Vergessene Zielgruppe: Was KI-Gesundheitssysteme für betreuende Kinder bedeuten müssen
Ein aktuelles Positionspapier zeigt, dass KI-Systeme im Gesundheitswesen eine Nutzergruppe systematisch übersehen: Kinder, die Angehörige pflegen.
Mit KI-Unterstützung erstellt · redaktionell geprüft und verantwortet von Steven Breuer.
Wenn wir über KI-gestützte Pflege- und Unterstützungssysteme sprechen, denken wir in der Regel an zwei Rollen: die versorgte Person und die erwachsenen Angehörigen, die sich um sie kümmern. Eine dritte Gruppe bleibt dabei fast immer unsichtbar – obwohl sie laut Schätzungen 6 bis 8 % der Kinder in westlichen Industriegesellschaften betrifft: sogenannte „Young Carers", Kinder und Jugendliche unter 18 Jahren, die regelmäßig Pflege- oder Betreuungsaufgaben für ein Familienmitglied oder eine nahestehende Person übernehmen. Ein aktuelles Positionspapier macht genau diese Lücke zum Thema und zeigt, warum sie auch für die medizinische Informatik relevant ist (Junge Betreuer in KI-Systemen: Oversight für betreuende Kinder).
Wer sind Young Carers – und warum tauchen sie in der Dokumentation kaum auf?
Die im Paper verwendete, in der Forschung etablierte Definition nach Becker beschreibt Young Carers als Kinder und Jugendliche, die regelmäßig substanzielle Pflege-, Unterstützungs- oder Betreuungsaufgaben übernehmen – oft in einem Ausmaß und mit einer Verantwortung, die eigentlich Erwachsenen zugeschrieben würde. Betroffen sind Kinder, die einen Elternteil mit chronischer Erkrankung, Behinderung, psychischer Erkrankung oder Suchterkrankung unterstützen, Geschwister mit Behinderung betreuen oder sich um Großeltern kümmern. Die Aufgaben reichen von Haushaltsführung über Übersetzungstätigkeiten bis hin zu direkter körperlicher und emotionaler Pflege.
Für die Praxis entscheidend: Diese Rolle ist strukturell kaum erfasst. Sie taucht selten als Datenfeld in Patientenakten auf, wird inkonsistent zwischen Institutionen dokumentiert und ist häufig nur informell bekannt – etwa wenn eine Pflegekraft beiläufig bemerkt, dass ein Kind regelmäßig bei Hausbesuchen anwesend ist und Aufgaben übernimmt. Genau diese Unsichtbarkeit, so die Autorinnen und Autoren, überträgt sich unweigerlich auf KI-Systeme: Wird eine Zielgruppe nicht aktiv mitgedacht, wird sie entweder komplett ignoriert oder – schlimmer – aus indirekten, potenziell irreführenden Indikatoren fehlerhaft abgeleitet.
Das Risiko: Reproduktion blinder Flecken statt Entlastung
Das Papier nutzt den „Norms-in-the-Loop"-Ansatz, um zu zeigen, wie sich gesellschaftliche Normen unweigerlich in Design, Trainingsdaten und individueller Personalisierung von KI-Systemen niederschlagen – ob bewusst gestaltet oder nicht. Für Young Carers bedeutet das konkret: Ein prädiktives System, das den Pflegebedarf einer erkrankten Person einschätzt, aber die Existenz eines mitpflegenden Kindes im Haushalt nicht erfasst, kann dessen Verantwortung unsichtbar fortschreiben, statt sie zu reduzieren. Ein Chatbot oder eine App für pflegende Angehörige, die ausschließlich für Erwachsene konzipiert ist, erreicht diese jungen Nutzer gar nicht erst – obwohl sie, wie im Paper zitierte Studien zeigen, bereits selbstverständlich Smartphones und Sprachassistenten nutzen.
Die gesundheitlichen und sozialen Folgen sind gut belegt: längere Pflegezeiten korrelieren mit erhöhtem Risiko für Angststörungen und Depressionen, Young Carers sind überproportional häufig von Schulabsentismus betroffen und laut einem zitierten Bericht aus Großbritannien 2,2-mal häufiger dauerhaft weder in Ausbildung noch Beschäftigung. Gleichzeitig zeigt die Forschung auch positive Effekte wie erhöhte Resilienz und Empathie – vorausgesetzt, die Pflegeverantwortung bleibt im zumutbaren Rahmen und wird sozial anerkannt. Genau hier könnten KI-Systeme ansetzen, tun es aber bislang nicht.
Was das für Praxen und Versorgungseinrichtungen in Deutschland bedeutet
Ein rechtlich klar geregelter Rahmen wie in Großbritannien, wo Schulen zur Meldung von Young-Carer-Zahlen verpflichtet sind, existiert hierzulande nicht. Das macht die im Paper beschriebene Problematik für deutsche Praxen eher dringlicher als entbehrlich: Ohne systematische Erfassung bleibt die Dunkelziffer unklar, und jede KI-gestützte Anwendung, die Familienstrukturen, Haushaltskontext oder Pflegebedarf modelliert, läuft Gefahr, diese Gruppe schlicht zu übersehen.
Für die praktische Umsetzung in Praxis-IT und digitalen Versorgungsangeboten lassen sich aus dem Papier drei Ansatzpunkte ableiten:
- Design: Formulare und digitale Anamnese-Tools sollten so gestaltet sein, dass sie beiläufige Pflegeverantwortung von minderjährigen Familienmitgliedern erfassbar machen – ohne stigmatisierend oder überwachend zu wirken.
- Daten: Wer Trainingsdaten für Pflege- oder Versorgungs-KI zusammenstellt, sollte aktiv prüfen, ob und wie Haushalte mit jungen Pflegepersonen repräsentiert sind, statt diese Variable implizit auszuschließen.
- Personalisierung: Patientenkommunikations-Tools und Angehörigen-Apps, die ausschließlich auf erwachsene Nutzer zugeschnitten sind, sollten zumindest geprüft werden, ob sie Kinder in Pflegerollen unbeabsichtigt ausschließen.
Das Positionspapier liefert keine fertigen technischen Lösungen, aber einen überfälligen Denkanstoß: Bevor wir KI-Systeme für „pflegende Angehörige" bauen, sollten wir uns fragen, wen wir mit diesem Begriff eigentlich meinen – und wen wir dabei stillschweigend ausschließen.