KI-Digitalzwilling Diabetes: Erstattung, Kosten, Risiken

Wenn du mit Diabetes lebst, kennst du diese Momente: Du planst ein Essen oder Sport, schaust auf deinen Sensor und fragst dich, wo dein Wert in 30 oder 60 Minuten landen wird. Genau hier setzt ein KI-Digitalzwilling bei Diabetes an. Er erstellt aus deinen kontinuierlichen Glukosemessungen, Aktivitätsdaten, Mahlzeiten, Schlaf und Medikamenten ein persönliches Simulationsmodell.

Die Idee klingt technisch, ist aber im Kern einfach. Das System rechnet verschiedene Szenarien durch und prognostiziert zum Beispiel dein Hypo- oder Hyperglykämie-Risiko in den nächsten 15 bis 60 Minuten. Manche Modelle simulieren zusätzlich, wie sich eine bestimmte Insulindosis oder ein kohlenhydratreiches Essen auswirken könnte.

Entscheidend ist die Frage, was davon im deutschen Versorgungssystem ankommt. Kann so ein System als DiGA erstattet werden? Welche Anforderungen stellt das Bundesinstitut für Arzneimittel und Medizinprodukte, kurz BfArM? Und wo trägst du als Nutzerin oder Nutzer selbst Risiken? Darum geht es in diesem Überblick.

Technisch basiert ein KI-Digitalzwilling Diabetes meist auf Zeitreihenmodellen. In der Forschung und in offenen Projekten werden häufig LSTM- oder GRU-Netze eingesetzt. Sie verarbeiten mehrere aufeinanderfolgende CGM-Werte und berechnen daraus eine Kurzzeitprognose, oft für 15, 30 oder 60 Minuten.

Ein repräsentatives Open-Source-Projekt zeigt, dass solche Modelle mit einem kurzen Rückblickfenster von rund 30 Minuten arbeiten und ihre Genauigkeit mit Kennzahlen wie RMSE oder der Clarke-Error-Grid-Analyse bewerten. Das sind statistische Maße, die zeigen, wie nah die Vorhersage am tatsächlichen Wert liegt und ob Abweichungen klinisch relevant sind.

Im Alltag bedeutet das: Du kannst vor dem Sport prüfen, ob dein Wert voraussichtlich fällt. Vor einer Mahlzeit lässt sich simulieren, wie stark ein bestimmtes Kohlenhydratprofil deinen Blutzucker anhebt. Bei Insulin oder GLP-1-Therapien kann das Modell Trends sichtbar machen, etwa ob sich dein Zeit-im-Zielbereich verbessert.

Kurzfristige Blutzucker-Prognosen von 15 bis 60 Minuten gelten in der Forschung als technisch gut untersuchbar, für eine Erstattung als DiGA reicht reine Prognosegenauigkeit jedoch nicht aus.

Wichtig ist die Grenze: Ein solcher Digitalzwilling ersetzt keine ärztliche Entscheidung. Nach deutschem Recht darf eine DiGA nur als Medizinprodukt der Klassen I oder IIa zugelassen werden. Eine vollautomatische Therapieanpassung ohne ärztliche Freigabe ist in diesem Rahmen nicht vorgesehen.

Ob dein KI-Digitalzwilling von der Krankenkasse bezahlt wird, hängt vom DiGA-Verfahren ab. Laut BfArM muss die Anwendung CE-zertifiziert sein und die Anforderungen der DiGA-Verordnung erfüllen. Dazu gehören klare Datenschutzkonzepte, Informationssicherheit und ein nachgewiesener positiver Versorgungseffekt.

Für die endgültige Aufnahme in das DiGA-Verzeichnis ist eine vergleichende Studie erforderlich. Sie muss zeigen, dass die Anwendung einen messbaren Nutzen bringt, etwa weniger Hypoglykämien oder eine bessere Zeit im Zielbereich. Alternativ ist eine vorläufige Aufnahme für bis zu zwölf Monate möglich, wenn ein belastbares Evaluationskonzept vorliegt.

Konkrete Endnutzerpreise sind öffentlich oft nicht transparent. Typische Kostenpositionen ergeben sich aus Sensoren für kontinuierliche Glukosemessung, kompatiblen Wearables und einer App-Lizenz oder einem Abo-Modell. Ob diese Komponenten separat oder gebündelt abgerechnet werden, hängt vom Anbieter und vom Erstattungsstatus ab.

Für dich heißt das praktisch: Liegt eine ärztliche Verordnung vor und ist die App im offiziellen DiGA-Verzeichnis gelistet, übernimmt die gesetzliche Krankenkasse in der Regel die Kosten. Ohne DiGA-Status trägst du App- oder Cloud-Gebühren selbst. Sensoren sind häufig unabhängig davon Teil der regulären Diabetesversorgung, wenn eine entsprechende Indikation besteht.

Ein KI-Digitalzwilling verarbeitet Gesundheitsdaten. Nach DiGA-Leitfaden dürfen diese Daten grundsätzlich nur im EU- oder EWR-Raum sowie in der Schweiz verarbeitet werden. Eine Verarbeitung in den USA ist für DiGA-Anwendungen nach der derzeitigen Auslegung nicht zulässig, selbst wenn Standardvertragsklauseln bestehen.

Die Datenflüsse sind meist mehrstufig: Sensor oder Wearable überträgt Werte an die App, diese synchronisiert mit einem Server des Anbieters, wo das Modell rechnet oder aktualisiert wird. In Studienphasen können pseudonymisierte Daten zusätzlich für Auswertungen genutzt werden.

Typische Risiken sind Fehlalarme, Modellverzerrungen durch untypische Lebenssituationen und ein technischer Ausfall. Wenn eine Prognose danebenliegt und du dich allein darauf verlässt, trägst du ein persönliches Risiko. Hersteller müssen deshalb ein Informationssicherheits-Management nachweisen, das sich an ISO 27001 oder BSI-Standards orientiert.

Vor der Nutzung lohnt sich eine nüchterne Checkliste: Gibt es eine klare Einwilligung nach DSGVO mit getrennten Zwecken? Kannst du deine Daten exportieren und löschen lassen? Ist ein Offline-Modus möglich? Wird eine Zwei-Faktor-Authentifizierung angeboten? Ist das Produkt als Medizinprodukt klassifiziert und sind Studienergebnisse veröffentlicht? Diese Punkte entscheiden, ob ein System mehr Sicherheit schafft oder neue Unsicherheiten einführt.

Die wissenschaftliche Literatur zeigt, dass Kurzzeitprognosen technisch gut umsetzbar sind. Aktuelle Übersichtsarbeiten aus 2026 beschreiben verschiedene Machine-Learning-Ansätze und bewerten sie anhand standardisierter Datensätze. Gleichzeitig betonen sie, dass viele Modelle retrospektiv getestet wurden und nicht in prospektiven, randomisierten Studien.

Für eine DiGA-Erstattung reicht eine gute Modellgüte allein nicht. Das BfArM verlangt einen nachweisbaren positiven Versorgungseffekt. Das kann eine Reduktion von Unterzuckerungen sein oder eine statistisch signifikante Verbesserung klinischer Parameter. Ohne diese Evidenz bleibt eine Anwendung Selbstzahlerprodukt.

Deine Entscheidung sollte deshalb drei Ebenen berücksichtigen: medizinischer Nutzen im Alltag, regulatorischer Status und Datenschutz. Sprich mit deiner Ärztin oder deinem Arzt, ob die prognostizierten Effekte in deinem Therapieschema realistisch sind. Prüfe im DiGA-Verzeichnis, ob die Anwendung offiziell gelistet ist. Und lies die Datenschutzerklärung mit Blick auf Datenstandort und Zweckbindung.

In einer kommenden Serie vertiefen wir einzelne Aspekte: spezielle Anforderungen bei Typ-1-Diabetes, Einsatz bei Typ-2-Diabetes und Adipositas unter GLP-1-Therapie, die Praxis der DiGA-Erstattung sowie technische Details zu Cloud-Architekturen und Datenschutz.

Ein KI-Digitalzwilling bei Diabetes kann dir helfen, Muster früher zu erkennen und Entscheidungen bewusster zu treffen. Er simuliert, was wahrscheinlich passiert, ersetzt aber keine ärztliche Therapieanpassung. Ob er Geld spart, hängt stark vom Erstattungsstatus als DiGA ab. Ohne offizielle Listung bleiben App- und Servicekosten meist bei dir. Mit Listung und ärztlicher Verordnung übernimmt die Kasse in der Regel die Kosten. Am Ende zählt, ob das System nachweislich deine Versorgung verbessert und deine Daten sicher behandelt werden.