachten in den Honorargruppen M 1 bis M 3 mit 87, 98 oder 131 Euro je Stunde. Recherchierst du schneller, rechnest du weniger Stunden ab: 12 mal 98 Euro sind 1.176 Euro weniger Honorar im Monat. Zurück kommt das Geld nur, wenn du die Stunden mit weiteren Gutachten füllst. Bei Pauschalhonoraren ist die gesparte Stunde dagegen direkt Marge. Die Werkzeuge kosten rund 50 Euro im Monat.

Was du dagegenrechnen musst
Die Einsparung ist nur real, wenn die freigewordene Kapazität tatsächlich in mehr oder bessere Gutachten fließt. Wer mit der eingesparten Zeit nur die Kaffeepause verlängert, sieht keinen ROI. Und: Der Verifikationsschritt (jede KI-Aussage am Original prüfen) fällt nicht weg, er wird nur effizienter.

Typische Einstiegsfehler

1. KI-Ergebnisse ohne Verifikation ins Gutachten übernehmen.
Das ist der gefährlichste Fehler, und er passiert öfter als man annimmt. RAG-basierte Systeme sind deutlich zuverlässiger als generische Chatbots, aber auch sie sind nicht fehlerfrei. Eine Studie, deren Ergebnis das System leicht falsch zusammenfasst, ein Leitlinienzitat, dessen Erscheinungsjahr um zwei Jahre veraltet ist, das reicht, um die Glaubwürdigkeit des Gutachtens vor Gericht zu beschädigen. Jede übernommene Quellenaussage muss am Originaltext geprüft werden. Das dauert pro Quelle 5–10 Minuten, aber es ist nicht optional.

2. Allgemein nach dem Krankheitsbild suchen statt nach der Gutachtenfrage.
Wer einfach „Bandscheibenvorfall” in das Tool eingibt, erhält eine generische Ergebnisliste. Wer dagegen die präzise gutachterliche Fragestellung formuliert, „Ursachenzusammenhang zwischen bandscheibenbedingter Erkrankung L4/5 und 25 Jahren Heben und Tragen als Dachdecker (BK 2108)”, erhält eine fokussierte, verwertbare Übersicht. Die Qualität des Inputs bestimmt die Qualität des Outputs. Das ist bei KI genauso wie bei einer klassischen Datenbankrecherche.

3. Den Elicit-Sensitivitäts-Gap ignorieren.
Lau und Golder (2025) haben in einer Vergleichsstudie gezeigt, dass Elicit im Schnitt nur 39,5 Prozent der relevanten Studien fand, die traditionelle Datenbankrecherche 94,5 Prozent. Das ist kein Grund, das Tool nicht zu nutzen, es ist ein Grund, es als Ergänzung zu nutzen, nicht als Ersatz. Für ein Gutachten, das vor Gericht standhalten muss, reicht Elicit als alleinige Recherchequelle nicht.

4. Dasselbe Recherchememo für ähnliche, aber nicht identische Fälle recyceln.
Die Versuchung ist real: Das nächste Kniebandschadengutachten ist dem letzten ähnlich. Aber Leitlinien aktualisieren sich, neue Studien erscheinen, und die spezifische Gutachtenfrage unterscheidet sich in Details, die rechtlich relevant sein können. Ein recyceltes Memo ist kein Literaturfundament, es ist eine Abkürzung, die sich rächt.

5. Den Datenschutz-Trennstrich verwischen.
Wer für die Recherche Patientendaten in ein Cloud-Tool eingibt, auch nur Alter, Diagnose und Beruf gemeinsam, berührt den Bereich besonderer Datenkategorien nach DSGVO Art. 9. Die Recherchefrage muss vollständig anonymisiert sein. Das klingt selbstverständlich, ist in der Praxis aber eine Disziplin, die aktiv aufrechterhalten werden muss.

Dieser Abschnitt enthält allgemeine Hinweise zu datenschutzrechtlichen Risiken. Er ist keine Rechtsberatung. Für konkrete Fragen zur DSGVO-Konformität in deiner Gutachtenpraxis wende dich an eine:n Datenschutzbeauftragte:n oder auf Datenschutzrecht spezialisierte:n Anwalt oder Anwältin.

Was mit der Einführung wirklich passiert, und was nicht

Die Technik ist das Einfachste an dieser Einführung. Das Schwierigere ist das eigene Verhaltensmuster.

Was sofort funktioniert: Die Suche nach bekannten Diagnosebildern in vertrauten Fachgebieten. Wer seit Jahren orthopädische Gutachten schreibt und die Recherche für Knie- und Hüftfälle optimieren will, kann das binnen zwei Wochen produktiv umsetzen.

Was Zeit braucht: Die Suchstrategie für das jeweilige Fachgebiet zu schärfen, welche Suchformulierungen funktionieren, welche Datenbankfilter helfen, wann die KI-Ergebnisse vollständig genug sind und wann man tiefer graben muss. Das ist keine Frage von Wochen, sondern von zehn bis zwanzig Gutachten.

Was nicht passiert: Das Tool schreibt das Gutachten nicht. Es trifft keine gutachterlichen Einschätzungen. Es bewertet keine Kausalitätsfragen. Es wählt keine Beurteilungsmaßstäbe. All das bleibt vollständig in deiner Verantwortung, und das ist nicht der Konstruktionsfehler des Systems, das ist sein korrektes Design.

Der häufigste Rückschlag: Wer in den ersten Wochen ein Ergebnis bekommt, das bei der Verifikation nicht hält, eine falsch zusammengefasste Studie, ein überholtes Leitlinienzitat, der ist versucht, das Tool als unzuverlässig abzutun. Das wäre der falsche Schluss. Der richtige Schluss ist: Das Verifikationsprinzip hat funktioniert. Du hast den Fehler gefunden. Das System ist kein Automat, der dir die Arbeit abnimmt, es ist ein Rechercheassistent, der dir Arbeit spart, ohne die Verantwortung zu übernehmen.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„KI erfindet Studien, das ist für ein Gutachten untragbar.”
Das stimmt für generische Chatbots wie ChatGPT ohne Quellenanbindung. Es stimmt nicht für RAG-basierte Systeme, die ausschließlich aus echten Datenbankeinträgen zitieren. Der Unterschied: Eine Halluzination bei ChatGPT-Recherche ist schwer zu erkennen, weil das System keine Quellen zeigt. Eine Ungenauigkeit bei Elicit oder ArztGPT ist erkennbar und nachprüfbar, weil die Quelle immer mitgeliefert wird. Das Verifikationsprinzip, jede Aussage am Original prüfen, ist ohnehin der wissenschaftliche Mindeststandard. Das gilt ohne KI genauso wie mit KI. Der Fehler bei ChatGPT ohne Quellenanbindung ist gut dokumentiert: Walters und Wilder (2023) fanden je nach Modell 18 bis 55 Prozent erfundene Literaturangaben. Das ist der Grund, warum spezialisierte Recherche-Tools mit echter Datenbankanbindung existieren.

„Die Zeit fürs Verifizieren spare ich gar nicht, die Recherche dauert insgesamt genauso lang.”
Das stimmt für die ersten fünf bis zehn Gutachten. Wer den Workflow erstmals aufbaut, investiert mehr, nicht weniger. Nach dieser Lernkurve, wenn die Suchformulierungen sitzen, die Filterstrategien klar sind und die Verifikation routiniert läuft, verkürzt sich der Rechercheprozess real. Wer diesen Punkt nicht erreicht, weil er nach drei Gutachten aufgibt, wird nie die Zeitersparnis sehen.

„Die Gegenseite wird die KI-Recherche angreifen.”
Das ist ein unterschätztes Argument. Gerichte und Gegengutachter fragen zunehmend nach der Recherchestrategie. Die gute Nachricht: Ein transparenter KI-gestützter Rechercheprozess mit dokumentierter Verifikation am Original ist nicht schwächer als eine intransparente manuelle Suche, er ist stärker. Wer seine Suchstrategie, die verwendeten Datenbanken und die Verifikationsschritte im Methodikteil des Gutachtens dokumentiert, ist besser geschützt als jemand, der nur schreibt „laut aktueller Studienlage”. Zum Vergleich aus der Forschungsförderung: Die DFG hatte ihren Gutachtenden 2023 generative Modelle wegen der Vertraulichkeit des Verfahrens ganz untersagt, seit dem 16. April 2026 ist KI in der DFG-Begutachtung nur unter einer eigenen Leitlinie zulässig. Für Gerichtsgutachten gilt das nicht, es zeigt aber, wie ernst Vertraulichkeit genommen wird.

Dieser Abschnitt ist eine fachliche Einordnung gängiger Einwände, keine Rechtsberatung. Die DFG-Leitlinien betreffen den Forschungskontext; gerichtsfeste Anforderungen an Sachverständigengutachten richten sich nach ZPO/StPO und der jeweiligen Fachgesellschaft. Für die konkrete Gutachtenpraxis konsultiere die zuständige Ärztekammer oder einen auf Medizinrecht spezialisierten Anwalt.

Woran du merkst, dass das zu dir passt

Du profitierst von KI-gestützter Literaturrecherche, wenn:

• Du mehr als fünf medizinische Gutachten pro Monat schreibst, für die du eigenständig Literatur recherchieren musst, dann ist der monatliche Toolaufwand von unter 100 € klar gerechtfertigt
• Du häufig in einem oder zwei Fachgebieten tätig bist, die gut in PubMed und AWMF abgedeckt sind (Orthopädie, Neurologie, Psychiatrie, Innere Medizin)
• Du aktuell das Gefühl hast, dass deine Recherche nicht vollständig ist oder wichtige neuere Studien verpasst
• Du bereit bist, einen Verifikationsschritt in deine Gutachtenroutine zu integrieren, und diesen nicht als Bürde, sondern als methodischen Standard zu verstehen

Wann es sich noch nicht lohnt, drei harte Ausschlusskriterien:

1. Weniger als vier bis fünf Gutachten pro Monat mit eigenständiger Literaturrecherche. Der Lernaufwand für den Workflow und die monatlichen Toolkosten rechnen sich bei diesem Volumen nicht. Die kostenlose Kombination aus Elicit Basic und NotebookLM ist eine gute Alternative für gelegentliche Recherchen.

2. Keine etablierte Routine, wie Quellen im Gutachten dokumentiert werden. Wenn du bisher nicht systematisch Evidenzklassen und Datenbankquellen angibst, ist der erste Schritt eine methodische Standardisierung des Gutachtenformats, nicht ein KI-Tool. KI-Recherche auf einem unsystematischen Fundament verstärkt das Problem, statt es zu lösen.

3. Spezialisierung auf sehr seltene Erkrankungen oder enge Berufskrankheitenfälle, für die PubMed und AWMF nur dünn besetzt sind. Wie gut KI-Werkzeuge dort finden, hat niemand gemessen, schon bei gut erforschten Themen fand Elicit im Schnitt nur 39,5 Prozent der relevanten Studien. Manueller Kontakt mit Fachgesellschaften, Registern und spezialisierten Datenbankdiensten ist in diesen Fällen effektiver.

Das kannst du heute noch tun

Der einfachste kostenlose Einstieg: Öffne NotebookLM , kein Setup, kein kostenpflichtiger Plan, nur ein Google-Konto. Lade drei bis vier PDFs von Leitlinien oder Studien hoch, die du für ein aktuelles Gutachten relevant findest oder schon kennst. Stelle dann die Fragen, die du bisher manuell in diesen Dokumenten gesucht hast.

Das dauert 20 Minuten. Was du danach weißt: ob das Prinzip für deinen Workflow funktioniert, bevor du ein Abonnement abschließt.

Für die eigentliche Recherche über PubMed und AWMF lohnt es sich, die 7-tägige kostenlose Testphase bei ArztGPT zu nutzen, oder die kostenlose Basic-Version von Elicit für englischsprachige Suchanfragen.

Hier ist ein Prompt-Template, das du in ArztGPT, Elicit oder direkt in Claude verwenden kannst, um strukturierte Recherchememos für deine Gutachten zu erstellen:

Quellen & Methodik

• Elicit-Sensitivitätsstudie: Oscar Lau und Su Golder, „Comparison of Elicit AI and Traditional Literature Searching in Evidence Syntheses Using Four Case Studies”, PubMed Central PMC12483133, 2025. Zentrale Zahl: Elicit fand im Schnitt 39,5 % der letztlich eingeschlossenen Studien, die traditionelle Datenbankrecherche 94,5 % (vier Fallstudien, Spanne bei Elicit 25,5 bis 69,2 %).
• KI und medizinische Haftungsbegutachtung: Terranova, Cestonaro, Fava und Cinquetti, „AI and professional liability assessment in healthcare. A revolution in legal medicine?”, Frontiers in Medicine, DOI 10.3389/fmed.2023.1337335. Kernergebnis: KI als kollaboratives Werkzeug, nicht als autonomes Entscheidungssystem; neue Expertenkompetenz an der Schnittstelle von Medizin und KI-Literacy erforderlich.
• ChatGPT-Zitationsfabrikation: Walters und Wilder, „Fabrication and errors in the bibliographic citations generated by ChatGPT”, Scientific Reports 13 (2023), PMID 37679503: 55 % erfundene Angaben bei GPT-3.5, 18 % bei GPT-4, dazu sachliche Fehler in 43 % bzw. 24 % der echten Angaben. Ergänzend Blum, Journal of Cardiac Failure 29 (2023), PMID 37406729, ohne Quote.
• DFG, Stellungnahme des Präsidiums zu generativen Modellen (September 2023): Bei der Erstellung von Gutachten im DFG-Verfahren war der Einsatz generativer Modelle wegen der Vertraulichkeit unzulässig. Laut Hinweis in der aktuellen Fassung ist KI in der DFG-Begutachtung seit dem 16. April 2026 unter der „Leitlinie zur Nutzung von Künstlicher Intelligenz in der Begutachtung” zulässig.
• AWMF-Leitlinie Allgemeine Grundlagen medizinische Begutachtung: Register-Nr. 094-001, S2k, Stand 2019. Methodische Grundlage für die Anforderungen an Quellenverwendung in Gutachten.
• KI in der Begutachtung für die private Unfallversicherung: ivm-med.de, Februar 2024. Deutsche Praxisperspektive auf KI in der Begutachtung, Future Perspective mit expliziten Qualitätsvorbehalten.
• ArztGPT Preisangaben: arztgpt.de, Pro-Plan 49 €/Monat inkl. MwSt., 7 Tage kostenlos testen (abgerufen September 2026).
• Elicit-Preisangaben: elicit.com (Stand Mai 2026), Pro-Plan 49 USD/Monat im Jahresabo.
• Rechercheaufwand von 2 bis 5 Stunden je Gutachten: Schätzung der Redaktion, nicht erhoben. Eine Quelle dafür haben wir nicht.
• JVEG, Anlage 1 Teil 2: Honorargruppen für medizinische Gutachten, M 1 87 Euro, M 2 98 Euro, M 3 131 Euro je Stunde; Berufskrankheiten und Kausalitätsfragen zählen zu M 3 (gesetze-im-internet.de).

Du willst wissen, welcher Recherche-Workflow für dein Fachgebiet und dein Gutachtenvolumen tatsächlich passt? Meld dich, das klären wir in einem kurzen Gespräch.