KI-Talentbedarf im Gesundheitswesen: Welche Rollen jetzt zählen

Im Gesundheitswesen fehlen nicht einfach mehr KI-Entwickler. Es fehlen Menschen, die KI in den klinischen Alltag bringen: Sie kennen Dokumentationspflichten, die Regulatorik und die Skepsis von Ärztinnen und Pflegekräften. Gesucht sind vor allem Rollen an der Schnittstelle von Technik, Versorgung und Recht, also AI Solutions Architects, Forward Deployed Engineers, AI Governance Officers und AI Enablement Leads. Hier liest du, welche Rollen Kliniken, Pflegeeinrichtungen und HealthTech-Anbieter jetzt brauchen, worauf du bei den Profilen achten solltest und in welcher Reihenfolge du besetzt.

Polydigital

KI-Kompetenz gezielt ins Team holen

Polydigital besetzt Data- und AI-Positionen mit persönlich interviewten Talenten, die Fachwissen und Technologie verbinden.

Polydigital kennenlernen

TL;DR

Der politische Druck ist konkret: Bis 2028 sollen über 70 % der Gesundheits- und Pflegeeinrichtungen KI-gestützte Dokumentation aktiv nutzen.
Gefragt sind weniger reine Entwickler, sondern Brückenrollen zwischen Technologie, klinischem Prozess und Regulatorik (EU AI Act, MDR/IVDR, GDNG).
Ob ein KI-Projekt in der Klinik ankommt, hängt an der Akzeptanz beim Personal. Kommunikation und Urteilsvermögen gehören deshalb in jedes Rollenprofil.
Schlüsselrollen wie Head of AI oder AI Governance lassen sich gut interim oder fractional starten, bevor du fest besetzt.
Weniger Profile, die dafür gründlich geprüft sind, sparen dir in diesem engen Markt mehr Zeit als eine breite Longlist.

Inhaltsverzeichnis

Warum der Bedarf gerade jetzt steigt
Die Rollen, die das Gesundheitswesen jetzt braucht
Was ein gutes Profil im Gesundheitswesen ausmacht
Regulatorik als Teil der Rollenbeschreibung
Festanstellung, Interim oder fractional?
In welcher Reihenfolge du besetzen solltest
Unsere Sicht: Brückenprofile statt Spezialistenlisten
Dein nächster Schritt
Häufige Fragen
Quellen

Warum der Bedarf gerade jetzt steigt

Drei Entwicklungen treffen gleichzeitig aufeinander: ein klares politisches Ziel, ein angespannter Arbeitsmarkt und eine Regulatorik, die immer komplexer wird.

Das Ziel der Bundesregierung für 2028

Das Bundesministerium für Gesundheit hat im Februar 2026 die Weiterentwicklung seiner Digitalisierungsstrategie vorgestellt. Darin steht ein ehrgeiziges Ziel: Bis 2028 sollen mehr als 70 % der Gesundheits- und Pflegeeinrichtungen KI-gestützte Dokumentation aktiv nutzen. Dahinter steckt eine nüchterne Rechnung: Wer das Personal bei der Dokumentation entlastet, gewinnt Zeit für die Versorgung.

Für dich als IT-Leitung heißt das: Die Einführung hat eine Frist. Zwischen heute und 2028 liegen Ausschreibungen, Integrationen, Schulungen und der Regelbetrieb. Jede dieser Phasen braucht Menschen mit anderen Fähigkeiten.

Vier Einführungsphasen bis zum Regelbetrieb

Fachkräftemangel auf beiden Seiten

Das BMG nennt den Fachkräftemangel, steigende Kosten, regionale Versorgungsengpässe und die Alterung der Bevölkerung als zentrale Herausforderungen des Systems. Der Industrieverband ZVEI schreibt in seiner Stellungnahme zum GeDIG vom Mai 2026, dass genau dieser Druck verlangt, digitale Lösungen nicht nur zu entwickeln, sondern sie wirksam und flächendeckend in der Versorgung einzusetzen.

Der allgemeine Arbeitsmarkt entspannt sich dagegen etwas. Die Bundesagentur für Arbeit zählte in ihrer Fachkräfteengpassanalyse 2025 noch 157 Engpassberufe, nach 163 im Vorjahr. Eine Gesamtzahl verrät allerdings wenig über Nischenprofile. Jemanden zu finden, der ein Sprachmodell betreiben kann und zugleich weiß, was eine rechtssichere Patientendokumentation ausmacht, bleibt schwer. Daran ändert eine leichte Entspannung im IT-Markt nichts.

Regulatorik als Engpass

KI im Gesundheitswesen bewegt sich zwischen EU AI Act, Medizinprodukte-Verordnungen (MDR/IVDR) und nationalen Gesetzen wie dem GDNG. Laut der Digitalisierungsstrategie sollen bis Ende 2028 verbindliche Blueprints für die Konformitätsbewertung von KI-Anwendungen entstehen. Bis dahin müssen Teams vieles selbst auslegen, und dafür brauchen sie Menschen, die Technik und Recht zusammendenken können.

Die Rollen, die das Gesundheitswesen jetzt braucht

Nicht jede Einrichtung braucht alle Rollen. Eine Universitätsklinik mit eigener Forschung braucht anderes als ein Pflegeverbund oder ein Anbieter von Medizinsoftware. Die Tabelle zeigt, welche Rolle welches Problem löst.

Rolle	Kernaufgabe im Gesundheitskontext	Worauf du achten solltest
Head of AI / (fractional) CAIO	KI-Strategie, Priorisierung der Anwendungsfälle, Abstimmung mit Geschäftsführung, Ärztlicher Direktion und Pflegedirektion	Erfahrung mit regulierten Umgebungen, Standing gegenüber Chefärzten
AI Solutions Architect	Einbindung von KI in KIS, PACS und Dokumentationssysteme, Interoperabilität	Kennt Gesundheitsdatenstandards und versteht semantische Interoperabilität
Forward Deployed Engineer	Bringt KI-Lösungen direkt auf Station und in die Ambulanz, passt sie an reale Abläufe an	Kann Ergebnisse für Ärztinnen und Pflegekräfte verständlich erklären
AI Product Manager	Verantwortet Anwendungen wie Spracherkennung oder Arztbriefgenerierung von der Idee bis zum Betrieb	Übersetzt klinischen Nutzen in Anforderungen, denkt Zulassung von Anfang an mit
AI Governance Officer	Risikoklassifizierung, Dokumentation und menschliche Aufsicht nach EU AI Act, Abstimmung mit Datenschutz und Medizinprodukterecht	Verbindet juristisches Verständnis mit technischer Tiefe
AI Enablement Lead	Schulung, Akzeptanz und Change beim klinischen Personal	Kommunikationsstärke, ethisches Urteilsvermögen, Glaubwürdigkeit im Klinikalltag
MLOps Engineer	Betrieb, Monitoring und Versionierung von Modellen	Saubere Nachvollziehbarkeit, denn jede Modelländerung kann regulatorisch relevant sein
Data Product Manager	Aufbereitung und Bereitstellung von Gesundheitsdaten für KI und Forschung	Erfahrung mit Pseudonymisierung und Datennutzung im Rahmen des GDNG
AI Security Engineer	Absicherung von Modellen, Schnittstellen und sensiblen Patientendaten	Kennt Angriffe auf KI-Systeme und die Sicherheitsanforderungen kritischer Infrastruktur

→ Wie sich der Bedarf in angrenzenden Branchen verschiebt, zeigen unsere Beiträge zum KI-Talentbedarf in der Pharmaindustrie und zum KI-Talentbedarf im öffentlichen Dienst. Viele kommunale Kliniken bewegen sich genau zwischen diesen beiden Welten.

Was ein gutes Profil im Gesundheitswesen ausmacht

Ein starkes KI-Profil aus E-Commerce oder Finanzwesen wirkt auf dem Papier oft überzeugend. Im Klinikalltag reicht technische Exzellenz allein aber nicht.

Dokumentation ist kein Datensatz

Eine klinische Dokumentation ist rechtlich verbindlich. Sie ist Grundlage für Abrechnung, Haftung und die weitere Behandlung. Wer ein KI-System baut, das Arztbriefe vorformuliert oder Pflegeberichte strukturiert, muss wissen: Ein Fehler ist hier kein Qualitätsproblem im Dashboard, sondern kann Folgen für Patientinnen und Patienten haben. Frag im Interview deshalb konkret nach, wie die Person mit fehlerhaften Modellausgaben umgeht und wer am Ende freigibt.

Akzeptanz entscheidet über den Erfolg

Eine Studie an deutschen Universitätskliniken zu Erwartungen an Large Language Models zeigt: Medizinisches Personal sieht großes Potenzial, ist aber skeptisch gegenüber intransparenten Modellen. Akzeptanz hängt an Transparenz und Rechtssicherheit, und daneben muss die digitale Kompetenz der Mitarbeitenden wachsen. Für dein Recruiting heißt das: Rollen mit Kontakt zum klinischen Personal brauchen Kommunikationsstärke als echtes Auswahlkriterium, nicht als Randnotiz.

Auch der Philips Future Health Index 2025 widmet sich in seiner deutschen Ausgabe der Frage, wie Vertrauen in KI in der Gesundheitsversorgung entsteht. Die Botschaft für Arbeitgeber ist dieselbe: Vertrauen entsteht durch Menschen, die erklären können, was ein System tut und was nicht.

Die Entscheidung bleibt beim Menschen

Die Bundesärztekammer betont in ihrem Thesenpapier „KI in der Gesundheitsversorgung“ vom März 2025 das große Potenzial von KI, Strukturen und Prozesse der Versorgung grundlegend zu verändern. Gleichzeitig behalten Ärztinnen und Ärzte die medizinische Entscheidungskompetenz. Ein Forward Deployed Engineer muss also nicht nur programmieren, sondern Ergebnisse so einordnen, dass die ärztliche Entscheidung gestärkt wird, statt ersetzt zu werden.

→ Was der EU AI Act unter menschlicher Aufsicht versteht, haben wir in unserem Beitrag zu Human Oversight nach Art. 14 EU AI Act erklärt.

Prüffragen für dein nächstes Interview

Welches KI-Projekt hast du in einer regulierten Umgebung in den Regelbetrieb gebracht, und was hat die Abnahme verzögert?
Wie erklärst du einer Oberärztin, warum das Modell in einem bestimmten Fall unsicher ist?
Wie dokumentierst du eine Modelländerung so, dass sie bei einer Prüfung nachvollziehbar ist?
Wann hast du ein KI-Ergebnis verworfen, obwohl es technisch plausibel aussah?

Die letzte Frage ist oft die aufschlussreichste. Sie zeigt, ob jemand KI-Ergebnisse beurteilt und für das Resultat einsteht oder nur weiterreicht.

Regulatorik als Teil der Rollenbeschreibung

Viele Stellenausschreibungen behandeln Regulatorik als Aufgabe der Rechtsabteilung. Im Gesundheitswesen funktioniert das nicht. Die regulatorischen Fragen entstehen mitten im Projekt:

Medizinprodukt oder nicht? Ob eine Software unter MDR oder IVDR fällt, hängt von ihrem Zweck ab. Diese Einordnung beeinflusst Architektur, Tests und Zeitplan.
Risikoklasse nach EU AI Act: Sie bestimmt Dokumentationspflichten, Qualitätsmanagement und die Anforderungen an die menschliche Aufsicht.
Datennutzung nach GDNG: Wer Gesundheitsdaten für das Training oder die Weiterentwicklung nutzen will, braucht Klarheit über Rechtsgrundlage und Verfahren.

Das BfArM hat 2026 mit den „Digital and Health Data Insights“ ein eigenes Newsletter-Format zu Gesundheitsdaten, Digitalisierung und regulatorischer Innovation gestartet. Solche Quellen sollte dein AI Governance Officer verfolgen. Das gehört in die Rollenbeschreibung.

Konkrete Rechtsfragen, etwa zur Einordnung einer Anwendung als Medizinprodukt, klärst du mit spezialisierten Fachanwältinnen und Fachanwälten für Medizinrecht oder mit einer Benannten Stelle. Die Rolle im Team sorgt dafür, dass diese Fragen früh und richtig gestellt werden.

→ Wie du interne Spielregeln und Rollen sauber aufsetzt, liest du in unserem Beitrag zur KI-Richtlinie im Unternehmen. Wenn ein Betriebs- oder Personalrat mitbestimmt, hilft dir unser Überblick zur KI-Einführung mit dem Betriebsrat.

Festanstellung, Interim oder fractional?

Nicht jede Rolle muss sofort fest besetzt werden. Gerade in der Aufbauphase ist ein gestuftes Vorgehen oft klüger.

Modell	Passt gut für	Typische Situation
Festanstellung	MLOps Engineer, AI Product Manager, Data Product Manager, AI Security Engineer	Dauerhafter Betrieb, Weiterentwicklung eigener Anwendungen
Interim	Head of AI, AI Solutions Architect, Projektleitung	Klarer Projektauftrag mit Frist, etwa die Einführung KI-gestützter Dokumentation bis 2028
Fractional	CAIO, AI Governance Officer	Strategische Führung und regulatorische Steuerung, ohne dass schon eine Vollzeitstelle ausgelastet ist

Ein fractional CAIO kann die Strategie setzen, die ersten Anwendungsfälle priorisieren und das Team mit aufbauen. Fällt eine Schlüsselperson aus, sichert eine Interim-Lösung den Betrieb. Gleichzeitig läuft die Suche nach der festen Besetzung, und das Wissen geht nicht verloren.

→ Ob du KI-Kompetenz intern aufbaust oder extern einkaufst, vergleichen wir im Beitrag Inhouse vs. externe KI.

In welcher Reihenfolge du besetzen solltest

Der häufigste Fehler: zuerst Entwickler einstellen und dann feststellen, dass niemand Prioritäten setzt, Regeln klärt oder das Personal mitnimmt. Diese Reihenfolge hat sich bewährt:

Verantwortung klären. Besetze eine Führungsrolle für KI, fest oder fractional. Sie entscheidet, welche Anwendungsfälle zuerst kommen, etwa Dokumentation, Terminsteuerung oder Bildanalyse.
Regulatorik früh verankern. Ein AI Governance Officer ordnet die Anwendungsfälle regulatorisch ein, bevor die Architektur steht.
Architektur und Integration. Ein AI Solutions Architect klärt, wie KI mit KIS, Dokumentationssystemen und Datenplattform zusammenspielt.
Nah an den Stationen umsetzen. Forward Deployed Engineers und ein AI Product Manager bringen die Lösung in die echten Abläufe.
Akzeptanz aufbauen. Ein AI Enablement Lead schult, sammelt Rückmeldungen und übersetzt sie in Verbesserungen.
Betrieb absichern. MLOps- und Security-Rollen sorgen für Monitoring, Nachvollziehbarkeit und Schutz der Daten.

In kleineren Einrichtungen übernimmt eine Person oft mehrere dieser Aufgaben. Umso wichtiger ist dann, dass sie zwischen Fachwissen und Technologie zu Hause ist. Welche Werkzeuge das Team dafür braucht, zeigt unser Beitrag zum passenden Tech Stack für KI-Teams. Wie du den Wandel begleitest, liest du unter Change Management bei KI.

Unsere Sicht: Brückenprofile statt Spezialistenlisten

Wir sehen im Gesundheitswesen immer wieder dasselbe Muster: Die Stellenausschreibung liest sich wie eine Technologieliste, gebraucht wird aber jemand, der eine Station versteht. Deshalb prüfen wir bei jeder KI-Rolle, ob ein Talent zwischen Fachwissen und Technologie zu Hause ist. Wir wollen wissen, ob es KI souverän einsetzt, ihre Ergebnisse beurteilt und für das Resultat einsteht. In einer Klinik ist das kein Extra, sondern die Grundvoraussetzung.

Unsere Sicht: Brückenprofile statt Spezialistenlisten — overview diagram

In diesem Markt gibt es wenige Menschen, die diese Brücke wirklich schlagen. Eine lange Liste an Lebensläufen hilft dir dann wenig. Du bekommst von uns wenige, gründlich geprüfte Profile. Jedes Talent interviewen wir persönlich, und in der Endauswahl durchläuft jedes Talent eine EFPA-zertifizierte Eignungsdiagnostik, die ein zertifizierter Berater bei uns auswertet. So siehst du nicht nur, was jemand kann, sondern auch, wie jemand unter Druck urteilt und kommuniziert.

Und wenn eine Schlüsselposition frei wird, denken wir Suche, Überbrückung und Wissenssicherung zusammen. Ein KI-Programm mit Frist 2028 verträgt keine Lücke von sechs Monaten.

— Ingmar

Dein nächster Schritt

Du baust ein KI-Team für eine Klinik, einen Pflegeverbund oder ein HealthTech-Produkt auf? Wir besetzen Rollen wie Head of AI, AI Solutions Architect, AI Governance Officer oder MLOps Engineer, in Festanstellung, interim oder fractional. Auf Wunsch beraten wir dich auch beim Zuschnitt neuer Rollen. → Data- und AI-Experten mit Polydigital finden

Suchst du eine IT-Leitung, die die digitale Transformation deines Hauses verantwortet? → CIO und IT Management fest, interim oder fractional besetzen

Häufige Fragen

Welche KI-Rolle sollte ein Krankenhaus zuerst besetzen?

Zuerst eine Führungsrolle, die Verantwortung für KI übernimmt, etwa einen Head of AI oder einen fractional CAIO. Diese Person priorisiert die Anwendungsfälle und stimmt sich mit Geschäftsführung, Ärztlicher Direktion und Pflegedirektion ab. Ohne diese Klärung bauen technische Rollen oft an Lösungen, die im Klinikalltag niemand nutzt.

Reicht ein erfahrener KI-Entwickler aus einer anderen Branche?

Technisch oft ja, in der Praxis selten allein. Im Gesundheitswesen kommen rechtlich verbindliche Dokumentation, Medizinprodukterecht und die Akzeptanz des klinischen Personals dazu. Wer aus einer anderen Branche kommt, braucht Lernbereitschaft für diese Themen und ein Team, das das klinische Wissen beisteuert.

Was ist der Unterschied zwischen Machine Learning und KI?

KI ist der Oberbegriff für Systeme, die Aufgaben übernehmen, für die sonst menschliche Intelligenz nötig ist. Machine Learning ist ein Teilbereich davon: Modelle lernen Muster aus Daten, statt fest programmierte Regeln zu befolgen. Für dein Recruiting ist der Unterschied wichtig, weil ein ML-Spezialist andere Fähigkeiten mitbringt als jemand, der fertige Sprachmodelle in Prozesse einbindet.

Lohnt sich fractional für KI-Rollen im Gesundheitswesen?

Für strategische und regulatorische Rollen oft ja. Ein fractional CAIO oder AI Governance Officer bringt Erfahrung mit, die eine einzelne Einrichtung in der Aufbauphase noch nicht in Vollzeit auslastet. Sobald der Betrieb wächst, kannst du die Rolle fest besetzen.