ADHS bei Erwachsenen: Warum Diagnosen steigen – und wie KI hilft

Die Zahl der ADHS-Diagnosen bei Erwachsenen steigt spürbar – und das sorgt regelmäßig für dieselbe Debatte: „Ist das jetzt eine Mode?“ Meine klare Haltung: Nein. Was wir gerade sehen, ist vor allem ein Nachholen. Menschen, die jahrelang irgendwie „durchgekommen“ sind, bekommen endlich eine Erklärung für Muster, die sie zuvor als Charaktersache oder „persönliches Chaos“ abgetan haben.

Das hat eine sehr menschliche Seite: Viele Betroffene beschreiben die Diagnose als Entlastung, weil Biografie plötzlich Sinn ergibt. Und es hat eine strukturelle Seite: Das Gesundheitssystem lernt gerade, ADHS jenseits des klassischen Kinderbilds ernst zu nehmen. Genau hier passt das Thema unserer Serie „KI im Gesundheitswesen“: Wenn Diagnosen nachgeholt werden, ist das ein Signal, dass Früherkennung, Triage und Diagnostikprozesse besser werden müssen – und dass KI-gestützte Diagnoseunterstützung sinnvoll eingesetzt werden kann.

Warum bekommen gerade jetzt so viele Erwachsene eine ADHS-Diagnose?

Weil mehr Wissen vorhanden ist, mehr Menschen sich Hilfe holen – und Diagnostik zugänglicher geworden ist. Der Anstieg sagt in vielen Fällen weniger über „neue“ Erkrankungen aus, sondern über bessere Erkennung.

Mehr Aufklärung, weniger Scham

Psychische Gesundheit ist 2025 deutlich sichtbarer als noch vor zehn oder zwanzig Jahren. Das hat zwei Effekte:

• Menschen interpretieren anhaltende Probleme mit Aufmerksamkeit, Organisation oder Impulsivität nicht mehr automatisch als „Faulheit“ oder „Unzuverlässigkeit“.
• Ärzt:innen und Therapeut:innen sind eher sensibilisiert, ADHS auch bei Erwachsenen in Betracht zu ziehen.

Gerade in der Arbeitswelt wird das Thema greifbar: Wer dauerhaft gegen Deadlines kämpft, Meeting-Inhalte vergisst oder Aufgaben bis zur letzten Minute aufschiebt, landet irgendwann beim Punkt „So kann’s nicht weitergehen“.

Diagnosen werden nachgeholt – weil ADHS bei Erwachsenen anders aussieht

ADHS bei Erwachsenen ist oft weniger „Zappeln“ und mehr „inneres Getriebensein“. Viele haben Strategien entwickelt: extreme To-do-Listen, Überstunden, Perfektionismus, ständige Kontrolle. Das kann lange funktionieren – bis Stress, Familienphase oder Jobwechsel das System sprengt.

Typische Muster, die bei Erwachsenen häufiger im Vordergrund stehen:

• Aufmerksamkeitsprobleme (v. a. bei langweiligen oder langen Aufgaben)
• Organisation & Zeitmanagement (Chaos, Verzetteln, Prokrastination)
• Emotionale Dysregulation (schnell gereizt, starke Stimmungsschwankungen)
• Schlafprobleme (Einschlafprobleme, unruhiger Schlaf, „zu spät im Bett“)

Das ist relevant, weil viele Diagnostikpfade historisch am Kinderbild hängen. Wenn dieses Bild sich ändert, steigt logischerweise die Zahl der Diagnosen.

Mehr Kontaktpunkte zum System (und mehr Selbstbeobachtung)

Telemedizin, digitale Terminplattformen und mentale Gesundheitsangebote senken Hürden. Gleichzeitig kommen Menschen mit Symptomen häufiger in Kontakt – sei es über Podcasts, Erfahrungsberichte oder Social Media. Das kann problematisch sein (Selbstdiagnosen), aber auch hilfreich: Es führt dazu, dass Betroffene gezielt professionelle Abklärung suchen.

ADHS ist keine „Trenddiagnose“ – aber Fehldiagnosen sind real

Der Anstieg an Diagnosen ist plausibel, trotzdem gilt: ADHS sauber zu diagnostizieren ist anspruchsvoll. Genau deshalb lohnt der Blick auf strukturierte Prozesse und KI-Unterstützung.

Was ADHS-Diagnostik leisten muss

Eine gute Abklärung bei Erwachsenen umfasst typischerweise:

1. Anamnese (Lebensgeschichte, Schule, Beruf, Beziehungen)
2. Symptom-Check anhand standardisierter Kriterien
3. Fremdanamnese, wenn möglich (z. B. Eltern/Partner:in)
4. Differenzialdiagnostik (z. B. Depression, Angst, Substanzkonsum, Schlafstörungen)
5. Komorbiditäten (z. B. Burnout, Sucht, Bipolarität) erkennen

Das Ziel ist nicht, möglichst schnell ein Label zu vergeben. Das Ziel ist, die passende Erklärung und die passende Behandlung zu finden.

Warum ADHS oft verwechselt wird

Viele Symptome sind unspezifisch. Konzentrationsprobleme können auch von Schlafmangel, Überlastung, Depression oder Schilddrüsenproblemen kommen. Impulsivität kann auch bei Stress oder Trauma auftreten.

Ein Satz, den ich in der Praxis-Realität (und in Gesprächen mit Kliniken) immer wieder höre: „Wir sehen die Symptome – aber die Ursache bleibt im Nebel.“ Genau hier kann Diagnoseunterstützung helfen: nicht als Ersatz für Ärzt:innen, sondern als Strukturierungs- und Sicherheitsnetz.

Wo KI im Gesundheitswesen bei ADHS konkret helfen kann

KI kann ADHS nicht „per Knopfdruck“ diagnostizieren. Aber sie kann Prozesse so verbessern, dass weniger übersehen wird, weniger Zeit verloren geht und die Abklärung konsistenter wird.

KI als Triage: Wer braucht rasch eine Abklärung?

In vielen Regionen ist der Engpass nicht die Therapie, sondern der Zugang zur Diagnostik. KI kann in digitalen Aufnahmeprozessen unterstützen, indem sie:

• Fragebögen intelligent zusammenführt (Symptome, Verlauf, Funktionsbeeinträchtigung)
• Hinweise auf Red Flags erkennt (z. B. Suizidalität, Substanzmissbrauch)
• Patient:innen in passende Versorgungspfade lenkt (Hausarzt, Psychiatrie, Psychotherapie, Schlafambulanz)

Das spart nicht nur Zeit – es senkt auch das Risiko, dass Menschen monatelang im falschen „Warteraum“ hängen.

KI als „Differenzialdiagnostik-Co-Pilot“

Bei ADHS ist die entscheidende Frage oft: Ist es ADHS – oder sieht es nur so aus? Moderne KI-Systeme können klinische Daten (anamnestische Angaben, Fragebogenwerte, Medikationshistorie, Laborwerte, Schlafdaten) so aufbereiten, dass Ärzt:innen schneller Muster sehen.

Praktisches Beispiel aus dem Workflow (ohne Magie, nur Struktur):

• Das System markiert, dass Konzentrationsprobleme erst seit 2 Jahren bestehen (spricht eher gegen lebenslanges ADHS-Muster).
• Es erkennt gleichzeitig Hinweise auf chronischen Schlafmangel und erhöhtes Stressniveau.
• Ergebnis: Ärzt:innen werden früh darauf gestoßen, Schlafdiagnostik und Stressfaktoren mitzudenken.

KI ersetzt nicht die klinische Entscheidung – aber sie kann helfen, kognitive Verzerrungen zu reduzieren (z. B. sich zu früh auf eine plausible Erklärung festzulegen).

KI für Dokumentation und Qualitätsstandards

Ein unterschätzter Hebel: saubere Dokumentation. ADHS-Abklärungen sind zeitintensiv. Wenn KI z. B. Gesprächsnotizen strukturiert zusammenfasst und in eine standardisierte Befundlogik überführt, entsteht:

• mehr Zeit für das Gespräch
• weniger Informationsverlust
• vergleichbarere Befunde zwischen Einrichtungen

Das ist besonders relevant in Österreich, wo Versorgung häufig über mehrere Stellen läuft. Gute Übergaben sind Gold wert.

Was gute KI-gestützte Diagnoseunterstützung ausmacht (und was nicht)

Gute Systeme sind transparent, validiert und passen in den klinischen Alltag. Schlechte Systeme sind Blackboxes, die nur „Risikowahrscheinlichkeiten“ ausspucken.

Drei Kriterien, die ich immer prüfen würde

1. Erklärbarkeit: Welche Faktoren haben zur Empfehlung beigetragen?
2. Validierung: Wurde das System in realen klinischen Settings getestet – idealerweise mit unterschiedlichen Populationen?
3. Bias & Fairness: Erfasst das System ADHS auch bei Gruppen, die historisch unterdiagnostiziert sind (z. B. Frauen, ältere Erwachsene)?

Gerade bei ADHS ist Bias ein echtes Thema: Frauen zeigen häufiger weniger äußerliche Hyperaktivität, kompensieren stärker und werden deshalb später erkannt. Ein KI-System, das nur an „klassischen“ Mustern trainiert wurde, würde diese Schieflage zementieren.

Was KI nicht kann: Verantwortung abgeben

ADHS betrifft Identität, Alltag, Medikamente, manchmal auch Führerschein- oder Arbeitskontexte. Das darf nicht an ein Modell delegiert werden. KI ist Assistenz, nicht Instanz. Die Verantwortung bleibt bei den Behandelnden – und die Entscheidung muss mit Patient:innen nachvollziehbar besprochen werden.

Praktische Orientierung: Wenn du ADHS bei dir vermutest

Der sinnvollste nächste Schritt ist eine strukturierte Abklärung statt endloser Selbsttests. In der Realität helfen ein paar Leitplanken.

Vorbereitung auf den Termin (hilft wirklich)

• Schreibe 5–10 konkrete Beispiele auf, wo dich Aufmerksamkeit/Organisation im Alltag einschränkt.
• Notiere, seit wann du das kennst (Kindheit? erst seit Jobwechsel?).
• Sammle Hinweise: Schulzeugnisse, alte Beurteilungen, Aussagen von Angehörigen.
• Tracke 1–2 Wochen Schlaf (Bettzeit, Aufwachzeit, Koffein, Bildschirmzeit).

Das beschleunigt die Diagnostik – und reduziert das Risiko, dass man sich in Einzelgeschichten verliert.

Behandlung ist mehr als Medikamente

Medikation kann sehr wirksam sein, aber sie ist nicht die ganze Lösung. Für viele Erwachsene wirkt die Kombination am besten:

• Psychoedukation (Verstehen der eigenen Muster)
• Verhaltenstherapie/Coaching (Routinen, Planung, Reizreduktion)
• Schlaf- und Stressmanagement
• ggf. medikamentöse Therapie, eng begleitet

KI kann hier indirekt helfen, indem sie Fortschritt messbarer macht (z. B. Symptomverlauf, Schlaf, Tagesstruktur) – solange Datenschutz und Einwilligung sauber geregelt sind.

Was der ADHS-Boom dem Gesundheitssystem wirklich sagt

Der Anstieg an ADHS-Diagnosen bei Erwachsenen ist ein Stresstest für Diagnostik und Versorgung. Die gute Nachricht: Er zeigt, dass Menschen Hilfe suchen und ernst genommen werden wollen. Die unbequeme Nachricht: Ohne Prozessverbesserung drohen überfüllte Wartelisten, inkonsistente Diagnosen und „Therapie nach Bauchgefühl“.

Genau deshalb gehört ADHS in die Diskussion um KI im Gesundheitswesen in Österreich. Nicht als Hype, sondern als pragmatischer Hebel:

• schnellere, fairere Triage
• konsistentere Diagnostikpfade
• bessere Dokumentation und Übergaben

Eine späte Diagnose kann entlasten – eine frühe, gut begründete Diagnose kann Lebenswege stabilisieren.

Wenn du in einer Klinik, Praxis oder Krankenkasse Entscheidungen triffst: Wo könnte KI bei euch konkret Wartezeiten senken, die Differenzialdiagnostik stärken oder Dokumentationsaufwand reduzieren – ohne die Beziehung zwischen Patient:in und Behandler:in zu beschädigen?

---

Call-to-Action (für Organisationen): Wenn ihr KI-gestützte Diagnoseunterstützung im Bereich psychische Gesundheit evaluieren wollt, startet klein: ein klarer Use Case (z. B. digitale Triage), saubere Datenbasis, klinische Verantwortung, messbare Qualitätskriterien. Dann skaliert.