velella
Kurzcheck

Velella/Dermatologie und ästhetische Medizin

KI-Sichtbarkeit in der Dermatologie: was die Studienlage zeigt

Die Dermatologie verbindet zwei sehr unterschiedliche Nachfragen: die medizinische Abklärung und die ästhetische Behandlung auf eigene Rechnung. Für beide wird die KI zur ersten Auskunft. Dieser Beitrag fasst zusammen, was dazu belegt ist und was nicht.

Von VelellaStand 21. November 2026Lesezeit etwa 7 Minuten


Das Wichtigste

  • Minimalinvasive ästhetische Behandlungen nehmen zu: 2025 meldeten die Mitglieder der VDÄPC knapp 62.000, ein Plus von 15,8 Prozent1.
  • Antworten von Chatbots auf Hautfragen gelten Dermatologen meist als patientengerecht, aber nur etwa zur Hälfte als ausreichend für die klinische Praxis2.
  • Googles KI-Übersichten erschienen in einer deutschen Auswertung bei mehr als 82 Prozent der Gesundheitssuchen3.
  • Für Hyaluron-Unterspritzungen an Nase und Kinn sind Vorher-Nachher-Bilder in der Werbung nach einem Urteil des Bundesgerichtshofs unzulässig4.

Zwei Nachfragen, ein Fach

Die Vereinigung der Deutschen Ästhetisch-Plastischen Chirurgen meldet für 2025 insgesamt 97.962 Eingriffe und Behandlungen ihrer Mitglieder, 2,6 Prozent mehr als im Vorjahr. Der Zuwachs kommt aus den minimalinvasiven Verfahren: Sie stiegen um 15,8 Prozent auf knapp 62.000 und machen inzwischen mehr als 63 Prozent aus. An erster Stelle stehen Behandlungen mit Botulinum1.

Diese Zahlen bilden nur eine Fachgesellschaft ab. Behandlungen in Hautarztpraxen sind darin nicht enthalten. Sie zeigen aber die Richtung: Die Nachfrage verlagert sich zu Verfahren, die auch Dermatologen anbieten und die vollständig privat bezahlt werden.

Wie Patienten sich informieren

Laut Bitkom recherchieren 80 Prozent der Menschen in Deutschland online zu Symptomen und Gesundheitsfragen, 70 Prozent von ihnen auch mit einem KI-Chatbot. 15 Prozent der Befragten vertrauen in Gesundheitsfragen eher einem Chatbot als einer Ärztin oder einem Arzt5.

Dazu kommt die Suchmaschine selbst. Eine Auswertung von 50.807 deutschsprachigen Gesundheitssuchen fand bei mehr als 82 Prozent eine KI-Übersicht über den eigentlichen Treffern. Die am häufigsten zitierte Quelle war YouTube mit 4,43 Prozent aller Verweise, vor dem NDR und den MSD Manuals3. Die Auswertung stammt von einem Softwareanbieter und ist nicht fachbegutachtet. Sie ist derzeit aber die umfangreichste Datenbasis für den deutschen Sprachraum.

Was Sprachmodelle über Hauterkrankungen antworten

Chau und Kollegen stellten drei frei zugänglichen Chatbots 25 Fragen zu fünf häufigen Diagnosen, darunter Akne, atopische Dermatitis und Rosazea. Drei Fachärzte für Dermatologie bewerteten die Antworten. Je nach System stuften sie 87 bis 95 Prozent als geeignet für Patienten ein, aber nur 47 bis 55 Prozent als ausreichend für die klinische Praxis. Die Texte von ChatGPT erhielten die höchste Bewertung für Richtigkeit und waren zugleich am schwersten lesbar2.

Eine fortlaufende Übersichtsarbeit zur Dermatologie hat 88 Studien mit mehr als 2.500 Einzelbewertungen zusammengeführt. Die gewichtete mittlere Güte der Antworten stieg von 61 Prozent im Jahr 2023 auf zuletzt 88 Prozent. Zugleich stammten 74 Prozent aller Bewertungen von Modellen, die inzwischen nicht mehr angeboten werden6.

Der zweite Befund ist für die Praxis wichtiger als der erste. Was heute über ein System gemessen wird, beschreibt in einem Jahr womöglich ein System, das es nicht mehr gibt.

Welche Quellen die Systeme heranziehen

Bei allgemeinen Gesundheitsfragen dominieren große Institutionen. In einer Stichprobe von 100 Verbraucherfragen stammten mehr als 75 Prozent der 615 von ChatGPT zitierten Quellen von etablierten Einrichtungen wie großen Kliniken, dem britischen Gesundheitsdienst, Wikipedia und PubMed7. Eine einzelne Praxis wird dort selten zur Quelle.

Anders ist es, wenn nach einem Behandler am Ort gefragt wird. In einer Untersuchung aus der Orthopädie nannten die Modelle als Grundlage ihrer Empfehlungen Websites von Praxen und Kliniken, Bewertungsportale und lokale Medien8. In einem randomisierten Versuch erhöhte eine bessere Bewertung, von 3,9 auf 4,7 Sterne, die Wahrscheinlichkeit einer Empfehlung um 31,4 Prozentpunkte9.

Daraus folgt eine klare Aufgabenteilung. Die Praxiswebsite muss nicht erklären, was eine aktinische Keratose ist. Sie muss beantworten, was nur die Praxis beantworten kann: welche Leistungen sie anbietet, wer behandelt, mit welcher Qualifikation und wie man einen Termin bekommt.

Was Texte zitierfähig macht

Aggarwal und Kollegen zeigten auf 10.000 Suchanfragen, dass Texte mit Zitaten, Zahlenangaben und Quellenverweisen in KI-Antworten bis zu rund 40 Prozent sichtbarer wurden. Das Anreichern mit Suchbegriffen half nicht, und die Wirkung unterschied sich je nach Themengebiet10.

In der ästhetischen Medizin deckt sich dieser Befund mit dem, was das Recht ohnehin verlangt: nüchterne, belegte Information statt Versprechen.

Die Studien im Überblick

ArbeitAnlageKernergebnis
Chau et al. 2025225 Fragen, drei Chatbots, drei Dermatologen87–95 % patientengerecht; 47–55 % klinisch ausreichend
Gabashvili 20256Übersichtsarbeit, 88 StudienGüte 61 % → 88 %; 74 % der Daten von abgelösten Modellen
SE Ranking 2026350.807 deutsche GesundheitssuchenKI-Übersicht bei über 82 %; YouTube meistzitiert
Jacques et al. 20267100 Fragen, 615 Quellen in ChatGPTÜber 75 % von etablierten Einrichtungen
Gillani und Baig 20269Randomisierter Versuch, sieben ModelleBewertung 3,9 → 4,7 Sterne: +31,4 Prozentpunkte

Grenzen der Evidenz

  • Die Zahlen der VDÄPC stammen aus einer Mitgliederbefragung plastischer Chirurgen. Sie sind ein Indikator für die Nachfrage, kein Maß für den dermatologischen Markt1.
  • Die Übersichtsarbeit zur Dermatologie ist eine Vorabveröffentlichung einer einzelnen Autorin, und ihre Einzelstudien sind sehr uneinheitlich6.
  • Wie viele Patienten in Deutschland eine KI gezielt nach einer Praxis fragen, ist bislang nicht repräsentativ erhoben. Die Bitkom-Befragung erfasst die Recherche zu Symptomen und Gesundheitsfragen, nicht die Arztsuche5.
  • Die Arbeiten zu Empfehlungen durch Sprachmodelle stammen aus den USA oder arbeiten mit erfundenen Arztprofilen8, 9. Ob sich die Größenordnungen auf deutsche Städte und deutschsprachige Anfragen übertragen lassen, ist offen.
  • Mehrere zitierte Arbeiten sind Vorabveröffentlichungen ohne abgeschlossene Fachbegutachtung9, 7. Wir kennzeichnen sie im Literaturverzeichnis.
  • Die Systeme ändern sich schneller, als Studien erscheinen. Ein Ergebnis gilt für das geprüfte Modell zum geprüften Zeitpunkt.

Was daraus für Ihre Praxis folgt

Praxisangaben statt LexikonwissenFür Wissensfragen zitieren die Systeme Institutionen7. Die Praxis gewinnt mit dem, was nur sie weiß: Leistungen, Behandler, Qualifikation, Ablauf, Kosten.

Ästhetische Leistungen sachlich beschreibenWirkdauer, Risiken und Grenzen einer Behandlung mit Quelle angeben10. Keine Vorher-Nachher-Bilder, wo sie unzulässig sind4.

Bewertungen ernst nehmen, nicht steuernDas Bewertungsniveau wirkt stark auf Empfehlungen9. Zulässig ist die Bitte um eine Bewertung, nicht deren Kauf oder Vergütung.

Regelmäßig neu messenWenn drei Viertel der Studiendaten abgelöste Modelle betreffen6, veraltet auch jede eigene Messung. Aussagekräftig ist der Verlauf.

Rechtlicher Rahmen

Für operative plastisch-chirurgische Eingriffe ohne medizinische Notwendigkeit verbietet das Heilmittelwerbegesetz die Werbung mit Vorher-Nachher-Darstellungen11. Der Bundesgerichtshof hat 2025 entschieden, dass darunter auch die Unterspritzung mit Hyaluron zur Formveränderung von Nase oder Kinn fällt4. Daneben gilt die ärztliche Berufsordnung, die sachliche Information erlaubt und anpreisende, irreführende oder vergleichende Werbung untersagt12. Dieser Beitrag ersetzt keine Rechtsberatung.

Literatur

  1. Behandlungszahlen in der ästhetisch-plastischen Chirurgie steigen weiter. Deutsches Ärzteblatt, 13. März 2026. Zahlen der Vereinigung der Deutschen Ästhetisch-Plastischen Chirurgen (VDÄPC). https://www.aerzteblatt.de/themen/chirurgie/behandlungszahlen-in-der-asthetisch-plastischen-chirurgie-steigen-weiter-c12b3d5e-0175-4fa7-b1a2-7ab4d1cf8840
  2. Chau CA, Feng H, Cobos G, et al. The comparative sufficiency of ChatGPT, Google Bard, and Bing AI in answering diagnosis, treatment, and prognosis questions about common dermatological diagnoses. JMIR Dermatol. 2025;8:e60827. doi:10.2196/60827 https://doi.org/10.2196/60827
  3. SE Ranking. Health-related AI Overviews turn to YouTube 2–3x more than trusted medical sites. Unternehmensanalyse ohne Fachbegutachtung. 2026. https://seranking.com/blog/health-ai-overviews-youtube-vs-medical-sites/
  4. Bundesgerichtshof, Urteil vom 31. Juli 2025, Az. I ZR 170/24.
  5. Bitkom e. V. 8 von 10 suchen bei Krankheit oder Beschwerden Rat im Netz. Presseinformation vom 18. November 2026. Repräsentative Telefonbefragung, n = 1.132. https://www.bitkom.org/Presse/Presseinformation/8-von-10-suchen-Krankheit-Beschwerden-Rat-im-Netz
  6. Gabashvili IS. Evaluating general-purpose LLMs for patient-facing use: dermatology-centered systematic review and meta-analysis. medRxiv 2025.08.11.25333149 [Preprint]. 2025. doi:10.1101/2025.08.11.25333149 https://doi.org/10.1101/2025.08.11.25333149
  7. Jacques E, Datuowei E, Jones V II, Basch C, Vanderpool C, Udeozo N, Chapa G. Authority signals in AI cited health sources: a framework for evaluating source credibility in ChatGPT responses. arXiv:2601.17109 [Preprint]. 2026. https://arxiv.org/abs/2601.17109
  8. Emrich CM, Gazan EC, Baur AJ, Gabrielli AS, Bernstein JA, Landy DC. Can artificial intelligence models appropriately recommend knee arthroplasty surgeons? HSS J. 2026; online vor Druck. doi:10.1177/15563316251412853 https://doi.org/10.1177/15563316251412853
  9. Gillani SA, Baig MSA. Whose doctor does the AI recommend? An algorithm audit of reputation and demographic signals in large language model–assisted physician choice. arXiv:2608.14399 [Preprint]. 2026. https://arxiv.org/abs/2608.14399
  10. Aggarwal P, Murahari V, Rajpurohit T, Kalyan A, Narasimhan K, Deshpande A. GEO: Generative Engine Optimization. In: Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD ’24). 2024. doi:10.1145/3637528.3671900 https://doi.org/10.1145/3637528.3671900
  11. Gesetz über die Werbung auf dem Gebiete des Heilwesens (Heilmittelwerbegesetz, HWG), § 11. https://www.gesetze-im-internet.de/heilmwerbg/__11.html
  12. Bundesärztekammer. (Muster-)Berufsordnung für die in Deutschland tätigen Ärztinnen und Ärzte (MBO-Ä), § 27: Erlaubte Information und berufswidrige Werbung.

Stand der Recherche: 21. November 2026. Vorabveröffentlichungen sind im Verzeichnis als Preprint gekennzeichnet.

Interessenkonflikt: Velella bietet Leistungen zur KI-Sichtbarkeit von Arztpraxen an.