Management / Trends

Was bleibt von der Krankenhausrechnungsprüfung im Zeitalter der KI?

Seit Jahrzehnten wird über die Krankenhausrechnungsprüfung nahezu ausschließlich unter den Gesichtspunkten von Rückforderungen, Prüfquoten, Bürokratiekosten und Misstrauen zwischen Kostenträgern und Leistungserbringern diskutiert. Mit dem GKV-Beitragssatzstabilisierungsgesetz hat diese Debatte neue Aktualität erhalten. 

Durch die Ausweitung der MD-Prüfquoten richtet sich die Aufmerksamkeit wieder auf die Frage, wie viele Krankenhausrechnungen geprüft werden sollen, welche Rückforderungen zu erwarten sind und welcher Verwaltungsaufwand damit verbunden ist. Prüfungen von Kodierungsauffälligkeiten, die zu keiner Rechnungskürzung führen, werden mit einer Pauschale von 500 Euro sanktioniert. So richten auch die neuen Regelungen den Blick auf Umfang und wirtschaftliche Folgen der Prüfung. Greift diese Betrachtung nicht zu kurz? 

Neues Umfeld mit neuen Herausforderungen

Die Krankenhausrechnungsprüfung hat ein Imageproblem. Für Krankenhäuser ist sie ein Instrument zur Kürzung berechtigter Vergütungsansprüche, für Krankenkassen ein Mittel zur Generierung von Einsparungen durch die Aufdeckung fehlerhafter Abrechnungen. Für beide Seiten ist sie vor allem mit nicht unerheblichen Verwaltungskosten verbunden.

Lernende Systeme halten Einzug in die Krankenhausverwaltungen und verändern die Art und Weise, wie Dokumentation und Kodierung entstehen, also die Voraussetzungen, unter denen die Krankenhausrechnungsprüfung ihre Aufgabe erfüllen soll. Vor diesem Hintergrund stellen sich grundsätzliche Fragen: Wie verändert sich die Erstellung medizinischer Dokumentation und Kodierung im Krankenhaus unter Beteiligung lernender Systeme? Welche institutionelle Funktion kommt der Krankenhausrechnungsprüfung künftig unter diesem Einfluss zu?

Die Fragen sind von unmittelbarer praktischer Bedeutung. Lernende Systeme versprechen erhebliche Effizienzgewinne bei Dokumentation, Kodierung und Abrechnung und werden deshalb zunehmend Bestandteil dieser Prozesse sein. Gleichzeitig entstehen aus den einzelnen Kodierentscheidungen Daten, deren Bedeutung weit über die Vergütung des jeweiligen Behandlungsfalls hinausreicht. Sie fließen in weitere Finanzierungs-, Verteilungs- und Steuerungsentscheidungen im Gesundheitswesen ein. Wenn sich durch lernende Systeme die Bedingungen verändern, unter denen diese Daten entstehen, muss deshalb auch geklärt werden, wie ihre Verlässlichkeit künftig gewährleistet werden kann.

Der Beitrag geht diesen Fragen in drei Schritten nach. Ausgangspunkt ist die bisherige Prüflogik und die besondere Bedeutung der medizinischen Dokumentation als unabhängige Referenz der Kodierung. Anschließend wird untersucht, wie lernende Systeme diese Entstehungs- und Prüfbedingungen verändern und warum ihre Wirkung über den einzelnen Abrechnungsfall hinausreicht. Daraus werden schließlich die Konsequenzen für eine zukünftige Krankenhausrechnungsprüfung und den Umgang mit lernenden Dokumentations- und Kodiersystemen abgeleitet. 

Von der besonderen Beweiskraft zum Optimierungspotenzial

Die bisherige Prüflogik beruhte auf der funktionalen Unabhängigkeit der medizinischen Dokumentation von der administrativen Kodierung. Seit der Einführung der pauschalierten DRG-Vergütung bildete sie die methodische Grundlage der bisherigen Prüfung. Die medizinische Dokumentation entstand traditionell aus dem Behandlungsgeschehen. Die Kodierung wurde anschließend aus dieser Dokumentation abgeleitet. Die Krankenhausrechnungsprüfung bewertete dabei nicht lediglich einzelne ICD- oder OPS-Kodes. Ihr eigentlicher Prüfgegenstand war die Konsistenz zwischen medizinischer Dokumentation und der Kodierung als administrativer Abbildung des Behandlungsfalls. Die Prüfung untersuchte, ob die dokumentierten medizinischen Sachverhalte die gewählte Kodierung und die daraus resultierende Abrechnung tragen. Entscheidend für diese Logik war die funktionale Unabhängigkeit der medizinischen Dokumentation. Da sie unabhängig von Kodierung und Abrechnung entstand, konnte sie als objektivierender Prüfmaßstab dienen. Gerade diese eigenständige Entstehung verlieh ihr ihre besondere Beweiskraft innerhalb der Krankenhausrechnungsprüfung. 

Entscheidend verändert sich damit die Art und Weise, wie Kodierung und Dokumentation im Krankenhaus entstehen. Lernende Dokumentations- und Kodiersysteme unterstützen heute nicht mehr nur die Auswahl von Diagnosen oder Prozeduren. Sie analysieren den gesamten medizinischen Informationsraum eines Behandlungsfalls, identifizieren Dokumentationslücken, schlagen medizinische Präzisierungen vor und generieren Textbausteine für Antworten auf MD-Anfragen. Damit greifen sie in den gesamten Abrechnungsprozess des Krankenhauses ein. 

Während menschliche Kodierentscheidungen bislang überwiegend auf der individuellen Bewertung des einzelnen Behandlungsfalls beruhten, betrachten lernende Systeme denselben Fall vor dem Hintergrund einer Vielzahl vergleichbarer Konstellationen. Dadurch sind sie in der Lage, wiederkehrende Kodierungsmuster zu erkennen und systematisch auszuwerten. 

Die Bedeutung dieser Fähigkeit ergibt sich aus der Logik der DRG-Klassifikation. Die Kodierung verfolgt das Ziel, den medizinischen Sachverhalt nach den geltenden Kodierrichtlinien vollständig und zutreffend abzubilden. Gleichzeitig bestimmt sie die abzurechnende DRG-Pauschale. Wo die Klassifikation als Regelwerk eines pauschalierten Systems mehrere medizinisch vertretbare und kodierrechtlich zulässige Interpretationen eröffnet, besteht ein Interesse des Krankenhauses, den Vergütungsanspruch vollständig auszuschöpfen. Diese Optimierung muss nicht außerhalb des geltenden Regelwerks erfolgen. Das DRG-System selbst eröffnet Entscheidungsspielräume, innerhalb derer sie stattfinden kann. Der damit verbundene Anreiz ist dem System immanent und besteht seit seiner Einführung. 

Neu ist die technologische Fähigkeit lernender Systeme, diese im DRG-System angelegten Entscheidungsspielräume systematisch zu analysieren, ihre Optimierungspotenziale zu identifizieren und für die Entscheidungsfindung zu nutzen. Innerhalb des medizinisch und kodierrechtlich zulässigen Interpretationskorridors können sie diejenigen Muster identifizieren, die medizinisch vertretbar sind, einer späteren Prüfung voraussichtlich standhalten und zugleich für das Krankenhaus den höchstmöglichen regelkonformen Vergütungsanspruch begründen. 

Das Modell wertet hierfür eine Vielzahl von Daten und vergleichbaren Fallkonstellationen statistisch aus und leitet daraus Muster für die Kodierung des einzelnen Behandlungsfalls ab. Gibt es für dessen administrative Abbildung mehrere zulässige Möglichkeiten, kann es auf dieser Grundlage diejenige Variante identifizieren, die innerhalb des regelkonformen Entscheidungskorridors die günstigsten Eigenschaften aufweist. 

Die selbstverstärkende Optimierungsspirale

Wird ein solcher Kodiervorschlag übernommen, verändert sich nicht der zugrunde liegende medizinische Sachverhalt. Es verändert sich die Auswahl seiner administrativen Repräsentation. Sie beruht dann nicht mehr ausschließlich auf der individuellen Bewertung des einzelnen Behandlungsverlaufs, sondern zugleich auf statistisch erkannten Mustern vergleichbarer Fallkonstellationen. Die Kodierung stellt damit eine statistisch optimierte administrative Repräsentation dieses Behandlungsfalls dar. Damit verändert sich nicht das Vergütungssystem selbst, sondern seine Wirkungsweise.

Die Ursache dieser endogenen Optimierung liegt nicht in den lernenden Systemen selbst und muss kein fehlerhaftes Kodierverhalten wie Upcoding voraussetzen. Sie liegt in den Anreizstrukturen und Entscheidungsspielräumen der zugrunde liegenden DRG-Klassifikation. Lernende Systeme verändern jedoch die Reichweite dieser bereits bestehenden Optimierungslogik, weil sie solche Spielräume über große Fallzahlen hinweg systematisch erkennen und nutzbar machen können.

Diese Entwicklung betrifft jedoch nicht allein die Kodierung. Sie erfasst auch die medizinische Dokumentation, die bislang als unabhängige Referenz für die Prüfung dieser Kodierung diente. Erkennt ein lernendes System, dass eine für die Kodierung relevante medizinische Information fehlt oder nicht hinreichend präzise dokumentiert ist, kann es eine entsprechende Ergänzung oder Präzisierung der Dokumentation anstoßen. Die Dokumentation kann so ausgestaltet werden, dass sie die gewählte Kodierung medizinisch trägt und begründet. Dies gilt insbesondere, wenn sie nachträglich, etwa als medizinische Begründung nach einer MD-Anfrage, erzeugt wird. Dokumentation und Kodierung entwickeln sich damit nicht länger unabhängig voneinander, sondern werden innerhalb desselben algorithmisch unterstützten Informationsprozesses aufeinander abgestimmt. Kodierung und Dokumentation, die auf diese Weise generiert werden, beruhen beide auf derselben Entscheidungslogik. Die Krankenhausrechnungsprüfung vergleicht dann nicht mehr zwei voneinander unabhängige Informationsquellen, sondern zwei Ergebnisse eines miteinander verbundenen Entstehungsprozesses. Damit verändert sich nicht nur die Durchführung der Prüfung, sondern ihr methodischer Ausgangspunkt. Wo diese Unabhängigkeit verloren geht, droht sich die Prüflogik umzukehren. 

Aus der Frage: „Lässt sich diese Kodierung aus der medizinischen Dokumentation ableiten?“, wird faktisch zu der Frage: „Ist die Dokumentation geeignet, die bestehende Kodierung medizinisch zu erklären?“

 Wenn die Kodierungslogik auf die Entstehung ihrer eigenen medizinischen Begründung zurückwirkt, kann diese Begründung nicht mehr ohne Weiteres als unabhängig entstandener Prüfmaßstab behandelt werden. Die bisherige Prüflogik stößt deshalb dort an ihre Grenzen, wo die funktionale Unabhängigkeit der Dokumentation als Referenz der Prüfung nicht mehr vorausgesetzt werden kann. 

Verlässlichkeit administrativer Gesundheitsdaten steht infrage

Die Bedeutung dieser Entwicklung reicht jedoch über die Prüfung des einzelnen Abrechnungsfalls hinaus. Aus der Einzelfallkodierung entstehen Daten, die nicht nur der Vergütung des jeweiligen Behandlungsfalls dienen, sondern auch über den einzelnen Abrechnungsfall hinaus verwendet werden. Diese Daten werden im Folgenden als administrative Gesundheitsdaten bezeichnet. Administrative Gesundheitsdaten sind die für Abrechnung und weitere institutionelle Zwecke strukturiert erfassten Krankenhausinformationen. Hierzu gehören insbesondere Diagnosen, Prozeduren, Verweildauern und weitere abrechnungsrelevante Merkmale eines Behandlungsfalls. Sie entstehen zunächst auf der Ebene des einzelnen Behandlungs- und Abrechnungsfalls. In ihrer Aggregation bilden sie jedoch eine institutionelle Datengrundlage, auf der Finanzierungs-, Verteilungs- und Steuerungsentscheidungen im Gesundheitswesen beruhen. Sie fließen unter anderem in die Weiterentwicklung des DRG-Systems durch InEK und die Krankenhausbudgetierung ein und wirken über die Morbiditätsabbildung auch auf weitere Verteilungsmechanismen wie den Morbiditätsstrukturausgleich.

Damit gewinnt die administrative Abbildung des einzelnen Behandlungsfalls eine Bedeutung, die über den Einzelfall hinausreicht. Gibt es innerhalb des medizinisch und kodierrechtlich zulässigen Interpretationskorridors mehrere Möglichkeiten, einen medizinischen Sachverhalt administrativ abzubilden, können lernende Systeme aufgrund statistischer Muster systematisch diejenigen Varianten identifizieren, die bestimmte administrative Eigenschaften optimieren. Der medizinische Sachverhalt bleibt dabei unverändert. Seine administrative Repräsentation kann sich jedoch systematisch verschieben.

Mit zunehmender Verbreitung solcher Systeme verändert sich deshalb auch die Datengrundlage, auf der das Gesundheitssystem seine eigenen Entscheidungen trifft. Was im einzelnen Abrechnungsfall als regelkonforme Optimierung erscheint, kann sich in der Summe auf die statistische Beschreibung des Versorgungsgeschehens auswirken. Die aggregierten Daten bilden dann nicht allein medizinische Unterschiede zwischen den Behandlungsfällen ab, sondern zunehmend auch die systematische Nutzung der innerhalb des Vergütungssystems bestehenden Entscheidungsspielräume. Ihre formale Regelkonformität allein gewährleistet deshalb noch nicht, dass sie das zugrunde liegende Versorgungsgeschehen verlässlich repräsentieren. Aus einer Frage der Einzelfallabrechnung wird damit eine Frage der Verlässlichkeit administrativer Gesundheitsdaten. 

Damit treffen zwei Entwicklungen zusammen. Die administrative Abbildung des einzelnen Behandlungsfalls gewinnt durch ihre Verwendung als Teil einer aggregierten Datengrundlage eine Bedeutung, die weit über die einzelne Rechnung hinausreicht. Gleichzeitig verliert die medizinische Dokumentation dort an Unabhängigkeit, wo sie innerhalb desselben algorithmisch unterstützten Prozesses wie die zu prüfende Kodierung entsteht. Gerade die Daten, deren Verlässlichkeit für nachgelagerte Finanzierungs-, Verteilungs- und Steuerungsentscheidungen an Bedeutung gewinnt, können damit zunehmend unter Bedingungen entstehen, unter denen der bisherige unabhängige Prüfmaßstab an Aussagekraft verliert. 

Die Prüfung des einzelnen Abrechnungsfalls bleibt ihr operativer Ausgangspunkt. Ihre institutionelle Funktion erschöpft sich jedoch nicht in der Kontrolle der einzelnen Vergütungsentscheidung. Sie trägt zugleich zur Sicherung der Verlässlichkeit der administrativen Gesundheitsdaten bei, die aus der Gesamtheit dieser Einzelfälle entstehen. Gerade unter den Bedingungen lernender Systeme gewinnt diese Funktion an Bedeutung. Wenn Dokumentation und Kodierung zunehmend innerhalb desselben algorithmisch unterstützten Informationsprozesses entstehen, können zugleich regelkonforme Entscheidungsspielräume systematisch genutzt werden. Die Verlässlichkeit der daraus entstehenden administrativen Daten lässt sich dann nicht allein aus ihrer formalen Regelkonformität ableiten. Ihre Verlässlichkeit muss deshalb unabhängig überprüfbar bleiben. 

Es braucht eine neue Prüfarchitektur

Für die zukünftige Krankenhausrechnungsprüfung zeichnet sich damit eine neue Prüfarchitektur ab: nachvollziehbare Entstehungsprozesse, unabhängige Prüfung des Einzelfalls und analytische Beobachtung der aggregierten Daten.

Diese Kontrollmechanismen müssen berücksichtigen, dass administrative Gesundheitsdaten unter veränderten Bedingungen entstehen. Wenn die medizinische Dokumentation ihre bisherige Funktion als unabhängiger Prüfmaßstab teilweise verliert, muss Unabhängigkeit an anderer Stelle des Prüfprozesses hergestellt werden. Wenn die Aussagekraft der Dokumentation als Prüfmaßstab davon abhängt, wie sie entstanden ist, wird die Kenntnis ihres Entstehungsprozesses selbst zu einer Voraussetzung sachgerechter Prüfung. Damit stellt sich auch die Frage, welche Transparenz über den Einsatz lernender Dokumentations- und Kodiersysteme erforderlich ist, damit ihre Auswirkungen auf die administrativen Gesundheitsdaten nachvollziehbar bleiben.

Die Krankenhausrechnungsprüfung als unabhängige Prüfung am Einzelfall sollte erhalten und methodisch weiterentwickelt werden. Sie darf künftig nicht voraussetzen, dass eine medizinisch schlüssige Dokumentation bereits deshalb einen unabhängigen Nachweis für die Kodierung darstellt. Wo Dokumentation und Kodierung innerhalb miteinander verbundener Prozesse entstehen, verliert ihre bloße Konsistenz einen Teil ihrer bisherigen Aussagekraft. Umso wichtiger wird die bereits heute zur MD-Prüfung gehörende Rückbindung an behandlungsnahe Primärinformationen wie Laborbefunde, Bildgebung oder andere unmittelbar aus dem Behandlungsgeschehen hervorgehende Befunde.

Die Einzelfallprüfung allein kann jedoch nicht sämtliche Auswirkungen lernender Systeme erfassen. Wenn diese Optimierungsmuster über große Fallzahlen erkennen und systematisch anwenden, kann ihre Wirkung erst in der Aggregation sichtbar werden. Ein einzelner Fall kann vollkommen regelkonform sein. Auffällig wird die Entwicklung möglicherweise erst in der Population: Bestimmte Diagnosen treten häufiger auf, Fallschweregrade verändern sich, bestimmte Kodierungskombinationen nehmen zu oder Erlösstrukturen verschieben sich. Gerade weil lernende Systeme eine statistisch optimierte administrative Repräsentation erzeugen können, braucht es deshalb auch eine statistische Gegenkontrolle.

Die Einzelfallprüfung sollte daher um eine aggregierte analytische Kontrolle der administrativen Gesundheitsdaten ergänzt werden. Kostenträger sollten systematisch beobachten können, ob und wie sich Kodierungsmuster, Fallschweregrade, Diagnosen- und Prozedurenstrukturen oder andere relevante Merkmale verändern. Auffällige Entwicklungen wären dabei zunächst Prüfsignale, keine Beweise für fehlerhafte Kodierung. Sie könnten jedoch gezielt diejenigen Fallgruppen identifizieren, bei denen eine vertiefte unabhängige Prüfung erforderlich ist. Genau hier lässt sich KI gewissermaßen gegen KI einsetzen: Kostenträger können ihrerseits lernende analytische Verfahren nutzen, um Veränderungen von Kodierungsmustern über Krankenhäuser, Zeiträume, Diagnosen und Prozeduren hinweg zu erkennen und daraus gezielt Prüfanlässe abzuleiten.

Aus der Notwendigkeit unabhängiger Kontrolle folgt jedoch nicht, den Einsatz lernender Systeme in Krankenhäusern zu begrenzen. Im Gegenteil: Sie können erhebliche Teile administrativer Prozesse automatisieren und damit den Verwaltungsaufwand bei Dokumentation, Kodierung und Abrechnung deutlich reduzieren. Angesichts des bestehenden Kostendrucks und knapper personeller Ressourcen werden Krankenhäuser diese Möglichkeiten nutzen – und sollten sie nutzen. Die Antwort auf die damit verbundenen Veränderungen kann deshalb nicht darin bestehen, an den bisherigen Entstehungs- und Prüfprozessen festzuhalten. 

Drei Empfehlungen für Krankenhäuser 

Für Krankenhäuser ergeben sich daraus drei Ansätze:

1. Transparenz auf Prozessebene. Krankenhäuser sollten nachvollziehbar machen können, welche lernenden Systeme an Dokumentation und Kodierung beteiligt sind, und welche Funktionen sie innerhalb des Abrechnungsprozesses übernehmen. Eine Kennzeichnung jedes einzelnen KI-generierten Textbestandteils ist dafür weder erforderlich noch sinnvoll.

2. Medizinische Tatsachen müssen medizinisch begründet bleiben. Lernende Systeme können Dokumentationslücken erkennen und Präzisierungen anstoßen. Die daraus folgende medizinische Dokumentation muss jedoch durch den tatsächlichen medizinischen Sachverhalt getragen sein. Ein algorithmisch identifiziertes Kodierungs- oder Erlöspotenzial darf nicht selbst zur medizinischen Begründung werden.

3.  Auch Krankenhäuser sollten die Auswirkungen ihrer eigenen Systeme aggregiert kontrollieren. Nach Einführung oder Veränderung lernender Dokumentations- und Kodiersysteme sollten sie beobachten, ob sich Kodierungsmuster, Fallschweregrade, Diagnose- und Prozedurenstrukturen oder Erlösstrukturen systematisch verändern. Solche Veränderungen sind nicht automatisch problematisch, müssen aber erklärbar sein.

Die Verantwortung der Krankenhäuser für die Entstehung verlässlicher Daten ersetzt jedoch nicht deren unabhängige Prüfung. Gerade weil Dokumentation und Kodierung zunehmend innerhalb miteinander verbundener Prozesse entstehen können, muss die Kontrolle außerhalb dieses Entstehungsprozesses ansetzen.

Wer diese erweiterten Prüf- und Kontrollfunktionen künftig institutionell übernehmen sollte, bedarf einer eigenständigen Untersuchung. Dies gilt insbesondere für die Rolle der gesetzlichen Krankenversicherung, die einerseits an der Prüfung einzelner Krankenhausabrechnungen beteiligt und andererseits auf die Verlässlichkeit der daraus entstehenden administrativen Gesundheitsdaten angewiesen ist.

Über die Fragestellung dieses Beitrags hinaus gehen auch die ökonomischen Folgen der beschriebenen Entwicklung. Wenn lernende Systeme die im Vergütungssystem angelegten Entscheidungsspielräume systematisch nutzbar machen und die daraus entstehenden Daten wiederum in dessen Kalkulation und Weiterentwicklung einfließen, sind selbstverstärkende Effekte bis hin zu einer systeminduzierten Veränderung administrativ abgebildeter Morbidität und Fallschwere denkbar. Die ökonomischen Rückwirkungen dieser Entwicklung sollten deshalb Gegenstand einer weiterführenden Analyse sein.

Damit verschiebt sich auch der Maßstab für die aktuelle Diskussion über die Ausweitung der MD-Prüfquoten. Die Krankenhausrechnungsprüfung sorgt nicht nur für kurzfristige Effekte durch Einsparungen im Einzelfall. Sie trägt zugleich dazu bei, die Verlässlichkeit der administrativen Datengrundlage zu sichern, auf der die Finanzierung des Krankenhaussektors langfristig beruht. Selbst wenn durch die Krankenhausrechnungsprüfung kein einziger Euro eingespart würde, bliebe sie deshalb unverzichtbar.