Patienten mögen ihre DiGA. Nur der Weg hinein ist ihnen verhasst.
Das deutsche DiGA-System lässt eine digitale Gesundheitsanwendung zur Erstattung zu, sobald der Hersteller in einer kontrollierten Studie einen positiven Versorgungseffekt nachweist. Ein am 8. Oktober in JMIR Human Factors erschienener Artikel stellt eine andere Frage: Was sagen Menschen, wenn sie die App in der Hand haben?
Kinast, Rohde, Schreiweis und Ulrich (Kiel/Greifswald) haben alle öffentlichen Bewertungen im App Store und bei Google Play für die DiGA im BfArM-Verzeichnis ausgewertet: 44 mobile DiGA, 4.328 verwertbare Bewertungen, 9.439 einzelne Aussagen. Stimmung und Thema haben sie mit GPT-4o klassifiziert, anhand von zehn Kategorien, die aus den Qualitätskriterien für DiGA abgeleitet sind. Das Ergebnis ist zweigeteilt. Zur Wirksamkeit waren 89,5 % der Aussagen positiv (1.440 von 1.609), beim Gesamteindruck 86,2 %. Zu Login und Registrierung waren 93,9 % negativ (263 von 280), zur Technik 84,3 %.
Patientinnen und Patienten halten die Therapie also weitgehend für wirksam. Wo sie sich aber zu Login und Registrierung äußern, ist die Rückmeldung fast ausnahmslos negativ.
Das kennen wir schon
Ende August berichtete das Deutsche Ärzteblatt über eine Analyse der Ernst-Abbe-Hochschule Jena zur elektronischen Patientenakte: Etwa jede fünfte versicherte Person hatte versucht, sich zu registrieren, und etwa die Hälfte dieser Versuche scheiterte. Das Onboarding ist also Teil der Versorgungskette und kein Schritt davor. Die DiGA-Daten zeigen dasselbe für erstattete Therapie.
Drei Folgerungen aus Sicht der Quality of Experience
Das Onboarding ist die erste Dosis. Wirksamkeit wird bei denen gemessen, die hineingekommen sind. Eine Login-Hürde senkt nicht den gemessenen Effekt, sondern die Zahl derer, die ihn erhalten. Das ist ein Zugangsproblem und ein Gerechtigkeitsproblem, das der digitalen Kompetenz folgt. Die Angabe von Effektstärken verdeckt es vollständig.
Kontrollierte Studien übersehen es womöglich systematisch. In einer Studie helfen Mitarbeitende den Teilnehmenden in der Regel beim Installieren, Registrieren und Einstieg. Für die interne Validität ist das gute Praxis, und genau diese Bedingung kann die Zulassungsbehörde danach nicht beobachten. Wir formulieren das als Hypothese, nicht als Befund: Begleitetes Onboarding in den Zulassungsstudien verdeckt den Erlebnismangel, auf den Patientinnen und Patienten in der Apotheke und im App Store stoßen.
Bewertungen sind ein Signal, keine Messung. Die Autoren benennen die Grenzen offen. Bewertungen sind selbstselektiert. Eine einzige App lieferte rund ein Drittel davon. Die Validierung war keine vollständig unabhängige Doppelkodierung des gesamten Datensatzes, die Übereinstimmungswerte von 99 % und 95 % sind daher keine unabhängigen Schätzungen der Genauigkeit. Das schwächt das Muster nicht; 263 von 280 lassen sich schwer wegerklären. Es verweist aber auf die Messung, die fehlt: ein Trichter vom Freischaltcode über das aktivierte Konto bis zur ersten abgeschlossenen Sitzung, je DiGA protokolliert und neben der Effektstärke berichtet. Die Daten liegen bereits auf den Servern der Hersteller.
In unserer Arbeit im Projekt MIA-PROM haben wir gelernt, dass das Interaktionsprotokoll Dinge zeigt, die der Fragebogen nie zeigen wird: wo Menschen zögern, wo sie abbrechen, welchen Schritt sie wiederholen. Eine Behörde, die einen standardisierten Onboarding-Trichter als Real-World-Evidenz verlangte, bekäme für jede DiGA einen günstigen, objektiven QoE-Indikator, und die Hersteller bekämen einen Grund, den meistkritisierten Schritt zu verbessern statt des bestbewerteten.
Eine leisere Lehre zum Auswerten von Feedback mit Sprachmodellen
Es gibt auch eine leisere Lehre für alle, die Nutzerfeedback in großem Umfang mit Sprachmodellen auswerten. Es funktioniert, und die Kategorien tragen. Aber das Modell sortiert getreu, was der Store sammelt, und der Store sammelt die Extreme. Man sollte es nutzen, um herauszufinden, wo man messen muss, und dann dort messen.
Patientinnen und Patienten sagen uns nicht, dass die Therapie schlecht ist. Sie sagen uns, dass die Tür schlecht ist.
Unsere Forschung zu assistiven Technologien und Digital Health
Unsere Forschung zur Quality of Experience
Quellen
- Ashrafi, N., Graf, P., Marquardt, M., Harnisch, P., Hillmann, S., Ploner, N., Compagna, D., Cirit, E., Papst, L. und Voigt-Antons, J.-N. (2026). Multimodal assistance in rehabilitation: User experience of embodied and non-embodied agents for collecting patient-reported outcome measures. Virtual Worlds, 5(1), 15. doi.org/10.3390/virtualworlds5010015
- Kinast, B., Rohde, H., Schreiweis, B. und Ulrich, H. (2026). What users say about reimbursable digital therapeutics in Germany: Large-scale app store review analysis using a large language model. JMIR Human Factors, 13, e92415. doi.org/10.2196/92415
- Marquardt, M., Graf, P., Hillmann, S., Voigt-Antons, J.-N., Harnisch, P., Ashrafi, N., Compagna, D. und Zoellick, J. C. (2026). Multimodal interactive assistance for inclusive collection of patient-reported outcome measures: A pragmatic cross-over randomised controlled trial. Digital Health, 12, 20552076261484852. doi.org/10.1177/20552076261484852
- Redaktion Deutsches Ärzteblatt (28. August 2026). Analyse: Hoffnung auf Selbstbestimmung durch ePA nur teilweise erfüllt. Deutsches Ärzteblatt. aerzteblatt.de
