Associate Professor, Direktorin für Simulation
University of Minnesota
Wenn Sie in der Pflegeausbildung tätig sind, wissen Sie, dass das klinische Urteilsvermögen nach wie vor eine der wichtigsten Kompetenzen in der Pflegeausbildung ist. Und Sie wissen auch, dass es eine der am schwersten konsistent zu vermittelnden und zu bewertenden Fähigkeiten ist.
Auf der Simulation User Network (SUN) Conference 2026 erläuterte Cynthia Bradley, PhD, RN, CNE, CHSE, ANEF, Associate Professor und Direktorin für Simulation an der School of Nursing der University of Minnesota, wie immersive virtuelle Realität in der Pflegeausbildung (IVR) und künstliche Intelligenz (KI) Pflegepädagoginnen und -pädagogen dabei unterstützen können, die Entwicklung des klinischen Urteilsvermögens besser zu verstehen und zu fördern.
In diesem Artikel fassen wir Dr. Bradleys SUN-Session „Clinical Judgment, VR, and AI: A Winning Trifecta.“ zusammen.
Dr. Bradley stellte ihre Sitzung in den Kontext einer Herausforderung, die Pflegepädagogen gut kennen. Klinisches Urteil ist für eine sichere Praxis unverzichtbar und direkt mit den Patientenergebnissen verknüpft, zugleich aber äußerst komplex. Selbst wenn Studierende Schritte, Protokolle und Abläufe lernen, „müssen sie sich dieses Schlussfolgern und diesen Denkprozess trotzdem aneignen“, betonte Dr. Bradley.
„Klinisches Urteil ist eines der schwierigsten Dinge, die wir zu lehren versuchen“, sagte sie. „Es ist sehr schwer zu messen.“
Traditionelle klinische Einsätze unterscheiden sich stark. Selbst Studierende, die auf derselben Station eingesetzt sind, begegnen unterschiedlichen Patienten und Lernmöglichkeiten. Die Bewertung hängt stark von der Beobachtung durch Lehrkräfte ab, was subjektiv und inkonsistent sein kann.
Simulation hilft dabei, die Variabilität in klinischen Erfahrungen zu adressieren, doch Dr. Bradley betonte, dass immersive virtuelle Realität (IVR) in der Pflegeausbildung die Standardisierung noch weiter vorantreibt. In IVR begegnet jeder Lernende derselben Umgebung, denselben Hinweisen und denselben Entscheidungspunkten.
IVR verlagert die Bewertung außerdem weg von der alleinigen Interpretation durch Lehrkräfte. „IVR nimmt all diese Subjektivität heraus – weil es am Ende des Tages ein Computerprogramm ist“, sagte sie.
Vor IVR-Plattformen wie vrClinicals for Nursing hatten Lehrkräfte nur begrenzte Einblicke darin, was Studierende während der simulierten Patientenversorgung tatsächlich taten. „Wenn wir wirklich nicht verstehen können, was sie tun, haben wir keine Ahnung, wie wir ihnen helfen können, sich zu verbessern“, sagte sie.
IVR-Umgebungen erzeugen eine enorme Menge an Lerndaten. Dr. Bradley bezeichnete diese Daten als IVR-Telemetrie. Dazu gehören durchgeführte Aktionen, Zeitpunkte, Reihenfolgen, Auslassungen und Reaktionen auf sich verändernde Patientenzustände.
„Wir können ihre Handlungen sehen, wir sehen das Timing dessen, was sie getan haben, die Abfolge der Ereignisse,“ sagte sie. „Wir sehen, was sie nicht tun. Manchmal ist das ebenfalls sehr wichtig zu wissen.“
Innerhalb von Plattformen wie vrClinicals for Nursing können Lehrende untersuchen, wie Studierende Patienten einschätzen, Protokolle und Anordnungen navigieren und sich darauf vorbereiten, die Versorgung zu eskalieren.
„Rufen sie die behandelnde Person an?“ fragte sie. „Haben sie die Daten, die sie brauchen, um diesen Anruf zu tätigen, oder müssen sie zurückgehen und erneut beurteilen?“
Sie wies insbesondere auf den Wert von Umgebungen mit mehreren Patienten hin. „Wir können die Priorisierungsmuster betrachten,“ erklärte sie. „Wie gehen sie mit Unterbrechungen um?“
Indem diese Muster über IVR-Telemetrie erfasst werden, liefern Plattformen wie vrClinicals Lehrenden objektive Nachweise dafür, wie Lernende Hinweise erkennen, die Versorgung priorisieren, auf Unterbrechungen reagieren und konkurrierende Anforderungen bewältigen.
„Wir haben eine Studentin, die sagte: ‚Ich konnte einige Fragen im NCLEX beantworten, wegen George [aus dem VR-Szenario],‘“ teilte sie mit. Beispiele wie dieses veranschaulichen, wie Plattformen wie vrClinicals ein tieferes Verständnis und eine bessere Anwendung unterstützen.
Um Telemetriedaten in Erkenntnisse zu verwandeln, betonte Dr. Bradley die Bedeutung eines gemeinsamen Rahmenwerks. Sie nutzt das Clinical Judgment Measurement Model, um das Lernverhalten über das Erkennen von Hinweisen, das Analysieren von Informationen, das Priorisieren von Hypothesen, das Ergreifen von Maßnahmen und das Bewerten von Ergebnissen hinweg zu interpretieren.
“Telemetrie interpretiert sich nicht selbst,” erklärte Dr. Bradley. “Wir brauchen eine gemeinsame Perspektive.”
Für jedes IVR-Szenario müssen Lehrende bestimmen, welche Verhaltensweisen in diesem Kontext Urteilsvermögen zeigen. Hat die lernende Person nach einer Intervention erneut bewertet? Hat sie angemessen eskaliert? Hat sie die Versorgung neu priorisiert, als sich die Bedingungen änderten?
Mit diesem Ansatz deckte Dr. Bradley ein Muster bei Lernenden mit Schwierigkeiten auf. “Sie bewerten einfach immer wieder neu,” sagte sie. “Sie werden einfach nicht aktiv.”
Da vrClinicals Timing und Abfolge aufzeichnet, werden diese Muster im Debriefing sichtbar und besprechbar, wobei Szenarioaktionen und Unterbrechungen auf das Clinical Judgment Measurement Model abgestimmt sind.
KI spielt eine unterstützende Rolle, indem sie Lehrenden hilft, große Mengen an Telemetriedaten zu organisieren und zu interpretieren, die von immersiven VR-Plattformen wie vrClinicals erzeugt werden.
Aber KI ersetzt keine Pflegepädagoginnen und -pädagogen. „KI wird niemals das Denken von Pflegekräften ersetzen“, stellte Dr. Bradley klar. Sie betonte, dass das pädagogische Urteil weiterhin im Zentrum stehen muss.
Wenn sie „mit Leitplanken“ eingesetzt wird, hilft KI Lehrenden, schneller von der Evidenz zum Handeln zu kommen. „Ich möchte heute wissen: Wie haben meine Studierenden abgeschnitten?“, sagte Dr. Bradley. „Nicht erst im nächsten Semester, nicht im nächsten Jahr, sondern diese Kohorte heute.“
KI-gestützte Analysen können kohortenbezogene Lücken sichtbar machen, etwa Verzögerungen bei der Eskalation, übersehene Sicherheitskontrollen oder Schwierigkeiten bei der Bewertung von Ergebnissen. Diese Erkenntnisse ermöglichen es Lehrenden, Debriefing, Nachschulung und sogar den Lehrplan nahezu in Echtzeit anzupassen.
„Verändert [die Analyse] die Art und Weise, wie ich beim nächsten Mal, wenn ich dieses Szenario debriefe, vorgehe? Gibt sie mir vielleicht Hinweise darauf, wie ich ihre Vorbereitungsmaterialien anpassen muss, oder auf etwas, das sie vor dem nächsten Durchlauf dieser VR bekommen müssen?“, erklärte sie.
„Vielleicht ist es einfach eine Ergänzung unseres Lehrplans, bei der wir etwas wiederholen müssen“, fügt sie hinzu. „Kompetenzorientierte Bildung ist keine einmalige Sache. Wir wollen, dass sie ihre Kompetenz erneut unter Beweis stellen.“
Dr. Bradley ermutigte Lehrende, sich immersiver VR mit Bedacht zu nähern.
„Hier ist mein bester Rat: klein anfangen und es langsam angehen“, riet sie. Sie empfahl, mit einem Kurs und einem Szenario zu beginnen und viel Zeit in eine gründliche Einführung in Hardware und Software zu investieren.
Eine schlechte Umsetzung könne zu Frustration bei Lehrenden und vermindertem Vertrauen der Studierenden führen, warnte sie. „Es ist wirklich schwer, diese Glocke wieder zu entläuten“, sagte sie. „Also sehr langsam anfangen … und Menschen haben, die den gesamten Prozess begeistert vertreten.“
Dr. Bradley schloss die Sitzung, indem er zur Zielsetzung zurückkehrte. Klinisches Urteilsvermögen bleibt das Ziel. Immersive VR-Plattformen wie vrClinicals for Nursing bieten die Umgebung, die reichhaltige, objektive Belege für die Leistung der Lernenden erzeugt. KI hilft Lehrkräften dabei, diese Belege verantwortungsvoll zu interpretieren.
Gemeinsam bilden klinisches Urteilsvermögen, immersive VR und KI eine starke Trifecta, die eine bessere Bewertung, fundiertere Lehrentscheidungen und verbesserte Lernergebnisse für Pflegepädagoginnen und -pädagogen sowie ihre Studierenden unterstützt.
