Gesundheitsdaten für KI anonymisieren: Arztbriefe, Befunde, Berichte

Der rechtliche Rahmen in Kürze

Gesundheitsdaten sind nach Art. 9 DSGVO besondere Kategorien personenbezogener Daten. Ärztinnen, Ärzte und weitere Berufsgruppen unterliegen zusätzlich der Schweigepflicht, strafrechtlich abgesichert durch § 203 StGB. Je nach Einrichtung kommen Landeskrankenhausgesetze, kirchliches Datenschutzrecht oder für die Forschung das Gesundheitsdatennutzungsgesetz hinzu. Diese Übersicht ersetzt keine Rechtsberatung. Beziehen Sie Datenschutzbeauftragte und bei Forschungsvorhaben die Ethikkommission ein.

Gemeinsamer Nenner: Je weniger personenbezogene Information eine Einrichtung verlässt, desto einfacher wird die Bewertung. Wirksam anonymisierte Daten fallen nicht mehr unter die DSGVO – die Hürde dafür ist bei klinischem Freitext allerdings hoch.

Typische Anwendungen

• Lange Krankengeschichten für interne Fallbesprechungen oder Tumorkonferenzen zusammenfassen.
• Freitextberichte für Qualitätsmanagement oder Fehlermeldesysteme (CIRS) klassifizieren.
• Textkorpora für Forschungsprojekte oder zur Bewertung von KI-Werkzeugen aufbereiten.
• Fallbeispiele für Lehre und Fortbildung erstellen.
• Befunde in verständliche Sprache übertragen – mit ärztlicher Freigabe.

Fallstricke im klinischen Freitext

Ein Beispiel: „Frau S., 94 Jahre, wurde nach einem Sturz in ihrer Wohnung in der Hauptstraße am 3. März vom Hausarzt Dr. B. eingewiesen.“ Selbst ohne vollständigen Namen enthält dieser eine Satz Alter, Adresse, Datum und den Namen des Hausarztes. Eine bereinigte Fassung könnte lauten: „[Patientin], über 90 Jahre, wurde nach einem häuslichen Sturz am [Tag 0] von [Hausarzt] eingewiesen.“ Der klinische Gehalt bleibt erhalten, die Identifizierbarkeit sinkt deutlich.

Lokal statt in der Cloud

Ist das Anonymisierungswerkzeug selbst ein Cloud-Dienst, verlässt der ungeschützte Arztbrief das Haus, bevor er bereinigt ist. Ein Werkzeug, das lokal auf dem Arbeitsplatzrechner oder einem Server der Klinik läuft, verarbeitet den Originaltext ohne Übermittlung. Erst der bereinigte Text geht – falls überhaupt – an ein externes Sprachmodell. Das erleichtert auch die Abstimmung mit IT-Sicherheit, Datenschutz und Klinikleitung. Für Praxen ohne eigene IT-Abteilung ist zudem wichtig, dass das Werkzeug ohne Serverbetrieb auskommt.

Grenzen ehrlich benennen

Automatische Verfahren übersehen Einzelfälle, und Kontextwissen kann Personen wieder erkennbar machen – besonders, wenn anonymisierte Texte mit anderen Daten verknüpft werden. Pseudonymisierung mit Zuordnungsschlüssel ist für Forschung oft sinnvoll, die Daten bleiben aber personenbezogen. Bewährte Schutzmaßnahmen:

1. Nur so viel Text verwenden, wie die Aufgabe erfordert.
2. Stichproben prüfen; vor Veröffentlichung oder Weitergabe nach außen vollständig prüfen.
3. Zugriff auf den bereinigten Bestand beschränken und den Ablauf dokumentieren.
4. Das Risiko neu bewerten, sobald Daten mit weiteren Quellen zusammengeführt werden.

Ein schlanker Ablauf für den Klinikalltag

Legen Sie für jeden Anwendungsfall fest, welche Textarten verarbeitet werden, wer die Anonymisierung auslöst und wer das Ergebnis prüft. Halten Sie in einem kurzen Verfahrensdokument fest, welche Kategorien ersetzt werden und wie mit Zeitangaben umgegangen wird. So bleibt das Vorgehen auch bei Personalwechsel einheitlich und gegenüber Datenschutzaufsicht oder Ethikkommission nachvollziehbar.

So unterstützt jocapps

Textwash Pro entfernt personenbezogene Daten mit einer lokalen KI vollständig offline auf Ihrem Gerät oder arbeitet als Datenschutz-Schicht vor ChatGPT, Claude & Co. Entwickelt wurde es mit Forschenden des UCL. Ist die Anonymisierung ein Schritt in einem größeren Ablauf – etwa Berichte klassifizieren und über SharePoint weiterleiten –, baut kalAIDoCreate mit gehärteter Orchestrierungsplattform und erfahrenen KI-Architekten gesteuerte Workflows. Hintergrund: Daten vor ChatGPT oder Claude anonymisieren.

Ihren Anwendungsfall besprechen wir gern im kostenlosen 30-minütigen Erstgespräch.