Eine im Jahr 2026 in Nature Health veröffentlichte Studie untersucht die Diskrepanz zwischen theoretischer Fairness und praktischer Verzerrung von Large Language Models im Gesundheitswesen. Da KI-Systeme zunehmend zur Patientenaufklärung, Diagnostikunterstützung und Therapiebegleitung eingesetzt werden, ist die Reproduktion gesellschaftlicher Vorurteile durch Trainingsdaten ein zentrales Risiko. Das Forschungsteam analysierte sechs marktführende Sprachmodelle, darunter ChatGPT, Grok und Claude, auf ihre Tendenz zur Gesundheitsstigmatisierung bei Erkrankungen wie HIV, Hepatitis B und psychischen Leiden. Die Methodik vereint zwei Evaluationsansätze. Auf standardisierten Stigma-Fragebögen, die auch bei menschlichen Probanden Anwendung finden, schnitten die KI-Modelle deutlich besser ab als der menschliche Durchschnittswert und demonstrierten auf den ersten Blick weniger Vorurteile. Bei kontextuellen Urteilsaufgaben zeigte sich das Bild jedoch grundlegend anders. In 51 offenen Szenarioaufträgen, in denen ausschließlich der Gesundheitszustand der fiktiven Protagonisten variierte, offenbarten die Modelle ausgeprägte Bias. Psychische Erkrankungen und HIV wurden in den Modellfortsetzungen häufig mit Gefahrenpotential oder sozialer Distanzierung verknüpft, während chronische körperliche Beschwerden wie Rückenschmerzen automatisch Mitleid oder die Unterstellung von Inkompetenz generierten. Zusatzanalysen verdeutlichten weitere Einflussfaktoren: Chinesische Prompt-Eingaben produzierten stärker stigmatisierungskonforme Antworten als englische, insbesondere im Bereich der psychischen Gesundheit. Umgekehrt ließ sich die Bias durch die explizite Anweisung zur schrittweisen Argumentation signifikant reduzieren. Die Ergebnisse belegen, dass klassische Quiz-basierte Fairness-Checks unzureichend sind, um versteckte Verzerrungen in realen Anwendungskontexten aufzudecken. Als Reaktion auf die Befunde entwickelten die Forschenden neun konkrete Strategien zur Minderung stigmatisierender KI-Ausgaben. Dazu zählen die Individualisierung der Patientenansprache, die strikte Filterung irrelevanter Gesundheitsattribute sowie die Standardisierung von Prompting-Toolkits für Kliniksysteme. Langfristig empfehlen die Autoren, kontextuelle Urteilstests als festen Bestandteil von Bias-Audits vor dem Markteinsatz medizinischer KI zu verankern. Nur durch solche proaktiven Validierungsschritte lässt sich gewährleisten, dass generative KI-Systeme im sensiblen Gesundheitssektor diskriminierungsfrei agieren und das Vertrauen der Patientinnen und Patienten nicht untergraben.