Juni 02, 2026 Tools & Tricks

KI ganz konkret: Für die Medizintechnik

1'400 Medtech-Firmen in der Schweiz, 95 Prozent davon KMU. Zwischen MDR-Dokumentation und Reinraum bleibt kaum Zeit für Innovation. KI kann den Druck an den richtigen Stellen senken.

Wenn ich an Medizintechnik denke, sehe ich nicht zuerst Laborroboter oder Operationssäle. Ich sehe einen Reinraum in Burgdorf, in dem Injektionssysteme für Diabetespatienten produziert werden. Ich sehe Spritzgussmaschinen, die Kunststoffteile mit Toleranzen im Hundertstelmillimeter fertigen. Und ich sehe Menschen, die neben der eigentlichen Entwicklungs- und Produktionsarbeit einen wachsenden Berg an Dokumentation bewältigen müssen.

Für Ypsomed habe ich über die Jahre vom Imagefilm über Produktlancierungsfilme bis zur internen Kommunikation ziemlich alles gemacht. Ich kenne die Flure, die Produktionslinien, die Art, wie in einem Medtech-Unternehmen gedacht wird: präzise, reguliert, mit einem tiefen Respekt vor der Verantwortung, die entsteht, wenn das eigene Produkt am Ende in oder an einem Menschen landet. Und für Forteq — einen Präzisionskunststoff-Hersteller, dessen Spritzgusskompetenz auch in die Medizintechnik hineinreicht — kenne ich die andere Seite: die Zuliefererbranche, in der Qualität nicht verhandelbar ist und jedes Teil rückverfolgbar sein muss.

Die Schweiz ist ein Medtech-Land. Rund 1'400 Unternehmen, 71'700 Arbeitsplätze, ein Handelsüberschuss von 5,8 Milliarden Franken. Und 95 Prozent dieser Firmen sind KMU — mit weniger als 250 Mitarbeitenden. Das heisst: viel Fachwissen, wenig Spielraum für Experimente. Und genau deshalb lohnt sich ein nüchterner Blick darauf, wo KI in dieser Branche heute schon einen Unterschied macht.

Wo KI in der Medizintechnik heute schon funktioniert

Visuelle Qualitätskontrolle. In der Medtech-Produktion ist Qualitätskontrolle kein Nice-to-have, sondern regulatorische Pflicht. Die Branche bewegt sich weg von Stichproben und hin zu hundertprozentiger Inspektion — und genau hier setzt KI an. Bilderkennungssysteme prüfen Oberflächen, Masse und Geometrien in Echtzeit, erkennen Mikrorisse, Verfärbungen oder Formabweichungen, die dem menschlichen Auge entgehen. Kistler, ein Schweizer Unternehmen, zeigt mit seiner KI-gestützten Qualitätskontrolle für den Medizintechnik-Spritzguss, wie das in der Praxis aussieht: Echtzeit-Datenanalyse, lückenlose Teileinspektion, konform mit FDA und MDR. Für ein KMU mit Spritzgussproduktion heisst das: weniger Ausschuss, weniger Nacharbeit, mehr Sicherheit bei Audits.

Regulatorische Dokumentation. Wer Medizinprodukte herstellt, kennt die MDR — die Medical Device Regulation der EU, die auch für den Schweizer Markt gilt. Und wer die MDR kennt, weiss: Der Dokumentationsaufwand ist enorm. Technische Dokumentation, klinische Bewertungen, Post-Market Surveillance, Risikomanagement nach ISO 14971 — alles muss lückenlos, konsistent und aktuell sein. Sprachmodelle können hier als Entwurfsassistenten dienen: einen ersten Entwurf der klinischen Bewertung aus bestehenden Daten generieren, Textbausteine für die technische Dokumentation vorschlagen, Änderungen zwischen Dokumentversionen identifizieren. Das ersetzt keine Regulatory-Affairs-Spezialistin, aber es reduziert die Stunden, die sie mit Formatierung und Standardtext verbringt, und gibt ihr mehr Zeit für die fachliche Bewertung.

Predictive Maintenance. Produktionsanlagen in der Medtech sind teuer und ihre Ausfallzeiten noch teurer — besonders im Reinraum. KI-Modelle, die Sensordaten aus Spritzgussmaschinen, Verpackungsanlagen oder Sterilisatoren analysieren, können Verschleiss erkennen, bevor er zum Stillstand führt. Statt nach starrem Wartungsplan zu arbeiten, wird gewartet, wenn die Daten es nahelegen. Das senkt Kosten und erhöht die Verfügbarkeit — in einer Branche, in der jeder ungeplante Stillstand die Lieferkette unterbricht.

Lieferanten- und Beschaffungsmanagement. Medtech-Unternehmen arbeiten mit qualifizierten Lieferanten — ein Wechsel ist aufwändig und regulatorisch heikel. KI kann helfen, Lieferantenaudits vorzubereiten, Abweichungen in Materialzertifikaten zu identifizieren und Beschaffungsmuster zu analysieren. Das klingt weniger spektakulär als Bilddiagnostik, spart aber in einem KMU mit zehn bis fünfzig Lieferanten reale Arbeitsstunden.

Korrespondenz und Übersetzung. Die Schweiz ist mehrsprachig, die Regulierungsbehörden international. Wer Produkte in der EU, der Schweiz und vielleicht in den USA vertreibt, schreibt dieselbe Information in drei Sprachen und für unterschiedliche Adressaten: Swissmedic, Benannte Stellen, FDA. Sprachmodelle übersetzen und adaptieren Fachtexte schneller als jede Agentur — nicht als Endfassung, aber als Arbeitsentwurf, den die Fachperson prüft und freigibt.

Was nicht funktioniert

KI diagnostiziert keine Krankheiten für Ihr Unternehmen, und sie validiert keine Prozesse. Wer ein KI-System in der Medtech-Produktion einsetzt, muss es validieren wie jedes andere Werkzeug auch — und das ist aufwändig. Ein Sprachmodell, das einen Entwurf der technischen Dokumentation generiert, ist ein Arbeitswerkzeug. Ein KI-System, das eigenständig Freigabeentscheide trifft, ist ein Medizinprodukt — mit allen regulatorischen Konsequenzen.

Auch der Datenschutz setzt Grenzen. Der Swiss Health Cloud Standard verlangt, dass prozesskritische Patientendaten ausschliesslich auf Schweizer Servern gespeichert werden. Wer Claude, ChatGPT oder ein anderes Sprachmodell mit Patientendaten füttert, hat nicht nur ein Compliance-Problem, sondern ein Vertrauensproblem. Die Grenze ist klar: KI für Prozesse und Dokumentation — ja. KI mit Patientendaten ohne geprüfte Infrastruktur — nein.

Warum gerade jetzt

Die Medtech-Branche steht 2026 unter regulatorischem Druck von mehreren Seiten gleichzeitig. Ab 1. Juli 2026 wird die Registrierung aller Medizinprodukte in der Schweizer Datenbank swissdamed obligatorisch. Der EU AI Act tritt in seinen wesentlichen Teilen ab August 2026 in Kraft — und KI-Systeme in der Qualitätskontrolle werden voraussichtlich als hochriskant eingestuft. Hersteller müssen künftig duale Konformität nachweisen: MDR und AI Act gleichzeitig.

Das klingt nach mehr Bürokratie. Ist es auch. Aber es ist gleichzeitig ein Argument für den Einstieg: Wer KI heute in einem kontrollierten, dokumentierten Rahmen einführt, baut Erfahrung auf, bevor die Pflicht kommt. Wer wartet, muss unter Zeitdruck nachrüsten.

Gleichzeitig investiert die Schweiz gezielt. Die Swiss AI Initiative fokussiert auf spezialisierte Modelle im medizinischen Bereich — das Universitätsspital Lausanne testet mit Meditron ein Schweizer LLM für klinische Entscheidungsunterstützung.5 Und Innosuisse hat die Prüfungsgebühren für KMU und Start-ups um 25 Prozent gesenkt. Die Signale sind deutlich: Die Schweiz will bei Medical AI nicht zuschauen.

Was das für Ihr Unternehmen heisst

Wenn Sie ein Medtech-KMU mit zwanzig bis hundert Mitarbeitenden führen, haben Sie vermutlich ein Qualitätsteam, das am Anschlag arbeitet, eine Regulatory-Abteilung, die mit MDR-Dokumentation kämpft, und eine Produktion, die keine ungeplanten Stillstände verkraftet. KI löst keines dieser Probleme auf einen Schlag. Aber sie kann den Druck an den richtigen Stellen senken.

Der Einstieg muss nicht die Produktionslinie sein. Er kann in der Dokumentation liegen — ein Sprachmodell, das Entwürfe für die technische Dokumentation generiert. Oder in der Korrespondenz mit Behörden. Oder in der Vorbereitung von Lieferantenaudits. Überall dort, wo heute Fachleute Stunden mit Textarbeit verbringen, die zwar wichtig, aber nicht der Kern ihrer Kompetenz ist.

Das BOOST-Paket ist für genau diese Situation gemacht: drei Monate, in denen wir Ihre Prozesse anschauen, die regulatorischen Rahmenbedingungen berücksichtigen und die ersten Workflows zum Laufen bringen. Pragmatisch, vertraulich — und mit dem Verständnis, dass in Ihrer Branche jeder Schritt dokumentiert und jede Entscheidung nachvollziehbar sein muss.

BOOST-Paket entdecken