Markt für LLMs und Basismodelle im Gesundheitswesen Größe und Anteil 2026-2035

Marktgröße für LLMs und Foundation-Modelle im Gesundheitswesen

Der Markt für LLMs und Foundation-Modelle im Gesundheitswesen wurde 2025 auf 2,4 Milliarden USD bewertet und soll bis 2035 27,7 Milliarden USD erreichen, was einer jährlichen Wachstumsrate (CAGR) von etwa 27,7 % entspricht.

Die Einführung geht über die Experimentierphase hinaus, da die Technologie inzwischen Aufgaben abdeckt, die sowohl datenintensiv als auch wirtschaftlich relevant sind: Erstellung von Notizen, Unterstützung bei der Kodierung, Interpretation medizinischer Bilder, Identifizierung von Zielstrukturen sowie die Ansprache von Patienten.

Das Ökosystem besteht aus drei voneinander abhängigen Ebenen. Entwickler von Foundation-Modellen stellen Modelle für klinische Sprache, Bildverarbeitung, multimodale Anwendungen und biologische Fragestellungen bereit; Anbieter von Anwendungen integrieren diese in Arbeitsabläufe für Dokumentation, Bildgebung, Patientenbindung und Arzneimittelforschung; Krankenhäuser, Biopharmaunternehmen, Kostenträger und Forschungseinrichtungen erwerben die Lösungen und steuern deren Einsatz. Wettbewerbsvorteile hängen zunehmend von der Kontrolle über Daten und dem Zugang zu Arbeitsabläufen ab, nicht allein von der Modellgröße. Tempus kombiniert beispielsweise klinische und molekulare Daten mit Analysen und meldete Ende 2025 einen gesamten Vertragswert von mehr als 1,1 Milliarden USD ^{[1]Tempus AI - Tempus Achieves Record Total Contract Value Exceeding $1.1 Billion. investors.tempus.com}. NVIDIA stellt über BioNeMo und MONAI die Rechen- und Modellentwicklungsinfrastruktur bereit und ist dadurch sowohl im Bereich biologischer Anwendungen als auch in der Bildgebung präsent.

Die Regulierung wird zu einer Variablen der Produktgestaltung. In den Vereinigten Staaten verabschiedete die FDA im Dezember 2024 eine Leitlinie zu vorab festgelegten Änderungssteuerungsplänen für KI-gestützte Softwarefunktionen medizinischer Geräte. Damit erhalten Hersteller die Möglichkeit, bestimmte Modelländerungen im Voraus festzulegen ^{[2]Federal Register - FDA Final Guidance: Marketing Submission Recommendations for a Predetermined Change Control Plan for AI-Enabled Device Software Functions. govinfo.gov}. Die ONC-Regel HTI-1 verlangt zudem Transparenzinformationen zu prädiktiven Algorithmen in zertifizierter Gesundheitsinformationstechnologie, was eine wichtige Einschränkung für in klinische Systeme eingebettete Modelle darstellt. In Europa trat der EU-KI-Rechtsakt im August 2024 in Kraft. Seine schrittweise geltenden Anforderungen bestehen neben den Datenschutzvorgaben der DSGVO für Gesundheitsdaten und den Vorschriften für Medizinprodukte. Dadurch werden Nachweise, Rückverfolgbarkeit, menschliche Aufsicht und die Architektur der Datenverwaltung zu zentralen Beschaffungskriterien. Diese Anforderungen begünstigen Anbieter, die eine reproduzierbare Validierung nachweisen und klare Aufzeichnungen über Modelleingaben, -ausgaben und -aktualisierungen führen können.

Technische Architekturen sind auf unterschiedliche gesundheitsökonomische Problemstellungen ausgerichtet. LLMs sind in Dokumentations- und Verwaltungsabläufen etabliert; Bildverarbeitungsmodelle befassen sich mit Radiologie und Pathologie; multimodale Modelle kombinieren Krankenakten, Texte, Bilder und molekulare Informationen; biologische oder genomische Modelle arbeiten mit DNA, RNA, Proteinen und chemischen Strukturen. Google berichtete, dass Med-PaLM 2 bei MedQA 86,5 % erreichte, während NVIDIAs Evo2 mit fast 9 Billionen Nukleotiden trainiert wurde. Dies verdeutlicht die unterschiedlichen Entwicklungspfade von Modellen für klinische Sprache und biologischen Modellen. Die wirtschaftliche Frage ist, ob diese Fähigkeiten in verantwortungsvoll gesteuerte Arbeitsabläufe integriert werden können – nicht, ob ein größeres Modell eine flüssigere Antwort erzeugen kann.

Die Unternehmen mit den besten Voraussetzungen zur Wertschöpfung werden nicht zwangsläufig diejenigen mit den größten Allzweckmodellen sein. Es werden vielmehr diejenigen sein, die Modellausgaben mit EHR-, Bildgebungs-, Labor- und Versorgungsmanagement-Workflows verknüpfen können und gleichzeitig die Anforderungen von Krankenhäusern und Kunden aus den Biowissenschaften an Evidenz und Governance erfüllen. Regulatorische Klarheit ermöglicht somit die Kommerzialisierung, erhöht jedoch auch die Kosten des Wettbewerbs in klinisch folgenreichen Anwendungsfällen.

Wichtige Wachstumstreiber

Steigende Nachfrage nach der Automatisierung der klinischen Dokumentation

Die klinische Dokumentation ist für Leistungserbringerorganisationen ein unmittelbares Thema in Bezug auf Arbeitsaufwand und Mitarbeiterbindung. Eine 120-tägige Bewertung mit kombinierten qualitativen und quantitativen Methoden zur ambienten Dokumentation stellte eine anhaltende Verringerung der Dokumentationsbelastung fest, während 62 % der teilnehmenden Ärzte die KI-Diktierfunktion als wesentlichen Faktor für die Mitarbeiterbindung identifizierten ^{[3]Trinity Health of New England - Evaluating Ambient AI Documentation in Ambulatory Practice: A 120-Day Mixed-Methods Pilot Study. trinityhealthofne.org}. Abridge berichtet über den Einsatz in mehr als 150 Gesundheitssystemen und über mehr als 100 Millionen Gespräche pro Jahr. Dies deutet darauf hin, dass sich die ambiente Dokumentation von isolierten Pilotprojekten in einzelnen Fachbereichen hin zu einer breiten unternehmensweiten Implementierung entwickelt.

Der wirtschaftliche Mechanismus geht über die eingesparte Zeit für die Erstellung von Dokumentationen hinaus. Systeme, die eine vollständigere Dokumentation erstellen, können die Kodierung, die Risikoanpassung und die Koordination der Nachsorge unterstützen. Dadurch erhalten Finanz- und klinische Leitung einen gemeinsamen Grund, den Einsatz zu genehmigen. Die Integration in große EHR-Umgebungen ist von wesentlicher Bedeutung, da sie die erforderliche Verhaltensänderung bei Ärzten und medizinischem Personal verringert. Der Markt belohnt daher zunehmend workflow-native Produkte mit prüfbaren Ausgaben anstelle eigenständiger Transkriptionslösungen.

Beschleunigte Einführung von KI in der Wirkstoffentdeckung und Genomforschung

Die Nachfrage nach Wirkstoffentdeckung wird durch einen zunehmend greifbaren Weg zur klinischen Validierung gestützt. Das Rentosertib von Insilico Medicine, ein TNIK-Inhibitor zur Behandlung der idiopathischen Lungenfibrose, meldete Ergebnisse einer Phase-IIa-Studie, die anschließend im Juni 2025 in *Nature Medicine* veröffentlicht wurden. Die Fusion von Recursion mit Exscientia im November 2024 vereinte phänomische, transkriptomische und präzisionschemische Fähigkeiten in einer Plattform und bestätigte damit die Präferenz der Branche für integrierte Systeme zur Wirkstoffentdeckung anstelle isolierter Vorhersagemodelle.

Diese Plattformen sind relevant, weil sie die Iterationen zwischen biologischer Hypothese, Wirkstoffdesign, Screening und experimentellem Lernen verkürzen können. Das Wertversprechen besteht nicht darin, dass KI die Laborarbeit überflüssig macht, sondern darin, dass eine bessere Priorisierung die Laborkapazitäten auf vielversprechendere Zielstrukturen und Wirkstoffe lenken kann. Der Evo2- und BioNeMo-Stack von NVIDIA erweitert zudem den Zugang zu Werkzeugen für genomische und biomolekulare Modelle, wobei der daraus resultierende Vorteil weiterhin von proprietären Daten, experimenteller Validierung und Rechenressourcen abhängt.

Ausweitung wertorientierter Versorgungsmodelle als Treiber für KI zur Patientenbindung

Wertorientierte Versorgung macht die Patientenbindung zu einem messbaren operativen Hebel. Organisationen, die das Risiko für Wiederaufnahmen, Ergebnisse bei chronischen Erkrankungen, Verzögerungen beim Zugang zur Versorgung und Versorgungslücken tragen, haben einen stärkeren wirtschaftlichen Anreiz, die Kontaktaufnahme zu automatisieren, als Organisationen, die hauptsächlich nach dem Modell der Vergütung nach Einzelleistung arbeiten. NAACOS berichtete, dass nahezu 65 % der Organisationen mit wertorientierten Versorgungsmodellen hinsichtlich der Fähigkeit von KI zur Verbesserung prädiktiver und präskriptiver Analysen optimistisch waren, während 50 % in Datenanalysen und KI investierten.

Plattformen zur Patientenbindung erweitern die Kapazitäten von Versorgungsteams, indem sie Terminplanung, Aufnahme, Medikamentenerinnerungen, die Nachsorge nach der Entlassung und die Navigation automatisieren. Ihre Chancen sind dort am größten, wo der Workflow wiederholbar ist, Eskalationsregeln eindeutig sind und das Gesundheitssystem die Aktivitäten zur Patientenbindung mit Nutzungs- oder Qualitätskennzahlen verknüpfen kann. Das Wachstum des Segments wird davon abhängen, ob Anbieter nachweisen können, dass automatisierte Interaktionen die Ergebnisse verbessern, ohne ungelöste klinische Arbeit wieder auf das Personal zu verlagern.

Wachsende Gesundheitsdatenvolumina ermöglichen größere und präzisere Basismodelle

Der wachsende Bestand digitalisierter Krankenakten, Bilddaten, Omics-Daten und Betriebsdaten im Gesundheitswesen schafft eine umfangreichere Grundlage für die Modellentwicklung. Das Datenvolumen allein reicht jedoch nicht aus. Eine multizentrische Studie der Stanford University ergab, dass ein auf 2,57 Millionen Patientenakten trainiertes EHR-Basismodell mit lokal trainierten Modellen gleichziehen konnte, obwohl es weniger als 1 % der Trainingsbeispiele benötigte, und die Leistung verbesserte, wenn aufgabenspezifische Labels nur begrenzt verfügbar waren. Dies deutet darauf hin, dass gut gesteuerte gemeinsame Repräsentationen die Leistung in klinischen Umgebungen mit begrenzter Datenverfügbarkeit verbessern können.

Der kommerzielle Wert von Daten verlagert sich daher vom bloßen Besitz hin zu ihrer Qualität, longitudinalen Tiefe, ihrem Einwilligungsstatus und ihrer Interoperabilität. Öffentliche Initiativen wie die National AI Research Resource und gesundheitsorientierte Basismodellprogramme sollen den Datenzugang und die rechnergestützte Zusammenarbeit voranbringen, ohne die zentrale Erfassung von Rohdaten als einzigen Weg zur Skalierung zu betrachten. Anbieter mit glaubwürdigen datenschutzwahrenden und föderierten Ansätzen könnten Zugang zu Datenpartnerschaften mit Gesundheitssystemen erhalten, die weniger ausgereiften Plattformen nicht offenstünden.

Wesentliche Hemmnisse

Herausforderungen beim Datenschutz und bei der HIPAA-Konformität

Käufer im Gesundheitswesen müssen prüfen, ob die Architektur eines Anbieters geschützte Gesundheitsinformationen sicher verarbeiten kann, geeignete Geschäftsbeziehungen zu Business Associates etabliert, Zugriffskontrollen dokumentiert und Audits unterstützt. Die HIPAA-Anforderungen gelten nicht nur für die Datenspeicherung, sondern auch für Arbeitsabläufe mit Prompts, Transkripten, Modellausgaben, Protokollierung, Unterauftragnehmern und der Reaktion auf Sicherheitsvorfälle ^{[4]National Center for Biotechnology Information - AI Chatbots and Challenges of HIPAA Compliance for AI Developers and Vendors. pmc.ncbi.nlm.nih.gov}. Diese Anforderungen verlängern die Vertriebszyklen, insbesondere bei regionalen Krankenhäusern und Organisationen mit mehreren Standorten, deren Kapazitäten für eine spezialisierte Governance begrenzt sind.

Bei globalen Implementierungen verschärft sich die Herausforderung. Die Datenschutz-Grundverordnung (DSGVO) gewährt Gesundheitsdaten besonderen Schutz, während die EU-KI-Verordnung Anforderungen an Risikomanagement, Transparenz und menschliche Aufsicht bei Hochrisikoanwendungen ergänzt. Das Auswendiglernen von Modellen, Prompt-Injection und unsichere Integrationen können Risiken schaffen, selbst wenn das zugrunde liegende Modell technisch leistungsfähig ist. Daher werden Implementierungsarchitektur, Datenminimierung und erklärbare operative Kontrollen häufig zu Beschaffungsvoraussetzungen, bevor die Modellleistung bewertet wird.

Hohe Rechen- und Betriebskosten für die großflächige Implementierung von Modellen

Das Trainieren und der Betrieb biologischer, multimodaler und klinischer Modelle für große Datenvolumen können erhebliche Kapazitäten für Rechenbeschleuniger, spezialisierte technische Ressourcen und eine kontinuierliche Überwachung erfordern. Die Implementierung einer Infrastruktur auf Basis von NVIDIA Blackwell durch die Mayo Clinic für Pathomik, Wirkstoffforschung und Präzisionsmedizin verdeutlicht den Umfang der Ressourcen, die führenden akademischen medizinischen Zentren zur Verfügung stehen. Kleinere Anbieter können über Cloud-Dienste auf fortschrittliche Funktionen zugreifen, müssen jedoch weiterhin laufende Kosten für Inferenz, Integration und Governance tragen.

Dies führt zu einem zweigeteilten Adoptionsmuster. Große Gesundheitssysteme und Pharmaunternehmen können maßgeschneiderte Implementierungen und Validierungsprogramme finanzieren, während kleinere Einrichtungen tendenziell eng umrissene, verwaltete Anwendungen mit schnellerer Amortisation priorisieren. Der Kostendruck wird die Modelldestillation, aufgabenspezifische Architekturen und hybride Implementierungen fördern. Da die klinische Zuverlässigkeit erhalten bleiben muss, sind kostengünstigere Modelle jedoch für genau den Arbeitsablauf zu validieren, in dem sie eingesetzt werden.

Das wahrscheinliche Ergebnis ist eine differenzierte Einführung statt einer einheitlichen Verzögerung. Cloud-Dienste bleiben dort attraktiv, wo Institutionen Schnelligkeit benötigen und über keine eigene Infrastruktur verfügen, während private oder hybride Bereitstellungen für Genomik, sensible Forschungsdaten und Organisationen mit restriktiven Richtlinien zur Datenresidenz weiterhin wichtig sein werden. Anbieter, die validierte kleinere Modelle für klar definierte klinische Aufgaben bereitstellen können, dürften besser positioniert sein, um den Mittelstand zu bedienen, als Anbieter, die ausschließlich auf große, kostenintensive Modelle für allgemeine Zwecke setzen.

Segmentanalyse des Marktes für LLMs und Basismodelle im Gesundheitswesen

Nach Modelltyp

LLMs machen 61,2 % des Marktes im Jahr 2025 aus, was ungefähr 1,47 Milliarden USD entspricht. Ihre führende Position beruht auf ihrer Eignung für textintensive Aufgaben im Gesundheitswesen: Klinische LLMs und Dokumentations-LLMs unterstützen die Erstellung von Notizen in Echtzeit und die Kodierassistenz; LLMs für die Patienteninteraktion unterstützen Navigation und Kontaktaufnahme; und LLMs für die biomedizinische Forschung helfen bei der Suche und Synthese wissenschaftlicher Erkenntnisse. Ihre kommerzielle Reife ergibt sich aus ihrer Fähigkeit, mit bestehenden Gesprächs-, Notiz- und Dokumentenabläufen zu arbeiten, anstatt eine neue Pipeline für diagnostische Daten zu erfordern.

Visionsbasierte Basismodelle machen 21,1 % des Marktwerts beziehungsweise ungefähr 507 Millionen USD aus. Die Bildgebung verfügt über eine vergleichsweise ausgereifte regulatorische Grundlage und Validierungsbasis und ist daher ein natürlicher Bereich für die Einführung von Basismodellen. Die Pathologieplattform von Paige umfasst von der FDA zugelassene Software und Auszeichnungen im Rahmen des Breakthrough-Device-Programms, während Aidoc klinische KI in mehr als 1.600 medizinischen Zentren eingesetzt hat ^{[5]Paige AI - Diagnostic AI Platform. paige.ai}. Der strategische Wandel reicht von punktuellen Algorithmen hin zu Plattformen, die bildgebende Befunde mit Triage, Koordination der Versorgung und Nachsorge verbinden.

Multimodale Modelle machen 11,3 % des Marktes beziehungsweise ungefähr 271 Millionen USD aus. Ihre Bedeutung liegt in der Verbindung von Informationen, die typischerweise auf klinische Notizen, Bilder, molekulare Tests und strukturierte Datensätze verteilt sind. Die klinische und molekulare Datenbasis von Tempus sowie die Kombination aus Bildgebung, Informationen aus elektronischen Patientenakten und Umgebungsdaten durch Viz Assist zeigen, wie Multimodalität die Präzisionsmedizin und koordinierte klinische Abläufe unterstützen kann. Dieses Segment verfügt derzeit über eine kleinere Basis, da Integration und Validierung schwierig sind; sein adressierbarer Umfang an Arbeitsabläufen ist jedoch größer als der von Produkten mit nur einer Modalität.

Biologische und genomische Modelle machen 6,4 % des Marktwerts im Jahr 2025 beziehungsweise ungefähr 154 Millionen USD aus. In unmittelbarer Umsatzperspektive sind sie kleiner, da sich ihre Käufer auf biopharmazeutische Unternehmen, Forschungseinrichtungen und spezialisierte Gesundheitssysteme konzentrieren. Dennoch können sie Entscheidungen in der wertschöpfungsintensiveren Forschung und Entwicklung beeinflussen, indem sie dabei helfen, genetische Varianten, Zielstrukturen, Strukturen und Wirkstoffe zu priorisieren. Evo2, die PreciousGPT-Modelle von Insilico und die Plattform für Wirkstoffdesign von Isomorphic Labs veranschaulichen ein Segment, in dem proprietäre Daten und experimentelle Rückkopplungsschleifen mindestens ebenso wichtig sind wie veröffentlichte Modellspezifikationen.

Nach Bereitstellungsart

Cloudbasierte Systeme halten einen Marktanteil von 75,6% und erreichen damit einen Wert von etwa 1,81 Milliarden USD. Die Bereitstellung über die Cloud ermöglicht Organisationen den Zugriff auf Modelle, ohne spezialisierte Infrastruktur erwerben zu müssen, und eignet sich besonders für Dokumentations- und Workflows zum Patientenzugang, die eine schnelle Integration erfordern. AWS stellt für generative KI geeignete Architekturleitlinien im Hinblick auf HIPAA bereit, während Anthropic über etablierte Cloud-Kanäle Tools für das Gesundheitswesen und die Biowissenschaften anbietet ^{[6]Amazon Web Services - Building a HIPAA-Ready Generative AI Architecture for Healthcare on AWS. aws.amazon.com}. Die führende Position der Cloud ist daher auf die Implementierungsökonomie zurückzuführen, bleibt jedoch von zufriedenstellenden Kontrollen für geschützte Gesundheitsinformationen abhängig.

On-Premises-Systeme machen etwa 24,4% des Marktes aus, was einem Wert von rund 586 Millionen USD entspricht. Ihre Bedeutung ist dort am größten, wo Datenresidenz, Schutz geistigen Eigentums oder Modellanpassung den Komfort verwalteter Dienste überwiegen. Große akademische Zentren, genomische Forschungsgruppen und Pharmaunternehmen sind eher bereit, den Kapital- und Betriebsaufwand privater Infrastrukturen zu tragen, wenn dadurch sensible Daten geschützt oder umfangreiche Modelloptimierungen unterstützt werden.

Nach Anwendung

Die klinische Dokumentation macht 36,2% des Marktes im Jahr 2025 aus, was etwa 869 Millionen USD entspricht. Ihre Marktgröße spiegelt den unmittelbaren Handlungsdruck in den Workflows, messbare Vorteile bei der Zeit der Ärzte und einen klaren Weg zur EHR-Integration wider. Abridge, Microsofts DAX Copilot, Ambience Healthcare, Suki AI und Nabla konkurrieren in diesem Segment, indem sie die Erstellung von Notizen mit Kodierung, Zusammenfassungen und anwendungsspezifischer Unterstützung bei der Dokumentation kombinieren. Der Wettbewerb verlagert sich von der Qualität der Transkription hin zu nachgewiesener Genauigkeit, der Abdeckung von Fachgebieten und dem Wert für Finanzprozesse.

Die medizinische Bildgebung entfällt auf 17,6% des Marktwerts und erreicht etwa 422 Millionen USD. Aidoc, Paige, NVIDIA MONAI und Viz.ai sind in den Bereichen Radiologie, Pathologie und Workflows zur Koordinierung der Versorgung tätig. Das Segment profitiert von etablierten Bildgebungsdatensätzen und regulatorischer Erfahrung; die kommerzielle Einführung hängt jedoch davon ab, ob die Ergebnisse der Bildgebung die Triage, die Befundung oder nachgelagerte Interventionen verändern, anstatt lediglich eine Anomalie zu identifizieren.

Auf die Arzneimittelforschung und -entwicklung entfallen 27,8% des Marktes, was etwa 667 Millionen USD entspricht. Recursion, Insilico Medicine, BenevolentAI, Isomorphic Labs, NVIDIA und Tempus verfolgen unterschiedliche Kombinationen aus biologischen Daten, Chemie, molekularem Design und klinischen Nachweisen. Das Segment wird durch umfangreiche F&E-Budgets unterstützt, doch die Wertschöpfung ist meilensteinabhängig und weist einen längeren Zyklus auf als Dokumentationssoftware.

Das Patientenengagement macht 11,4% des Marktwerts aus und erreicht etwa 274 Millionen USD. Hippocratic AI, Hyro und Orbita setzen Sprach- und dialogbasierte Systeme für Zugang, Versorgungsnavigation, Kontaktaufnahme und Workflows nach der Entlassung ein. Die Nachfrage ist mit einer wertorientierten Versorgung verknüpft, da der Käufer die Verringerung von Terminausfällen, den besseren Abbau von Versorgungslücken und die gesteigerte Personalkapazität bewerten kann und nicht nur die Softwarenutzung.

Sonstige Anwendungen machen etwa 7,0% des Marktes aus, was rund 168 Millionen USD entspricht. Dazu gehören die Synthese von Fachliteratur, die Automatisierung administrativer Aufgaben, die Unterstützung klinischer Studien, die Interpretation genomischer Daten und Analysen zur Bevölkerungsgesundheit. ScienceDirect AI von Elsevier veranschaulicht ein forschungsorientiertes Modell, das generative KI auf ein kuratiertes wissenschaftliches Korpus anwendet, während AWS HealthScribe Softwareanbietern die Entwicklung prüfbarer Dokumentationsfunktionen ermöglicht.

Nach Endanwendung

Auf Krankenhäuser entfallen 38,4% der Nachfrage im Jahr 2025, was etwa 922 Millionen USD entspricht. Sie sind die wichtigsten Käufer von Dokumentations-, Bildgebungs- und Patientenengagementsystemen, da sie den Workflow und die Datenumgebung kontrollieren, in denen diese Tools funktionieren müssen. Ihre Kaufentscheidungen werden durch die EHR-Integration, die Akzeptanz durch Ärzte, die Sicherheitsprüfung und den Nachweis geprägt, dass die Anwendung den Durchsatz, die Qualität der Dokumentation oder die Koordinierung der Versorgung verbessert.

Pharma- und Biotechnologieunternehmen vereinen 28,6 % des Marktes auf sich, was etwa 686 Millionen USD entspricht. Ihre Nachfrage konzentriert sich auf die Identifizierung von Zielstrukturen, das Wirkstoffdesign, die biologische Modellierung, die Durchführung klinischer Studien und den Zugang zu multimodalen Datensätzen. Die Beschaffungslogik dieses Segments unterscheidet sich von derjenigen der Krankenhäuser: Im Vordergrund stehen proprietäre Daten, ein hoher experimenteller Durchsatz und das Potenzial, Portfolioentscheidungen über einen mehrjährigen Entwicklungshorizont hinweg zu verbessern.

Kostenträger entfallen auf 7,9 % des Marktwerts, etwa 190 Millionen USD. Die wichtigsten Anwendungsfälle sind die vorherige Genehmigung, die Unterstützung bei Leistungsansprüchen, die Navigation für Versicherte und das Management von Versorgungslücken. Produkte müssen in der Lage sein, sich mit Workflows für Leistungsdeckung und Kodierung zu verbinden, ohne unbeaufsichtigte klinische Entscheidungen oder Entscheidungen zur Leistungsdeckung zu treffen.

Forschungseinrichtungen vereinen 18,5 % des Marktes auf sich, was etwa 444 Millionen USD entspricht. Ihre Nachfrage wird durch den Zugang zu wissenschaftlicher Literatur, öffentlicher Forschungsinfrastruktur, Bildgebungsdaten und Werkzeugen für biologische Modelle unterstützt. Sie gehören zu den wichtigen frühen Nutzern offener Frameworks und Foundation-Modelle. Die Umwandlung dieser Nutzung in eine kommerzielle Nachfrage hängt jedoch häufig von Förderzyklen, der Governance des Datenaustauschs und dem Zugang zu Rechenkapazitäten ab.

Auf sonstige Endnutzer entfallen etwa 6,6 % des Marktwerts im Jahr 2025 beziehungsweise rund 158 Millionen USD. Fachkliniken, diagnostische Organisationen, Anbieter von Telemedizin und Gesundheitsbehörden setzen aufgabenspezifische Werkzeuge ein, wenn sich deren Implementierung auf eine klar abgegrenzte Versorgungssparte beschränken lässt.

Die bedeutendere Veränderung dürfte an den Schnittstellen zwischen den Segmenten eintreten. Multimodale Systeme könnten Bildgebung, Pathologie, Krankenakten und molekulare Daten in einen koordinierten Workflow überführen, anstatt separate Softwarekäufe erforderlich zu machen. Diese Chance begünstigt Unternehmen mit proprietären Datenrechten, vertrauenswürdigen Integrationspunkten und klinischen Nachweisen. Gleichzeitig steigt die Umsetzungshürde, da eine multimodale Plattform die Governance-Anforderungen jeder von ihr angebundenen Datenquelle erfüllen muss.

Regionalanalyse des Marktes für LLMs und Foundation-Modelle im Gesundheitswesen

Nordamerika

Auf Nordamerika entfallen schätzungsweise 45 % des Marktwerts im Jahr 2025, was etwa 1,08 Milliarden USD entspricht. Die Vereinigten Staaten bilden aufgrund der umfassenden Einführung elektronischer Gesundheitsakten (EHR), der Konzentration von Anbietern für künstliche Intelligenz im Gesundheitswesen, der ausgereiften Cloud-Infrastruktur und eines regulatorischen Umfelds, das zunehmend klarere Regeln für KI-gestützte Produkte entwickelt, das regionale Nachfragezentrum. Kanada ergänzt den Markt durch Gesundheitssystem-Pilotprojekte wie DAX Copilot am The Ottawa Hospital in kleinerem, aber strategisch relevantem Umfang. Der wichtigste Vorteil der Region besteht nicht nur in der Verfügbarkeit von Kapital, sondern in der Fähigkeit, KI-Produkte innerhalb großer Gesundheitssysteme zu testen, zu beschaffen, zu integrieren und zu messen.

Europa

Europa entfällt schätzungsweise auf 22 % des Marktwerts im Jahr 2025, was ungefähr 528 Millionen USD entspricht. Deutschland, das Vereinigte Königreich, Frankreich, Spanien, Italien und die Niederlande sind die wichtigsten Märkte in der regionalen Rangfolge. Das Wachstum in Europa wird durch die DSGVO und den EU AI Act geprägt, die die Bedeutung von Daten-Governance und Konformitätsprozessen bei der Beschaffung im Gesundheitswesen erhöhen. Im Vereinigten Königreich gibt es durch die Beteiligung der MHRA am HealthAI Global Regulatory Network ein zusätzliches Signal für die regulatorische Koordinierung ^{[7]Medicines and Healthcare Products Regulatory Agency - UK MHRA Leads Safe Use of AI in Healthcare as First Country in New Global Network. gov.uk}. Compliance-Anforderungen können die frühen Vertriebszyklen verlängern, zugleich aber eine stärker standardisierte Grundlage für den Anbietervergleich schaffen, sobald Käufer und Aufsichtsbehörden die Vorschriften in die Praxis umgesetzt haben.

Asien-Pazifik

Auf den asiatisch-pazifischen Raum entfallen schätzungsweise 21 % des Marktwerts im Jahr 2025, was ungefähr 504 Millionen USD entspricht. China, Japan, Indien, Australien und Südkorea bilden die Kernmärkte der Region. Das Joint Venture SB Tempus mit SoftBank in Japan ist ein Beispiel für die lokalisierte Kommerzialisierung der Präzisionsmedizin, während NVIDIA die Entwicklung von KI-Anwendungen im japanischen Gesundheitswesen durch Partnerschaften und eine nationale KI-Infrastruktur unterstützt hat. In Indien hat Apollo 24|7 MedLM von Google Cloud und klinische Wissensgraphen in seiner Clinical Intelligence Engine eingesetzt. Das Wachstumspotenzial der Region ist an große Patientenzahlen und öffentliche Investitionen in die digitale Gesundheitsversorgung gebunden, während die Anforderungen an die Implementierung weiterhin stark von den jeweiligen Ländern abhängen.

Lateinamerika

Auf Lateinamerika entfallen schätzungsweise 7 % des Marktwerts im Jahr 2025, was ungefähr 168 Millionen USD entspricht. Brasilien, Mexiko und Argentinien führen die regionale Nachfrage an, wobei Brasilien den größten Markt darstellt. Die brasilianische ICT in Health Survey berichtete über den Einsatz generativer Sprachmodelle in Gesundheitseinrichtungen, die KI verwenden. Dies stützt die Einschätzung, dass sprachbasierte Anwendungen neben administrativen und bildgebenden Anwendungsfällen an Bedeutung gewinnen können ^{[8]Brazilian Internet Steering Committee - ICT in Health Survey 2025. cgi.br}. Die Expansion in der Region wird von der Leistungsfähigkeit in spanischer und portugiesischer Sprache, interoperablen lokalen Datensystemen, Finanzierungskapazitäten und der regulatorischen Abstimmung abhängen und nicht allein von der Verfügbarkeit globaler Modelle.

Mittlerer Osten und Afrika

Auf den Mittleren Osten und Afrika entfallen schätzungsweise 5 % des Marktwerts im Jahr 2025, was ungefähr 120 Millionen USD entspricht. Saudi-Arabien, die VAE und Südafrika sind die wichtigsten Märkte in der regionalen Rangfolge. Investitionen des GCC in die digitale Gesundheitsversorgung und in die Innovationsinfrastruktur unterstützen eine frühe Einführung, während Südafrika einen wichtigen Zugangspunkt zu Subsahara-Afrika darstellt. Die Forschungskooperation von BenevolentAI mit Sidra Medicine in Katar im Oktober 2025 zeigt das wachsende regionale Interesse an der Anwendung von KI in der Krankheitsforschung. Eine breitere Einführung in der Region wird weiterhin durch den unterschiedlichen Digitalisierungsgrad, die Datenverfügbarkeit, die Kapazitäten der Arbeitskräfte und das Niveau der Investitionen in das Gesundheitswesen eingeschränkt.

Der asiatisch-pazifische Raum bietet das größte Potenzial für eine relative Expansion, da länderspezifische Initiativen große Gesundheitspopulationen mit lokalisierter Infrastruktur und Partnerschaften verbinden können. Lateinamerika sowie der Nahe Osten und Afrika (MEA) stellen selektivere Chancen dar: Anbieter benötigen eine sprachliche Anpassung, lokalisierte Cloud- oder Datenresidenzlösungen sowie Beschaffungsmodelle, die auf eine uneinheitliche digitale Reife zugeschnitten sind. Ein globaler Go-to-Market-Plan, der von einem einheitlichen Compliance- und Integrationsmodell ausgeht, wird daher weniger effektiv sein als ein Ansatz, der auf regionalspezifischen Implementierungspfaden basiert.

Marktanteil und Wettbewerbslandschaft im Markt für LLMs und Basismodelle im Gesundheitswesen

Der Wettbewerb ist über Workflow-Kategorien, Datenbesitz und Implementierungsmodelle hinweg fragmentiert. Abridge, Ambience Healthcare, Microsoft, Nabla und Suki AI konkurrieren im Bereich der ambienten Dokumentation; Hippocratic AI, Hyro und Orbita konzentrieren sich auf Patienteninteraktion und Zugang zur Versorgung; Aidoc, Paige AI und Viz.ai sind an der Schnittstelle von Bildgebung und Versorgungskoordination tätig; BenevolentAI, Insilico Medicine, Isomorphic Labs und Recursion Pharmaceuticals konzentrieren sich auf die KI-gestützte Arzneimittelforschung; Amazon Web Services, Anthropic, Elsevier, Google, NVIDIA, OpenAI und Tempus AI stellen grundlegende Infrastruktur, Modelle, Daten oder Forschungsinstrumente bereit.

Abridge hat im Bereich der KI für klinische Gespräche eine signifikante Größenordnung erreicht. Unterstützt wird dies durch mehr als 150 Implementierungen in Gesundheitssystemen sowie eine Series-E-Finanzierungsrunde in Höhe von 300 Millionen USD bei einer Bewertung von 5,3 Milliarden USD im Juni 2025, ^{[9]Reuters - Healthcare Startup Abridge Tops $5 Billion Valuation in A16z-Led Financing Round. reuters.com}. Ambience Healthcare differenziert sich durch kodierungsbewusste Dokumentation über verschiedene Versorgungskontexte hinweg und nahm im Juli 2025 in einer Series-C-Finanzierungsrunde 243 Millionen USD auf. Microsoft kombiniert DAX Copilot mit Nuances Präsenz im Unternehmensgesundheitswesen und der Integration in elektronische Patientenaktensysteme, während Suki AI und Nabla mit Plattformen für ambiente Dokumentation, Kodierung und klinische Workflows konkurrieren.

Hippocratic AI konzentriert sich auf sicherheitsorientierte, patientenbezogene Agenten und meldete im Januar 2026 eine Series-C-Finanzierungsrunde in Höhe von 126 Millionen USD bei einer Bewertung von 3,5 Milliarden USD. Hyro und Orbita adressieren den Patientenzugang, die Automatisierung von Callcentern, die Navigation und Nachsorge-Workflows. In diesen Bereichen hängt die Leistungsfähigkeit von einer zuverlässigen Integration in Terminplanung, CRM- und EHR-Systeme ab. Ihr Wettbewerbsvorteil beruht auf der erfolgreichen Automatisierung repetitiver Aufgaben bei gleichzeitiger Wahrung von Eskalationswegen für klinische und servicebezogene Ausnahmefälle.

Aidoc bietet eine Plattform für klinische KI, die Anwendungen in der Radiologie, Kardiologie, Neurovaskulärmedizin und Gefäßmedizin umfasst, während Paige AI Software für die digitale Pathologie, regulatorische Referenzen und Datenbestände zur Pathologie bereitstellt. Viz.ai erweitert die Bildgebungsintelligenz um eine EHR-gestützte Koordination und Workflows zur Vorbereitung von Patientenakten. In diesem Segment ist die Breite der algorithmischen Fähigkeiten relevant; der Wert für Gesundheitssysteme wird jedoch zunehmend davon bestimmt, ob die Plattform die Zeit bis zur Behandlung, die Nachsorge und die Koordination zwischen klinischen Fachkräften verändert.

BenevolentAI setzt wissensgraphenbasierte Entdeckungstechnologie durch Kooperationen mit Biopharma-Partnern ein. Insilico Medicine hat mit den Ergebnissen der Phase IIa von rentosertib einen Referenzpunkt für die klinische Validierung geschaffen. Isomorphic Labs kombiniert aus AlphaFold abgeleitete strukturelle Erkenntnisse mit generativem Design und nahm 2025 eine externe Finanzierung in Höhe von 600 Millionen USD auf. Recursion Pharmaceuticals hat seine Daten- und Chemiekapazitäten durch die Fusion mit Exscientia erweitert. Diese Unternehmen konkurrieren hinsichtlich Qualität und Umfang ihrer biologischen Daten, ihrer experimentellen Iterationsschleife, ihres Workflows für die Arzneimittelentwicklung und ihrer Fähigkeit, Plattformaktivitäten in validierte klinische Wirkstoffe zu überführen.

Amazon Web Services stellt HealthScribe und cloudbasierte Dienstleistungen für das Gesundheitswesen bereit, wobei der Schwerpunkt auf der prüfbaren Erstellung klinischer Notizen liegt.

Anthropic bietet Claude für das Gesundheitswesen und die Biowissenschaften an, einschließlich Konnektoren und Tools für klinische Arbeitsabläufe, Kostenträger-Workflows und Forschungsprozesse. Elsevier stellt ScienceDirect AI zur evidenzbasierten Informationssuche innerhalb seiner Umgebung für wissenschaftliche Inhalte bereit. Google unterstützt Gesundheitsmodelle durch MedLM und die Med-PaLM-Forschung, während OpenAI im Januar 2026 ChatGPT for Healthcare mit HIPAA-geeigneten Bereitstellungen und BAA-Unterstützung eingeführt hat. NVIDIA stellt die Rechenleistung sowie die Infrastrukturen BioNeMo und MONAI bereit, auf denen die Entwicklung biomedizinischer Modelle und Bildgebungsmodelle aufbaut. Tempus AI kombiniert molekulare, klinische und datenanalytische Ressourcen; durch die Übernahme von Paige wird diese multimodale Position um die digitale Pathologie erweitert.

Aktuelle Branchenentwicklungen

• Januar 2026 – OpenAI führt ChatGPT for Healthcare ein: OpenAI hat ChatGPT for Healthcare mit HIPAA-geeigneter Bereitstellung und BAA-Unterstützung für Gesundheitssysteme eingeführt.
• August 2025 – Tempus AI übernimmt Paige AI: Tempus kündigte die Übernahme von Paige AI für 81,25 Millionen USD an und erweitert damit seine Plattform für Präzisionsmedizin um Pathologietechnologie und Datenressourcen.
• Oktober 2025 – Zusammenarbeit zwischen BenevolentAI und Sidra Medicine: BenevolentAI und Sidra Medicine kündigten eine Forschungszusammenarbeit zu ZFP57 bei Diabetes und der Stoffwechselregulation an.