Künstliche Intelligenz verändert nicht nur, wie Gesundheitsorganisationen kommunizieren. Sie verändert vor allem, wie Patient:innen, Versicherte und Fachpersonen Informationen finden, Anbieter vergleichen und Entscheidungen vorbereiten. Für Spitäler, Krankenkassen sowie Pharma- und Medtech-Unternehmen entsteht damit eine neue Aufgabe: Sie müssen nicht nur für Menschen relevant sein, sondern auch für KI-Systeme sichtbar, verständlich und vertrauenswürdig.
Wer heute eine gesundheitliche Frage hat, beginnt seine Recherche längst nicht mehr zwingend bei Google. Bereits 57 % der Schweizer Internetnutzer recherchieren über KI-Plattformen, 77 % nutzen KI-Funktionen innerhalb klassischer Suchmaschinen. ChatGPT, Claude, Gemini, Perplexity und andere KI-Systeme liefern direkt Antworten, fassen Informationen zusammen und empfehlen Quellen oder Anbieter.
Diese Entwicklung wird mit sogenannten AI Agents noch weitergehen. Sie können nicht nur Informationen suchen, sondern zunehmend auch Optionen vergleichen, Entscheidungen vorbereiten und Aufgaben im Auftrag von Nutzer:innen übernehmen.
Eine aktuelle Forschungsarbeit von Prof. Dr. Dennis Herhausen von der Universität St. Gallen bringt die Konsequenz für das Marketing auf einen einfachen Nenner: Der Mensch bleibt Nutzer und Auftraggeber, doch KI übernimmt zunehmend die Rolle des Vorentscheiders und Gatekeepers. Marketing muss deshalb künftig zwei Zielgruppen gleichzeitig erreichen: Menschen und Maschinen.
Für das Gesundheitswesen ist diese Entwicklung besonders relevant.
Stellen wir uns einige typische Fragen vor:
- Welches Spital in der Schweiz ist auf Endometriose spezialisiert?
- Welche Behandlungsmöglichkeiten gibt es bei Vorhofflimmern?
- Welche Krankenkasse bietet ein geeignetes Modell für meine Familie?
- Welche Technologien gibt es zur kontinuierlichen Glukosemessung?
Bisher mussten Nutzer:innen verschiedene Websites besuchen, Suchergebnisse vergleichen und Informationen selbst einordnen. KI-Systeme übernehmen zunehmend einen Teil dieser Arbeit.
Damit verändert sich auch der Wettbewerb um digitale Sichtbarkeit. In einer klassischen Google-Suche konnten zehn Treffer auf der ersten Ergebnisseite sichtbar werden. Eine generative KI liefert dagegen häufig eine zusammengefasste Antwort und wenige ausgewählte Quellen oder Empfehlungen.
Die Frage lautet deshalb zunehmend nicht mehr nur: «Wie weit oben stehen wir bei Google?», sondern: «Werden wir von KI überhaupt als relevante und vertrauenswürdige Quelle erkannt?»
Diese Entwicklung lässt sich aus fünf Regeln ableiten, die Herhausen für das Marketing im Zeitalter von AI Agents formuliert. Für den Gesundheitsmarkt lassen sie sich wie folgt übersetzen.
Menschen und KI-Systeme reagieren auf unterschiedliche Signale. Menschen benötigen verständliche Informationen, Vertrauen, Orientierung und eine glaubwürdige Marke. Gerade bei Gesundheitsthemen spielen persönliche Erfahrungen, Reputation und emotionale Sicherheit weiterhin eine grosse Rolle.
KI-Systeme funktionieren anders. Sie suchen nach klaren Informationen, Zusammenhängen, Daten und überprüfbaren Aussagen.
Ein Spital kann sich beispielsweise als «führendes Zentrum für Herzmedizin» positionieren. Für Menschen kann eine solche Botschaft Orientierung schaffen. Für ein KI-System ist sie alleine jedoch wenig aussagekräftig.
Entscheidend wird, ob sich dahinter konkrete Informationen finden lassen:
- Welche Herzkrankheiten werden behandelt?
- Welche Verfahren werden angeboten?
- Welche Spezialist:innen verfügen über welche Expertise?
- Gibt es Zertifizierungen, Forschungsaktivitäten oder publizierte Qualitätsdaten?
Die Konsequenz lautet deshalb nicht, klassische Markenkommunikation durch technische Optimierung zu ersetzen. Beides muss zusammenspielen. Auch die Forschungsarbeit betont: Wer nur maschinenfreundlich kommuniziert, riskiert Markenrelevanz beim Menschen. Wer nur klassische Markenführung betreibt, kann aus den Auswahlprozessen von KI-Systemen verschwinden.
Die zweite Regel ist für Healthcare Marketing besonders relevant. KI kann nur auf Informationen zurückgreifen, die sie finden, erfassen und sinnvoll interpretieren kann.
In vielen Gesundheitsorganisationen steckt wertvolles Wissen heute jedoch in PDF-Dokumenten, komplexen Klinikstrukturen, Fachinformationen oder isolierten Newsbeiträgen.
Das bedeutet nicht, dass diese Informationen für KI grundsätzlich unbrauchbar sind. Ihre Zugänglichkeit und Einordnung kann aber deutlich schwieriger sein:
a) Für ein Spital bedeutet AI Visibility beispielsweise, Krankheiten, Symptome, Behandlungen, Fachgebiete und Expert:innen logisch miteinander zu verbinden.
b) Für eine Krankenkasse müssen Versicherungsmodelle, Leistungen, Einschränkungen und Services möglichst eindeutig beschrieben werden.
c) Bei Pharma und Medtech muss geprüft werden, welche regulatorisch zulässigen Informationen zu Wirkstoffen, Indikationen, Technologien und klinischer Evidenz öffentlich so aufbereitet werden können, dass sie korrekt eingeordnet werden.
Herhausen nennt hierfür insbesondere offene Zugänglichkeit und strukturierte, maschinenlesbare Informationen als zentrale Voraussetzungen.
Klassische Werbung arbeitet mit Botschaften wie «führend», «innovativ» oder «höchste Qualität». KI-Systeme können mit solchen Aussagen wenig anfangen, solange sie nicht verifizierbar sind.
Die Forschungsarbeit schlägt deshalb für Produkte das Prinzip Feature > Benefit > Result vor: Ein Merkmal wird beschrieben, sein Nutzen erklärt und anschliessend mit einem nachvollziehbaren Ergebnis belegt.
Für Healthcare Marketing lässt sich daraus eine ähnliche Logik ableiten: Expertise > Nutzen > Evidenz.
Ein Beispiel:
Nicht nur: «Wir gehören zu den führenden Schlaganfallzentren.», sondern:> Expertise: zertifiziertes Stroke Center
> Nutzen: spezialisierte Versorgung von Schlaganfallpatient:innen
> Evidenz: Zertifizierung, Fallzahlen, Behandlungsmöglichkeiten und publizierte Qualitätsdaten.
Gerade Gesundheitsorganisationen verfügen über sehr viel Evidenz: Studien, wissenschaftliche Publikationen, Qualitätskennzahlen, Zertifizierungen, Fachpersonen und klinische Erfahrung.
Die Herausforderung besteht deshalb häufig nicht darin, neue Belege zu schaffen. Vielmehr müssen vorhandene Belege digital sichtbar und mit den relevanten Themen verknüpft werden.
KI-Systeme betrachten eine Marke nicht isoliert. Sie führen Informationen aus unterschiedlichen Quellen zusammenführen und vergleichen diese miteinander.
Die Forschungsarbeit unterscheidet vier Ebenen:
1. die Aussagen einer Marke selbst
2. Nutzersignale
3. unabhängige Drittquellen und
4. reale Performance.
Stimmen diese Ebenen nicht miteinander überein, sinkt die Vertrauenswürdigkeit.
Für Gesundheitsorganisationen hat dies eine wichtige Konsequenz: AI Visibility ist mehr als Website-Optimierung. Bei einem Spital können beispielsweise Fachgesellschaften, wissenschaftliche Publikationen, Medienberichte, Universitäten, Zertifizierungen und die öffentliche Präsenz von Expert:innen dazu beitragen, medizinische Kompetenz zu bestätigen. Bei Pharma- und Medtech-Unternehmen spielen zusätzlich Studienregister, Fachliteratur, Guidelines, Behörden, Kongresse und unabhängige Fachmedien eine wichtige Rolle. Damit wachsen bisher teilweise getrennte Disziplinen näher zusammen: SEO/GEO, PR, Fachkommunikation, Reputation Management und Scientific Communication. Gerade die externe Validierung dürfte im Gesundheitsbereich besonders wichtig sein, weil medizinische Aussagen ein hohes Mass an Vertrauen erfordern.
Vielleicht die grösste Veränderung betrifft aber die eigentliche Auswahl.
Herhausen beschreibt drei Stufen: Inclusion > Ranking > Default.
Zuerst muss eine Marke für einen bestimmten Anwendungsfall überhaupt erkannt werden. Danach wird sie mit Alternativen verglichen. Langfristig können bestimmte Anbieter schliesslich zur bevorzugten oder standardmässig genannten Option werden.
Für den Gesundheitsmarkt lässt sich dies gut anhand einer Anfrage zeigen: «Wo kann ich in der Schweiz eine komplexe Endometriose behandeln lassen?»
Auf der ersten Ebene entscheidet sich, welche Kliniken überhaupt berücksichtigt werden. Auf der zweiten Ebene bewertet KI unter anderem Spezialisierung, Expertise, verfügbare Informationen und externe Autorität, und auf der dritten Ebene könnte sich langfristig eine starke Verbindung zwischen einem bestimmten Anbieter und diesem Kompetenzgebiet entwickeln.
Die eigentliche strategische Frage lautet deshalb: Für welche Themen und Fragestellungen soll unsere Organisation von KI als relevante Quelle oder Anbieterin erkannt werden? Das ist mehr als das belannte technische SEO-Thema. Es ist eine Frage der präzisen Positionierung.
Man könnte annehmen, dass starke Marken an Bedeutung verlieren, wenn Algorithmen Entscheidungen datenbasiert vorbereiten. Die Forschungsarbeit argumentiert in die andere Richtung: Bekannte Marken verfügen über einen wichtigen Vorteil, weil sie im offenen Web häufiger vorkommen und damit eine breitere Datenbasis besitzen. Gleichzeitig zeigt wissenschaftliche Forschung, dass Menschen KI-Empfehlungen nicht in jedem Kontext gleich stark akzeptieren. Algorithmen werden bei eher objektiven und funktionalen Entscheidungen stärker akzeptiert als bei subjektiven Entscheidungen.
Für Healthcare dürfte deshalb eine zweigetilte Realität entstehen:
1. KI recherchiert, strukturiert und empfiehlt. Patient:innen, Kund:innen und medizinische Fachpersonen beurteilen, vertrauen und entscheiden.
2. Die Marke bleibt deshalb ein wichtiger Vertrauensanker. Sie muss künftig jedoch durch eine zweite Ebene ergänzt werden, nämlich die digitale Evidenz, die auch Maschinen verstehen können.
Der Einstieg in AI Visibility muss kein Grossprojekt sein. Drei Fragen reichen für eine erste Standortbestimmung:
Darauf aufbauend können Inhalte, Informationsarchitektur, digitale Autorität und externe Präsenz systematisch weiterentwickelt werden.
Bisher richtete sich Gesundheitskommunikation vor allem an Patient:innen, Versicherte, Fachpersonen oder andere Stakeholder. Künftig kommt ein weiterer Vermittler hinzu. KI wird zunehmend zum Informationsfilter zwischen Gesundheitsorganisation und Publikum. Deshalb reicht es nicht, relevante Informationen zu besitzen. Sie müssen so verfügbar sein, dass Menschen sie verstehen UND KI-Systeme sie finden, einordnen und verifizieren können. Oder zugespitzt: Wenn AI eine Gesundheitsmarke im entscheidenden Moment nicht findet, existiert sie für die betreffende Anfrage nicht.
Das Ziel von Healthcare Marketing for AI ist deshalb nicht möglichst oft in ChatGPT genannt zu werden, es geht darum, die digitale Grundlage dafür zu schaffen, dass eine Gesundheitsorganisation für die richtigen Themen als relevante, kompetente und vertrauenswürdige Quelle erkannt wird.
Ausgangspunkt dieses Beitrags ist die Forschungsarbeit «Agentic AI verändert das Marketing – Fünf Regeln für das Marketing, wenn AI Agenten die Käufer sind» von Prof. Dr. Dennis Herhausen, Universität St. Gallen. (siehe pdf)
99 Prozent der Schweizer Kommunikationsabteilungen nutzen Generative KI – viele davon bereits systematisch. Die ZHAW-Trendstudie 2026 zeigt, wie die Technologie Strukturen, Rollen und Budgets ganzer Abteilungen umgestaltet. Kommunikation in der digitalen Transformation – Trendstudie Schweiz : Fokusthema: Kommunikationsabteilungen im Wandel, 2026
Zur wirtschaftlichen Entwicklung von Agentic AI und den derzeit noch begrenzten messbaren Returns siehe die aktuelle Deloitte-Analyse. Deloitte: AI ROI – The paradox of rising investment and elusive returns
Auch der PwC Global CEO Survey 2026 zeigt, dass viele Unternehmen noch am Anfang stehen, während Organisationen mit einer stärkeren AI-Infrastruktur bereits häufiger messbare Resultate erzielen. PwC Global CEO Survey 2026
