US Health-Tech Aktien: So revolutioniert KI die Medizin

US Health-Tech Aktien ist für viele Praxen und Patienten aktuell ein zentrales Thema.

Einleitung: Der strukturelle Wandel des US-Gesundheitswesens und die Rolle der Technologie

Das Gesundheitssystem der Vereinigten Staaten von Amerika stellt im globalen Vergleich ein Paradoxon dar. Es ist einerseits der Schauplatz medizinischer Innovationen von Weltrang, an dem Nobelpreise gewonnen und bahnbrechende Therapien entwickelt werden. Andererseits leidet es unter einer chronischen Kostenineffizienz, die makroökonomisch kaum noch tragbar erscheint. Mit Gesundheitsausgaben, die sich auf nahezu 18 Prozent des Bruttoinlandsprodukts belaufen, steht die größte Volkswirtschaft der Welt vor einem finanziellen Kollaps ihres Versorgungssystems, sofern keine drastischen Effizienzsteigerungen realisiert werden. In diesem Spannungsfeld zwischen exzellenter Spitzenmedizin und ruinösen Verwaltungskosten hat sich in den letzten Jahren ein neuer Sektor etabliert, der weit über die klassische Medizintechnik hinausgeht: US Health-Tech Aktien. Diese Wertpapiere repräsentieren Unternehmen, die nicht primär neue Medikamente entwickeln, sondern die systemische Architektur der Medizin durch Software, Datenanalyse und künstliche Intelligenz revolutionieren.

Für Investoren und medizinische Fachleute gleichermaßen ist es essenziell zu verstehen, dass wir uns nicht mehr in einer Phase der bloßen Digitalisierung von Papierakten befinden. Diese erste Welle der IT-Adoption ist weitgehend abgeschlossen. Wir befinden uns nun in der Phase der „Intelligence-Integration“. Es geht nicht mehr um das Speichern von Daten, sondern um deren autonome Auswertung zur klinischen und ökonomischen Entscheidungsfindung. Unternehmen wie Evolent Health, Teladoc oder Veeva Systems sind die Protagonisten dieser Ära. Sie adressieren das Kernproblem des Marktes: Die Diskrepanz zwischen den abgerechneten Leistungen und dem tatsächlichen gesundheitlichen Outcome für den Patienten. Der Druck der Kostenträger – seien es staatliche Programme wie Medicare oder private Versicherer – zwingt Krankenhäuser und Ärztenetzwerke dazu, finanzielle Risiken zu übernehmen. Wer Patienten nicht effizient behandelt, verliert Geld. Genau hier greifen die Algorithmen der Health-Tech-Konzerne, indem sie Risikopatienten identifizieren, bevor kostspielige Komplikationen auftreten.

Dieser Artikel widmet sich einer tiefgreifenden Analyse dieses Sektors. Wir werden nicht nur die oberflächlichen Markttrends betrachten, sondern tief in die technologischen und ökonomischen Mechanismen eintauchen, die Aktien wie die von Evolent Health antreiben. Wir analysieren die Evidenzlage in renommierten Fachjournalen und beleuchten, wie künstliche Intelligenz die Physiologie der Patientenversorgung mit der Ökonomie der Börse verknüpft. Es ist ein „Deep Dive“ in eine Welt, in der Codezeilen über Profitabilität und Patientenwohl entscheiden.

Grundlagen & Definition: Der ökonomische Motor der Health-Tech-Branche

Um die Bewertung und das Potenzial von US Health-Tech Aktien fundiert einschätzen zu können, ist ein Verständnis der zugrundeliegenden Marktmechanismen unabdingbar. Der Begriff „Health-Tech“ wird oft inflationär verwendet, doch im Kontext der US-Börsen bezeichnet er spezifisch jene Unternehmen, die die Schnittstelle zwischen klinischer Versorgung und administrativer Verwaltung digitalisieren. Im Zentrum dieser Entwicklung steht ein fundamentaler Paradigmenwechsel, der als stärkster Treiber für die gesamte Branche fungiert: Die Abkehr vom „Fee-for-Service“-Modell.

Der Aufstieg der Value-Based Care Modelle

Traditionell basierte das US-Gesundheitswesen auf dem „Fee-for-Service“ (FFS) Prinzip. Ärzte und Kliniken wurden für jede einzelne erbrachte Leistung bezahlt – jeder Test, jede Untersuchung und jeder Eingriff generierte Umsatz, unabhängig davon, ob er für die Genesung des Patienten notwendig oder erfolgreich war. Dieses System setzte Fehlanreize zur Überversorgung und trieb die Kosten in die Höhe. Als Gegenentwurf etablieren sich nun Value-Based Care Modelle. Hierbei wird die Vergütung an das Behandlungsergebnis (den „Value“) gekoppelt. Kliniken erhalten Pauschalen für die Gesunderhaltung von Patientengruppen. Bleiben die Patienten gesund und werden teure Krankenhausaufenthalte vermieden, erwirtschaftet der Versorger einen Gewinn. Müssen die Patienten jedoch häufig notfallmäßig behandelt werden, trägt der Versorger das finanzielle Risiko.

Für die US Health-Tech Aktien ist dieser Wandel der entscheidende Katalysator. Ein Krankenhaus kann in einem Value-Based Care Modell nur überleben, wenn es über massive Datenmengen und prädiktive Analysetools verfügt. Es muss wissen, welcher Diabetiker heute angerufen werden muss, um die Amputation in sechs Monaten zu verhindern. Unternehmen, die diese Software-Infrastruktur bereitstellen, werden damit zum unverzichtbaren „Betriebssystem“ der modernen Medizin. Dies erklärt die hohen Bewertungen von Firmen, die sich auf Population Health Management spezialisiert haben.

Telemedizin Marktanalyse und hybride Versorgungsformen

Ein weiteres Segment, das untrennbar mit der Health-Tech-Entwicklung verbunden ist, ist die Telemedizin. Während der Pandemie erlebte dieser Sektor einen Hype, gefolgt von einer Ernüchterung an den Börsen. Eine fundierte Telemedizin Marktanalyse zeigt jedoch, dass die Technologie nun in eine Phase der Reife eintritt. Es geht nicht mehr um den simplen Video-Call zwischen Arzt und Patient, sondern um integrierte, hybride Versorgungsmodelle. Health-Tech-Unternehmen integrieren Telemedizin nahtlos in elektronische Patientenakten (EHR) und verbinden sie mit Sensordaten von Wearables.

Die Telemedizin wandelt sich von einem reinen Kommunikationskanal zu einem Datenerfassungs-Instrument. Durch die kontinuierliche Fernüberwachung (Remote Patient Monitoring) generieren diese Plattformen wertvolle longitudinale Datensätze. Für Investoren ist hierbei entscheidend, welche Unternehmen es schaffen, diese Datenflut nicht nur zu sammeln, sondern sie mittels KI so aufzubereiten, dass sie in den klinischen Workflow eingebunden werden können, ohne das medizinische Personal zu überlasten. Die reine Videokonsultation wird zur Commodity, der Wert liegt in der Datenintegration.

Evolent Health Bewertung und spezialisierte Anbieter

Ein Paradebeispiel für die Komplexität des Sektors ist die Evolent Health Bewertung. Evolent ist kein reiner Softwareanbieter, sondern positioniert sich als Partner für klinische Transformation. Das Unternehmen übernimmt oft selbst Teile des finanziellen Risikos seiner Kunden oder partizipiert an den Einsparungen („Shared Savings“). Dies macht die Bilanzanalyse komplexer als bei reinen SaaS-Unternehmen (Software-as-a-Service). Analysten müssen hier nicht nur auf die Software-Erlöse schauen, sondern auch die versicherungsmathematischen Risiken bewerten, die das Unternehmen eingeht.

Neben Generalisten wie Evolent gibt es hochspezialisierte Nischenanbieter, etwa im Bereich der Onkologie oder Kardiologie, die spezifische klinische Pfade digitalisieren. Diese Unternehmen verfügen oft über tiefere „Gräben“ (Moats) im Wettbewerb, da ihre Algorithmen auf hochspezifischen medizinischen Datensätzen trainiert wurden, die für Konkurrenten schwer zu replizieren sind. Die Bewertung solcher Aktien hängt stark von der klinischen Validität ihrer Lösungen ab – also der Frage, ob ihre Software nachweislich die medizinischen Ergebnisse verbessert.

Digitale Gesundheitsökonomie: Skaleneffekte und Netzwerkeffekte

In der digitalen Gesundheitsökonomie spielen Skaleneffekte eine noch größere Rolle als in anderen Tech-Sektoren. Je mehr Patienten ein Health-Tech-Anbieter auf seiner Plattform verwaltet, desto präziser werden seine Algorithmen. Ein KI-Modell, das auf den Daten von 10 Millionen Patienten trainiert wurde, erkennt Muster bei seltenen Erkrankungen oder Komplikationen weitaus früher als ein Modell, das nur Daten einer einzelnen Klinik nutzt. Dies führt zu einer „Winner-takes-most“-Dynamik.

Dieser Netzwerkeffekt ist der Grund, warum US-Unternehmen den globalen Markt dominieren. Der riesige, homogene Binnenmarkt der USA erlaubt es, Algorithmen schnell zu skalieren und zu verfeinern, bevor eine internationale Expansion angestrebt wird. Für Investoren bedeutet dies, dass die Marktführerschaft in den USA oft ein starker Indikator für langfristigen globalen Erfolg ist, da die technologische Überlegenheit durch den Datenvorsprung immer weiter ausgebaut wird.

Physiologische & Technische Mechanismen (Deep Dive)

Um die transformative Kraft von Künstliche Intelligenz Medizin-Aktien wirklich zu begreifen, müssen wir die technische Motorhaube öffnen. Wie genau übersetzt eine Software physiologische Parameter in ökonomische Vorteile? Der Prozess ist hochkomplex und basiert auf der Fusion von medizinischem Fachwissen mit fortgeschrittener Datenwissenschaft. Es handelt sich hierbei nicht um Magie, sondern um Statistik, Mustererkennung und systemische Integration.

Datenaggregation und Interoperabilität (Die FHIR-Revolution)

Das Fundament jeder Health-Tech-Anwendung ist die Datenbeschaffung. Ein großes Problem im Gesundheitswesen waren lange Zeit isolierte Datensilos. Laborwerte lagen in System A, Radiologiebefunde in System B und Abrechnungsdaten in System C. Moderne Health-Tech-Plattformen nutzen Standards wie HL7 und insbesondere FHIR (Fast Healthcare Interoperability Resources), um diese Daten zu normalisieren. FHIR fungiert dabei als eine Art „Universalübersetzer“, der es ermöglicht, klinische Daten strukturiert über APIs (Schnittstellen) auszutauschen.

Ohne diese technische Ebene der Interoperabilität wäre keine KI-Analyse möglich. Unternehmen, die proprietäre Konnektoren zu den großen Krankenhaus-Informationssystemen (wie Epic oder Cerner) entwickelt haben, besitzen einen immensen Wettbewerbsvorteil. Sie saugen Rohdaten ab – von Blutdruckwerten über genetische Marker bis hin zu sozioökonomischen Faktoren (Postleitzahl, Einkommen) – und überführen diese in einen „Data Lake“. Erst in diesem harmonisierten Zustand können die Daten für maschinelles Lernen vorbereitet werden. Die Fähigkeit zur Integration ist somit der erste „physiologische“ Schritt des digitalen Systems.

Risikostratifizierung durch Prädiktive Modellierung

Sobald die Daten verfügbar sind, kommen Algorithmen zur Risikostratifizierung zum Einsatz. Dies ist das Herzstück von Anbietern wie Evolent Health. Hierbei werden Patientenkohorten nicht retrospektiv (wer war krank?), sondern prospektiv (wer wird krank?) analysiert. Technisch gesehen nutzen diese Modelle multivariable Regressionsanalysen und neuronale Netze, um die Wahrscheinlichkeit für spezifische Ereignisse zu berechnen, beispielsweise eine ungeplante Wiederaufnahme ins Krankenhaus innerhalb von 30 Tagen nach Entlassung.

Der Algorithmus erkennt korrelative Muster, die für das menschliche Auge unsichtbar sind. Er könnte beispielsweise feststellen, dass Patienten mit einer Kombination aus leicht erhöhten Kreatinin-Werten, einer bestimmten Medikation und einer Wohnadresse in einem Gebiet mit schlechter Nahversorgung („Food Desert“) ein 80-prozentiges Risiko haben, innerhalb eines Jahres eine dialysepflichtige Niereninsuffizienz zu entwickeln. Diese „technische Physiologie“ erlaubt es dem Versorger, präventiv einzugreifen, noch bevor die pathologische Physiologie des Patienten irreversibel kippt.

Natural Language Processing (NLP) zur Extraktion unstrukturierter Daten

Ein Großteil des medizinischen Wissens liegt nicht in strukturierten Tabellen vor, sondern in unstrukturierten Arztbriefen, OP-Berichten und Pflege-Notizen. Hier kommt Natural Language Processing (NLP) ins Spiel. Fortgeschrittene Health-Tech-Systeme nutzen NLP, um Freitext zu „lesen“ und klinisch relevante Informationen zu extrahieren. Ein NLP-Algorithmus kann beispielsweise aus einem Kardiologie-Bericht herauslesen, dass ein Patient über „Belastungsdyspnoe“ klagt, auch wenn kein spezifischer ICD-10 Code dafür abgerechnet wurde.

Diese Technologie ist entscheidend für die korrekte Dokumentation der Krankheitsschwere (Coding Accuracy). In Value-Based Care Modellen erhalten Kliniken höhere Budgets für kränkere Patienten (Risikoadjustierung). Wenn die Software automatisch erkennt, dass ein Patient komplexer erkrankt ist als bisher kodiert, steigert dies direkt den Umsatz des Versorgers. Hier verschmilzt Technologie direkt mit der Bilanz: Die KI sorgt dafür, dass die medizinische Realität korrekt in ökonomische Kennzahlen übersetzt wird.

Clinical Decision Support Systems (CDSS) im Echtzeit-Einsatz

Der letzte Schritt in der technischen Kette ist die Rückführung der Erkenntnisse an den Arzt (Point of Care). Ein Algorithmus ist nutzlos, wenn er in einem Rechenzentrum auf einem Server läuft, aber der behandelnde Arzt nichts davon weiß. Clinical Decision Support Systems (CDSS) integrieren die Warnhinweise („Flags“) direkt in die Benutzeroberfläche der Praxis-Software. Wenn ein Arzt ein Medikament verschreiben will, prüft das System im Hintergrund in Millisekunden auf Wechselwirkungen, Allergien oder kosteneffizientere Alternativen.

Moderne CDSS gehen jedoch weiter („Next Best Action“). Basierend auf den Leitlinien und den spezifischen Patientendaten schlägt das System proaktiv diagnostische oder therapeutische Schritte vor. Bei Evolent Health wird dies beispielsweise genutzt, um sicherzustellen, dass Patienten mit Herzinsuffizienz leitliniengerecht behandelt werden. Technisch erfordert dies extrem geringe Latenzzeiten und eine hohe Ausfallsicherheit, da diese Systeme in den kritischen Behandlungspfad eingreifen. Ein Ausfall der Cloud-Infrastruktur könnte hier direkte negative Folgen für die Patientensicherheit haben.

Aktuelle Studienlage & Evidenz (Journals)

Der Hype um Health-Tech-Aktien muss stets gegen die harte Währung der wissenschaftlichen Evidenz geprüft werden. Investoren sollten skeptisch bleiben, wenn Unternehmen Wunder versprechen, ohne Peer-Review-Studien vorlegen zu können. Glücklicherweise gibt es mittlerweile eine breite Basis an Publikationen in hochrangigen Journalen, die den Nutzen digitaler Interventionen belegen.

The Lancet Digital Health: Validierung von KI-Algorithmen

Eine wegweisende Metaanalyse, die kürzlich in The Lancet Digital Health veröffentlicht wurde, untersuchte die diagnostische Genauigkeit von Deep-Learning-Algorithmen im Vergleich zu medizinischem Fachpersonal. Die Studie kam zu dem Schluss, dass spezialisierte KI-Systeme in der Bildgebung (z.B. Radiologie, Dermatologie) mittlerweile eine Sensitivität und Spezifität erreichen, die der von Fachärzten ebenbürtig oder sogar überlegen ist. Für Health-Tech-Investoren ist dies ein entscheidendes Signal: Die Technologie ist reif für den breiten klinischen Einsatz und nicht mehr nur ein experimentelles Spielzeug. Dies senkt das technologische Risiko für Unternehmen, die auf bildgebende KI setzen, erheblich.

Besonders relevant für Value-Based Care ist die Erkenntnis, dass KI-Systeme dazu beitragen können, die hohe Variabilität in der Diagnostik zu reduzieren. Wo zwei Ärzte oft unterschiedlicher Meinung sind, liefert der Algorithmus standardisierte Ergebnisse. Diese Standardisierung ist die Voraussetzung für skalierbare Qualitätsverbesserungen im Gesundheitswesen, wie sie von US-Krankenhausketten gefordert werden.

NEJM Catalyst: Ökonomische Auswirkungen digitaler Plattformen

Das New England Journal of Medicine (NEJM) veröffentlicht in seiner Sektion „Catalyst“ regelmäßig Studien zur Versorgungsinnovation. Eine vielzitierte Untersuchung zeigte, dass die Implementierung von integrierten Population-Health-Plattformen (ähnlich denen von Evolent Health) die Rate vermeidbarer Notaufnahmen um bis zu 15% senken konnte. Die Studie hob hervor, dass nicht die Technologie allein, sondern die Kombination aus Software und menschlichen Care-Managern (die durch die Software gesteuert werden) den Erfolg bringt.

Diese Daten sind Gold wert für die Vertriebsteams der Health-Tech-Firmen. Sie beweisen den „Return on Investment“ (ROI) für die Kliniken. Wenn eine Software-Lizenz eine Million Dollar kostet, aber fünf Millionen Dollar an unnötigen Behandlungskosten einspart, ist die Investitionsentscheidung einfach. Die wissenschaftliche Validierung dieser Kosteneinsparungen ist der wichtigste Treiber für das Umsatzwachstum der Branche.

JAMA Network Open: Langzeiteffekte von Telemedizin

Im Journal of the American Medical Association (JAMA) Network Open wurden Studien zur langfristigen Wirksamkeit von Telemedizin bei chronischen Erkrankungen wie Diabetes Typ 2 veröffentlicht. Die Ergebnisse zeigen, dass Patienten, die über Apps und vernetzte Geräte überwacht werden, signifikant bessere HbA1c-Werte (Langzeitblutzucker) aufweisen als Kontrollgruppen. Interessanterweise korrelierte der Erfolg stark mit der Benutzerfreundlichkeit der Plattform.

Für Investoren unterstreicht dies die Bedeutung der „User Experience“ (UX) im medizinischen Bereich. Ein technisch brillanter Algorithmus nützt nichts, wenn die App vom Patienten nicht genutzt wird. Unternehmen, die nachweislich hohe Engagement-Raten (Adhärenz) bei ihren Nutzern vorweisen können, haben laut dieser Studienlage auch die besseren klinischen Ergebnisse und damit langfristig die stabileren Geschäftsmodelle.

Praxis-Anwendung & Implikationen

Die Theorie und die Studienlage zeichnen ein klares Bild, doch wie gestaltet sich die raue Wirklichkeit in den US-Kliniken und welche Konsequenzen ergeben sich daraus für das Portfolio? Die Implementierung von Health-Tech ist oft ein steiniger Weg, geprägt von Widerständen des Personals und technischen Hürden. Dennoch ist der „Point of no Return“ überschritten.

Integration in den klinischen Alltag: Der Faktor Mensch

Die größte Herausforderung bei der Einführung von KI-Lösungen wie denen von Evolent Health oder Cerner ist nicht die Technologie, sondern die Kultur. Ärzte sind es gewohnt, autonom zu entscheiden. Wenn plötzlich ein Algorithmus Behandlungsvorschläge macht, entsteht oft Skepsis („Alert Fatigue“). Erfolgreiche Health-Tech-Unternehmen zeichnen sich dadurch aus, dass sie ihre Software so gestalten, dass sie den Arzt entlastet, statt ihn zu bevormunden. Lösungen, die beispielsweise administrative Aufgaben automatisieren (wie das Schreiben von Arztbriefen mittels Spracherkennung), werden wesentlich schneller adoptiert als solche, die tief in die diagnostische Hoheit eingreifen.

Für die Bewertung einer Aktie ist es daher ratsam, auf die „Net Promoter Score“ (NPS) der Produkte bei den Ärzten zu achten. Ein Produkt, das von den Anwendern gehasst wird, wird langfristig scheitern, egal wie gut die Technologie dahinter ist. Die Praxis zeigt: Die erfolgreichsten Tools sind jene, die im Hintergrund laufen und Probleme lösen, ohne dass der Anwender aktiv etwas bedienen muss („Invisible Health Tech“).

Implikationen für Investoren: Volatilität und Zeithorizont

Wer in US Health-Tech Aktien investiert, muss starke Nerven mitbringen. Der Sektor ist extrem zinsreagibel. Da viele dieser Unternehmen noch auf Wachstum ausgerichtet sind und ihre Gewinne weit in der Zukunft liegen, leiden ihre Bewertungen überproportional unter steigenden Zinsen (Discounted Cash Flow Modelle). Zudem ist der Sektor politischen Risiken ausgesetzt: Änderungen an „Obamacare“ (Affordable Care Act) oder den Vergütungssätzen von Medicare können Geschäftsmodelle über Nacht verändern.

Dennoch sind die langfristigen Implikationen positiv. Der demografische Wandel (alternde Bevölkerung) und der Fachkräftemangel im US-Gesundheitswesen lassen gar keine andere Option zu, als massiv in Technologie zu investieren, um die Produktivität zu steigern. Health-Tech ist deflationär in einem inflationären System. Investoren sollten daher weniger auf Quartalszahlen schauen, sondern auf Metriken wie „Annual Recurring Revenue“ (ARR) und „Customer Retention Rate“. Ein Unternehmen, das einmal tief in die IT-Infrastruktur eines Krankenhausnetzwerks integriert ist, wird selten wieder entfernt (hohe Wechselkosten/Lock-in-Effekt).

Hürden bei der Skalierung: Datenschutz und Ethik

Ein Aspekt, der in der Praxis zunehmend an Bedeutung gewinnt, ist die ethische KI und der Datenschutz (HIPAA-Compliance). Algorithmen können „Bias“ (Voreingenommenheit) entwickeln, wenn sie mit unzureichenden Daten trainiert wurden. Wenn eine KI beispielsweise afroamerikanische Patienten systematisch benachteiligt, drohen massive Klagen und Reputationsschäden. US-Kliniken prüfen daher zunehmend die „Erklärbarkeit“ (Explainability) von KI-Modellen, bevor sie diese einkaufen.

Unternehmen, die „Black Box“-Algorithmen anbieten, bei denen nicht nachvollziehbar ist, wie eine Entscheidung zustande kam, haben es schwerer am Markt. Transparente KI („White Box“ oder „Glass Box“) wird zum neuen Goldstandard. Für Aktionäre bedeutet dies: Governance-Strukturen und ethische Richtlinien innerhalb der Tech-Firmen sind keine „Soft Factors“ mehr, sondern harte Risikometriken, die über die Zukunftsfähigkeit des Geschäftsmodells entscheiden.

Häufige Fragen (FAQ)

Im Folgenden beantworten wir die drängendsten Fragen von Investoren und Branchenkennern zum Thema US Health-Tech Aktien und der technologischen Transformation der Medizin.

Fazit: Die digitale Dividende der Medizin

Die Analyse der US Health-Tech Aktien, von Evolent Health bis hin zu den Giganten der digitalen Infrastruktur, zeigt deutlich: Wir stehen nicht vor einer bloßen Evolution, sondern vor einer Neudefinition dessen, wie Medizin praktiziert und finanziert wird. Die Konvergenz von Value-Based Care und künstlicher Intelligenz schafft einen unwiderstehlichen ökonomischen Sog. In einem System, das unter der Last seiner Kosten zu ersticken droht, ist Technologie der einzige verbleibende Deflator. Für Investoren bietet dieser Sektor enorme Chancen, vorausgesetzt, sie verstehen die komplexen Mechanismen zwischen physiologischer Datenanalyse und monetärer Vergütung.

Es ist jedoch Vorsicht geboten. Nicht jedes Unternehmen mit „AI“ im Namen wird überleben. Die Gewinner werden jene sein, die tiefe klinische Evidenz vorweisen können, sich nahtlos in die Arbeitsabläufe der Ärzte integrieren und messbaren finanziellen Mehrwert für die Kostenträger schaffen. Health-Tech ist kein kurzfristiger Trend, sondern das Fundament der Medizin des 21. Jahrhunderts. Wer heute in diese Aktien investiert, wettet darauf, dass Daten und Algorithmen in Zukunft genauso lebensrettend sein werden wie Antibiotika und Chirurgie – und dabei auch noch das Portemonnaie der Gesellschaft schonen.