
Die Therapiesteuerung gehört zu den am häufigsten übersehenen Aspekten von Gesundheitsreformen. Während neue Technologien und innovative Behandlungen oft im Rampenlicht stehen, liegt das eigentliche Problem darin, wie Therapien zugeteilt werden und nach welchen Kriterien dies geschieht. Viele europäische Gesundheitssysteme honorieren traditionell die Menge der erbrachten Leistungen stärker als deren Nutzen. Das führt dazu, dass veraltete oder ungeeignete Behandlungen zu häufig eingesetzt werden. Diese fest verankerten medizinischen Verfahren, auch als „Legacy-Therapien“ bezeichnet, orientieren sich oft daran, was sich abrechnen lässt, statt daran, was Patienten tatsächlich benötigen. Angesichts steigender Kosten im Gesundheitswesen und einer wachsenden Nachfrage wird diese überholte Anreizstruktur nicht nur ineffizient, sondern langfristig untragbar.
Dieser Artikel beleuchtet die wirtschaftlichen und operativen Folgen des Festhaltens an etablierten Therapiemodellen. Er zeigt, wie eine an vorhandener Infrastruktur ausgerichtete Abrechnung die Prioritäten in der Versorgung verzerrt und damit zu steigenden Kosten bei stagnierenden Behandlungsergebnissen beiträgt. Auf Grundlage der Erkenntnisse aus Kapitel 3.3 unseres Playbooks „Before It Hurts“ stellen wir diesen überkommenen Systemen neue patientenzentrierte Ansätze gegenüber, darunter die KI-gestützte Personalisierung von Behandlungen und die Gesundheitsüberwachung in Echtzeit. Dabei zeigen wir, wie der Wechsel von einer mengenbasierten zu einer wertorientierten Therapiesteuerung die Kostentransparenz verbessern, unnötige Interventionen reduzieren und letztlich eine intelligentere, nachhaltigere Gesundheitsversorgung ermöglichen kann.
In Systemen mit Einzelleistungsvergütung oder DRG-basierten Fallpauschalen (Diagnosis-Related Groups) richtet sich die Therapiesteuerung nicht nach dem medizinischen Bedarf, sondern nach verfügbaren Kapazitäten. Der Anreiz besteht darin, vorhandene Ressourcen auszulasten: Sind Kapazitäten eines MRT-Geräts frei oder ist ein Operationssaal nicht belegt, haben Leistungserbringer häufig einen finanziellen Anreiz, diese Kapazitäten zu füllen. Diese sogenannte angebotsinduzierte Nachfrage führt zu einer Zunahme von Interventionen mit geringem Nutzen. Statt sich an evidenzbasierten Versorgungspfaden zu orientieren, wird die Behandlung von der Auslastung der Infrastruktur bestimmt. Die Folge sind Überdiagnostik und übermäßig viele Eingriffe. Die Diskrepanz zwischen medizinischer Notwendigkeit und administrativer Zweckmäßigkeit beeinträchtigt sowohl die Kosteneffizienz als auch die Versorgungsqualität.
Verschärft wird das Problem durch ein Vergütungssystem, das strukturell die Leistungsmenge belohnt. Nationale Prüfungen in Deutschland, Großbritannien und weiteren EU-Mitgliedstaaten haben anhaltende Abrechnungsprobleme offengelegt. Dazu zählen weitverbreitetes Upcoding, bei dem Routinebehandlungen für eine höhere Vergütung als komplexere Leistungen eingestuft werden, sowie die Bündelung unnötiger diagnostischer Leistungen. Auch wenn dahinter nicht immer Korruption steckt, begünstigt der systemische Druck, finanzielle Ziele zu erreichen, solche Praktiken – anstatt bessere Behandlungsergebnisse zu fördern. So entsteht eine Gesundheitswirtschaft, in der finanzieller Erfolg von medizinischer Wirksamkeit entkoppelt sein kann und sich Ineffizienzen weiter verfestigen.
Besonders deutlich zeigen sich die wirtschaftlichen Auswirkungen bei etablierten Therapien – etwa Insulin, Statinen oder älteren Biologika, die seit Langem eingesetzt werden, deren Preise jedoch weiterhin durch überholte Preisstrukturen geschützt sind. Selbst wenn Generika und Biosimilars verfügbar sind, bleiben die Preise häufig künstlich hoch. Gründe dafür sind mangelnde Preistransparenz, eine schleppende Durchsetzung regulatorischer Vorgaben und schwacher Wettbewerb auf den Beschaffungsmärkten. Diese etablierten Behandlungen beanspruchen einen unverhältnismäßig großen Anteil der Gesundheitsbudgets und verdrängen Investitionen in Präventionsstrategien und datenbasierte Innovationen, die pro eingesetztem Euro einen höheren Nutzen erzielen könnten. Solange mengenbasierte Anreize bestehen, werden auch gut vergütete Therapien dominieren – selbst dann, wenn sie nicht mehr die bestmögliche Versorgung bieten. Warum etablierte Behandlungen überraschend teuer werden, erfahren Sie in unserem Blogbeitrag hier!
Statt standardmäßig die am besten abrechenbare Behandlung zu wählen, können KI-gestützte klinische Entscheidungssysteme heute Versorgungsdaten aus dem Alltag, langfristige Gesundheitsverläufe und patientengenerierte Erkenntnisse zusammenführen, um eine hochgradig individualisierte Versorgung vorzuschlagen. Diese Plattformen nutzen maschinelles Lernen, um Behandlungsoptionen zu identifizieren, die bei Patienten mit bestimmten Phänotypen statistisch häufiger zu positiven Ergebnissen führen. Dabei berücksichtigen sie Begleiterkrankungen, genetische Marker, Verhaltensmuster und biometrische Trends. Durch die Einbindung von Datenpunkten wie VO₂max, Ruheherzfrequenz, Abweichungen vom zirkadianen Rhythmus und langfristigen Aktivitätstrends können Leistungserbringer Behandlungen so gezielt anpassen, wie es bisher vor allem in der Forschung möglich war. Damit verschiebt sich das klinische Paradigma von reaktiven, pauschalen Interventionen hin zu einem proaktiven, präzisionsorientierten Behandlungsmanagement. Da diese KI-Modelle kontinuierlich aus neuen Daten lernen, ermöglichen sie zudem, Versorgungspläne im Zeitverlauf dynamisch neu zu bewerten und anzupassen. Das steigert sowohl die Wirksamkeit als auch die Kosteneffektivität.
Etablierte Therapiemodelle bestehen oft dort fort, wo Behandlungsergebnisse schwer messbar sind und Ineffizienzen nicht hinterfragt werden. Wearables, Fernüberwachungssysteme und Instrumente zur Erfassung patientenberichteter Behandlungsergebnisse verwandeln diese Intransparenz heute in messbare Erkenntnisse. Indem sie kontinuierlich physiologische und verhaltensbezogene Daten erfassen, helfen diese Technologien dabei, die tatsächliche Wirksamkeit verschiedener Innovationen in Echtzeit zu bewerten. Zeigt beispielsweise ein Behandlungsschema gegen Bluthochdruck über mehrere Wochen keine Verbesserung der Blutdruckvariabilität oder der körperlichen Belastbarkeit, lässt sich dies früher erkennen und die Therapie entsprechend anpassen. So werden monatelange unnötige Ausgaben und das Festhalten an einer unwirksamen Behandlung vermieden. In Verbindung mit Analyse-Dashboards für Versicherer und Versorgungsteams schafft diese Datenbasis eine Kostentransparenz, aus der sich konkrete Maßnahmen ableiten lassen. Leistungserbringer können ihre Ergebnisse vergleichen, unwirksame Therapien identifizieren und Behandlungen priorisieren, die den Gesundheitszustand im Alltag tatsächlich verbessern – statt lediglich die Einhaltung von Behandlungsprotokollen sicherzustellen. Diese Präzision reduziert Überversorgung deutlich, stärkt das Vertrauen der Patienten und lenkt Ressourcen auf Interventionen mit nachweisbarem Nutzen.
Die Inflation im Gesundheitswesen ist nicht nur ein makroökonomisches Problem. Sie verstärkt auch strukturelle Ineffizienzen in der Versorgung. Wenn Personalkosten, der Unterhalt von Einrichtungen, medizinische Verbrauchsmaterialien und die Einhaltung regulatorischer Vorgaben teurer werden, entstehen für Leistungserbringer in etablierten Therapiemodellen Anreize, diese Kostensteigerungen durch mehr Leistungen und höherpreisige Eingriffe auszugleichen. Das Ergebnis ist ein sich selbst verstärkender Kreislauf: Ältere, gut vergütete Behandlungen wie chirurgische Routineeingriffe, bildgebende Diagnostik und langjährig eingesetzte medikamentöse Therapien werden häufiger durchgeführt und im Laufe der Zeit teurer, obwohl ihr zusätzlicher klinischer Nutzen begrenzt ist. Dieser Kreislauf belastet öffentliche Gesundheitsbudgets, treibt Versicherungsbeiträge in die Höhe und lässt wenig finanziellen Spielraum für Innovationen oder personalisierte Versorgungsmodelle.
Zudem gerät die Innovation ins Stocken, wenn die finanziellen Rahmenbedingungen etablierte Abrechnungspraktiken stärker belohnen als zukunftsorientierte Interventionen. Für Leistungserbringer gibt es wenig Anlass, gezieltere oder präventive Ansätze einzuführen, wenn diese nicht vergleichbar vergütet werden. KI hat jedoch das Potenzial, diese Dynamik zu durchbrechen. Prädiktive Analysetools können Krankheitsverläufe modellieren, Patienten mit einem erhöhten Risiko für eine Verschlechterung identifizieren und frühzeitige, weniger invasive Interventionen unterstützen, die Behandlungsergebnisse verbessern und zugleich Kosten senken. Diese Systeme können Kostenträgern auch aufzeigen, wann eine kostenintensive etablierte Therapie voraussichtlich einen geringeren ROI bietet als eine neuere, datengestützte Alternative. Indem Investitionen in Prävention und langfristiges Krankheitsmanagement statt in anlassbezogene stationäre Versorgung fließen, kann KI dazu beitragen, den Kostenanstieg abzuflachen. So lassen sich Ausgaben am Nutzen für Patienten ausrichten statt an der Zahl der in Einrichtungen erbrachten Leistungen.
Um die tief verankerten mengenbasierten Anreizstrukturen aufzubrechen, müssen Politik und Kostenträger die regulatorischen Rahmenbedingungen der Therapiesteuerung neu denken. Dafür reichen kleinere Vergütungsreformen nicht aus. Gefragt sind umfassende Systeme, die Behandlungsergebnisse stärker gewichten als die Leistungsmenge. Strengere Prüfmechanismen sind entscheidend, um Praktiken wie Upcoding, Überversorgung und die unnötige Bündelung von Leistungen zu erkennen und einzudämmen. Doch Prüfungen allein genügen nicht: Eine echte Transformation setzt eine bessere Dateninteroperabilität zwischen Versorgungsnetzwerken voraus. Werden die Leistungen der Anbieter mit langfristigen Behandlungsergebnissen verknüpft, können Regulierungsbehörden Vergütungsmodelle durchsetzen, die nachhaltige Gesundheitsverbesserungen statt punktueller Interventionen belohnen. Auch die Berechnungsmodelle für den Risikoausgleich müssen weiterentwickelt werden, damit Leistungserbringer durch die Behandlung von Hochrisikogruppen nicht benachteiligt werden. Stattdessen sollten Anreize eine proaktive, kontinuierliche Versorgung fördern und niedrigere Krankenhauseinweisungsraten, ein langsameres Fortschreiten chronischer Erkrankungen und weniger Rückfälle honorieren.
Die Rolle der Versicherer wandelt sich rasch: Aus passiven Rechnungsempfängern werden aktive Gestalter einer nutzenorientierten Gesundheitsversorgung. Zukunftsorientierte Versicherer nutzen patientengenerierte Gesundheitsdaten (PGHD), um den Gesundheitszustand zu überwachen, frühe Anzeichen einer Verschlechterung zu erkennen und durch Anreizprogramme gesundheitsförderndes Verhalten zu unterstützen. Beispiele sind variable Versicherungsbeiträge, die an per Wearable erfasste Schlafqualität, körperliche Aktivität oder Indikatoren für das Stressmanagement gekoppelt sind. Solche Angebote fördern nicht nur die aktive Beteiligung der Versicherten, sondern dienen auch der Kostenbegrenzung. Indem Versicherer beeinflussbare Risikofaktoren frühzeitig erkennen, können sie ihre Versicherten gezielt zu Präventionsmaßnahmen führen und eine spätere, kostspielige Behandlung mit etablierten Therapien vermeiden. Integrierte digitale Plattformen ermöglichen es Versicherern zudem, direkt mit Leistungserbringern und Versorgungsmanagern zusammenzuarbeiten. So entstehen geschlossene Regelkreise, in denen Interventionen gemessen, optimiert und fortlaufend angepasst werden. Dieser Wandel ist entscheidend: Wenn Versicherer als Gesundheitsmanager handeln, können sie dazu beitragen, das gesamte Ökosystem an patientenzentrierten Ergebnissen und einer langfristig tragfähigen Kostenstruktur auszurichten.
Etablierte Therapiesysteme sind auf die Effizienz des Systems ausgelegt, nicht auf die Wirksamkeit für Patienten. Doch angesichts chronischer Erkrankungen, einer alternden Bevölkerung und stark steigender Kosten stößt dieses Modell an seine Grenzen. Mit KI-gestützten personalisierten Behandlungsplänen und Tools für mehr Kostentransparenz können Versicherer Therapien am Bedarf der Patienten ausrichten – statt an Abrechnungszielen.
Thryve schlägt die Brücke zwischen Patientendaten und besseren Behandlungsergebnissen. Mit unserer API, die speziell für Gesundheitslösungen entwickelt wurde, bieten wir unter anderem:
Der Wechsel von mengenbasierten Anreizen zu einer wertorientierten Versorgung ist längst keine bloße Zukunftsvision mehr, sondern eine operative und wirtschaftliche Notwendigkeit.
Vereinbaren Sie eine Demo mit Tryve und setzen Sie in der Gesundheitsversorgung auf Qualität statt Quantität!
Laden Sie unser Playbook hier kostenlos herunter!