Bei der Teledermatologie handelt es sich nicht einfach um Telemedizin mit einem „Hautfilter“. In der allgemeinen Grundversorgung hilft die KI-basierte Vorab-Triage dem Hausarzt bei der Entscheidung, ob ein Hautproblem eine Überweisung rechtfertigt. In der Teledermatologie ist der Dermatologe bereits der Endpunkt. Die Frage verlagert sich von der Überweisung hin zur Frage, wie die Zeit des Facharztes sinnvoll genutzt werden kann, sobald der Patient vorstellig wird.
In Deutschland ist dieser Unterschied besonders ausgeprägt. Bei rund 6.000 Dermatologen für 84 Millionen Einwohner und Wartezeiten von durchschnittlich 4 bis 8 Wochen bis zum Termin ist jede Facharztkonsultation von großer Bedeutung. Eine Teledermatologie-Plattform, die mithilfe von KI sicherstellt, dass Fälle in bestmöglichem Zustand eingehen, leistet einen wertvolleren Beitrag, als lediglich die Nachfrage nach Überweisungen aufzufangen.
Das Teledermatologie-Modell und die Rolle der KI
„Store-and-Forward“ sowie das Problem der Fallqualität
Die Teledermatologie basiert auf zwei Modellen. Synchrone Konsultationen erfolgen per Live-Video. Store-and-Forward-Konsultationen funktionieren anders: Der Patient übermittelt Bilder und klinische Notizen asynchron, ein Dermatologe begutachtet diese unabhängig und gibt eine schriftliche Antwort zurück. Im Store-and-Forward-Modell bestimmen die Bildqualität und die Vollständigkeit der Fallunterlagen bei der Einreichung direkt, was der Spezialist erhält. Ein unscharfes Foto oder fehlende klinische Details können eine Nachfrage erforderlich machen, die den gesamten Fall verzögert.
Die API von Autoderm greift bereits in der Einreichungsphase ein und verarbeitet das hochgeladene Bild, noch bevor ein menschlicher Prüfer die Datei öffnet. Sie gibt eine nach Relevanz geordnete Liste mit Vorschlägen zu möglichen Erkrankungen sowie entsprechenden Konfidenzwerten zurück. Dadurch erhält der Nutzer eine sofortige Rückmeldung, während der Fall noch in der Warteschlange steht, und der Dermatologe erhält bereits vor Beginn der Konsultation einen Kontext.
Was die klinischen Erkenntnisse zeigen
Leistung in der Praxis und Genauigkeit der Vorschläge
Die klinische Eignung von Autoderm als Infrastruktur-Ebene stützt sich auf Erkenntnisse aus dem praktischen Einsatz. Eine Studie von Escalé-Besa et al., die 2023 in Scientific Reports veröffentlicht wurde, untersuchte das Tool in einer realen Primärversorgungsumgebung. Sie ergab eine Reduzierung der Überweisungen an Fachärzte um 34 % dort, wo eine KI-gestützte Triage zum Einsatz kam, wobei 92 % der teilnehmenden Hausärzte angaben, das Tool sei im täglichen Arbeitsablauf nützlich. Die Sensitivität bei der Erkennung von Melanomen lag in der gesamten Studie bei 100 %, was darauf hindeutet, dass das Tool Unsicherheiten aufzeigt, anstatt sie herauszufiltern.
Eine separate vergleichende Auswertung anhand von 91 Bildern bestätigter Hauterkrankungen ergab eine Genauigkeit der Top-5-Vorschläge von 93 % und eine Genauigkeit des empfohlenen Versorgungsweges von 95 %, wie im Whitepaper zur Coachella-Studie 2025 berichtet wird. Für Plattformbetreiber ist der Wert für die Behandlungsempfehlungen am wichtigsten: Er misst, ob die empfohlene Versorgungsstufe angemessen war, und nicht nur, ob der Top-Vorschlag mit der bestätigten Erkrankung übereinstimmte.
Wie die Integration funktioniert
„Gate-After“-Modell und White-Label-Architektur
Autoderm arbeitet nach dem „Gate-After“-Modell: Der Nutzer sieht die Ergebnisse der KI direkt, noch bevor eine Überprüfung durch einen Menschen erfolgt. Im Rahmen der Teledermatologie bedeutet dies, dass der Nutzer bereits zum Zeitpunkt der Übermittlung informatorische Erkrankungshinweise erhält, anstatt auf die Antwort eines Dermatologen warten zu müssen. Der Dermatologe erhält sowohl die Fallakte als auch die Vorabprüfung durch die KI, sobald er die Konsultation öffnet.
Die API ist vollständig als White-Label-Lösung verfügbar und lässt sich innerhalb weniger Stunden integrieren. Die Plattform behält die vollständige Kontrolle über das Branding, die Darstellung der Ergebnisse und den anschließenden klinischen Behandlungsablauf. Autoderm gleicht ein einzelnes hochgeladenes Bild mit einer Datenbank ab, die mehr als 200 Hauterkrankungen umfasst, und gibt geordnete Informationsvorschläge zurück. Die Plattform erstellt keine Überweisungsschreiben, schreibt keine Rezepte aus und trifft keine klinischen Entscheidungen. Diese Aufgaben verbleiben vollständig beim Dermatologen und den von der Plattform definierten Behandlungsabläufen.
Regulatorische Rahmenbedingungen in Deutschland
CE-Kennzeichnung, DiGA und DSGVO
Autoderm verfügt über eine CE-Kennzeichnung gemäß der EU-MDR als Medizinprodukt der Klassen I/IIa. Für eine deutsche Teledermatologie-Plattform ist bei der Integration von Autoderm als Infrastrukturkomponente keine DiGA-Zertifizierung für die KI-Funktion erforderlich. Die DiGA gilt für eigenständige, patientenorientierte Therapie-Apps, die verschreibungsfähig und GKV-erstattungsfähig sind. Eine in eine bestehende Plattform eingebettete KI-Analyseebene befindet sich auf der Infrastrukturebene, nicht auf der DiGA-Ebene, und kann im Rahmen der bestehenden regulatorischen Rahmenbedingungen der Plattform eingesetzt werden.
Im Hinblick auf die DSGVO verarbeitet Autoderm Bilder anonym und ohne Verknüpfung mit personenbezogenen Daten; die Daten werden in der EU gehostet und unterliegen einer „Privacy-by-Design“-Architektur. Hautbilder stellen gemäß Artikel 9 der Verordnung eine besondere Kategorie von Gesundheitsdaten dar. Die Architektur der API stellt sicher, dass die KI-Analyseebene keine neuen DSGVO-Verpflichtungen mit sich bringt, die über den bestehenden Rahmen für den Datenumgang der Plattform hinausgehen.
Die wirtschaftlichen Argumente für Plattformbetreiber
Kapazität, Konversion und Differenzierung
Deutsche Teledermatologie-Plattformen unterliegen einer Einschränkung, mit der die allgemeine Telemedizin nicht in gleicher Weise konfrontiert ist: Die Verfügbarkeit von Dermatologen ist begrenzt. Die KI-Vorab-Triage begegnet diesem Problem auf zweierlei Weise. Sie reduziert den Anteil weniger dringlicher Fälle, die Facharztzeit in Anspruch nehmen. Und sie verbessert die Qualität der Informationen, die jeder Dermatologe pro Fall erhält, wodurch die Nachsorgequoten und die Zahl der erneuten Konsultationen, die wieder in die Warteschlange zurückgeführt werden, sinken. Beide Effekte steigern den effektiven Durchsatz, ohne dass zusätzliches Fachpersonal eingestellt werden muss.
Das „Gate-After“-Modell verändert zudem die Konversionsdynamik. Ein Nutzer, der bei der Übermittlung eine glaubwürdige informative Antwort erhält, ist besser auf die Facharztkonsultation vorbereitet, für die er bezahlen wird. Plattformen, die eine unmittelbare KI-Informationsschicht mit einer nachgelagerten, qualitativ hochwertigen fachärztlichen Überprüfung kombinieren, verfügen über ein Alleinstellungsmerkmal in einem Markt, in dem die Kernfunktionen der Telemedizin weitgehend standardisiert sind.
Referenzen
- Escalé-Besa A, Yélamos O, Vidal-Alaball J, et al. Untersuchung des Potenzials künstlicher Intelligenz zur Verbesserung der Diagnose von Hautläsionen in der Primärversorgung. Sci Rep. 2023;13:4293. doi:10.1038/s41598-023-31340-1
- Autoderm. Coachella Study 2025 White Paper. Autoderm-Portfolio klinischer Evidenz, 2025.
- Robert Koch-Institut. Krebs in Deutschland 2019/2020. 14. Auflage. Berlin: RKI, 2023.
- Bundesärztekammer. Ergebnisse der Ärztestatistik zum 31.12.2024. bundesaerztekammer.de, 2025.
