Gesundheitswesen
DOI: 10.1055/a-2718-4633
Originalarbeit

Evaluation von Einsatzmöglichkeiten textgenerativer künstlicher Intelligenz in der gesetzlichen Unfallversicherung unter Verwendung von ChatGPT

Evaluation of possible applications of text-generative artificial intelligence in statutory accident insurance using ChatGPT

Authors

  • Tim Kekeritz

    1   Absolvent M.A., Apollon Hochschule der Gesundheitswirtschaft, Bremen, Germany
  • Felix R. Hoffmann

    2   Gesundheitswirtschaft, Apollon Hochschule der Gesundheitswirtschaft, Bremen, Germany

Zusammenfassung

Im Rahmen dieser Studie wurden Einsatzmöglichkeiten von textgenerativer künstlicher Intelligenz bei der Auswertung von Dokumenten der gesetzlichen Unfallversicherung untersucht. Zu diesem Zweck wurden medizinische Dokumente mithilfe gezielter Prompts sowohl durch ChatGPT als auch durch ein speziell angepasstes CustomGPT-Modell analysiert. Die Ergebnisse zeigen, dass einfache Aufgaben wie das Auslesen von Stammdaten oder das Erkennen fehlender Kausalitäten mit hoher Genauigkeit und geringer Fehlerquote bewältigt wurden. Bei komplexeren juristischen Fragestellungen sowie bei der Einordnung kontextueller Informationen offenbarte sich jedoch eine eingeschränkte Zuverlässigkeit. Die Verwendung eines angepassten CustomGPT-Modells brachte hierbei keinen signifikanten Qualitätsvorteil gegenüber dem Standardmodell. In ihrer derzeitigen Entwicklungsstufe ist die Technologie für den praktischen Einsatz bei der Auswertung von Berichten in der gesetzlichen Unfallversicherung noch nicht geeignet. Künftige Studien sollten neuere Versionen von ChatGPT sowie alternative KI-Systeme einbeziehen. Es ist zu erwarten, dass textgenerative KI in naher Zukunft verlässlich für die hier betrachteten Anwendungsbereiche eingesetzt werden kann.

Abstract

This study examined the extent to which generative artificial intelligence can be used for analyzing reports from the statutory accident insurance system. To this end, medical documents were evaluated using targeted prompts with both ChatGPT and a specially customized CustomGPT model. The results showed that simple tasks, such as extracting basic personal data or identifying missing causal links, were performed with high accuracy and a low error rate. However, when it came to more complex legal issues or the interpretation of contextual information, the models demonstrated limited reliability. The use of a tailored CustomGPT model did not yield a significant improvement in response quality compared to the standard version. In its current stage of development, the technology is not suitable for practical use in evaluating reports from the statutory accident insurance system. Future research should investigate newer versions of ChatGPT as well as alternative AI systems. It is expected that generative AI will soon be reliably applicable to the use cases explored in this study.



Publication History

Received: 20 May 2025

Article published online:
03 November 2025

© 2025. Thieme. All rights reserved.

Georg Thieme Verlag KG
Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany