AI-Triage für eine Arztpraxis: wie wir sie bauen würden
Ein Architektur-Blueprint: welche drei Entscheidungen über Erfolg oder Scheitern bestimmen — und wo solche Projekte typischerweise gegen die Wand fahren.
Dies ist ein Blueprint, kein Kundenbericht. Wir haben (noch) keine Praxis-Plattform ausgeliefert — aber wir haben durchgearbeitet, wie sie aussehen müsste. Das Muster ist in Hausarztpraxen überall gleich: zig Anrufe in der ersten Stunde, MFAs am Limit, Patient:innen frustriert. Hier ist, wie wir das angehen würden, welche Entscheidungen wirklich zählen — und wo wir vermuten, dass es wehtut.
Die typische Ausgangslage
Ein bis zwei Tausend Patient:innen pro Monat. Ein bestehendes PVS (Praxisverwaltungssystem), das bleiben soll. Eine Handvoll MFAs, die im Morgenrhythmus zwischen Anrufentgegennahme, Triage am Telefon, Akten-Pflege und Wartezimmer-Management springen. Kein digitaler Kanal außer einem statischen Webformular.
Was zu bauen wäre
- Patient-App (iOS + Android, eine Codebase). Login per E-Mail oder GesundheitsID. Termin selbst buchen, Folge-Termine setzen, Rezept-Nachbestellungen.
- AI-Triage-Chat. Eine LLM-basierte Triage, die per Klartext fragt — „Was tut weh? Seit wann? Fieber?" — und drei Outcomes liefert: Routine-Termin, dringend (heute), Notfall (jetzt 112 anrufen).
- PVS-Sync. Termine landen direkt im PVS, MFAs müssen nichts abtippen.
- IGeL-Buchung mit Anzahlung. Bestimmte Selbstzahler-Leistungen direkt in der App buchbar, mit Stripe-Anzahlung — reduziert No-Shows massiv.
Die drei wichtigen Architektur-Entscheidungen
1. AI-Triage nicht als Diagnose framen
Das ist die Entscheidung, an der alles hängt. Eine LLM darf in Deutschland nicht diagnostizieren — und das ist auch richtig so. Die Triage gehört strikt als Wie-dringend-Klassifizierer gebaut, nie als Was-fehlt-der-Person. Die Frage ist immer: welche Slot-Kategorie wird gebraucht? Nicht: was ist die Diagnose?
Das hat zwei Vorteile: rechtlich sauber, und die Modell-Performance ist auf dieser eng gefassten Aufgabe deutlich stabiler.
2. Eskalation immer für Menschen sichtbar
Wenn die AI auf Notfall erkennt, muss das parallel als Push an ein Sammeltablet in der Praxis gehen. Niemand darf sich darauf verlassen, dass die Person die 112-Empfehlung wirklich befolgt. Die Maschine schlägt vor, ein Mensch sieht mit.
3. Daten nie in einen fremden LLM-Provider
Der Weg dafür ist Vercel AI Gateway mit Zero Data Retention: Eingaben gehen verschlüsselt durch, werden nirgends gespeichert, kein Training. EU-Hosting in Frankfurt. Ohne diesen Punkt bekommen Sie von keinem Datenschutzbeauftragten einer Praxis eine Freigabe — und sollten sie auch nicht bekommen.
Wo solche Projekte typischerweise scheitern
Den Triage-Wortlaut zu früh festzurren
Die Versuchung ist groß, die Fragen früh zu finalisieren und dann zu bauen. Das rächt sich: Formulierungen wie eine Skala von 1 bis 10 sind für viele ältere Patient:innen nicht selbsterklärend. Das Wording gehört mit echten Testnutzer:innen 65+ geprüft, nicht mit dem Praxis-Team — die kennen ihre eigenen Begriffe zu gut.
Push-Notifications zu aggressiv setzen
Erinnerung 24h vorher, nochmal 2h vorher, dazu Rezept-Hinweise: das kippt schnell ins Übergriffige. Besser von Anfang an opt-in pro Erinnerungs-Typ, statt später zurückrudern zu müssen.
Welche Zielwerte realistisch sind
Das sind die Größenordnungen, auf die wir ein solches Projekt auslegen würden — Zielwerte, die man vorher gemeinsam festlegt und hinterher misst, keine gemessenen Ergebnisse:
- Anrufvolumen deutlich runter, wenn Terminbuchung und Rezept-Nachbestellung in die App wandern.
- Zweistellige Stundenzahl pro Monat an MFA-Zeit, die von Telefon-Triage zurück in die Versorgung geht.
- No-Shows runter, wo Anzahlung bei Selbstzahler-Leistungen und Erinnerungen greifen.
- Adoption ist die harte Zahl. Wie viele Patient:innen die App wirklich nutzen, entscheidet über alles andere — und hängt mehr am Onboarding in der Praxis als an der Software.
Was Sie daraus mitnehmen
AI in der Gesundheit funktioniert, wenn man sie auf eine sehr eng definierte Aufgabe reduziert und Eskalation immer für Menschen sichtbar macht. Diagnose ist nicht die Aufgabe — Triage ist es. Und Triage ist schwierig genug, dass es richtig viel Wert erzeugt, ohne rechtliches Risiko.
Die richtige Frage bei jedem AI-Feature: „Was darf die KI nicht?“ — vor der Frage, was sie können soll.
Fachbeiträge per E-Mail
Wie technische Entscheidungen zustande kommen — unregelmäßig und nur dann, wenn es etwas zu berichten gibt. Jederzeit abbestellbar. Sie erhalten zuerst eine Mail mit Bestätigungslink.
Hilft das Ihrem Vorhaben weiter?
Sprechen wir 30 Minuten darüber — konkret zu Ihrem Vorhaben.
Auch lesenswert
Wie wir aus einem Chat-Widget einen Conversion-Funnel gemacht haben
Ein Floating-Chat-Widget allein konvertiert nicht. Das mussten wir lernen — und sechs Pattern nachbauen, damit aus klick-scroll-schließ ein messbarer Funnel von Open bis Erstgespräch wurde.
DSGVO bei AI — was das in der Praxis wirklich bedeutet
DSGVO ist bei AI weniger Endgegner als oft behauptet — aber es lebt in den Details. Fünf konkrete Fragen, die Sie beantworten müssen, bevor ein Modell Ihre Kund:innen-Daten sieht.
Ohne Zwischenstationen. Sie sprechen direkt mit der Geschäftsleitung.
Wir hören Ihnen 30 Minuten zu, stellen ein paar gezielte Fragen und sagen Ihnen am Ende offen, ob — und wie — wir Ihnen helfen können. Wenn nicht, erhalten Sie mindestens zwei Empfehlungen, wer es könnte.
- 30 Minuten, ohne Verkaufsgespräch
- Konkrete Einschätzung Ihres Vorhabens
- Klare Einordnung, welcher Projektrahmen passt