Ist es gefährlich, KIs nach Krankheiten zu fragen?

Brustdruck nach dem Sport. Eine geschwollene Wade nach einem Langstreckenflug. Oder einfach nur eine hartnäckige Erkältung. Immer mehr Menschen fragen bei solchen Beschwerden nicht zuerst ihren Hausarzt – sondern eine künstliche Intelligenz (KI).

,

und

sind rund um die Uhr verfügbar und liefern innerhalb von Sekunden Antworten. Doch wie hilfreich sind die Chatbots wirklich, wenn es um die eigene Gesundheit geht?

Für unser Experiment mussten die drei KI-Assistenten elf typische Krankheitsszenarien bewerten – von harmlosen Alltagsbeschwerden bis hin zu möglichen Notfällen.

Für das Experiment mussten ChatGPT, Gemini und Copilot auf elf typische Situationen reagieren:

Wichtig: Geprüft wurde nicht, ob die KI die richtige Diagnose stellt. Entscheidend war, ob sie Warnzeichen erkennt, die Dringlichkeit richtig einschätzt und dem Nutzer eine brauchbare Orientierung gibt.

KI-Systeme stehen regelmäßig in der Kritik, weil sie Fehler machen oder Informationen erfinden können. Umso überraschender war das Ergebnis unseres Experiments. Bei Brustdruck nach körperlicher Belastung oder bei einer geschwollenen Wade nach einem Langstreckenflug reagierten alle drei Systeme vorsichtig und stuften die Beschwerden als potenziell ernst ein. Auch weniger bekannte Warnzeichen wurden erkannt. So empfahlen alle getesteten KIs bei starken Rückenschmerzen in Kombination mit Taubheitsgefühlen im Genitalbereich eine schnelle medizinische Abklärung. Einen Arzt ersetzen die Systeme damit nicht. Doch als erste Orientierungshilfe schnitten sie deutlich besser ab, als viele Kritiker vermutlich erwarten würden.

Ein deutlicher Unterschied zeigte sich bei Gemini: Während ChatGPT und Copilot in allen Testfällen eine Einschätzung abgaben, verweigerte Googles KI bei einigen Symptomen die Antwort komplett. So wollte Gemini unter anderem bei einem möglichen Schlaganfall und einer Blinddarmentzündung keine konkrete Einschätzung liefern.

Von den drei Testkandidaten war ChatGPT am bereitwilligsten, konkrete Einschätzungen zu liefern. Die Antworten waren meist ausführlich, erklärten mögliche Ursachen und versuchten, zwischen harmlosen und ernsten Beschwerden zu unterscheiden. Bei Schwindel, Herzrasen und Kribbeln in den Händen verwies ChatGPT beispielsweise auf Stress oder eine mögliche Panikreaktion, schloss gleichzeitig aber andere Ursachen nicht aus. Der Nachteil: Die Antworten fielen teilweise sehr lang aus.

Microsofts Copilot antwortete größtenteils deutlich knapper. Warnzeichen wurden erkannt, Handlungsempfehlungen waren verständlich formuliert, und die KI kam schnell auf den Punkt. Wer keine langen Erklärungen lesen möchte, dürfte mit diesem Stil gut zurechtkommen.

Die größte Überraschung war Gemini. Während ChatGPT und Copilot stets versuchten, eine konkrete Einschätzung zu geben, hielt sich Googles KI häufiger zurück: Zweimal verweigerte sie eine Antwort. Und in vielen anderen Fällen bestand die Reaktion in der Aufforderung, sich ärztliche Hilfe zu suchen. Das ist zwar durchaus richtig, und so gibt Gemini auch keine falschen Tipps – Nutzer wollen aber nicht nur wissen, ob sie zum Arzt müssen oder nicht, sondern auch, was hinter den Beschwerden stecken könnte.

Interessant: Die Systeme waren sich bei den gefährlichen Fällen weitgehend einig. Die größeren Unterschiede traten bei Erkältungen, Muskelkater, Magen-Darm-Beschwerden oder stressbedingten Symptomen auf. Hier versuchten ChatGPT und Copilot häufiger, eine wahrscheinliche Ursache zu benennen und die Beschwerden einzuordnen. Gemini blieb dagegen deutlich vorsichtiger und empfahl schneller eine ärztliche Abklärung.

Unser Experiment zeigt, dass moderne KI-Chatbots kritische Warnzeichen erstaunlich zuverlässig erkennen können. Die Unterschiede liegen weniger in der medizinischen Einschätzung als im Umgang mit Unsicherheit. Während ChatGPT und Copilot meist eine konkrete Orientierung geben, setzt Gemini stärker auf Vorsicht und verweigert in manchen Fällen sogar eine Antwort.

Einen Arzt ersetzen können die Systeme nicht. Als erste Orientierungshilfe schlagen sie sich jedoch deutlich besser, als viele Kritiker mutmaßlich denken würden.