Künstliche Intelligenz ist aktuell eines der meistdiskutierten Themen in der Zahnmedizin. Fast täglich erscheinen neue Modelle, neue Anwendungen und neue Versprechen. Viele Praxen beschäftigen sich deshalb mit der Frage, welches KI-Tool sie nutzen sollten. In der aktuellen Ausgabe der Dental Late Night Show im Praxisflüsterer Podcast widmen sich Christian Henrici und Dr. Stefan Helka diesem Thema gemeinsam mit Andreas Wutschka, CTO der Denta1 Clinic und seit vielen Jahren verantwortlich für große Teile der technischen Infrastruktur und Datenstrategie des Unternehmens. Gemeinsam gehen sie einer Frage nach, die in der aktuellen KI-Euphorie oft übersehen wird: Warum scheitern viele KI-Projekte nicht an der Technologie, sondern an den Daten?

 

Modelle kommen und gehen, Daten bleiben

Ein zentraler Gedanke der Folge lautet: Modelle sind austauschbar, Daten nicht.

Wer die Entwicklung der vergangenen Jahre verfolgt hat, erkennt schnell, warum. Lange galt ChatGPT als unangefochtener Marktführer. Danach rückten andere Anbieter wie Claude, Gemini oder DeepSeek in den Fokus. Einzelne Modelle dominierten zeitweise bestimmte Anwendungsbereiche, wurden kurze Zeit später jedoch wieder von anderen Lösungen überholt.

Für Unternehmen und Praxen bedeutet das: Wer seine gesamte Strategie auf ein einzelnes Modell ausrichtet, macht sich abhängig von einem Markt, der sich permanent verändert.

Die Denta1 Clinic verfolgt deshalb einen anderen Ansatz. Statt Energie in einzelne KI-Plattformen zu investieren, konzentriert sich das Team darauf, die eigenen Daten so aufzubereiten, dass sie unabhängig vom jeweiligen Modell nutzbar bleiben.

Denn egal, welches KI-System in einem Jahr führend sein wird: Die eigenen Daten bleiben die wertvollste Ressource.

 

Der eigentliche Datenschatz liegt bereits in der Praxis

Im Gespräch wird deutlich, dass viele Praxen bereits heute über enorme Datenmengen verfügen, ohne deren Potenzial vollständig zu nutzen.

Patientenverwaltungssoftware, Telefonanlagen, Terminbücher, Recruiting-Prozesse, Marketing-Kennzahlen, Mitarbeiterbefragungen, Controlling-Systeme oder Qualitätsmanagement-Dokumentationen produzieren jeden Tag Informationen. Das Problem ist nicht der Mangel an Daten. Das Problem ist, dass diese Daten häufig in voneinander getrennten Systemen liegen.

Dr. Stefan Helka beschreibt sehr anschaulich, wie die Entwicklung bei Denta1 begonnen hat. Ausgangspunkt war nicht künstliche Intelligenz, sondern die Frage, warum bestimmte Probleme immer wieder auftreten.

  • Warum kündigen Mitarbeitende?
  • Warum steigen die Umsätze trotz neuer Patienten nicht?
  • Warum funktionieren manche Prozesse gut und andere nicht?

Die Antwort auf solche Fragen findet man nicht durch Vermutungen, sondern durch Daten. Wer die Ursachen verstehen möchte, muss zunächst beginnen, relevante Informationen systematisch zu erfassen.

So entstand über mehrere Jahre ein wachsender Datenbestand, der ursprünglich für Controlling- und Führungszwecke aufgebaut wurde. Erst durch die aktuellen KI-Möglichkeiten zeigt sich nun, welchen Wert diese Datensammlung tatsächlich besitzt.

 

Die eigentliche Arbeit passiert vor der KI

Ein besonders spannender Teil der Episode beschäftigt sich mit einem Missverständnis, das derzeit in vielen Unternehmen zu beobachten ist.

Viele Menschen glauben, KI sei die eigentliche Arbeit. Tatsächlich ist sie oft nur der letzte Schritt.

Andreas Wutschka beschreibt, dass der größte Teil des Aufwands darin besteht, Daten zu strukturieren, zu bereinigen und miteinander zu verknüpfen. Erst wenn diese Grundlage geschaffen wurde, kann künstliche Intelligenz sinnvoll eingesetzt werden.

Im Gespräch wird dafür eine einfache Verteilung genannt:

  • 80 Prozent Datenarbeit
  • 20 Prozent KI-Nutzung

Dr. Stefan Helka hält selbst diese Einschätzung noch für konservativ. In der Praxis sei der Anteil der Vorarbeit oft noch deutlich größer.

Die eigentliche Herausforderung besteht also nicht darin, einen Prompt zu schreiben. Sie besteht darin, überhaupt die richtigen Daten zur Verfügung zu haben.

 

Warum Qualitätsmanagement plötzlich wieder spannend wird

Besonders interessant wird die Diskussion beim Thema Prozessdokumentation.

Viele Praxen besitzen bereits umfangreiche QM-Handbücher. Allerdings unterscheiden sich deren Qualität und Nutzen erheblich.

Christian Henrici warnt ausdrücklich davor, Qualitätsmanagement vollständig von einer KI generieren zu lassen. Wenn ein System seine eigenen generischen Inhalte produziert und diese später wieder als Wissensgrundlage verwendet werden, entsteht genau das, was im Gespräch als „Dateninzest“ bezeichnet wird.

Die Folge: Durchschnittliche Informationen erzeugen noch mehr durchschnittliche Informationen.

Wirklich wertvoll wird ein QM-System erst dann, wenn dort tatsächliches Praxiswissen dokumentiert ist. Also reale Prozesse, echte Entscheidungen und nachvollziehbare Entwicklungen.

Genau diese Informationen bilden später die Grundlage für intelligente Auswertungen und Automatisierungen.

 

Aus implizitem Wissen muss explizites Wissen werden

Ein weiterer wichtiger Punkt der Episode betrifft das Wissen der Mitarbeitenden.

In vielen Praxen existieren unzählige Abläufe ausschließlich in den Köpfen einzelner Personen. Erfahrene Mitarbeitende wissen, wie bestimmte Prozesse funktionieren, können dieses Wissen aber oft nicht strukturiert weitergeben.

Für KI-Anwendungen stellt das ein Problem dar.

Andreas Wutschka beschreibt deshalb einen Ansatz, bei dem Prozesse Schritt für Schritt dokumentiert werden. Nicht abstrakt, sondern ganz konkret. Vom Einloggen in Systeme bis zur Vorbereitung komplexer Behandlungen.

Diese Arbeit ist mühsam. Gleichzeitig schafft sie die Grundlage dafür, dass Wissen künftig unabhängig von einzelnen Personen verfügbar bleibt.

Erst wenn dieses Wissen dokumentiert wurde, können daraus später intelligente Assistenzsysteme entstehen.

 

Gute Daten reduzieren Fehler

Ein weiterer Vorteil strukturierter Daten besteht darin, dass die bekannten Schwächen von KI-Modellen deutlich reduziert werden.

Je besser die Datengrundlage ist, desto geringer wird das Risiko von Halluzinationen oder fehlerhaften Antworten.

Dr. Stefan Helka beschreibt dies anhand eines internen Angebots-Simulators. Je mehr reale Kostenvoranschläge als Trainingsgrundlage verwendet wurden, desto präziser wurden die Ergebnisse. Mit zunehmender Datenmenge näherte sich das System immer stärker der tatsächlichen Realität an.

Das verdeutlicht einen entscheidenden Zusammenhang: KI wird nicht durch bessere Prompts intelligent. Sie wird durch bessere Daten präziser.

 

Der größte Produktivitätsschub kommt erst noch

Zum Ende der Episode wird deutlich, warum die Denta1 Clinic so viel Energie in ihre Dateninfrastruktur investiert.

Die aktuelle Arbeit dient nicht nur der Analyse bestehender Prozesse. Sie schafft die Grundlage für zukünftige Automatisierungen und Assistenzsysteme.

Wenn Informationen strukturiert vorliegen, können wiederkehrende Aufgaben automatisiert, Entscheidungen unterstützt und Mitarbeitende entlastet werden. Besonders in einer prozessorientierten Umgebung wie der Zahnarztpraxis entstehen dadurch enorme Möglichkeiten.

Dr. Stefan Helka ist überzeugt, dass genau hier die größten Produktivitätssprünge der kommenden Jahre entstehen werden.

Nicht durch einzelne KI-Tools.

Sondern durch die Kombination aus hochwertigen Daten, klaren Prozessen und intelligenter Automatisierung.

 

Fazit

Die Episode liefert einen wichtigen Realitätscheck für alle, die sich aktuell mit künstlicher Intelligenz beschäftigen.

Der größte Fehler besteht darin, sofort nach dem besten KI-Tool zu suchen.

Der wichtigste Schritt ist ein anderer: die eigene Datengrundlage aufzubauen.

Wer heute beginnt, Prozesse sauber zu dokumentieren, Daten systematisch zu erfassen und Wissen strukturiert verfügbar zu machen, schafft die Grundlage für nahezu alle KI-Anwendungen der Zukunft.

Oder wie die Diskussion zeigt: Die KI ist nicht der Anfang der Reise. Sie ist der letzte Schritt.