Die Integration von Künstlicher Intelligenz (KI) hinkt in interventionellen Fächern hinterher – im Gegensatz zur etablierten Nutzung in diagnostischen Disziplinen wie Radiologie und Pathologie. Die Hauptschwierigkeit liegt in der Notwendigkeit, multimodale Daten in Echtzeit für zeitkritische, oft unwiderrufliche intraoperative Entscheidungen zu verarbeiten. Die Anforderungen hinsichtlich der zeitlichen Latenz und der Robustheit der Systeme sind deutlich höher. Aktuelle KI-Anwendungen konzentrieren sich deshalb auf retrospektive Analysen und einfache Aufgaben wie die „Phasenerkennung“ oder die automatisierte Erkennung des Critical View of Safety (CVS) bei der Cholezystektomie. In der onkologischen Chirurgie ist die Anwendung aufgrund von Tumorinfiltration und Narbengewebe, die anatomische Grenzen verwischen, sowie aufgrund der Heterogenität der Videodaten komplexer. Die klinische Umsetzung scheitert oft an der mangelnden standardisierten, interoperablen Dateninfrastruktur, dem hohen Aufwand für die konsistente menschliche Annotation von OP-Videos und der fehlenden externen sowie prospektiven Validierung von KI-Modellen. Die Entwicklung von assistierenden bis zu vollständig autonomen Robotern schreitet voran (z.B. autonome Cholezystektomie ex vivo). Dennoch erschweren ungelöste regulatorische, ethische und haftungsrechtliche Fragen die klinische Translation dieser Systeme. Entscheidend für den Fortschritt sind der Aufbau einer leistungsfähigen OP-Dateninfrastruktur, die Standardisierung von Annotationsprotokollen durch Fachgesellschaften und eine konsequente externe Validierung. Fazit: KI kann die onkologische Chirurgie grundlegend verändern. Der Weg zum klinischen Nutzen erfordert jedoch eine enge Führung durch Chirurg:innen in Kooperation mit Industrie und Ingenieur:innen.