Künstliche Intelligenz, kognitive Fülle und die mehrschichtige Kompetenz von Gesundheitsfachkräften

Zusammenfassung: Künstliche Intelligenz (KI) verändert, wie Gesundheitsfachkräfte Kompetenz im Verlauf ihrer Karriere entwickeln, aufrechterhalten und ausdrücken. Die traditionelle berufliche Weiterbildung war von einem Paradigma geprägt, das als kognitive Knappheit (oder Informationsressourcenkapazität) bezeichnet wird, wobei Kliniker nur begrenzte Möglichkeiten hatten, Evidenz zu finden, zu lesen, zu synthetisieren und zu interpretieren, und Lernsysteme sich entwickelten, um Wissen in periodischen, kuratierten Aktualisierungen bereitzustellen. Die aufkommenden KI-Systeme – große Sprachmodelle, multimodale Analysetools, prädiktive Algorithmen und reflektierende Agenten – stören diese Knappheit, indem sie kognitive Fülle (oder Informationsressourcenfülle) schaffen. Diese Systeme generieren Echtzeitsynthesen von Evidenzen, kontextuelle Einsichten, adaptive Lerntrajektorien und kontinuierliches Leistungsfeedback. Anhand des mehrschichtigen Kompetenzmodells von ten Cate et al. (2024, Medizinische Kompetenz als mehrschichtiges Konstrukt. Med Educ, 58, 93) analysiert dieses Papier, wie KI sowohl bestehende Bildungsprozesse verbessern als auch die Entwicklungslandschaft grundlegend umgestalten kann. KI wandelt Kliniker von Wissensverwaltern in Dirigenten verteilter Kognition um, von erfahrungsbasierten Lernenden in dateninformierte Praktiker und von opportunistischer kontinuierlicher persönlicher Entwicklung in eine kontinuierliche Umgestaltung der beruflichen Identität. Die kontinuierliche berufliche Entwicklung muss sich weiterentwickeln, um KI-Kompetenz, hybrides Denken, interprofessionelle Kohärenz und ethische Verantwortung in Arbeitsumgebungen zu fördern, in denen Kognition reichlich vorhanden ist. Der Inhalt des Langzeitgedächtnisses von Klinikern wird sich von einer Dominanz biomedizinischer Fakten, die zur Steuerung der täglichen klinischen Arbeit erforderlich sind, hin zu neuen prozeduralen Untersuchungsfähigkeiten verschieben, die erforderlich sind, um die Gültigkeit der Informationen für klinische Entscheidungen zu finden, auszuwählen und zu bewerten.