KI-Übersetzung im Gesundheitswesen: Warum Latenz entscheidet

Als LanguageLine seinen Übersetzungsdienst erstmals in Epics EHR-Toolbox integrierte, war das kein Ereignis, das außerhalb von Fachkreisen große Aufmerksamkeit erregt hätte. Doch das Signal dahinter war eindeutig: Sprachzugang in der Gesundheitsversorgung wird von einem Zusatzservice zur Grundinfrastruktur.

Echtzeit-KI-Übersetzung ist in klinische Arbeitsabläufe eingezogen. Nicht als Experiment, sondern als konkrete Antwort auf ein Problem, das jedes europäische Gesundheitssystem kennt: Patienten, die eine andere Sprache sprechen als ihr Arzt, und Sprachbarrieren, die sich direkt auf die Behandlungsqualität auswirken.

Zugang und Qualität sind zwei verschiedene Probleme

Was in Ankündigungen wie dieser oft untergeht: Die Integration eines Übersetzungsdienstes in eine klinische Plattform löst das Zugansproblem — der Arzt muss das System nicht verlassen, keinen separaten Browser öffnen, kein Dolmetschertelefon anrufen. Aber es löst nicht das Latenzproblem, das Stimmproblem oder das Vertrauensproblem.

Was passiert tatsächlich in einem klinischen Gespräch? Der Patient beschreibt Symptome. Der Arzt stellt Fragen. Ein Hin und Her, das oft emotional aufgeladen ist — Angst, Verwirrung, Schmerz. Asynchrone Textübersetzung, selbst wenn sie nahtlos in die Plattform integriert ist, unterbricht diesen Rhythmus. Der Patient tippt oder spricht, wartet, liest, antwortet. Der Gesprächsfaden — derjenige, der Vertrauen zwischen Patient und Arzt aufbaut — reißt bei jedem Schritt ab.

Eine 2021 im Journal of General Internal Medicine veröffentlichte Studie dokumentierte, dass Patienten mit eingeschränkten Sprachkenntnissen deutlich häufiger Komplikationen während des Krankenhausaufenthalts erleiden. Zugang zu professionellen Dolmetscherdiensten reduziert diese Lücke erheblich. KI-Echtzeit-Übersetzung mit einer Latenz unter 300 Millisekunden hat das Potenzial, noch weiter zu gehen: nicht nur den Telefondolmetscher zu ersetzen, sondern das klinische Gespräch genuinen natürlich zu machen.

Was Echtzeit wirklich bedeutet

Unterhalb einer Latenz von rund 300 Millisekunden hört die Übersetzung auf, mechanisch zu wirken, und beginnt sich wie ein echtes Gespräch anzufühlen. Bei dieser Geschwindigkeit kann ein multilingualer Videoanruf wie ein natürlicher Austausch verlaufen: Der Arzt spricht, der Patient hört seine Sprache nahezu sofort, antwortet, der Arzt hört wiederum seine Sprache.

Das ist besonders wichtig für die Telemedizin, die seit 2020 zur Normalität geworden ist und sich nicht zurückentwickelt hat. Verlaufskontrollen, psychiatrische Beratungen, Management chronischer Erkrankungen — all das geschieht zunehmend aus der Ferne. Wenn der Patient die Sprache des Arztes nicht teilt, fügt der aktuelle Standard — einen separaten Dolmetscher koordinieren, einen trägen Telefondienst nutzen — eine Reibung hinzu, die Patienten schlicht davon abhält, den Termin wahrzunehmen.

Es gibt einen weniger offensichtlichen, aber ebenso wichtigen Aspekt: die Erhaltung der stimmlichen Identität. Wenn eine Übersetzung jemandes Stimme in eine generische Synthese abflacht, gehen klinische Informationen verloren. Ein verängstigter Patient klingt anders als ein gereizter oder ein schlicht verwirrter. Wenn der Arzt eine gleichförmige, standardisierte Stimme hört, verliert er dieses Signal. Die stimmlichen Eigenschaften des Sprechers durch die Übersetzungsschicht zu erhalten ist keine kosmetische Funktion — es ist diagnostisch relevant.

Deutschland und die mehrsprachige Realität in der Gesundheitsversorgung

Deutschland kennt diese Herausforderung aus eigener Erfahrung. Rund 13,9 Millionen Menschen in Deutschland haben keinen deutschen Pass — dazu kommen Millionen Eingebürgerte, die zu Hause andere Sprachen sprechen. In Notaufnahmen und Krankenhäusern Berlins, Hamburgs oder des Ruhrgebiets sind Patientengespräche in Arabisch, Türkisch, Russisch oder Dari Alltag, nicht Ausnahme.

Professionelle Dolmetscher und Kulturmediatoren bleiben in komplexen Fällen unverzichtbar — Einwilligung nach Aufklärung, Übermittlung schlechter Nachrichten, Gespräche am Lebensende. Aber das Volumen routinemäßiger klinischer Interaktionen, die derzeit aus logistischen und kostenbedingten Gründen ohne ausreichende Sprachunterstützung stattfinden, ist enorm. KI-Übersetzung bewältigt dieses Volumen zuverlässig — mit einer Qualität, die für Standardgespräche kaum noch von professioneller Dolmetschung zu unterscheiden ist.

Der legitime Skeptizismus und wie man damit umgeht

Es gibt einen Hintergrundstrom, den man nicht ignorieren sollte: Patienten und Kliniker sind trotz der weiten Verbreitung von KI zunehmend skeptisch — nicht weniger. Im Gesundheitswesen ist diese Skepsis besonders ausgeprägt. Automatisierte Systeme, die folgenreiche Entscheidungen treffen, wecken berechtigte Vorbehalte.

Dieser Vorbehalt ist nachvollziehbar. Aber er tendiert dazu, sehr unterschiedliche KI-Einsatzgebiete in eine einzige angespannte Frage zu bündeln. Ein System, das selbstständig klinische Notizen verfasst, bringt andere Risiken mit sich als eines, das gesprochene Sprache in Echtzeit überträgt. Letzteres übernimmt eine kommunikative Rolle, die professionelle Dolmetscher seit Jahrzehnten im Gesundheitswesen ausfüllen.

Die relevante Frage ist nicht, ob KI in der klinischen Kommunikation eingesetzt werden soll. Sie ist, ob das Übersetzungssystem präzise, schnell, datenschutzkonform und transparent über seine Grenzen ist. Ende-zu-Ende-Verschlüsselung und DSGVO-Konformität sind im Gesundheitswesen keine bürokratischen Checkboxen — sie sind Mindestanforderungen für jedes Tool, das Patientengespräche verarbeitet.

Das praktische Argument für Klinikverantwortliche

Für Entscheidungsträger im Bereich Sprachzugang in Gesundheitseinrichtungen hat sich die Rechnung verändert. Telefonische Dolmetschdienste kosten zwischen 1,50 und 3,50 Euro pro Minute und erfordern Vorabplanung. Video-Fernmetschen ist schneller, führt aber nach wie vor eine dritte Partei in das ein, was ein bilaterales klinisches Gespräch sein sollte.

Echtzeit-KI-Übersetzung, eingebettet in eine Videokonsultationsplattform, eliminiert das Koordinationsproblem, reduziert die Kosten pro Interaktion und — wenn die Latenz niedrig genug ist — erhält die Gesprächsqualität, von der effektive klinische Kommunikation abhängt.

Die Infrastruktur entsteht gerade. Die Frage für Gesundheitseinrichtungen ist, ob sie warten, bis sie vollständig ausgereift ist, oder ob sie jetzt damit beginnen, mehrsprachige Echtzeitkommunikation zu integrieren — solange die Lücke zwischen dem, was Patienten brauchen, und dem, was Fachkräfte anbieten können, noch so groß ist.