Pflegebildung im KI-Stresstest: Warum ein bisschen Prompten noch keine Kompetenz ist

Wer heute Pflege ausbildet, hat ein Problem, das sich nicht mehr vertagen lässt: Künstliche Intelligenz ist in der Lernrealität vieler Studierender längst angekommen, in den Curricula aber oft noch nicht wirklich durchdacht. Während auf Station, in der Dokumentation und in klinischen Informationssystemen bereits über KI-gestützte Unterstützung diskutiert wird, bleibt in der Ausbildung häufig unklar, was Pflegende darüber eigentlich wissen, können und kritisch einordnen sollten. Genau hier setzen mehrere aktuelle Studien an – und sie liefern ein wichtiges Signal für Pflegeinformatik, Hochschulen und Pflegemanagement: Nicht die bloße Verfügbarkeit von KI ist die Herausforderung, sondern die wachsende Kluft zwischen Nutzung, Kompetenz und professioneller Verantwortung.

Die neue Evidenz legt nahe, dass es die eine Gruppe „der KI-affinen Studierenden“ nicht gibt. Stattdessen zeigen sich sehr unterschiedliche Kompetenzniveaus, Nutzungsmuster und Lernvoraussetzungen. Wer daraus nur ableitet, man müsse jetzt „mehr KI im Unterricht“ machen, unterschätzt das Problem. Denn ohne didaktisches Konzept droht ausgerechnet in einem zentralen Zukunftsfeld das, was die Pflege längst aus anderen Digitalisierungsprojekten kennt: viel Technologie, aber zu wenig Klarheit über Prozesse, Rollen und Nutzen.

Was die neuen Studien zeigen – und was nicht

Drei aktuelle Arbeiten sind für die pflegeinformatische Debatte besonders relevant. Eine Studie in Frontiers in Public Health untersucht die AI-Literacy von Pflegestudierenden und ihren Zusammenhang mit Lernengagement. Gemeint ist mit AI-Literacy nicht nur die Fähigkeit, ein Tool zu bedienen, sondern ein breiteres Kompetenzbündel: grundlegendes Verständnis, reflektierte Nutzung, kritische Bewertung von Ergebnissen und Einordnung von Grenzen, Risiken und Verantwortung.

Eine zweite Studie in Frontiers in Medicine analysiert Nutzungsprofile beziehungsweise „digitale Personas“ von KI in der Pflegeausbildung. Solche Analysen sind interessant, weil sie nicht nur fragen, ob Studierende KI einsetzen, sondern wie: eher oberflächlich, strategisch, explorativ oder integriert in den Lernprozess. Damit rückt eine Erkenntnis ins Zentrum, die in der Pflegeinformatik vertraut ist: Technologieeinsatz ist selten homogen. Unterschiedliche Nutzungsmuster führen zu unterschiedlichen Informationsqualitäten, Lernwegen und Risiken.

Die dritte Arbeit, eine systematische Übersichtsarbeit in Nurse Education in Practice, schaut auf Bildungsinterventionen zur AI-Literacy. Sie ist gerade deshalb wichtig, weil sie den oft sehr ambitionierten Erwartungen an KI in der Bildung eine nüchterne Evidenzfrage entgegensetzt: Welche Lehrformate funktionieren überhaupt nachweislich? Die Antwort fällt nach bisherigem Stand eher zurückhaltend aus. Die Interventionslage ist noch dünn, belastbare Langzeitdaten fehlen, und vieles bewegt sich noch auf dem Niveau erster Konzepte, kleinerer Programme oder lokaler Pilotansätze.

Damit ist der Kern der aktuellen Evidenz klar: Es gibt Hinweise auf relevante Zusammenhänge zwischen KI-Kompetenz, Nutzung und Lernengagement – aber noch keine breite, robuste Grundlage für standardisierte Patentrezepte. Genau diese Kombination aus hoher Relevanz und begrenzter Evidenz macht das Thema strategisch so wichtig.

Neu ist nicht die KI – neu ist die pädagogische Schieflage

Dass Studierende generative KI nutzen, überrascht niemanden mehr. Neu und wirklich relevant ist vielmehr, dass die Forschung die Heterogenität dieser Nutzung deutlicher sichtbar macht. Für Bildungseinrichtungen ist das eine unbequeme Botschaft. Denn viele aktuelle Reaktionen folgen noch einem simplen Muster: Einführung eines Tools, kurze Leitlinie, vielleicht ein Seminar zu Chancen und Risiken – und damit gilt das Thema als abgedeckt.

Aus Sicht der Pflegeinformatik ist genau das zu wenig. Denn KI-Kompetenz ist kein Add-on, sondern Teil professioneller Informationsarbeit. Pflegefachpersonen arbeiten in hochdynamischen Versorgungssituationen mit Informationen, die unvollständig, widersprüchlich oder zeitkritisch sein können. Wenn KI künftig bei Recherche, Fallbearbeitung, Dokumentation, Wissensaufbereitung oder Entscheidungsunterstützung eine Rolle spielt, dann reicht es nicht, Antworten schneller zu generieren. Entscheidend ist, ob Pflegende die Herkunft, Plausibilität, Unsicherheit und Anschlussfähigkeit dieser Informationen an reale Versorgungsprozesse beurteilen können.

Die eigentliche Schieflage liegt deshalb nicht in fehlender Technologie, sondern in einer Ausbildung, die vielerorts von der Praxis überholt wird. Studierende experimentieren mit KI bereits selbstständig, oft ohne ein gemeinsames Vokabular für Qualität, Bias, Datenschutz, Transparenz oder Haftungsfragen. Das schafft neue Lernchancen – aber eben auch neue Risiken. Wer früh lernt, KI vor allem als Abkürzung zu nutzen, entwickelt womöglich genau die falschen Routinen für einen späteren klinischen Einsatz.

Warum AI-Literacy für die Pflege mehr ist als Digitalkompetenz

In der pflegeinformatischen Perspektive ist AI-Literacy kein isoliertes Technikthema. Sie berührt das Zusammenspiel von Pflegefachlichkeit, Prozessen, Daten, Technologie und Organisation. Wer eine KI-Antwort in einer Lernsituation verwendet, arbeitet immer auch mit Informationsmodellen, impliziten Qualitätsannahmen und potenziell verzerrten Datenbeständen – selbst wenn das auf den ersten Blick wie eine harmlose Recherchehilfe aussieht.

Gerade in der Pflege kommt hinzu, dass professionelle Urteilsbildung selten rein regelbasiert ist. Sie entsteht aus Beobachtung, Kommunikation, Kontextverständnis und ethischer Abwägung. Wenn KI in Ausbildung und Praxis an Bedeutung gewinnt, müssen Pflegende daher nicht nur technische Bedienung lernen, sondern epistemische Wachsamkeit: Woher kommt die Information? Welche Datenbasis steckt dahinter? Welche Perspektiven fehlen? Was klingt plausibel, ist aber fachlich oder situativ unpassend?

Das unterscheidet ernsthafte AI-Literacy von bloßer Tool-Kompetenz. Wer nur lernt, wie man gute Prompts formuliert, kann schneller zu textlich überzeugenden Ergebnissen kommen. Das heißt aber noch nicht, dass diese Ergebnisse fachlich tragfähig sind. In der Pflege kann genau diese Verwechslung gefährlich werden – nicht nur in der direkten Versorgung, sondern bereits in der Ausbildung, wenn fehlerhafte Vereinfachungen zu scheinbar validem Wissen gerinnen.

Was das für Curricula bedeutet: Weg vom Tool-Fokus, hin zu Reflexion und Governance

Die Studien sprechen insgesamt eher für differenzierte Curricula als für unspezifische KI-Einführung. Das ist ein wichtiger Punkt. Wenn Kompetenzniveaus und Nutzungsmuster stark variieren, greifen Einheitslösungen zu kurz. Hochschulen und Pflegeschulen brauchen dann keine allgemeine „KI-Woche“, sondern einen strukturierten Kompetenzaufbau über mehrere Ebenen.

Dazu gehört zunächst ein belastbares Grundverständnis: Was ist generative KI, was kann sie gut, wo halluziniert sie, wie entstehen Verzerrungen, und warum sind Trainingsdaten, Modellgrenzen und Kontext so wichtig? Darauf aufbauend braucht es anwendungsnahe Lernformate, in denen Studierende KI nicht nur verwenden, sondern Ergebnisse prüfen, mit Leitlinien abgleichen, Quellen nachverfolgen und fachliche Widersprüche erkennen.

Mindestens genauso wichtig ist aber die dritte Ebene: Governance-Kompetenz. Künftige Pflegefachpersonen und Pflegeinformatiker:innen müssen verstehen, unter welchen organisatorischen und rechtlichen Bedingungen KI überhaupt verantwortbar eingesetzt werden kann. Dazu gehören Datenschutz, Urheberrecht, Transparenzpflichten, Dokumentationsanforderungen und Fragen der Verantwortungszuordnung. In der Praxis entscheidet nicht das beste Modell über den Nutzen, sondern die Qualität seiner Einbettung in reale Arbeitsabläufe.

Von der Lernplattform in den klinischen Workflow: Die pflegeinformatische Anschlussfrage

Der vielleicht wichtigste Punkt wird in vielen KI-Debatten übersehen: Was in der Ausbildung eingeübt wird, prägt spätere Arbeitsroutinen. Wer KI primär als losgelöste Antwortmaschine kennenlernt, wird sie später eher außerhalb strukturierter Systeme nutzen – etwa über private Apps, nicht integrierte Assistenten oder informelle Workarounds. Genau hier beginnt aus Sicht der Pflegeinformatik das eigentliche Risiko.

Denn pflegerische Informationsarbeit braucht interoperable, nachvollziehbare und kontextgebundene Datenflüsse. Eine KI-Ausgabe wird erst dann systemisch relevant, wenn klar ist, wie sie in Lernmanagementsysteme, klinische Dokumentation, Wissensdatenbanken oder Entscheidungsunterstützung eingebettet ist. Ohne diese Einbettung bleibt KI zwar bequem, aber organisatorisch blind. Sie produziert Text, nicht automatisch bessere Prozesse.

Deshalb sollte AI-Literacy in der Pflegebildung immer auch den Umgang mit strukturierten Daten thematisieren. Wer künftig mit KI-gestützten Pflegeassessments, Risikoscores, Sprachassistenz oder Dokumentationshilfen arbeitet, muss verstehen, dass die Qualität solcher Systeme maßgeblich von Datenstrukturen, Terminologien und Interoperabilität abhängt. Pflegeinformatik beginnt an dieser Stelle nicht erst in der IT-Abteilung, sondern bereits im Curriculum.

Entlastung oder neuer digitaler Aufwand?

Die Verheißung ist bekannt: KI spart Zeit, macht Lernen effizienter und reduziert Routinetätigkeiten. Das mag punktuell stimmen. Aber aus pflegeinformatischer Sicht ist die entscheidende Frage eine andere: Wird Arbeit tatsächlich reduziert – oder nur verlagert?

Wer KI nutzt, muss Ergebnisse prüfen, Fehler erkennen, Quellen absichern, Inhalte anpassen und Verantwortung tragen. Gerade bei unerfahrenen Nutzer:innen kann der Aufwand für Validierung erheblich sein. In der Ausbildung gilt das erst recht. Wenn Studierende Texte schneller erzeugen, Lehrende aber mehr Aufwand für Bewertung, Nachvollziehbarkeit und Kompetenzprüfung haben, dann ist nicht automatisch Entlastung entstanden. Es hat sich nur der Ort des Aufwands verschoben.

Hier lohnt ein Bezug zur Diskussion um Digital Nursing Outcome Assessment (DNOA): Digitale Lösungen sollten nicht nur nach gefühlter Modernität bewertet werden, sondern nach ihrer tatsächlichen Wirkung auf Pflegezeit, Prozessqualität, Informationsfluss und Belastung. Übertragen auf die Pflegebildung heißt das: Wir brauchen mehr als Akzeptanzbefragungen. Wir brauchen Messkonzepte dafür, ob KI-gestützte Lehr- und Lernsettings kritisches Denken stärken, Informationsqualität verbessern, Bearbeitungszeiten sinnvoll verändern oder im Gegenteil zusätzlichen Digital Burden erzeugen.

Was Hochschulen, Pflegeschulen und Management jetzt tun sollten

Die Studien legen keinen Aktionismus nahe, wohl aber entschlossenes Handeln. Sinnvoll wäre aus heutiger Sicht vor allem ein mehrstufiger Ansatz:

• Kompetenzstände erheben statt pauschal voraussetzen. Wenn KI-Literacy stark variiert, müssen Bildungsinstitutionen zunächst wissen, mit welchen Profilen sie es zu tun haben.
• Lernziele an professioneller Praxis ausrichten. Nicht die Tool-Nutzung sollte im Zentrum stehen, sondern Urteilsfähigkeit, Datenkritik, Prozessverständnis und sichere Anwendung in Versorgungskontexten.
• Lehrende qualifizieren. Ohne didaktisch und fachlich sichere Lehrende wird KI-Bildung schnell normativ oder beliebig.
• KI-Nutzung institutionell rahmen. Klare Regeln zu Transparenz, Prüfungsformaten, Datenschutz und zulässigen Einsatzszenarien schaffen Orientierung.
• Wirkung evaluieren. Nicht jede Intervention, die innovativ aussieht, verbessert tatsächlich Lernen oder spätere Handlungssicherheit.

Für das Pflegemanagement ist das Thema ebenfalls nicht randständig. Einrichtungen, die morgen KI sicher in Prozesse integrieren wollen, sind auf Fachpersonen angewiesen, die nicht nur Systeme bedienen, sondern ihre Grenzen verstehen und Verbesserungsbedarfe benennen können. Pflegefachkräfte sind dabei keine passiven Endanwender, sondern zentrale Mitgestalter digitaler Versorgung. Wer diese Rolle ernst meint, muss sie in der Ausbildung vorbereiten.

Die eigentliche Zukunftsfrage lautet nicht: Nutzen Studierende KI? Sondern: Wie professionell tun sie es?

Die neuen Studien sind kein Beweis dafür, dass die Pflegebildung bereits ein tragfähiges KI-Konzept hätte. Eher zeigen sie das Gegenteil: Die Nutzung ist der Didaktik vorausgeeilt. Genau deshalb ist das Thema so relevant. Denn was heute in Seminaren, Hausarbeiten und Skills-Labs eingeübt wird, entscheidet morgen mit darüber, wie sicher, kritisch und wirksam KI in pflegerischen Arbeitsprozessen eingesetzt wird.

Wenn die Pflegeinformatik aus den Fehlern früherer Digitalisierungswellen etwas gelernt hat, dann dies: Technologie entfaltet ihren Nutzen nicht durch Präsenz, sondern durch kluge Einbettung in Fachlichkeit, Prozesse und Organisation. Für KI in der Pflegebildung gilt nichts anderes. Wer jetzt nur Tools verteilt, produziert bestenfalls Oberfläche. Wer hingegen Kompetenz, Reflexion und Governance systematisch aufbaut, schafft die Grundlage dafür, dass KI in der Pflege später nicht bloß schneller, sondern tatsächlich besser macht.

Diskussionsfrage an die Community: Welche KI-Kompetenzen sollten aus Ihrer Sicht verbindlich in jede Pflegeausbildung gehören – und wie lässt sich ihr Nutzen jenseits von Tool-Begeisterung sinnvoll messen?

Dieser Text wurde mit Unterstützung von KI erstellt.