Künstliche Intelligenz in der Labormedizin: KI und Laborwerte

Auf einen Blick

Was KI leistet

Muster über viele Werte hinweg sichtbar machen

Was KI nicht leistet

Keine Diagnose, keine Therapieentscheidung

Grundlage

Referenzbereiche des eigenen Labors

Entscheidung

Immer ärztlich, im Gesamtbild

Auf einem gewöhnlichen Laborbefund stehen schnell dreißig Zahlen, ein Dutzend Abkürzungen und mehrere Spalten mit Referenzbereichen. Wer ihn zum ersten Mal in der Hand hält, sucht meist zuerst nach den Pfeilen am Rand. Dabei geht leicht unter, dass die eigentliche Information oft gar nicht in einem einzelnen Wert steckt, sondern im Zusammenspiel mehrerer Werte.

Genau hier setzen KI-gestützte Auswertungen an. Sie lesen alle Zahlen gleichzeitig, beziehen sie auf die hinterlegten Referenzbereiche und beschreiben in verständlicher Sprache, welche Zusammenhänge auffallen. Dieser Ratgeber erklärt, wie das funktioniert, was solche Systeme heute wirklich leisten, wo ihre Grenzen liegen, was mit Ihren Daten geschieht und warum die medizinische Einordnung Ihres Befunds ausschließlich ärztlich erfolgt.

Was bedeutet künstliche Intelligenz in der Labormedizin?

Künstliche Intelligenz (KI) ist ein Sammelbegriff für Programme, die Aufgaben übernehmen, für die man früher menschliche Urteilskraft brauchte. In der Labormedizin geht es fast immer um einen Teilbereich davon: das maschinelle Lernen (Machine Learning). Solche Programme werden nicht Zeile für Zeile von Hand programmiert, sondern anhand großer Datenmengen trainiert. Sie lernen aus vielen tausend Befunden, welche Wertekombinationen häufig gemeinsam auftreten und welche selten sind.

Ein klassisches Regelwerk arbeitet anders. Es prüft schlicht: Liegt der Wert über der oberen Grenze? Dann setze einen Pfeil nach oben. Ein lernendes System betrachtet dagegen das Verhältnis der Werte zueinander, also etwa, ob ein niedriger Blutfarbstoff mit kleinen roten Blutkörperchen und einem leeren Eisenspeicher einhergeht oder eben nicht. Diese Zusammenschau nennt man Mustererkennung, und sie ist der eigentliche Kern des Themas.

• Qualitätskontrolle – Analysegeräte erkennen selbst, wenn eine Probe nicht verwertbar ist
• Plausibilitätsprüfung – auffällige Sprünge gegenüber der Vormessung werden automatisch markiert
• Bildauswertung – Zellbilder aus dem Blutausstrich werden vorsortiert und der Fachkraft vorgelegt
• Priorisierung – kritische Wertekonstellationen werden im Laborbetrieb vorgezogen
• Übersetzung – Fachbegriffe und Zahlen werden in verständliche Sprache übertragen
• Verlaufsbeobachtung – Trends über mehrere Befunde hinweg werden sichtbar gemacht

Zwei Ebenen: im Labor und beim Befund zu Hause

Im Labor selbst arbeitet KI seit Jahren im Hintergrund, vor allem in der Qualitätssicherung und bei der Auswertung von Zellbildern. Die zweite Ebene ist neu: Programme, die sich direkt an Patientinnen und Patienten richten und einen fertigen Befund erklären. Beide Ebenen verfolgen denselben Zweck, nämlich Informationen zu ordnen. Und beide haben dieselbe Grenze, denn die Bewertung im Krankheitszusammenhang bleibt ärztliche Aufgabe.

Wie erkennt eine KI Muster in Laborwerten?

Für ein lernendes System ist ein Laborbefund zunächst eine Zahlenreihe. Jeder Parameter wird auf seinen Referenzbereich bezogen, damit unterschiedliche Einheiten überhaupt vergleichbar werden: Ein Blutfarbstoff von 11,2 g/dl und ein Ferritin von 12 µg/l landen so auf einer gemeinsamen Skala. Anschließend vergleicht das System diese normierte Zahlenreihe mit den Mustern, die es im Training gesehen hat, und benennt die Kombinationen, die am besten passen.

Ein Beispiel macht das anschaulich. Fällt der Hämoglobin-Wert niedrig aus, sind die roten Blutkörperchen zugleich klein (niedriges MCV) und ist das Ferritin als Speichereiweiß ebenfalls niedrig, dann passt das zu einem Muster, das typisch für einen entleerten Eisenspeicher ist. Wäre das Ferritin dagegen hoch und das MCV groß, ergäbe sich ein ganz anderes Bild. Der einzelne Hb-Wert wäre in beiden Fällen identisch. Erst die Kombination macht den Unterschied.

Die letzte Zeile zeigt, warum die Zusammenschau so wichtig ist: Eine Entzündung kann das Ferritin anheben und damit einen Eisenmangel verdecken. Ein Programm, das nur den Ferritinwert betrachtet, übersieht das. Ein Programm, das CRP und Ferritin gemeinsam liest, kann zumindest darauf hinweisen, dass der Speicherwert unter diesen Umständen schwer zu beurteilen ist.

Muster in der weißen Reihe

Auch die weißen Blutkörperchen sind ein Musterbeispiel. Die Gesamtzahl der Leukozyten sagt für sich genommen wenig aus. Aufschlussreich wird die Verteilung der Untergruppen im Differentialblutbild: Ein Übergewicht der neutrophilen Granulozyten weist in eine andere Richtung als ein Übergewicht der Lymphozyten. Ein Algorithmus kann diese Anteile zusammen mit dem Entzündungswert und dem zeitlichen Verlauf betrachten, statt nur eine Zahl mit einer Grenze zu vergleichen.

Der Verlauf sagt oft mehr als ein Einzelwert

Besonders nützlich wird die Mustererkennung, wenn mehrere Befunde aus verschiedenen Jahren vorliegen. Ein Wert, der über drei Messungen langsam wandert, aber nie den Referenzbereich verlässt, fällt auf dem einzelnen Ausdruck nicht auf. In einer Verlaufskurve dagegen sieht man ihn sofort. Solche Trends sind ein Feld, auf dem Software dem menschlichen Auge tatsächlich überlegen ist.

Was der Trend bedeutet, ist damit allerdings noch nicht gesagt. Ein langsam steigender HbA1c kann auf eine Veränderung im Zuckerstoffwechsel hindeuten, aber auch schlicht mit einer veränderten Lebenssituation zusammenhängen. Die Software liefert die Beobachtung, die Deutung entsteht im Gespräch.

Referenzbereiche: die Grundlage jeder Auswertung

Jede automatische Auswertung hängt an einer Größe, die weit weniger absolut ist, als sie aussieht: dem Referenzbereich. Er beschreibt das Intervall, in dem die mittleren 95 Prozent einer gesunden Vergleichsgruppe liegen. Das heißt im Umkehrschluss, dass etwa 5 von 100 gesunden Menschen definitionsgemäß außerhalb liegen, ohne krank zu sein. Warum „normal“ deshalb relativ ist, erklärt der Ratgeber Referenzwerte verstehen.

Die folgende Tabelle zeigt Bereiche, wie sie in deutschen Laboren für Erwachsene gebräuchlich sind. Sie sind ein Orientierungsrahmen für die Einordnung, kein Urteil über Ihre Gesundheit.

Diese Zahlen sind der Maßstab, gegen den jedes Programm rechnet. Sie stammen jedoch aus dem jeweiligen Labor: Andere Messgeräte, andere Testverfahren und andere Vergleichsgruppen führen zu leicht abweichenden Grenzen. Ein Ferritin von 14 µg/l kann im einen Labor knapp auffällig sein und im anderen knapp unauffällig. Auch die Zielwerte für Cholesterin hängen zusätzlich vom individuellen Risiko ab und sind deshalb keine starre Grenze.

Warum „außerhalb“ nicht „krank“ bedeutet

Werden zwanzig Parameter bestimmt, ist die Wahrscheinlichkeit hoch, dass rein statistisch mindestens einer außerhalb des Bereichs liegt. Umgekehrt kann ein Wert mitten im Referenzbereich für eine bestimmte Person bereits ungewöhnlich sein, wenn er jahrelang am anderen Ende lag. Genau diese beiden Fälle sind der Grund, warum eine automatische Markierung nie das letzte Wort haben darf.

Mustererkennung ist keine Diagnose

Der wichtigste Satz dieses Ratgebers lautet: Ein Muster ist eine Beobachtung, keine Diagnose. Ein Algorithmus kann feststellen, dass eine Wertekombination häufig mit einer bestimmten Situation einhergeht. Ob sie das in Ihrem Fall tut, hängt von Informationen ab, die im Befund überhaupt nicht stehen.

• Ihre Beschwerden – seit wann, wie stark, in welchen Situationen sie auftreten
• Die körperliche Untersuchung – Blutdruck, Haut, Lymphknoten, Herz, Lunge und Bauch
• Ihre Vorgeschichte – frühere Erkrankungen, Operationen, familiäre Häufungen
• Ihre Medikamente – viele Präparate verändern Laborwerte messbar
• Ihre Lebensumstände – Schwangerschaft, Sport, Ernährung, Beruf, Schlaf
• Weitere Befunde – Ultraschall, EKG, Bildgebung oder Gewebeproben

Eine ärztliche Diagnose entsteht aus der Zusammenschau all dieser Ebenen. Deshalb kann derselbe Laborbefund bei zwei Menschen zu zwei völlig unterschiedlichen Schlüssen führen. Und deshalb ist die Reihenfolge entscheidend: erst verstehen, dann besprechen, dann gemeinsam entscheiden.

Chancen: Was KI in der Labormedizin heute schon gut kann

Tempo und Übersicht

Ein Programm liest zwanzig Werte in Sekundenbruchteilen und behält dabei auch selten angeforderte Parameter im Blick. Es ermüdet nicht, überspringt keine Zeile und vergleicht auf Wunsch mit Befunden aus den Vorjahren. Gerade bei umfangreichen Profilen, in denen Leberwerte, Blutbild, Nierenwerte und Blutfette zusammenkommen, ist diese Übersicht eine echte Entlastung.

Qualitätssicherung im Labor

Im Labor prüfen Algorithmen, ob eine Probe hämolytisch ist, ob also rote Blutkörperchen zerfallen sind und Werte dadurch verfälscht werden. Sie erkennen, wenn ein Ergebnis unplausibel weit vom Vorbefund abweicht, und melden, wenn ein Analysegerät zu driften beginnt. Solche Kontrollen laufen unsichtbar mit und verhindern, dass fehlerhafte Zahlen überhaupt auf einem Befund landen.

Verständliche Sprache statt Fachchinesisch

Der praktische Nutzen für Patientinnen und Patienten liegt oft schlicht in der Übersetzung. Wer weiß, dass GGT ein Enzym der Leber und der Gallenwege ist oder wofür der TSH-Wert als Steuerhormon der Schilddrüse steht, geht mit besseren Fragen ins Gespräch. Wer zusätzlich den Aufbau des Ausdrucks kennt, findet sich schneller zurecht. Dabei hilft auch der Ratgeber Kleines und großes Blutbild verstehen.

Wichtig ist, was am Ende dieser Kette steht: eine Erklärung und eine Liste guter Fragen. Nicht mehr, aber auch nicht weniger. Wer vorbereitet in die Sprechstunde geht, nutzt die knappe gemeinsame Zeit deutlich besser.

Grenzen und Risiken einer automatischen Auswertung

Verzerrte Datenbasis

Ein lernendes System kennt nur das, was in seinen Trainingsdaten vorkam. Sind bestimmte Altersgruppen, Herkünfte oder Geschlechter dort unterrepräsentiert, arbeitet es für diese Menschen schlechter. Auch Schwangerschaft, Kindes- und Jugendalter sowie chronische Erkrankungen verschieben Referenzbereiche so deutlich, dass allgemeine Muster nicht mehr passen. Fachleute sprechen von Verzerrung oder Bias.

Überzeugend klingende Fehler

Sprachmodelle formulieren flüssig, auch dann, wenn eine Aussage nicht stimmt. Ein gut geschriebener Text fühlt sich sicherer an, als er ist. Achten Sie deshalb darauf, ob eine Auswertung Unsicherheiten offen benennt, ihre Quellen angibt und ausdrücklich zum ärztlichen Gespräch rät. Fehlt das, ist Zurückhaltung angebracht.

Kein System für Notfälle

Keine Auswertung im Internet ist dafür gemacht, akute Situationen einzuschätzen. Bei Brustschmerz, Atemnot, hohem Fieber mit Schüttelfrost, plötzlicher Schwäche oder starken Blutungen zählt jede Minute. Dann ist der Notruf 112 die richtige Adresse und nicht ein Textfeld auf einer Website.

Datenschutz: Was mit Ihren Laborwerten geschieht

Laborwerte zählen zu den besonders geschützten Gesundheitsdaten. Die Datenschutz-Grundverordnung (DSGVO) stellt sie unter erhöhten Schutz, weil sich aus ihnen sehr persönliche Rückschlüsse ziehen lassen. Bevor Sie einen Befund in ein Programm eingeben oder hochladen, lohnt sich deshalb ein prüfender Blick auf den Anbieter.

Sie können den Schutz zusätzlich selbst erhöhen. Ein Befund lässt sich auch ohne Namen, Geburtsdatum und Versichertennummer sinnvoll auswerten. Für die Mustererkennung zählen die Werte, ihre Einheiten, die Referenzbereiche sowie Alter und Geschlecht. Persönliche Identifikationsmerkmale sind dafür nicht erforderlich.

Was die Aussagekraft Ihrer Werte beeinflusst

Eine Auswertung kann nur so gut sein wie die Messung, auf der sie beruht. Ein erheblicher Teil auffälliger Werte entsteht nicht im Körper, sondern rund um die Blutentnahme. Fachleute sprechen von der Präanalytik, also von allem, was vor der eigentlichen Messung passiert. Wie Sie sich richtig vorbereiten, erklärt der Ratgeber Blutabnahme: nüchtern und richtig vorbereitet.

• Nüchternheit – Blutzucker und Blutfette reagieren stark auf die letzte Mahlzeit
• Flüssigkeit – zu wenig getrunken lässt Hämoglobin und Hämatokrit höher erscheinen
• Tageszeit – TSH und Kortisol schwanken im Tagesverlauf deutlich
• Körperliche Belastung – intensiver Sport hebt Leukozyten und einige Enzyme vorübergehend an
• Stauung am Arm – langes Stauen konzentriert Zellen und Eiweiße in der Probe
• Medikamente – viele Präparate verändern Werte messbar, auch frei verkäufliche

Diese Einflüsse kennt ein Programm nur, wenn Sie sie angeben. Ein einzelner auffälliger Wert nach einem Marathon oder nach einer durchwachten Nacht ist etwas anderes als derselbe Wert in Ruhe. Deshalb gehört zu jeder ernsthaften Auswertung die Frage nach den Umständen der Entnahme und im Zweifel eine Kontrollmessung nach einigen Wochen.

Was Sie selbst tun können

Sie müssen weder Statistik noch Informatik verstehen, um von einer KI-Auswertung zu profitieren. Es genügt, sie an der richtigen Stelle im Ablauf einzusetzen: zwischen dem Erhalt des Befunds und dem Gespräch in der Praxis.

1. Befund vollständig einholen – bitten Sie um eine Kopie und legen Sie ältere Befunde daneben
2. Referenzbereiche mitlesen – notieren Sie zu jedem markierten Wert die Grenze Ihres Labors
3. Umstände festhalten – nüchtern oder nicht, Infekt, Sport, Schlaf, Medikamente
4. Begriffe erklären lassen – nutzen Sie die KI als Übersetzer, nicht als Diagnosestellerin
5. Drei Fragen aufschreiben – konkrete Fragen führen zu konkreteren Antworten
6. Ergebnis besprechen – bringen Sie Ihre Notizen zum nächsten Termin mit

Wenn Sie mehrere Befunde besitzen, ordnen Sie diese nach Datum. Schon eine einfache Reihenfolge macht Entwicklungen sichtbar, die auf dem Einzelblatt verborgen bleiben. Für die Deutung dieser Entwicklung bleibt die Praxis zuständig.

Wann Sie ärztlichen Rat suchen sollten

Eine KI-Auswertung soll den Weg in die Sprechstunde erleichtern, nicht verlängern. In den folgenden Situationen ist ein Termin sinnvoll, unabhängig davon, was ein Programm geschrieben hat.

• Ihr Befund enthält deutlich markierte Abweichungen, die Sie nicht einordnen können
• Beschwerden wie Erschöpfung, Luftnot oder Schmerzen halten länger als zwei Wochen an
• Werte verändern sich über mehrere Kontrollen hinweg in dieselbe Richtung
• Sie nehmen dauerhaft Medikamente ein, die Laborwerte beeinflussen können
• Sie sind schwanger, stillen oder leben mit einer chronischen Erkrankung
• Eine automatische Auswertung nennt Zusammenhänge, die Sie beunruhigen

Fazit: KI ordnet, die ärztliche Beurteilung entscheidet

Künstliche Intelligenz verändert die Labormedizin dort, wo es um Menge und Übersicht geht. Sie liest viele Werte gleichzeitig, bezieht sie auf Referenzbereiche, erkennt Muster und Verläufe und übersetzt Fachsprache in verständliche Sätze. Das ist ein echter Gewinn für alle, die ihren Befund nicht nur ablegen, sondern verstehen möchten.

Ebenso klar ist die Grenze. Ein Muster ist ein Hinweis, keine Diagnose. Es fehlen die Beschwerden, die Untersuchung, die Vorgeschichte und der Blick auf den ganzen Menschen. Nutzen Sie KI deshalb als Vorbereitung und Dolmetscherin, bringen Sie Ihre Fragen mit in die Praxis, und überlassen Sie die Bewertung denen, die sie verantworten. Genau in dieser Aufteilung liegt der größte Nutzen.

Häufige Fragen

Kann künstliche Intelligenz meine Blutwerte auswerten?

Ja, eine KI kann Laborwerte lesen, sie auf die Referenzbereiche Ihres Labors beziehen und Zusammenhänge zwischen mehreren Werten beschreiben. Sie erkennt zum Beispiel, dass ein niedriger Hämoglobinwert zusammen mit einem niedrigen Ferritin und kleinen roten Blutkörperchen ein typisches Muster bildet. Was die Software liefert, ist eine geordnete Beschreibung und eine Liste sinnvoller Fragen. Eine Bewertung Ihres Gesundheitszustands ist das nicht, denn dafür fehlen Beschwerden, Vorgeschichte und Untersuchung.

Darf eine KI eine Diagnose stellen?

Nein. Eine Diagnose ist eine ärztliche Leistung und setzt die Zusammenschau von Laborwerten, Beschwerden, körperlicher Untersuchung, Vorgeschichte und häufig weiterer Diagnostik voraus. Software kann Muster erkennen und Hinweise geben, sie trägt aber keine Verantwortung und kennt Ihren Alltag nicht. Auch zertifizierte Medizinprodukte mit KI arbeiten unterstützend: Sie bereiten Informationen auf, während die Entscheidung über Diagnose und Behandlung bei der behandelnden Ärztin oder dem behandelnden Arzt liegt.

Wie zuverlässig ist eine KI-Auswertung von Laborwerten?

Die Zuverlässigkeit hängt von drei Dingen ab: von der Qualität der Messung, von den zugrunde gelegten Referenzbereichen und von den Trainingsdaten des Systems. Werden falsche oder allgemeine statt laboreigene Referenzbereiche verwendet, verschiebt sich die gesamte Einschätzung. Auch Schwangerschaft, Kindesalter oder chronische Erkrankungen können Muster verändern. Achten Sie darauf, ob eine Auswertung Unsicherheiten benennt, Quellen angibt und auf die ärztliche Abklärung hinweist.

Sind meine Gesundheitsdaten bei einer KI-Auswertung sicher?

Laborwerte sind besonders geschützte Gesundheitsdaten im Sinne der Datenschutz-Grundverordnung. Prüfen Sie vor der Nutzung, wer den Dienst betreibt, wo die Daten verarbeitet werden, wie lange sie gespeichert bleiben und ob sie in das Training einfließen. Ein Impressum, Server innerhalb der EU, eine verschlüsselte Übertragung und eine Löschfunktion sind Mindeststandards. Zusätzlich hilft es, Name, Geburtsdatum und Versichertennummer vor dem Hochladen abzudecken, denn für die Auswertung sind sie nicht nötig.

Was bedeutet Mustererkennung bei Laborwerten?

Mustererkennung heißt, dass nicht jeder Wert für sich betrachtet wird, sondern die Kombination mehrerer Werte. Ein Beispiel: Ein leicht erhöhter Entzündungswert allein sagt wenig. Zusammen mit einer verschobenen Verteilung der weißen Blutkörperchen und einem Fieberverlauf ergibt sich dagegen ein Bild. Algorithmen sind darin stark, weil sie viele Parameter gleichzeitig und über mehrere Befunde hinweg vergleichen können. Ein erkanntes Muster ist jedoch immer nur ein Hinweis, der ärztlich geprüft werden muss.

Erkennt eine KI Krankheiten früher als ein Arzt?

In einem sehr engen Bereich kann Software Veränderungen früher sichtbar machen, nämlich bei Trends über mehrere Messungen hinweg. Ein Wert, der sich über Jahre langsam bewegt, ohne den Referenzbereich zu verlassen, fällt in einer Kurve schneller auf als auf einzelnen Ausdrucken. Das ist jedoch keine Früherkennung im medizinischen Sinn. Ob eine Veränderung Bedeutung hat, ergibt sich erst aus Beschwerden, Untersuchung und gegebenenfalls weiterer Diagnostik in der Praxis.

Ersetzt eine KI-Auswertung den Arztbesuch?

Nein, sie bereitet ihn vor. Der sinnvolle Platz einer KI-Auswertung liegt zwischen dem Erhalt des Befunds und dem Gespräch in der Praxis: Begriffe werden erklärt, Zusammenhänge beschrieben, Fragen gesammelt. Sagen Sie deshalb keinen Termin ab, weil ein Programm Ihre Werte als unauffällig bezeichnet hat, und verändern Sie keine verordnete Einnahme. Bei akuten Beschwerden wie Brustschmerz, Atemnot oder starken Blutungen gilt ohnehin der Notruf 112 statt einer Auswertung im Internet.

Warum weicht eine KI-Bewertung von meinem Laborbefund ab?

Meist liegt es an den Referenzbereichen. Jedes Labor legt eigene Grenzen fest, abhängig von Messgerät, Testverfahren und Vergleichsgruppe. Verwendet ein Programm allgemeine Werte aus dem Internet, kann derselbe Messwert einmal als auffällig und einmal als unauffällig erscheinen. Hinzu kommen Alter, Geschlecht, Schwangerschaft und Medikamente, die Bereiche verschieben. Maßgeblich ist immer der Bereich, der auf Ihrem eigenen Befund neben dem Wert steht.

Quellen und weiterführende Informationen

Für diesen Beitrag haben wir öffentlich zugängliche Informationen medizinischer Fachgesellschaften und Institutionen ausgewertet. Stand der Recherche: 13.08.2026.

1. Blutuntersuchungen und Laborwerte verständlich erklärt – Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG)
2. Labormedizin, Referenzbereiche und Qualitätssicherung – Deutsche Gesellschaft für Klinische Chemie und Laboratoriumsmedizin (DGKL)
3. Digitalisierung und künstliche Intelligenz in der Medizin – Bundesärztekammer
4. Leitlinien zur Diagnostik und zum Einsatz digitaler Verfahren – Arbeitsgemeinschaft der Wissenschaftlichen Medizinischen Fachgesellschaften (AWMF)
5. Ethics and governance of artificial intelligence for health – Weltgesundheitsorganisation (WHO)
6. Gesundheitsberichterstattung und Referenzdaten aus Bevölkerungsstudien – Robert Koch-Institut (RKI)
7. Artificial intelligence in laboratory medicine und klinische Forschung – National Institutes of Health (NIH)