Writer: KI-Gesundheitssuche zitiert Fachjournale, nicht Pharma-Websites

Was Writer getestet hat

Nach eigenen Angaben hat Writer mit Writer Agent 40 Gesundheitsanfragen aus den Bereichen Onkologie, Adipositas, Immunologie und Neurologie durchgeführt. Die Hälfte der Anfragen war auf Patienten ausgerichtet, die andere Hälfte auf Ärzte. Die Anfragen liefen über vier Antwortmaschinen für Endverbraucher: Gemini/Google, ChatGPT, Perplexity und Claude. Anschließend ordnete Writer alle 777 zitierten Quellen nach Typ.

Das Unternehmen stellt die Untersuchung in den Kontext eines breiteren Verhaltenswandels. Laut dem Beitrag nutzen inzwischen rund zwei Drittel der Ärzte und drei Viertel der Patienten KI-gestützte Suchwerkzeuge, wenn sie zu einer Diagnose recherchieren. KI habe soziale Medien als erste Anlaufstelle für Gesundheitsinformationen überholt. Google liefere zudem als erste Antwort eine KI-generierte Zusammenfassung statt zehn blauer Links.

Journale vorn bei Ärzten, GoodRx bei Patienten

Die Ergebnisse unterscheiden sich stark je nach Zielgruppe. Wenn Antwortmaschinen Fragen von HCPs (Angehörigen der Heilberufe) beantworten, stammen 19,5 % der Zitate aus wissenschaftlichen Fachjournalen. Das sei laut Writer viermal so häufig wie bei Patientenanfragen. Über beide Zielgruppen hinweg tauchten Krankenhäuser und Forschungseinrichtungen in rund 15 % der Fälle auf.

• Die meistzitierte Domain bei Ärzten war PubMed/PMC mit 50 Zitaten.
• Die meistzitierte Domain bei Patienten war GoodRx mit 15 Zitaten.
• Nur eine Domain, fda.gov, erschien in beiden Top-8-Listen.

Kommerzielle Inhalte und Herstellerinhalte waren kaum sichtbar. Writer verweist auf eine Untersuchung von DataForSEO, wonach Gesundheitsinhalte „besonders zitierfreundlich“ seien und Sprachmodelle zu maßgeblichen Quellen wie CDC, Mayo Clinic und begutachteten Fachpublikationen tendierten. Dieser Untersuchung zufolge werden kommerzielle Domains beim Abruf zwar gefunden, schaffen es bei HCP-orientierten Inhalten aber selten in die endgültige zitierte Antwort.

Als Beispiel nennt Writer eine ChatGPT-Frage zu Behandlungspfaden beim metastasierten Melanom. Die Antwort stütze sich auf veröffentlichte klinische Literatur, NCCN-Leitlinien und Seiten von Institutionen, unter den zitierten Quellen sei keine Produktseite eines Pharmaunternehmens gewesen.

Writers Empfehlung: mehr und schneller publizieren

Writer argumentiert, Evidenz sei zum sichtbarsten Vermögenswert eines Unternehmens geworden. Das ändere nichts daran, wer für die Arbeit zuständig sei: Medical Affairs und HEOR (Health Economics and Outcomes Research) behielten die wissenschaftlichen Entscheidungen, während die kommerziellen Teams für die Sichtbarkeitsstrategie und die Budgetfürsprache verantwortlich seien. Das Unternehmen betont, dass die regulatorische Trennlinie bestehen bleibe und Publikationen nicht kommerzialisiert werden dürften.

Das Hauptproblem ist laut Writer die Menge. Gibt es in einem Therapiegebiet nur ein Dutzend Studien unter Hunderten Quellen, die eine KI-Maschine zusammenführt, fällt die Evidenz kaum ins Gewicht. Writer fordert mehr Medical Writer, HEOR-Studien, Kongressabstracts und Analysen von Real-World-Evidenz und weist darauf hin, dass auch Konferenzabstracts und Poster in PubMed indexiert werden.

Bei der Wahl der Journale sagt Writer, NEJM, Lancet und JAMA lehnten über 95 % der Einreichungen ab und brauchten mitunter Monate für eine Entscheidung. Teams sollten sie dennoch weiter anpeilen. Das Unternehmen empfiehlt aber ein Portfolio, das auch mittelplatzierte Journale umfasst, die oft binnen Wochen entschieden. Es verweist auf eine bibliometrische Studie zu allgemeinmedizinischen Journalen, die eine mediane Dauer von 123 Tagen von der Einreichung bis zur Annahme ermittelte.

Außerdem sagt Writer, das nötige Volumen übersteige das, was manuelle Schreibteams leisten könnten, weshalb KI-gestütztes Entwerfen nötig sei, bei dem menschliche Experten eingebunden bleiben und die MLR-Governance (Medical, Legal, Regulatory) intakt bleibt. Das Unternehmen führt eine weitere Studie aus dem Jahr 2026 an, in der Expertengutachter KI-verfasste und von Menschen verfasste Abstracts nicht zuverlässig unterscheiden konnten. Writer sieht darin einen Grund, das Peer-Review nicht abzukürzen.

Was das für Marketer in den Life Sciences bedeutet

Writer rät, die aktuellen Ausgaben für Kanäle zu prüfen, die KI-Maschinen faktisch ignorieren, und dann mit einem Therapiegebiet zu beginnen und eine Publikationspipeline aufzubauen. Displaywerbung, gesponserte Inhalte und SEO-optimierte Produktseiten beeinflussten weder, was ChatGPT einem Patienten sagt, noch, was OpenEvidence einem Arzt sagt. Diese Mittel umzulenken sei ohne zusätzliches Budget möglich.

Das Unternehmen schlägt zudem eine neue Kennzahl vor: die Präsenz in KI-generierten Antworten anstelle von Impressions, Klickraten und Seitenrankings. Die Studie ist die Analyse eines Anbieters mit 40 Anfragen, und die Schlussfolgerungen geben Writers eigene Interpretation wieder. Das berichtete Muster deutet dennoch auf eine engere Zusammenarbeit zwischen Marketing und Medical Affairs hin.