OpenEvidence ist ein führender KI-gestützter Chatbot für verifizierte Mediziner in den USA und wird oft als «ChatGPT für medizinisches Personal» bezeichnet. Wir haben den Härtetest gemacht und OpenEvidence unter die Lupe genommen. Welcher Chatbot ist für medizinische Fragen am besten geeignet? Und welches System macht am wenigsten Fehler?

In den letzten Jahren hat die Künstliche Intelligenz extreme Fortschritte gemacht. Sowohl Patienten als auch Ärzte greifen immer häufiger auf ChatGPT & Co. zurück, um Informationen zu finden, Diagnosen zu stellen oder Arbeitsprozesse zu beschleunigen.

Diese Technologie verspricht zwar eine enorme Erleichterung und eine potenzielle Qualitätssteigerung, birgt aber auch Risiken: Chatbots können Fehler machen und sich irren, ohne dies zu erkennen. Angesichts dieser Problematik hat sich Open Evidence zum Ziel gesetzt, die Fehlerrate zu minimieren und einen spezialisierten Chatbot eigens für das Gesundheitspersonal zu entwickeln.

Wir haben OpenEvidence auf die Probe gestellt und mit anderen Chatbots verglichen, um zu sehen, was dahinter steckt und ob es sich lohnt, auf OpenEvidence umzusteigen.

Bevor wir zu den Ergebnissen kommen, kurz zur Theorie. Warum gilt OpenEvidence überhaupt als überlegen?

Klingt in der Theorie nach einem klaren Vorteil für OpenEvidence. Doch wie sieht es in der Praxis aus, wenn man eine konkrete klinische Frage stellt?

Wer liefert mir die aktuelle Studienlage präziser und vollständiger? Wir haben ChatGPT, Google Gemini und OpenEvidence ausführlich getestet und unter anderem mit der exakt gleichen Frage gefüttert (Stand November 2025).

Google lieferte solide Ergebnisse. Wichtige Studien wie FINEARTS-HF (2024) und das STEP-HFpEF Programm wurden gefunden und korrekt verlinkt. Auch der geforderte Zeitrahmen von 2 Jahren wurde eingehalten. Zwar wurden ältere Studien erwähnt, aber als solche gekennzeichnet. Allerdings wurde eine wichtige Studie (SUMMIT) übersehen. Solide, aber nicht vollständig.

Hier zeigten sich überraschende Schwächen in der Bedienung.

ChatGPT hat in diesem Test beeindruckt und sich den Sieg geholt.

Dieses Experiment zeigt, wie massiv sich die «normalen» KI-Modelle in den letzten Monaten verbessert haben hinsichtlich Zitierung und Qualität der Antworten.

Positiv war, dass keiner der drei Chatbots Studien erfand oder falsche Links generierte. Vor einem Jahr hätte es mit Sicherheit noch anders ausgesehen.

Für 95 Prozent der klinischen Fragen und für die Literaturrecherche ist ein moderner Allrounder wie ChatGPT (in der aktuellen Version) derzeit nicht nur «gut genug», sondern in der Bedienung und Präzision oft sogar überlegen. Es liefert funktionierende Links, hält sich an Zeitvorgaben und bietet den breiteren Kontext.

Derzeit scheint das System primär für Personen im US-Gesundheitssystem geeignet, da es dort zusätzliche Datenschutzbestimmungen berücksichtigt, die in Europa aktuell keine Relevanz besitzen.

Angesichts der rapiden Entwicklung bleibt abzuwarten, wie sich die Situation in wenigen Monaten präsentieren wird.

OpenAI hat in dieser Woche einen eigenen ChatGPT-Bereich für Gesundheitsthemen lanciert – allerdings erst in den USA. Die Nutzer können dort ihre medizinischen Daten, ihre Patientendossiers oder die Daten aus Fitness-Trackern und ähnlichem einfügen. Diese Daten werden analysiert, um personalisierte Empfehlungen zu geben.

Man kann dem System also Fragen stellen wie: «Mein Ruhepuls steigt seit 3 Wochen – mögliche Gründe?» – und ChatGPT Health sucht auf der Basis der eingegebenen persönlichen Daten nach Erklärungen. Auch will es helfen, Arztbesuche vorbereiten, beispielsweise mit Antworten auf Fragen wie: «Welche Punkte sollte ich mit meiner Kardiologin besprechen?»

Ein Startdatum für Europa (und die Schweiz) ist nicht bekannt. Die Verzögerung wird mit dem Datenschutz-Recht erklärt. OpenAI betont, dass die Eingaben in ChatGPT Health speziell gespeichert und gesichert werden – und obendrein, dass die Funktion nicht für Diagnose oder Behandlung gedacht ist.