Wenn die KI der PKV nicht lesen kann.
Wie automatisierte Erstprüfung in der privaten Krankenversicherung Falschkürzungen erzeugt — und was eine gute Antwort enthält.
Nicht jede Kürzung ist eine inhaltliche Auseinandersetzung. Ein wachsender Teil der Kürzungsschreiben, die heute aus den Versicherungen kommen, entsteht aus einem ganz unspektakulären Grund: Die maschinelle Erstprüfung hat die Rechnung nicht richtig gelesen.
1. Was sich verändert hat
Über Jahre lief die Rechnungsprüfung in der privaten Krankenversicherung (PKV) als reine Sachbearbeiter-Aufgabe: Eingang, Sichtprüfung, Plausibilität, Erstattung oder Rückfrage. Seit etwa fünf Jahren — beschleunigt durch die Digitalisierungsschübe der jüngsten Vergangenheit — hat sich das Bild verschoben. Branchen-Whitepapers von McKinsey und EY beschreiben den Trend offen: KI-gestützte Systeme sind heute fester Bestandteil der Rechnungsprüfung in der gesetzlichen und privaten Krankenversicherung. Versicherer berichten von Effizienzgewinnen und einer um den Faktor zwei höheren "Trefferquote" — also dem Anteil von Rechnungen, in denen das System einen Anlass zur Kürzung sieht.
Aus Versicherer-Sicht ist das ein Erfolg. Aus Praxis-Sicht bedeutet es: mehr Erstkürzungen, häufig mit Begründungen, die in der Sache nicht tragen. Die Kürzung ist dann formal korrekt formuliert — sie ist nur sachlich falsch, weil das System eine Begründung übersehen, eine Ziffer falsch klassifiziert oder ein Layout falsch interpretiert hat.
2. Wie KI-Erstprüfung funktioniert
Vereinfacht laufen diese Systeme in drei Schritten:
- Texterkennung (OCR). Die eingereichte Rechnung — meist als PDF, oft eingescannt — wird in maschinenlesbaren Text umgewandelt. Bei Bild-PDFs ohne eingebetteten Text läuft hier die optische Zeichenerkennung, die Rest-Fehlerraten produziert (Zahlendreher, falsch gelesene Sonderzeichen, übersehene Spaltenstruktur).
- Klassifikation. Der erkannte Text wird in seine Bestandteile zerlegt: GOÄ-Ziffer, Steigerungssatz, Begründungstext, Diagnose, Datum. Jede Information landet in einer Kategorie. Hier passieren die meisten inhaltlichen Fehler — eine Begründung im Begleitschreiben wird nicht erkannt, weil sie an der falschen Stelle steht; eine Analogziffer wird der falschen Stamm-Ziffer zugeordnet; ein Zuschlag wird als selbständige Leistung gelesen.
- Regelbasierte Plausibilisierung. Das System gleicht die klassifizierten Daten mit hinterlegten Regeln ab: Schwellenwert begründet ja/nein, Ziffern-Kombination zulässig, Häufigkeit pro Sitzung, Begleitleistungen abgegolten. Findet das System eine Auffälligkeit, schlägt es eine Kürzung vor.
Der Vorschlag landet in einer Warteschleife — entweder zur weiteren menschlichen Sichtung oder, bei eindeutigen Mustern, direkt im automatischen Kürzungsschreiben an den Versicherten. Die zweite, menschliche Prüfung greift in vielen Häusern nur dann, wenn der Versicherte widerspricht.
3. Warum die KI Fehler macht — drei typische Muster
In der täglichen Praxis sehen wir drei wiederkehrende Fehlermuster der Erstprüfung. Sie sind nicht systemkritisch, aber systematisch.
Begründung am falschen Ort
Die häufigste Ursache: Eine Steigerungssatz-Begründung ist vorhanden, aber sie steht im Begleitschreiben oder am Ende der Rechnung — nicht direkt unter der betroffenen Ziffernzeile. Die KI-Klassifikation sucht den Begründungstext im strukturellen Kontext der Ziffer und findet ihn dort nicht. Resultat: Kürzungsschreiben mit dem Hinweis „Begründung nicht ausreichend dokumentiert“ — obwohl sie zwei Seiten weiter genau dasteht.
Ziffernzeile falsch geparst
Eine GOÄ-Ziffer mit Zuschlag oder Analogziffer in einer Zeile wird vom System als zwei separate Leistungen gelesen. Eine Analogziffer wird wegen ähnlicher Schreibweise einer falschen Stamm-Ziffer zugeordnet. Eine Begleitleistung wird nicht als solche erkannt, sondern als doppelte Abrechnung interpretiert. Auch Layout-Eigenheiten — zwei-spaltige Rechnungen, ungewöhnliche Schriftgrößen, eingebettete Tabellen — können die Klassifikation aus dem Tritt bringen.
Pauschalformel-Filter
Manche Systeme arbeiten mit einer Liste von Begründungs- Phrasen, die sie als zu pauschal markieren — erhöhter Zeitaufwand, besondere Schwierigkeit, aufwändige Anamnese. Steht eine solche Wendung allein in der Begründung, wird der Steigerungssatz automatisch reduziert. In Wahrheit ist dabei oft eine konkrete Zusatzbegründung vorhanden — sie ist nur unmittelbar nach der Phrase weiter ausgeführt, was die Pattern-Matcher der KI nicht zwingend mitnehmen.
4. Was es kostet, wenn man nichts tut
Die formale Antwort auf eine Erstkürzung ist eine schriftliche Stellungnahme. Mit einer guten Antwort wird der Vorgang in den meisten Fällen zurückgenommen — weil nun ein Mensch in der zweiten Prüfung sieht, dass die KI sich vertan hat. Schwund entsteht nicht über inhaltlichen Streit, sondern über Müdigkeit:
- Eine Praxis bekommt zehn Erstkürzungen pro Monat — zwischen sieben und neun davon wären reparabel.
- Drei werden bearbeitet (die mit den höchsten Beträgen), die anderen sechs liegen wegen anderer Aufgaben liegen.
- Aus den unbearbeiteten Fällen wird ein Schwund — der Patient zahlt den von der PKV erstatteten Betrag, die Differenz bleibt offen, irgendwann verjährt sie.
- Über zwölf Monate summiert sich das auf einen substantiellen Anteil des Privathonorars.
Der Schwund ist also kein Streit-Ergebnis, sondern ein Kapazitäts-Ergebnis. Die KI der Versicherer setzt darauf — und sie setzt richtig, wenn keine Routine dagegen steht.
5. Was eine gute Antwort enthält
Eine wirksame Stellungnahme spricht zwei Adressaten an: die KI in der Erstprüfung-Wiederholung und den Menschen in der zweiten Prüfung. Beide wollen unterschiedliche Dinge sehen.
Was die KI braucht
Klare Struktur, klare Bezüge, klare Schlüsselwörter. Eine Antwort, die die einzelnen Ziffern explizit nennt, die Begründung als solche kennzeichnet und sich nicht in Fließtext verliert, wird beim erneuten Durchlauf der Klassifikation nicht mehr falsch eingeordnet.
Was der Mensch in der zweiten Prüfung braucht
Konkretheit. Eine Begründung, die sich auf den Patienten, die Diagnose, die spezifischen Umstände der Behandlung bezieht — nicht auf abstrakte Wendungen. Wer den Sachbearbeiter überzeugen will, muss wie ein Arzt schreiben, der einem Kollegen den Fall erklärt.
6. Was Sie als Praxis selbst tun können
Auch ohne Mandat lassen sich die typischen OCR-Fehler in der eigenen Rechnungserstellung deutlich reduzieren. Vier praktische Hinweise:
7. Wie ein Mandat den Aufwand übernimmt — der PVB-Weg
Was wir im Mandat anders machen
Layout für die Maschine. Wir erstellen Privatrechnungen in einem Format, das die KI-Erstprüfung der gängigen PKVen zuverlässig parst — Begründungen direkt an der Ziffer, Analogziffern explizit, Text-PDF. Layout- Fehler in der ersten Pruefungs-Schicht sinken damit messbar.
Antworten in zwei Sprachen. Bei jeder Erstkürzung formulieren wir eine Stellungnahme, die sowohl die KI-Klassifikation als auch die menschliche Sichtung berücksichtigt. Wir kennen die Phrasen, die die jeweiligen Systeme als pauschal markieren — und ersetzen sie durch fallbezogene Formulierungen, die in der zweiten Prüfung tragen.
Routine, nicht Einzelfall. Wer eine Stellungnahme alle paar Wochen schreibt, baut keine Routine auf. Wer sie täglich schreibt, kennt die Muster, kennt die Fehlertypen, kennt die Sprache. Genau das ist unser Tagesgeschäft.
Kein Schwund durch Müdigkeit. Im Mandat gibt es keinen unbearbeiteten Stapel. Jede Erstkürzung wird in unserem Forderungs-System aufgenommen, jede Antwort wird verfasst, jeder Fall wird nachverfolgt — bis zur Zahlung oder zur eindeutigen Klärung.
8. Sonderfall Beihilfe
Beihilfestellen — die Behörden, die für Beamte und ihre Angehörigen einen Teil der Krankheitskosten erstatten — arbeiten zunehmend mit ähnlichen automatisierten Prüfsystemen. Die Fehlermuster sind weitgehend deckungsgleich, die Sprache der Antworten sollte aber eine andere sein: formaler, mit klaren Bezügen auf die jeweilige Beihilfeverordnung des Bundes oder des Landes. Auch das ist Teil eines gut geführten Mandats.
9. Häufige Fragen
Setzen wirklich alle PKVen schon KI ein?
Nicht alle und nicht in gleicher Tiefe — aber der Trend ist klar. Branchenstudien (McKinsey, EY) bestätigen, dass KI-gestützte Erstprüfung zum Standard der Schadenregulierung in der privaten Krankenversicherung geworden ist. In der praktischen Beobachtung schreiben fast alle größeren Versicherer mittlerweile mit automatisierter Vorprüfung.
Ist das eigentlich erlaubt?
Ja. Versicherer dürfen ihre internen Prüfprozesse automatisieren, solange die endgültige Entscheidung im Streitfall durch einen Menschen erfolgt — was sie regelmäßig tut, sobald widersprochen wird. Die Erstkürzung ist auch dann rechtlich verbindlich, wenn sie maschinell erstellt wurde.
Erkenne ich an einem Kürzungsschreiben, dass die KI sich geirrt hat?
Es gibt Hinweise. Sehr generische Formulierungen ohne Bezug auf den konkreten Fall, mehrfach identische Standardsätze, Hinweis auf eine angeblich fehlende Begründung, die in der Rechnung tatsächlich vorhanden ist — alles typische Muster für eine maschinell erzeugte Kürzung. Eine gute Stellungnahme räumt sie zuverlässig aus.
Sollte ich mein Praxissystem umstellen, damit die KI besser liest?
Eine Umstellung der Software ist meistens nicht nötig. Reichen schon die vier Hinweise unter Punkt 6 — Begründung direkt an der Ziffer, Text-PDF statt Bild-Scan, konkrete statt pauschaler Begründungen, explizite Kennzeichnung von Analogziffern. Das lässt sich in den meisten Praxen ohne größeren Aufwand umsetzen.
Was passiert, wenn ich gar nicht antworte?
Die Erstkürzung bleibt bestehen. Der Patient bekommt nur den gekürzten Betrag erstattet, die Differenz bleibt nach den drei Verträgen zwischen Patient und Arzt offen. In der Praxis zahlt ein Teil der Patienten die Differenz nicht freiwillig — und ohne aktive Eskalation verjährt die Forderung nach drei Jahren (§ 195 BGB). Mehr dazu in unserem Artikel zur Verjährung der Arztrechnung.
Wie lange dauert eine gute Stellungnahme?
Wer Routine hat, schreibt sie in zehn bis fünfzehn Minuten. Wer sie sporadisch macht, braucht eine halbe bis ganze Stunde — Recherche, Formulierung, Korrektur. Multipliziert man das mit der Zahl der Kürzungen pro Monat, ergibt sich schnell ein nennenswerter Zeitanteil der Praxisleitung.
Werden die Versicherer in Zukunft noch mehr automatisieren?
Mit hoher Wahrscheinlichkeit ja. Die Effizienzgewinne sind aus Versicherer-Sicht erheblich, die Trefferquote der Systeme verbessert sich mit zunehmendem Trainingsdaten- Volumen. Was heute eine Welle ist, wird morgen ein dauerhafter Zustand. Routine im Umgang damit ist die einzige Antwort, die langfristig trägt.
Wie wirkt sich das auf den Patienten aus?
Erst einmal gar nicht — solange er nur den von der PKV erstatteten Betrag sieht, weiß er nicht, dass eine Kürzung falsch war. Erst wenn der Arzt die Differenz durchsetzt, wird der Patient mit dem Vorgang konfrontiert. Eine im Mandat gut geführte Auseinandersetzung holt die korrekte Erstattung in vielen Fällen ohne dass der Patient überhaupt beteiligt werden muss.
Zum Schluss
Die KI auf der Versicherer-Seite ist gekommen, um zu bleiben. Sie ist effizient, aber sie irrt — und die Häufung ihrer Irrtümer landet als Kürzungsschreiben auf den Praxisschreibtischen. Wer das verstanden hat, fühlt sich weniger schikaniert und kann strukturierter antworten.
Die Antwort darauf ist nicht eine eigene KI gegen die der Versicherer. Es ist eine Routine — eine Routine im Schreiben von Stellungnahmen, in der Pflege des Rechnungs-Layouts, im Lesen der jeweiligen Kürzungs-Argumente. Diese Routine ist in einer Praxis, die täglich behandelt, schwer aufzubauen. In einem Privatabrechnungs-Mandat ist sie das Geschäft.
Dreißig Minuten — wir prüfen, wie viele Ihrer Kürzungen tatsächlich KI-Falschkürzungen sind.