Automatische Rückfragen beschleunigen Medikamenten-Kostengutsprache
17.09.2026 – Referenz MediData
MediData vereinfacht den Datenaustausch im Schweizer Gesundheitswesen. In einer Potenzialanalyse hat Ergon aufgezeigt, wie KI unvollständige Medikamenten-Kostengutsprachegesuche frühzeitig erkennt, fehlende Angaben automatisch anfragt und dadurch den gesamten Prozess beschleunigt.
Über 400'000 Medikamenten-Kostengutsprachegesuche gehen jedes Jahr bei den Schweizer Krankenversicherern ein, mit zweistelligen Wachstumsraten. Viele Gesuche treffen als unstrukturierte und unvollständige Dokumente ein. Fehlende Angaben müssen heute manuell per E-Mail eingefordert werden. Dieses Pingpong verursacht hohen administrativen Aufwand und verzögert den Behandlungsstart für Patient:innen. MediData wollte wissen, wie künstliche Intelligenz fehlende Angaben frühzeitig erkennen und gezielte Rückfragen automatisch auslösen kann, ohne die fachliche Kontrolle aus der Hand zu geben.
MediData betreibt das führende Netzwerk für den sicheren Datenaustausch zwischen Leistungserbringern und Versicherern im Schweizer Gesundheitswesen. Im Rahmen ihrer Initiative «Digitale Prozessunterstützung für die Kostengutsprache» beauftragte MediData Ergon mit einer Potenzialanalyse: Lassen sich Gesuche für eine Medikamenten-Kostengutsprache einer Behandlung automatisiert strukturieren, auf Vollständigkeit prüfen und bei fehlenden Angaben gezielte Rückfragen generieren? Die Analyse fand in enger Zusammenarbeit mit zwei führenden Schweizer Krankenversicherern statt, die künstlich erzeugte Gesuche und ihr Fachwissen einbrachten.
KI, die fehlende Angaben gezielt erkennt
Large Language Models (LLM) können Informationen aus unstrukturierten Gesuchen erfassen. Für die eigentliche Beurteilung braucht es jedoch eine klar nachvollziehbare Logik. Besonders wichtig ist, dass das System zuverlässig erkennt, welche Angaben fehlen und weshalb eine Rückfrage notwendig ist.
Ergon wählte deshalb einen Ansatz, der Datenextraktion und fachliche Prüflogik konsequent trennt. Ein LLM extrahiert die relevanten Angaben aus den eingereichten Dokumenten. Deterministische Entscheidungsbäume gleichen diese anschliessend mit den Vergütungskriterien des Bundes, der sogenannten Limitatio, ab. So erkennt das System nachvollziehbar, ob alle erforderlichen Informationen vorhanden sind und welche Angaben noch ergänzt werden müssen. Fehlen Angaben, generiert das System sofort eine gezielte und nachvollziehbare Rückfrage. Das Gesuch bleibt dadurch nicht unbearbeitet liegen und das zeitaufwendige E-Mail-Pingpong nimmt ab. Sobald die Informationen vollständig sind, kann die fachliche Prüfung effizient fortgesetzt werden. Bei unklaren oder kritischen Fällen bleibt der Mensch in der Verantwortung.
Damit das System für viele Medikamente eingesetzt werden kann, müssen die jeweiligen Vergütungskriterien strukturiert und maschinenlesbar abgebildet werden. Dieser Schritt ist bei manueller Umsetzung zeitaufwendig. Ergon hat deshalb einen Ansatz entwickelt, mit dem die Limitatio-Texte KI-gestützt in formale Entscheidungsbäume überführt werden. Fachexpert:innen können diese anschliessend prüfen und validieren. So lässt sich für jedes Medikament präzise definieren, welche Angaben erforderlich sind und wann eine Rückfrage ausgelöst werden soll. Die Unterstützung eines neuen Medikaments erfordert so nur noch einen Bruchteil des ursprünglichen Aufwands. Das ist der Schlüssel, um in Zukunft die Lösung auf die grosse Masse der Medikamente zu skalieren.
Mehrwert für Patient:innen
Im Proof of Concept verarbeitete die Lösung Gesuche zu fünf Medikamenten. So liess sich der Prozess von der automatisierten Strukturierung über die Vollständigkeitsprüfung bis zur gezielt formulierten Rückfrage bei fehlenden Angaben durchspielen und validieren. Das Ergebnis überzeugte die Beteiligten. Laut Schätzungen der beteiligten Versicherungen konnte der administrative Prüfaufwand in der Untersuchung um 25 bis 50 Prozent reduziert werden. Die Versicherungen bewerteten insbesondere die sofortigen und gezielten Rückfragen bei fehlenden Angaben als klaren Mehrwert. Sie reduzieren manuelle Abklärungen und sorgen dafür, dass unvollständige Gesuche schneller ergänzt werden können. Davon profitieren in Zukunft vor allem Patient:innen und ihre Angehörigen. Sie haben schneller Klarheit und es kann schneller mit der Behandlung gestartet werden.