Ein Überblick für Physiotherapeut:innen in der Schweiz

_{Autor: Fabrizio Mognetti, Vorstand Physioswiss Kantonalverband Bern | Physiotherapeut MSc, Physiotherapie Seestrasse Spiez und Berner Reha Zentrum}

Hinweis zu Produkterwähnungen: An einigen Stellen dieses Artikels werden beispielhaft konkrete KI-Anwendungen oder Tools erwähnt. Diese dienen ausschliesslich der Veranschaulichung – es bestehen keinerlei Affiliationen oder kommerzielle Verbindungen zwischen dem Autor, dem Physioswiss Kantonalverband Bern und den genannten Produkten. Der Markt entwickelt sich rasch, und es gibt stets weitere, gleichwertige oder bessere Lösungen als die hier exemplarisch genannten.

Einleitung: KI ist längst Teil deines Alltags

Wenn du heute eine Frage in eine Suchmaschine eingibst und eine direkt formulierte Antwort erhältst, steckt Künstliche Intelligenz dahinter. Wenn dein Smartphone dein Gesicht erkennt, deine E-Mail-App Spam herausfiltert oder eine Navigations-App den schnellsten Weg berechnet – all das sind Anwendungen von KI-Systemen, die im Hintergrund arbeiten, ohne dass wir es bewusst wahrnehmen. KI ist keine Zukunftstechnologie mehr; sie ist längst unbemerkter Teil unseres Alltags geworden.

Auch im Gesundheitswesen hat diese Entwicklung längst begonnen. Radiologische Bildgebungssysteme werten CT- und MRT-Bilder aus, klinische Entscheidungsunterstützungssysteme gleichen Patientendaten mit Leitlinien ab, und digitale Anwendungen begleiten chronisch kranke Menschen bei der Selbstbehandlung. Die Physiotherapie ist dabei keine Ausnahme – auch wenn die öffentliche Diskussion in unserem Berufsfeld in der Schweiz noch in einer frühen Phase steht.

In diesem Artikel will ich keine Euphorie wecken und keine Angst schüren. Der Artikel soll sachlich klären, was KI ist, was sie kann, wo ihre Grenzen liegen, welche ethischen Fragen sie aufwirft – und wie wir als Berufsgruppe mit dieser Entwicklung verantwortungsbewusst umgehen wollen. Als Physiotherapeut:innen sind wir gewohnt, evidenzbasiert zu arbeiten und neue Konzepte kritisch zu hinterfragen. Ich finde, genau diese Haltung brauchen wir auch im Umgang mit KI.

Was ist Künstliche Intelligenz überhaupt?

Der Begriff «Künstliche Intelligenz» bezeichnet die Fähigkeit von Maschinen, menschliche kognitive Fähigkeiten zu imitieren: Denken, Lernen, Planen, Erkennen von Mustern. KI-Systeme nehmen ihre Umwelt wahr, verarbeiten Informationen und treffen Entscheidungen auf der Basis von Algorithmen – also klar definierten Rechenvorschriften, die von Menschen entwickelt und trainiert werden.

Ein grundlegendes Missverständnis lohnt sich hier zu korrigieren: KI entscheidet nicht «intelligent» im menschlichen Sinne. Sie berechnet auf Basis der vorliegenden Daten die statistisch wahrscheinlichste nächste Aktion. Wenn sie dabei «falsch abbiegt», kann sie sich nicht selbst korrigieren. Dafür braucht es menschliche Kontrolle, fachliche Einschätzung und klare Rahmenbedingungen. Die Leistungsfähigkeit eines KI-Systems hängt entscheidend davon ab, wie hochwertig und repräsentativ die Daten sind, auf denen es trainiert wurde – ein Punkt, zu dem wir beim Thema Gerechtigkeit noch zurückkehren werden.

Hinter dem Oberbegriff KI verbergen sich sehr unterschiedliche Systeme mit jeweils eigenen Funktionsweisen. Ein kurzer Überblick hilft dir, Chancen und Grenzen realistisch einzuschätzen.

Regelbasierte Expertensysteme

Die einfachste und älteste Form der KI arbeitet nach dem Wenn-Dann-Prinzip. Fachwissen wird in strukturierte Entscheidungsregeln überführt, die das System bei bestimmten Bedingungen abruft. Diese Systeme sind transparent und für Fachpersonen nachvollziehbar – du kannst genau nachvollziehen, welche Regel zu welchem Ergebnis geführt hat. Sie eignen sich für klar strukturierte Probleme mit vorhersehbaren Abläufen, etwa zur Entscheidungsunterstützung bei standardisierten Assessments oder zur administrativen Prozesssteuerung.

Maschinelles Lernen

Maschinelles Lernen geht einen Schritt weiter: Statt vorgegebener Wenn-Dann-Strukturen analysieren diese Systeme grosse Datenmengen, erkennen Muster und entwickeln daraus eigene Entscheidungsgrundlagen. Sie verbessern sich mit jeder neuen Information – je mehr und je vielfältigere Daten vorhanden sind, desto zuverlässiger werden die Ergebnisse.

Im Bereich der Rehabilitation wurde maschinelles Lernen bereits zur Analyse von Bewegungsmustern, zur Prognose von Reha-Verläufen nach Schlaganfall und zur Unterstützung bei Selbstmanagement-Programmen eingesetzt. Es gibt verschiedene Anbieter und Systeme, die in diesem Bereich aktiv sind – der Markt ist jung und in rascher Entwicklung, und keine Lösung hat sich bisher als eindeutiger Standard etabliert.

Deep Learning und neuronale Netze

Deep Learning ist eine besonders leistungsstarke Unterform des maschinellen Lernens. Künstliche neuronale Netze, die in ihrer Architektur dem menschlichen Gehirn nachempfunden sind, verarbeiten Informationen in mehreren Schichten. Jede Schicht extrahiert dabei andere Merkmale – von einfachen Grundstrukturen bis zu komplexen Mustern. Deep Learning eignet sich für sehr anspruchsvolle Aufgaben wie Bildanalyse, Spracherkennung oder detaillierte Bewegungsanalyse; es benötigt jedoch grosse Datensätze und erhebliche Rechenkapazität.

In der Radiologie werden heute verschiedene KI-gestützte Bildanalysesysteme eingesetzt, die radiologische Fachpersonen bei der Befundung unterstützen. Auch in der Bewegungsanalyse zeigt Deep Learning konkretes Potenzial: Algorithmen zur Echtzeit-Erkennung von Körperpositionen per Kamera ermöglichen eine automatisierte, videobasierte Erfassung von Gelenkwinkeln, Bewegungsumfang und Gangmustern ohne aufwändige Laborausrüstung. Erste wissenschaftliche Arbeiten zeigen, dass solche Ansätze physiotherapeutisch relevante Körperpunkte mit hoher Präzision identifizieren können – die klinische Validierung im Praxisalltag steht dabei noch am Anfang.

Generative KI

Generative KI ist der Bereich, der in den letzten Jahren die breiteste öffentliche Aufmerksamkeit erhalten hat – und der auch für deinen Praxisalltag am unmittelbarsten relevant ist. Diese Systeme erzeugen eigenständig neue Inhalte: Texte, Zusammenfassungen, Berichte, Bilder.

Generative KI-Systeme – von denen heute viele auf dem Markt verfügbar sind, sowohl als eigenständige Tools wie auch als eingebettete Funktionen in bestehender Software – können natürliche Sprache verstehen und erzeugen. Für dich als Therapeut:in bedeutet das: Du beschreibst eine klinische Situation oder einen Therapieverlauf, und das System formuliert daraus einen strukturierten Bericht, einen patientenverständlichen Brief oder eine Zusammenfassung relevanter Literatur.

Wichtig zu verstehen ist die Kehrseite: Generative KI kann überzeugend klingende Antworten erzeugen, die faktisch falsch sind – Fachleute sprechen von «Halluzinationen». Gerade für evidenzbasierte Berufe ist diese Eigenschaft kritisch zu berücksichtigen. Jede Ausgabe muss fachlich überprüft werden, da Quellen teilweise erfunden oder falsch zitiert werden. Einen praxisnahen Einstieg dazu bietet der Beitrag «Physiopedia – Evidenz mit einem Klick» im Physiobern-Magazin (Dezember 2025), der aufzeigt, wie qualitätsgesicherte Recherche gelingt (siehe magazin.physiobern.info).

Der Kontext: Warum KI im Gesundheitswesen gerade jetzt relevant ist

Die Debatte über KI im Gesundheitswesen findet nicht im Vakuum statt. Sie ist eingebettet in strukturelle Herausforderungen, die auch die Schweizer Physiotherapie unmittelbar betreffen.

Die Leistungsdatenerhebung (LeDa) von Physioswiss liefert dazu ein ernüchterndes Bild aus der Schweizer Praxis. An der Studie nahmen rund 450 Physiotherapeut:innen teil, die an einem zufällig ausgewählten Tag sämtliche erbrachten Leistungen mittels Stoppuhr erfassten – knapp 5000 Behandlungen insgesamt. Das Ergebnis: Zur eigentlichen Behandlungszeit kommen durchschnittlich knapp zehn Minuten Arbeit in Abwesenheit der Patient:innen hinzu – für Dossierführung, Terminplanung, Vor- und Nachbereitung sowie Wechselzeiten. Diese Zeit hat sich gegenüber den bisherigen Annahmen des Schweizer Kostenmodells um rund 40 Prozent erhöht. Der aktuelle Tarif im KVG-Bereich deckt jedoch nur etwa die Hälfte dieser Leistungen ab – rund 23 Prozent der gesamten Arbeitszeit werden von Physiotherapeut:innen derzeit unentgeltlich erbracht. Im UVG-Bereich stellt sich die Situation etwas weniger ausgeprägt dar, der strukturelle Zeitdruck bleibt aber auch dort eine tägliche Realität.

Diese Zahlen machen das Potenzial von KI für unsere Profession besonders konkret: Nicht als Ersatz für therapeutische Arbeit, sondern als Entlastung genau dort, wo die Schere zwischen geleisteter und abgegoltener Arbeit am grössten ist – in der Administration und Dokumentation.

Gleichzeitig verschärft sich der Fachkräftemangel. Wenn KI-Systeme repetitive, zeitintensive Routineaufgaben übernehmen können, entsteht mehr Raum für genau das, wofür wir ausgebildet sind: die Arbeit mit Menschen.

Es liegt auf der Hand, dass dies keine einfache technologische Substitution ist. Vielmehr geht es um eine Neugestaltung von Arbeitsabläufen – mit dem Ziel, Fachkompetenz dort einzusetzen, wo sie am meisten wirkt. Eine Befragung von Gesundheitsfachkräften (Budde et al., Plattform Lernende Systeme 2023) zeigt, dass viele Fachpersonen KI vor allem als Chance sehen, von standardisierten Routinetätigkeiten entlastet zu werden und sich stärker auf die Arbeit mit Patient:innen zu konzentrieren. Gleichzeitig besteht die begründete Sorge, durch Technologie ersetzt zu werden – eine Sorge, die ernst genommen, aber auch differenziert betrachtet werden sollte: KI kann keine therapeutischen Beziehungen gestalten, kein klinisches Urteilsvermögen ersetzen und keine individuelle Lebensrealität verstehen.

Konkrete Anwendungsfelder in der Physiotherapie

Die Frage, wie KI deinen Praxisalltag konkret verändern kann, lässt sich an mehreren Feldern illustrieren. Die folgenden Beispiele sind nicht exhaustiv – der Bereich entwickelt sich rasch, und neue Anwendungen entstehen kontinuierlich.

Dokumentation und Berichtswesen

Dokumentation gehört für viele Physiotherapeut:innen zu den zeitintensivsten Aufgaben – und zu denjenigen, die am weitesten von der direkten Arbeit mit Patient:innen entfernen. Generative KI kann hier substanziell entlasten: Du schilderst kurz den Therapieverlauf eines anonymisierten Patient:innen – schriftlich oder in Stichpunkten – und die KI erstellt daraus einen strukturierten, verständlichen Text. Anschliessend prüfst du den Entwurf fachlich, ergänzt oder korrigierst ihn wo nötig und zeichnest ihn als verantwortliche Fachperson frei.

Es gibt eine wachsende Anzahl von KI-Schreibassistenten und spezialisierteren Tools für das Gesundheitswesen. Einige davon sind inzwischen direkt in gängige Abrechnungs- und Dokumentationssysteme für Physiotherapeut:innen integriert, sodass du sie nicht mehr als separate Anwendung aufrufen musst. Die verfügbaren Lösungen unterscheiden sich jedoch erheblich in Qualität, Datenschutzkonformität und klinischer Eignung. Kein Tool sollte ungeprüft übernommen werden – weder inhaltlich noch rechtlich. Die Verantwortung für die Dokumentation bleibt immer bei dir als Fachperson.

Klinische Entscheidungsunterstützung

KI-Systeme können als Denkpartner in der Therapieplanung dienen. Symptombilder lassen sich strukturiert abfragen, Leitlinien gezielt suchen, differenzialdiagnostische Überlegungen systematisieren. Das ersetzt kein klinisches Urteilsvermögen – aber es kann blinde Flecken aufzeigen und den Informationszugang verbessern. Ein konkretes Beispiel ist Physiopedia, die als Kooperationspartnerin von Physioswiss für Mitglieder kostenlos zugänglich ist und mittlerweile auch KI-gestützte Recherchefunktionen integriert.

Erste validierte Systeme in diesem Bereich nutzen maschinelles Lernen, um aus Patientendaten Risikoeinschätzungen zu entwickeln – etwa für sturzgefährdete ältere Patient:innen oder für die Prognose von Reha-Verläufen nach neurologischen Ereignissen. Diese Systeme befinden sich mehrheitlich noch im Forschungs- oder Pilotkontext.

Bewegungsanalyse und Assessment

Computergestützte Bewegungsanalyse ist kein neues Konzept in der Physiotherapie – wohl aber die Möglichkeit, sie kostengünstig und ohne spezialisiertes Labormaterial einzusetzen. Kamerabasierte KI-Algorithmen können heute in Echtzeit Gelenkwinkel, Bewegungsumfang, Gangmuster und posturale Kontrolle erfassen und in klinisch interpretierbare Parameter übersetzen.

Wissenschaftliche Studien zeigen, dass KI-gestützte Assessments in Bereichen wie motorischer Rehabilitation nach Schlaganfall, Spastizitätsmessung und funktioneller Diagnostik bei pädiatrischen Populationen Genauigkeitswerte erreichen, die mit klinischer Beurteilung vergleichbar sind. Die Mehrheit dieser Systeme befindet sich jedoch noch in der Entwicklungs- oder Validierungsphase. Es gilt das gleiche Prinzip wie bei allen diagnostischen Werkzeugen: Ein Tool muss klinisch validiert und für die spezifische Population geeignet sein, bevor es in der Praxis eingesetzt wird.

Patientenkommunikation und Edukation

KI-gestützte Anwendungen können Patient:innen zwischen den Therapiesitzungen begleiten: durch Erinnerungen an Heimübungen, durch adaptives Feedback zur Übungsausführung, durch edukative Inhalte zur Schmerzphysiologie oder zu Selbstmanagement-Strategien. Solche Ergänzungen können die Adhärenz verbessern und den Zugang zu Unterstützung niederschwelliger gestalten – besonders in ländlichen Regionen oder für Patient:innen mit eingeschränkter Mobilität. Allerdings ersetzt keine App die therapeutische Beziehung.

Literaturrecherche und Weiterbildung

Für dich als Physiotherapeut:in, die sich fachlich auf dem Laufenden halten will, ist generative KI ein potenziell nützliches Werkzeug. Aktuelle Studien lassen sich zusammenfassen, komplexe wissenschaftliche Inhalte in verständliche Sprache übersetzen und spezifische klinische Fragen mit Hinweisen auf relevante Literatur beantworten.

Dabei gilt jedoch besondere Vorsicht: Generative KI-Systeme können Literaturangaben «erfinden», die in dieser Form nicht existieren – plausibel klingend, fachlich formuliert, faktisch falsch. Jede KI-generierte Literaturangabe muss vor der Verwendung in der Primärquelle überprüft werden. Das ist kein marginales Problem, sondern ein bekanntes, dokumentiertes Risiko aller aktuellen Sprachmodelle.

Was sagt die Evidenz? Ein nüchterner Blick

Ein zentrales Prinzip physiotherapeutischer Praxis ist die Evidenzbasierung. Es wäre widersprüchlich, KI ohne kritische Auseinandersetzung mit der vorliegenden Forschung zu befürworten.

Eine aktuelle systematische Übersichtsarbeit und Meta-Analyse von Kapil et al. (2025), publiziert in Applied Sciences, hat acht randomisierte kontrollierte Studien zu KI-gestützter Physiotherapie bei nicht-spezifischen Rückenschmerzen ausgewertet – insgesamt 2147 Teilnehmende. Unter «KI-gestützter Intervention» verstehen die Autor:innen dabei in erster Linie app- oder chatbot-basierte Übungs- und Edukationsprogramme, die entweder autonom oder ergänzend zur konventionellen Physiotherapie eingesetzt wurden. Das Ergebnis: KI-gestützte Interventionen zeigten keinen statistisch signifikanten Vorteil gegenüber klassischer Physiotherapie, weder bei Schmerzintensität (SMD = −0.27, p = 0.267), funktioneller Beeinträchtigung (SMD = −0.25, p = 0.109) noch bei psychischer Gesundheit (SMD = −0.03, p = 0.696).

Dieses Resultat lässt sich auf zwei Arten lesen. In der einen Lesart ist es ernüchternd – die Hoffnung auf einen messbaren klinischen Zusatznutzen bestätigt sich in dieser Studienlage nicht. In der anderen Lesart steckt aber durchaus eine gute Nachricht: KI-gestützte Interventionen sind der klassischen Physiotherapie nicht unterlegen. Wenn sich mit vergleichbarer Wirksamkeit Aufwand reduzieren, Zugang erweitern oder Fachpersonen entlasten lässt, ist das an sich ein Gewinn – vorausgesetzt, die Qualität der Versorgung bleibt gewahrt und die KI-Komponente ersetzt nicht die Beziehungsarbeit, die nachweislich zur Therapiewirkung beiträgt.

Zur Einordnung gehört allerdings, dass die Evidenzbasis noch dünn ist: Die Studien waren heterogen in Design, Intervention und Outcomeerfassung; die Fallzahlen in mehreren Studien gering; die Beobachtungszeiträume kurz. Drei der acht Studien wurden kommerziell finanziert, was potenzielle Verzerrungen nicht ausschliesst. Zudem misst diese Forschung primär klinische Outcomes – nicht die administrativen oder prozessualen Entlastungen durch KI, die im Praxisalltag möglicherweise relevanter sind.

Entscheidend ist: Diese Befunde zeigen, dass KI als Ersatz für gute Physiotherapie nicht funktioniert. Sie zeigen aber ebenso, dass KI als Ergänzung, Unterstützung und Entlastung durchaus einen Platz haben kann. Diese Unterscheidung ist zentral.

Ethische Dimensionen: Fünf Prinzipien als Orientierung

Die Frage nach dem verantwortungsvollen Einsatz von KI ist nicht nur eine technische, sondern vor allem eine ethische. Põder und Romeike (2025) schlagen für die medizinische KI-Ethik – angelehnt an die klassischen vier Prinzipien der Medizinethik von Beauchamp und Childress (2013) und ergänzt um Überlegungen von Floridi et al. (2018) – fünf Prinzipien vor, die als Orientierung auch für die Physiotherapie taugen. Diese Prinzipien sind dabei nicht hierarchisch geordnet, sondern gleichrangig: Sie geben keine fertigen Antworten, sondern müssen in jeder konkreten Situation neu gegeneinander abgewogen werden. Sie sind eine Richtschnur für ethisches Reasoning – ein Werkzeug zum Nachdenken, kein Entscheidungsalgorithmus.

Wohltun. KI soll das Wohlbefinden von Patient:innen und Physiotherapeut:innen tatsächlich verbessern, nicht nur Prozesse optimieren. Jeder Einsatz von KI muss sich an diesem Massstab messen lassen – auch daran, ob er deine Arbeitsbedingungen spürbar erleichtert.

Nichtschaden. Der Grundsatz «primum nihil nocere» gilt auch für KI-gestützte Versorgung. Besonders kritisch ist dabei der Umgang mit sensiblen Gesundheitsdaten: Unzureichend geschützte Systeme, intransparente Datenflüsse oder ungeklärte Verantwortlichkeiten können erheblichen Schaden anrichten, auch wenn die klinische Ausgabe selbst korrekt erscheint. Datenschutz, Datensicherheit und eine vorsichtige Prüfung von KI-Outputs auf Fehler und Fehlinterpretationen sind darum nicht optional, sondern integraler Bestandteil professioneller Sorgfalt.

Respekt vor der Autonomie. Patient:innen und Fachpersonen sollen ihre Verantwortung wahrnehmen und ihre Entscheidungen selbst tragen können. Autonomie ist dabei kein Zustand, den man einfach hat oder nicht hat. Wer sie im Moment nicht vollständig ausüben kann – Kinder, Menschen mit Demenz, Patient:innen in akuten Belastungen – hat Anspruch darauf, dass andere mitentscheiden und dabei ihre Würde schützen, statt die Verantwortung an einen Algorithmus abzugeben. Und auch dort, wo Autonomie voll gegeben ist, dürfen KI-Vorschläge nicht an die Stelle einer eigenen Abwägung treten. Wer zu einer Entscheidung fähig ist, muss sie auch treffen dürfen – im Bewusstsein, dass KI-Empfehlungen nützlich sein können, aber nicht frei von Fehlern, Verzerrungen oder Halluzinationen sind. Die individuelle Einschätzung und ihre Konsequenzen bleiben bei dir.

Gerechtigkeit. KI darf bestehende Ungleichheiten nicht verstärken. Sie tut dies aber schnell, wenn sie auf unausgewogenen Daten trainiert, wurde: Unsere Medizin ist – historisch wie strukturell –voll von rassistischen, sexistischen und diskriminierenden Mustern. Eine KI, die aus solchen Daten lernt, wird diese Muster mit hoher Wahrscheinlichkeit reproduzieren, oft subtiler und schwerer erkennbar, weil sie hinter einer scheinbar objektiven Zahl versteckt sind. Wenn Bevölkerungsgruppen in Trainingsdaten unterrepräsentiert oder verzerrt abgebildet sind, werden die Ausgaben für diese Gruppen unzuverlässig oder diskriminierend. Das kritisch mitzudenken, gehört zur professionellen Verantwortung bei jedem KI-Einsatz.

Erklärbarkeit. KI-Systeme, deren Entscheidungslogik sich nicht nachvollziehen lässt, sind für den klinischen Einsatz problematisch. Du musst verstehen können, auf welcher Basis eine KI-Empfehlung zustande kam – sonst lässt sich weder ihre Plausibilität prüfen noch Verantwortung dafür übernehmen.

Diese fünf Prinzipien lassen sich in eine Leitfrage übersetzen, die du dir bei jedem KI-Einsatz stellen solltest: Dient dieses Tool tatsächlich den Patient:innen und uns als Fachpersonen – oder dient es primär kommerziellen Interessen?

Risiken und Grenzen: Was nicht verschwiegen werden darf

Datenschutz: zentrale Anforderung in der Schweiz

Patientendaten sind besonders schützenswert. In der Schweiz gilt das revidierte Datenschutzgesetz (revDSG), das seit September 2023 in Kraft ist und die Anforderungen an die Bearbeitung von Personendaten erheblich verschärft hat. Die Eingabe personenbezogener Patientendaten in externe KI-Tools – also Systeme, die auf fremden Servern betrieben werden und deren Datenspeicherung und -weitergabe nicht transparent oder reguliert ist – ist in der Regel nicht zulässig.

Praktisch bedeutet das: Wenn du KI für Dokumentation oder Therapieplanung nutzen willst, musst du entweder sicherstellen, dass keine personenbezogenen Daten eingegeben werden (Anonymisierung vor der Eingabe), oder dass das verwendete System den schweizerischen Datenschutzanforderungen entspricht und entsprechende Auftragsbearbeitungsverträge bestehen. Wenn du unsicher bist, hol dir vor dem Einsatz eines KI-Tools juristischen Rat.

Verantwortung bleibt beim Menschen

Die fachliche, ethische und rechtliche Verantwortung für therapeutische Entscheidungen liegt immer bei dir als Fachperson – nicht beim Algorithmus. Keine KI-generierte Dokumentation darf ungeprüft unterzeichnet werden. Kein KI-gestütztes Assessment ersetzt deine klinische Beurteilung. Kein KI-Vorschlag zur Therapieplanung ist ohne deine eigene Einschätzung gültig.

Kompetenzentwicklung als Anforderung

Die sinnvolle Integration von KI erfordert neue Kompetenzen: erstens «KI-Awareness» – ein Grundverständnis darüber, was ein System tut, wie es funktioniert und wo seine Grenzen liegen; zweitens Datenkompetenzen – das Verständnis, wie mit sensiblen Gesundheitsdaten umzugehen ist. Diese Fragen zu stellen ist keine Behinderung des Fortschritts, sondern professionelle Verantwortung.

Therapeutische Beziehung: nicht substituierbar

Eines der gesichertsten Wirkprinzipien in der Physiotherapie ist die therapeutische Beziehung. Vertrauen, Empathie, individuelle Wahrnehmung, nonverbale Kommunikation – all das trägt substanziell zur Therapiewirkung bei. KI kann diese Dimension nicht ersetzen. Sie kann administrative Lasten reduzieren und damit mehr Raum für die eigentliche Beziehungsarbeit schaffen. Das ist keine marginale Verbesserung – es ist ein bedeutsamer Gewinn, wenn du wieder mehr Zeit für das hast, wofür du deinen Beruf gewählt hast.

Fehlinformationen und Halluzinationen

Generative KI-Systeme können plausibel klingende, aber faktisch falsche Informationen erzeugen – das betrifft klinische Empfehlungen, rechtliche Hinweise, Dosierungsangaben, diagnostische Einschätzungen. Wer KI als Denkpartner nutzt, muss diese Grenzen kennen und entsprechend kritisch bleiben.

Ausblick: Wohin geht die Entwicklung?

Die Entwicklung von KI in der Physiotherapie wird sich in den nächsten Jahren beschleunigen. Wie gross der globale Veränderungsdruck ist, lässt sich an den Investitionszahlen ablesen: Analyst:innen rechnen damit, dass die weltweiten KI-Ausgaben 2026 auf rund 2,5 Billionen US-Dollar steigen werden. Diese Summen landen nicht alle im Gesundheitswesen – aber sie zeigen, mit welcher Wucht die Technologie in praktisch alle Wirtschafts- und Lebensbereiche drängt, und damit auch in unsere Profession.

Einige Entwicklungsrichtungen zeichnen sich bereits ab, wobei Vorsicht gegenüber übertriebenen Versprechen angebracht bleibt.

Bewegungsanalyse im häuslichen Umfeld. Kamerabasierte Systeme auf Smartphones könnten die Qualität von Heimübungen erfassen und dir als Therapeut:in Berichte liefern. Die technische Machbarkeit wird demonstriert; klinische Validierung und regulatorische Zulassung stehen in vielen Fällen noch aus.

Adaptive digitale Begleitung. Systeme, die kontinuierlich erfasste Verlaufsdaten analysieren und auf dieser Basis Anpassungen der Therapieziele vorschlagen. Die Fachperson validiert und entscheidet; die KI übernimmt die Datenauswertung.

Interprofessionelle Kommunikation. KI-gestützte Berichte, die Daten aus verschiedenen Quellen zusammenführen und für unterschiedliche Adressaten – Zuweiser:innen, Kostenträger, Rehateams – verständlich aufbereiten.

Digitale Assessments mit KI-Auswertung. Standardisierte Screenings werden digital erfasst und automatisch ausgewertet. Ihre breite klinische Integration erfordert Validierungsstudien, klare Zulassungsverfahren und eine bewusste Entscheidung der Berufsgruppe.

Was das für unsere Berufsgruppe bedeutet

Die entscheidende Frage ist nicht technisch. Sie ist professionspolitisch und sie ist eine Wertefrage. Welche Haltung haben wir als Physiotherapeut:innen gegenüber Menschen, die zu uns kommen? Was ist uns im therapeutischen Prozess unverzichtbar? Worauf wollen wir nicht verzichten, auch wenn es technisch delegierbar wäre? Diese Werte müssen wir als Berufsgruppe bewusst formulieren und gemeinsam vertreten – sonst tun es andere für uns.

Wenn KI-Systeme Einzug in die Physiotherapie halten – und das werden sie –, dann ist die Frage, wer die Standards definiert. Welche Anforderungen müssen Tools erfüllen, bevor sie in klinischen Kontexten eingesetzt werden? Welche Kompetenzen brauchst du als Physiotherapeut:in, um KI verantwortungsvoll zu nutzen? Wer entscheidet darüber, welche Schritte des therapeutischen Prozesses von Algorithmen unterstützt werden dürfen – und welche explizit menschlich bleiben müssen?

Das Grundlagenpapier zu KI für Gesundheitsfachkräfte der Plattform Lernende Systeme hält fest, dass eine erfolgreiche Integration von KI im Gesundheitswesen nur dann gelingt, wenn Fachkräfte aktiv in die Entwicklung, Erprobung und Implementierung einbezogen werden. Eine Technologie, die von aussen auf einen Berufsstand «aufgezwungen» wird, erzeugt Widerstand und wird schlechter genutzt als eine, die in Zusammenarbeit mit den Anwendenden gestaltet wurde.

Der Physioswiss Kantonalverband Bern will diesen Beitrag leisten: durch Weiterbildungsangebote, durch Kommunikation gegenüber Behörden und Kostenträgern, durch interprofessionellen Dialog und durch die Einbettung dieser Diskussion in die gesundheitspolitische Arbeit.

Es geht nicht darum, KI aufzuhalten, was wir auch nicht können. Es geht darum, sie so zu gestalten, dass sie unserer Profession und unseren Patient:innen dient – und nicht umgekehrt.

Fazit: Werkzeug, nicht Ersatz

KI verändert die Physiotherapie. Aber sie macht dich als Physiotherapeut:in nicht überflüssig – im Gegenteil. Je mehr repetitive, administrative und standardisierbare Aufgaben von KI übernommen werden können, desto klarer tritt in den Vordergrund, was Menschen leisten können und KI nicht: therapeutische Beziehungen gestalten, klinisch urteilen, ethisch abwägen, individuell wahrnehmen, Vertrauen aufbauen.

Die Herausforderung liegt darin, die neuen Möglichkeiten kompetent und verantwortungsbewusst zu nutzen. Dafür braucht es ein Grundverständnis von KI-Systemen, kritisches Denken gegenüber ihren Ausgaben, ein klares Bewusstsein für Datenschutzgrenzen – und eine Berufsgruppe, die diese Entwicklung aktiv mitgestaltet, anstatt passiv abzuwarten.

Vielleicht passt an dieser Stelle ein Gedanke von Karl Popper, der genau diese Haltung auf den Punkt bringt:

«Optimismus ist Pflicht. Die Zukunft ist offen. Sie ist nicht vorausbestimmt. Daher kann sie niemand voraussagen – ausser durch Zufall. Die Möglichkeiten, die in der Zukunft liegen, gute sowohl wie schlimme, sind unabsehbar. Wenn ich sage ‹Optimismus ist Pflicht›, so schliesst das nicht nur ein, dass die Zukunft offen ist, sondern auch, dass wir alle sie mitbestimmen durch das, was wir tun: Wir sind alle mitverantwortlich für das, was kommt.»

— Karl R. Popper, Alles Leben ist Problemlösen

Der Physioswiss Kantonalverband Bern will dieses Gespräch führen. Deine Rückmeldung ist dabei unverzichtbar: Welche Erfahrungen machst du mit KI-Anwendungen in deiner Praxis? Was funktioniert? Was bereitet dir Sorgen? Wo siehst du Bedarf an Unterstützung?

Wir freuen uns auf den Austausch.

Literatur und Quellen

^{Beauchamp, T. L., & Childress, J. F. (2013). Principles of Biomedical Ethics (7. Aufl.). Oxford University Press.}

^{Bignami, E. G., Russo, M., Semeraro, F., & Bellini, V. (2025). Balancing Innovation and Control: The European Union AI Act in an Era of Global Uncertainty. JMIR AI, 4, e75527. https://doi.org/10.2196/75527}

^{Budde, K. et al., Plattform Lernende Systeme, AG Gesundheit, Medizintechnik, Pflege (2023). KI für Gesundheitsfachkräfte – Chancen und Herausforderungen von medizinischen und pflegerischen KI-Anwendungen. Whitepaper aus der Plattform Lernende Systeme. https://doi.org/10.48669/pls_2023-2}

^{Danishta, Kumar, M., & Gugnani, A. (2025). Advancements in physiotherapy: A systematic review of AI, robotics and wearable sensor technologies. International Journal for Multidisciplinary Research (IJFMR), 7(1).}

^{Ecoplan & FHNW (2025). Kurzbericht Studie zu den Leistungen in der Physiotherapie (LeDa). Im Auftrag von Physioswiss, dem Schweizer Physiotherapie Verband. Aktualisierte Fassung vom 22. Oktober 2025. Bern. www.physioswiss.ch}

^{FMH – Verbindung der Schweizer Ärztinnen und Ärzte (2022). Künstliche Intelligenz im ärztlichen Alltag. Einsatzgebiete in der Medizin: Nutzen, Herausforderungen und Forderungen der FMH. Bern. www.fmh.ch}

^{Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., & Vayena, E. (2018). AI4People – An Ethical Framework for a Good AI Society: Opportunities, Risks, Principles, and Recommendations. Minds and Machines, 28, 689–707. https://doi.org/10.1007/s11023-018-9482-5}

^{García, V., & Santos, O. C. (2025). Towards intelligent assessment in personalized physiotherapy with computer vision. Sensors, 25(11), 3436. https://doi.org/10.3390/s25113436}

^{Hiltawsky, K. et al., Plattform Lernende Systeme, AG Gesundheit, Medizintechnik, Pflege (2024). KI für bessere Abläufe in Medizin und Pflege – Anwendungen und Potenziale in organisatorischen Prozessen. Grundlagenpapier aus der Plattform Lernende Systeme.}

^{Jungmann, S., Bergen, I., Ebener, S., Fangerau, H., Horsten, N. von, Madani, D., Masanneck, L., Rüffer, J. U., Schüller, P., Stumpe, E., Widmer, A., & Witte, C. (2025). Mit KI zur gemeinsamen Entscheidungsfindung in der Medizin: Ein praktischer Wegweiser (White Paper). Roche.}

^{Kapil, D., Wang, J., Olawade, D. B., & Vanderbloemen, L. (2025). AI-assisted physiotherapy for patients with non-specific low back pain: A systematic review and meta-analysis. Applied Sciences, 15(3), 1532. https://doi.org/10.3390/app15031532}

^{Liedke, U. (2025). Um Antwort wird gebeten. Versuch, Inklusion verantwortungsethisch zu denken. EthikJournal, 2(2025), 7-30.}

^{Physiobern (2025). Physiopedia – Evidenz mit einem Klick. Magazin Physiobern, Ausgabe Dezember 2025. https://magazin.physiobern.info/de/ausgabe/dezember-2025–8/artikel/physiopedia-evidenz-mit-einem-klick–53}

^{Põder, J.-C., & Romeike, B. F. M. (2025). Ethik von ChatGPT in der Medizin. In A. Martens & C. H. Cap (Hrsg.), Schreibende KI – ein interdisziplinärer Diskurs. ars digitalis. https://doi.org/10.1007/978-3-658-45839-3_13}

^{Popper, K. R. (1995). Alles Leben ist Problemlösen. Über Erkenntnis, Geschichte und Politik. Piper.}

^{Sallam, M., Beaini, C., Mijwil, M. M., & Sallam, M. (2025). AI at the Crossroads of Cost and Care: A SWOT Analysis of Microsoft AI Diagnostic Orchestrator (MAI-DxO) in Clinical Diagnosis. Journal of Clinical Medicine and Research, 2(1).}

^{© Physioswiss Kantonalverband Bern}