ElevenAgents für das Gesundheitswesen: Einen Agenten für eingehende Terminvereinbarungen erstellen

Das Telefon ist weiterhin die Eingangstür zum Gesundheitswesen – und sie ist überlastet. Daten der Mayo Clinic Forschung und der Epic Fallstudie zeigen, dass etwa 30 % der Terminvereinbarungen außerhalb der regulären Geschäftszeiten erfolgen. Anrufe, die auf der Mailbox landen, werden zu Terminen, die unbemerkt nicht stattfinden. Gleichzeitig ist das Empfangspersonal, das sie auffangen soll, überlastet und wechselt schnell. Sprachagenten sind der Demo-Phase entwachsen und helfen Kliniken, diese Lücke zu schließen. Die Terminplanung ist der häufigste Einstiegspunkt: hohe Fallzahlen, wiederkehrende und vorhersehbare Abläufe sowie ein großer Teil der Arbeit am Empfang, für den keine klinische Beurteilung nötig ist.

Die Terminplanung im Gesundheitswesen stellt höhere Anforderungen. Ein falscher Termin oder ein missverstandener Besuchsgrund ist nicht nur eine schlechte Erfahrung – es ist ein Sicherheits- und Compliance-Vorfall. Ein Terminplanungsagent für den Empfang braucht mehr als eine angenehme Stimme: zuverlässige Identitätsprüfung, strikte Guardrails, einen klaren Eskalationsweg zu Mitarbeitenden, die nötige Compliance für den Umgang mit geschützten Gesundheitsinformationen sowie die Fähigkeit, Termine in einem echten Planungssystem tatsächlich zu buchen, zu ändern oder zu stornieren.

Dieser Leitfaden zeigt genau das mit ElevenAgents: einen telefonisch erreichbaren Agenten, der mit einem Beispiel-EHR verbunden ist, Termine durchgängig bucht, verschiebt und storniert und bei Bedarf eskaliert. Sie erhalten den Workflow, Guardrails, Tests und Analysen, um ihn innerhalb klarer Grenzen zu halten – bereitgestellt auf Infrastruktur für reguliertes Gesundheitswesen.

Hier sehen Sie eine Demo des Agenten, den Sie erstellen werden, bei der Bearbeitung eines Live-Anrufs von Anfang bis Ende:

Voraussetzungen

Für den Einstieg benötigen Sie Folgendes:

• Ein ElevenLabs-Konto mit Zugriff auf die ElevenAgents-Plattform und unsere Stimmen.
• Ein Twilio-Konto und eine Nummer.
• Zugriff auf Twilio Verify.
• Eine Sandbox- oder Entwicklerumgebung für EHRs. In diesem Leitfaden verwenden wir HAPI FHIR, eine Open-Source-Referenzimplementierung für das HL7-FHIR-Format, zur Validierung anhand synthetischer Patientendatensätze.
• Die Kalenderanwendung Ihrer Praxis. In diesem Leitfaden verwenden wir die native Integration von ElevenLabs mit Cal.com. 

Optional

Falls Sie keinen Zugriff auf Sandbox-Daten haben oder zu Demozwecken mitarbeiten, verwenden wir den HAPI-FHIR-R4-Sandbox-Server und hinterlegen dort einen Beispiel-Patientendatensatz, den Sie während der Verifizierung nutzen können. Führen Sie dazu in Ihrem Terminal den folgenden API-Befehl mit Beispieldaten aus:

curl -X POST "https://hapi.fhir.org/baseR4/Patient" \
  -H "Content-Type: application/fhir+json" \
  -H "Accept: application/fhir+json" \
  -d '{
    "resourceType": "Patient",
    "identifier": [
      { "system": "http://hospital.example.org/mrn", "value": "<YOUR-FAKE-MRN-NUMBER>" }
    ],
    "name": [ { "use": "official", "family": "<YOUR-FAKE-FAMILY-NAME>", "given": [ "<YOUR-FAKE-GIVEN-NAME>" ] } ],
    "gender": "<male or female>",
    "birthDate": "<YOUR-FAKE-DOB> (in YYYY-MM-DD format)"
  }'

Eine Übereinstimmung wird nur bestätigt, wenn die Abfrage genau einen Datensatz zurückgibt – null Ergebnisse bedeuten keine Übereinstimmung, mehr als eines bedeutet, dass die Suchparameter nicht spezifisch genug für ein sicheres Fortfahren waren. 

Architektur

In diesem Leitfaden erstellen Sie einen Terminplanungsagenten über eine Twilio-Nummer, der nativ in Ihren ElevenAgent integriert ist. Wenn ein eingehender Anruf verbunden wird, unterstützt der Agent Patientinnen und Patienten mit den verfügbaren Tools bei der Erfassung von Verifizierungs- und Termindetails – unabhängig davon, ob Anrufende einen neuen Termin buchen, einen bestehenden verschieben oder stornieren möchten. Bei Bedarf kann er den Anruf an eine Person weiterleiten.

Mit dieser Architektur und diesen Tools umfasst ein erfolgreicher Anrufablauf folgende Schritte:

1. Anrufbeginn: Eine Patientin oder ein Patient ruft die dem Agenten zugeordnete Twilio-Nummer an. Der Agent begrüßt die Person und erfasst ihr Anliegen.
2. EHR-Validierung: Der Agent gleicht die Angaben der Patientin oder des Patienten mit dem Datensatz im EHR ab.
3. Verifizierung: Der Agent sendet über sein SMS-Tool ein Einmalpasswort (OTP) zur abschließenden Verifizierung an die Telefonnummer der Patientin oder des Patienten.
4. Buchung oder Änderung: Der Agent führt die erfasste Aktion im Kalender aus – bei einem neuen Termin erfasst er Buchungsdetails und prüft die Verfügbarkeit; bei einer Verschiebung ruft er den bestehenden Termin auf und findet einen neuen Zeitpunkt; bei einer Stornierung bestätigt und entfernt er den bestehenden Termin.
5. Weiterleitung: Wenn die Buchung oder Änderung nicht erfolgreich ist, die Patientin oder der Patient mit einer Person sprechen möchte oder ein anderes Anliegen erfasst wird, das der Agent nicht bearbeiten kann, wird der Anruf an einen menschlichen Agenten weitergeleitet.
6. Bestätigung & Abschluss: Nach einer erfolgreichen Buchung, Verschiebung oder Stornierung fasst der Agent die Details des Anrufs zusammen und verabschiedet sich freundlich.

System Prompt und Agenteneinstellungen

Der erste Schritt zum Aufbau eines effektiven ElevenAgenten liegt im System Prompt. Gemäß dem ElevenLabs-Leitfaden für Prompting strukturieren wir ihn in die zentralen Bausteine, die für jeden Produktionsagenten empfohlen werden – Persönlichkeit, Ziel, Tonalität, Tools und Guardrails. Jeder Baustein erhält einen klar gekennzeichneten Abschnitt, statt alle Anweisungen in einem fortlaufenden Block zu bündeln.

Bei einem Agenten für die Terminplanung im Gesundheitswesen muss diese Struktur berücksichtigen, wer tatsächlich am anderen Ende der Leitung ist: jemand, der älter ist, Schmerzen hat, schlecht hört oder einfach wegen des Anrufgrunds besorgt ist. Die Abschnitte zu Persönlichkeit und Tonalität sorgen für ein warmes, unaufgeregtes Tempo und kurze, natürliche Antworten. Daten, Uhrzeiten und Zahlen werden so gesprochen, wie Menschen sie sagen würden, statt sie vom Bildschirm abzulesen. Der Zielabschnitt führt in einer festgelegten Reihenfolge durch den Ablauf: Zuerst die Identität prüfen; dann, je nachdem ob die anrufende Person buchen, verschieben oder stornieren möchte, die Verfügbarkeit prüfen und den Termin bestätigen, den bestehenden Termin suchen und verschieben oder den zu entfernenden Termin bestätigen. Die Tools werden mit den exakten Eingaben im gesprochenen Format dokumentiert, die sie erwarten. Guardrails enthalten die domänenspezifischen Regeln: Niemals mehr PHI anzeigen, als die anrufende Person bereits mitgeteilt hat; bei einem Toolfehler niemals Verfügbarkeiten oder Termindetails erfinden; klinische Fragen an die behandelnde Praxis verweisen; und sofort eskalieren, wenn jemand dringende Symptome oder einen medizinischen Notfall beschreibt. Die Identitätsprüfung vor jeder Terminaktion ist die einzige Regel, die wiederholt wird, statt nur einmal genannt zu werden. Sie ist die Grenze, die der Agent keinesfalls überschreiten darf.

Anschließend können Sie weitere Agentenkonfigurationen hinzufügen, etwa die erste Nachricht, verschiedene Sprachen (stellen Sie sicher, dass das System-Tool zur Spracherkennung aktiviert ist), ein LLM Ihrer Wahl, ein dialogorientiertes ElevenLabs-Text-to-Speech-Modell und eine ElevenLabs-Stimme.

Einen Beispiel-System-Prompt finden Sie hier.

Guardrails

Der Abschnitt Guardrails im System Prompt enthält Regeln auf Anweisungsebene, die vom Modell stark gewichtet werden. Ein Prompt bleibt jedoch eine nicht deterministische Ebene und kann bei einem langen Anruf abweichen. ElevenAgents ergänzt diese Regeln durch unabhängige Laufzeitdurchsetzung mit eigenen Guardrails. Dazu gehören der Focus Guardrail, der den System Prompt bei langen Gesprächen verstärkt, Manipulation Guardrails, die Prompt-Injection-Versuche erkennen, bevor der Agent antwortet, sowie Content und Custom Guardrails, die jede Antwort in Echtzeit bewerten und blockieren können, bevor die anrufende Person sie hört. Jeder Guardrail wird mit einem Ausführungsmodus konfiguriert – Streaming für nahezu latenzfreie Verarbeitung oder Blocking, um eine Antwort zurückzuhalten, bis sie freigegeben ist – sowie mit einer Exit-Strategie für einen Auslöser: den Anruf beenden oder mit korrigierendem Feedback erneut versuchen, das in den nächsten Turn eingefügt wird.

Für diesen Agenten können wir benutzerdefinierte Guardrails für Regeln im Gesundheitswesen oder in der Klinik definieren: Diagnosen oder Therapieempfehlungen blockieren, Fragen zur Abrechnung blockieren, Hinweise zur Medikamentendosierung blockieren und alles blockieren, was den Rat einer zugelassenen medizinischen Fachkraft ersetzt. Bei dringenden Symptomen legen Sie als Exit-Strategie einen erneuten Versuch mit Feedback fest, das den Anruf an eine Person weiterleitet. So übergibt der Guardrail den Anruf an Mitarbeitende, statt ihn nur zu beenden.

Tools

Jeder Schritt im Ablauf benötigt spezifische Webhook- und Integrationstools für konkrete Aktionen während des Gesprächs mit der Patientin oder dem Patienten.

Tool zur EHR-Verifizierung

Um die Patientin oder den Patienten mit ihrem bzw. seinem EHR-Datensatz abzugleichen, verwenden wir die FHIR-API-Aktion GET /Patient. Fügen Sie diese als Webhook-Tool hinzu, das auf Ihre HAPI-FHIR-Basis-URL verweist. Setzen Sie family, given, identifier und birthdate als vom LLM ausgefüllte Parameter. Der erste Tool-Aufruf der Verifizierungsphase ruft den Endpunkt mit Name und Geburtsdatum der anrufenden Person in einer einzigen Abfrage auf:

GET /baseR4/Patient?family={lastName}&given={firstName}&birthdate={YYYY-MM-DD}

Eine Übereinstimmung wird nur bestätigt, wenn die Abfrage genau einen Datensatz zurückgibt. Nur wenn diese Bedingung erfüllt ist, kann der Agent mit der Buchungsphase fortfahren.

Ein JSON-Beispiel für das Tool finden Sie hier.

Twilio-Tools für die SMS-Verifizierung

Nach bestätigter EHR-Übereinstimmung wechselt die Verifizierungsphase zu einem zweiten Faktor: Sie sendet der Patientin oder dem Patienten einen Einmalcode per SMS und bestätigt ihn, bevor etwas anderes geschieht. Die Einrichtung erfolgt in drei Schritten:

1. SMS-Webhook-Tools erstellen. Konfigurieren Sie zwei Tools, send_SMS_verification und check_SMS_verification, die beide auf Ihren Twilio-Verify-Service verweisen. Jedes benötigt die Verify Service SID (den VA...-Wert aus den Einstellungen Ihres Verify-Service) im URL-Pfad sowie einen Basic-Auth-Header, der aus Ihrer als Secret gespeicherten Account SID und Ihrem Auth Token erstellt wird.

2. Empfänger mit einer Systemvariable festlegen. ElevenAgents stellen Systemvariablen bereit, die system__caller_id bei jedem Sprachanruf automatisch mit der Telefonnummer der anrufenden Person befüllen. Übergeben Sie daher {{system_caller_id}} als To-Parameter, statt die anrufende Person zu bitten, eine Nummer vorzulesen. In einer Produktionsumgebung mit einem Live-EHR würde der Code stattdessen an die im Patientendatensatz gespeicherte Telefonnummer gesendet, nicht an die Anruferkennung.

3. Aktivieren Sie skip_turn. Wenn Sie dieses System-Tool zusätzlich zu den Webhook-Tools verwenden, kann der Agent still warten, während die anrufende Person die SMS sucht, statt über die Pause hinwegzusprechen.

Nur Anrufende, die sowohl die EHR-Abfrage als auch die OTP-Prüfung bestehen, dürfen in die Buchungsphase weiter. 

JSON-Beispiele für beide Tools finden Sie hier und hier.

Tools zur Kalenderintegration

In der Buchungsphase müssen Verfügbarkeiten geprüft sowie Termine in einem echten Kalender gebucht, verschoben und storniert werden. Die Einrichtung der Cal.com-Integration erfolgt in drei Schritten:

1. Integration verbinden. Fügen Sie auf dem Tab Tools des Agenten die Cal.com-Integration hinzu und klicken Sie auf Connect.

2. Ereignistyp festlegen. Jedes Kalendertool verwendet eine Ereignistyp-ID, die Cal.com mitteilt, für welches Ereignis ein Termin gebucht werden soll. Legen Sie sie in den verbundenen Tools als festen Parameter fest. Verwenden Sie dazu die ID aus Ihrem Cal.com-Dashboard.

3. E-Mail-Adresse der teilnehmenden Person festlegen. Die Buchungstools benötigen außerdem eine E-Mail-Adresse der teilnehmenden Person. Zu Demozwecken hinterlegen Sie Ihre eigene Adresse als festen Parameter, damit Bestätigungen in Ihrem Posteingang ankommen. In der Produktion mit einem echten EHR würden Sie sie aus der E-Mail-Adresse im Patientendatensatz befüllen, statt sie fest zu hinterlegen.

Ab hier hängt der Buchungsablauf vom beim Greeting erfassten Anliegen ab. Für einen neuen Termin ruft der Agent calcom_get_available_slots auf, um freie Zeiten abzufragen, bevor er einen anbietet, und danach calcom_create_booking, sobald die anrufende Person bestätigt – immer in dieser Reihenfolge, denn die vorherige Verfügbarkeitsprüfung verhindert Doppelbuchungen. Bei einer Verschiebung oder Stornierung sucht er zunächst mit calcom_find_bookings_by_attendee nach dem bestehenden Termin der anrufenden Person, bestätigt den konkreten Termin mit ihr und entfernt ihn dann entweder mit calcom_cancel_booking oder bucht bei einer Verschiebung den neuen Termin, bevor der alte storniert wird.

Weiterleitung an eine Person

Für die Weiterleitung an eine Person können wir das ElevenLabs-transfer_to_number-System-Tool verwenden. Fügen Sie es auf Agentenebene als System-Tool hinzu, damit es gleichermaßen über Greeting, Verification oder Booking erreichbar ist. Geben Sie für die Weiterleitungsregel die Zieltelefonnummer im E.164-Format und eine verständliche Bedingung an, wann sie ausgelöst werden soll. Das LLM entscheidet anhand dieser Bedingungen und der Toolbeschreibung, wann und wohin weitergeleitet wird. Belassen Sie den Weiterleitungstyp bei Conference, dem Standard, da er eine persönliche Übergabenachricht unterstützt, die der menschlichen Fachkraft den Grund für die Weiterleitung erläutert.

Die Patientenreise strukturieren

Workflows sind visuelle, graphbasierte Gesprächsabläufe aus wenigen Knotentypen: Subagent-Knoten, die für eine Phase des Anrufs einen System Prompt, Tools und eine Wissensdatenbank über den Basisagenten für die Orchestrierung legen; Dispatch-Tool-Knoten, die die Ausführung eines bestimmten Tools garantieren und nach Erfolg oder Fehler verzweigen; Agentenübergabe- und Transfer-to-Number-Knoten für Übergaben; sowie ein Endknoten zum Beenden des Anrufs. Knoten werden über Kanten verbunden. Vorwärts gerichtete Kanten können eine LLM-Bedingung enthalten – eine Regel in natürlicher Sprache, die das Modell in Echtzeit auswertet, um den passenden Pfad auszuwählen. Wir bauen den Agenten mit fünf Subagent-Knoten auf – Greeting, Verification, Booking, Transfer Notice und Close –, jeweils mit eigenen Tools, sowie einem einzelnen Phone Number Transfer-Knoten, der über Transfer Notice erreichbar ist.

Greeting ist der Einstiegspunkt: Er nimmt den Anruf an, stellt die Klinik vor und erfasst das Anliegen der Patientin oder des Patienten, bevor er übergibt – ohne eigene Tools, aber mit ausreichend Kontext, um korrekt weiterzuleiten.

Verification führt die zuvor beschriebene Zwei-Faktor-Prüfung aus. Dazu wird das FHIR-Tool GET /Patient verwendet, um zu bestätigen, dass die anrufende Person mit einem EHR-Datensatz übereinstimmt. Anschließend nutzt der Agent die Tools send_SMS_verification und check_SMS_verification, um einen Einmalcode zu senden und zu prüfen, bevor die anrufende Person fortfahren kann. Nur wer beide Prüfungen besteht, kommt weiter; alle anderen erhalten eine Vorwärtskante zu Transfer Notice.

Booking enthält die Kalendertools aus dem vorherigen Abschnitt. Das beim Greeting erfasste Anliegen bestimmt den Pfad: Verfügbarkeit prüfen und einen neuen Termin buchen, eine bestehende Buchung suchen und vor der Stornierung neu buchen, um zu verschieben, oder einen Termin bestätigen und stornieren. Dieser Knoten ist außerdem offen zu Transfer Notice: Wenn kein passender Kalendereintrag gefunden wird, die anrufende Person keinem bestehenden Termin zugeordnet werden kann oder stattdessen mit Mitarbeitenden sprechen möchte, führt die Kante dorthin, statt den Anruf zu blockieren.

Transfer Notice liegt zwischen dem restlichen Workflow und der eigentlichen Übergabe – ein kurzer Subagent, dessen einzige Aufgabe darin besteht, der anrufenden Person vor dem Verlassen des Agenten anzukündigen, dass sie weitergeleitet wird, z. B. „Ich verbinde Sie jetzt mit jemandem aus unserem Team.“ Indem jede Weiterleitungsbedingung zuerst über diesen Knoten führt, anstatt transfer_to_number direkt über Greeting, Verification oder Booking auszulösen, wird sichergestellt, dass die anrufende Person diese Nachricht immer hört und nicht still weitergeleitet wird, falls die Formulierung je nach Subagent variiert.

Phone Number Transfer, basierend auf dem Tool transfer_to_number, ist der Knoten, zu dem Transfer Notice immer weiterleitet. Seine Regeln kombinieren eine Zielnummer mit denselben Bedingungen aus den vorgelagerten Schritten – fehlgeschlagene Verifizierung, ausdrücklicher Wunsch oder eine nicht abschließbare Buchung – und führen die tatsächliche Übergabe aus, nachdem die anrufende Person bereits darüber informiert wurde.

Close wird nur nach einer erfolgreichen Buchung erreicht: Der Knoten fasst der anrufenden Person die Termindetails zusammen und beendet das Gespräch freundlich.

Eine JSON-Beispielvorlage für den Workflow finden Sie hier.

Analyse und Tests

Der größte Aufwand bei einem Sprachagenten im Gesundheitswesen liegt nicht im Idealfall, sondern darin, dass alles korrekt abläuft, wenn das Gespräch nicht nach Skript verläuft. ElevenAgents bietet Tests und Analysen nativ auf der Plattform. Damit bewerten dieselben Kriterien, die Sie vor dem Launch zum Testen nutzen, jeden Anruf in der Produktion – ohne separates Tool, das eingerichtet oder abgeglichen werden muss.

Erfolgskriterien

Definieren Sie Erfolgskriterien, um konkrete Bewertungskriterien zu erfassen, die mit Ihren geschäftlichen und operativen Zielen übereinstimmen. Im Tab Analysis ist jedes Kriterium ein Prompt in natürlicher Sprache, den ein LLM anhand des Transkripts ausführt. Er liefert success, failure oder unknown mit einer Begründung zurück. Für diesen Agenten kommen beispielsweise folgende Kriterien infrage:

• patient_verified: „Als erfolgreich markieren, wenn der Agent die Identität der anrufenden Person sowohl über die EHR-Abfrage als auch über den SMS-Einmalcode bestätigt hat, bevor die Buchung fortgesetzt wurde.“
• appointment_booked: „Als erfolgreich markieren, wenn der Termin der Patientin oder des Patienten gebucht wurde.“
• appointment_changed: „Als erfolgreich markieren, wenn die Patientin oder der Patient um die Verschiebung oder Stornierung eines bestehenden Termins gebeten hat, der Agent diese Änderung durchgeführt – das Kalenderereignis aktualisiert oder gelöscht – und das Ergebnis der anrufenden Person bestätigt hat.“ 
• call_escalated_when_requested: „Als erfolgreich markieren, wenn die anrufende Person um ein Gespräch mit einer Person gebeten hat und der Agent den Anruf weitergeleitet hat; als Fehler markieren, wenn sie darum gebeten hat und der Agent nicht weitergeleitet hat.“

Datenerfassung

Sie können diese mit Feldern zur Datenerfassung kombinieren. Fügen Sie beispielsweise requested_action (buchen, verschieben oder stornieren), appointment_date oder appointment_type hinzu. Diese werden als strukturierte String-, Boolean- oder Zahlenwerte aus jedem Transkript extrahiert und über einen Post-Call-Webhook an das System weitergeleitet, das Ihre Anrufergebnisse erfasst. 

Simulationen und Tests

Im Gesundheitswesen muss ein Agent Vertrauen gewinnen, bevor er seinen ersten echten Anruf bearbeitet – Fehlermodi müssen beim Testen sichtbar werden, nicht vor einer Patientin oder einem Patienten. Die Conversation Simulation API simuliert realistische Anrufszenarien, sowohl durchgängig als auch in gezielten Abschnitten, und bewertet die Ergebnisse automatisch anhand derselben Kriterien wie in der Produktion – genau der oben definierten Prüfungen patient_verified und appointment_booked, nicht anhand einer separaten Testrubrik. Führen Sie vollständige Simulationen für den gesamten Anruf aus oder Teilsimulationen, die mitten im Gespräch beginnen, um einen einzelnen Entscheidungspunkt zu validieren. Das ist der schnellere Weg, an einem Knoten zu iterieren, ohne den gesamten Ablauf erneut auszuführen. 

Für diesen Agenten bedeutet das, Szenarien zu schreiben, die über den Idealfall hinausgehen: eine anrufende Person, deren Name mit keinem EHR-Datensatz übereinstimmt, jemand, der das OTP zweimal falsch eingibt, eine Patientin oder ein Patient, die bzw. der statt einer Buchung um eine Verschiebung bittet, oder eine Person, die mitten in der Verifizierung ausdrücklich nach einem Menschen verlangt. Solche klaren, fokussierten Szenarien decken Randfälle, Tool-Nutzung und Fallback-Logik ab, statt darauf zu hoffen, dass sie erst in der Produktion auftreten.

Ihre Twilio-Telefonnummer verbinden

Sobald der Agent erstellt ist, dauert es nur wenige Minuten, ihn mit einer Live-Nummer zu verbinden:

1. Gehen Sie im ElevenLabs-Dashboard zu Phone Numbers und klicken Sie auf Import number.
2. Geben Sie ein Label, die Phone Number sowie Ihre Twilio Account SID und Ihr Auth Token
3. Weisen Sie die Nummer nach dem Import über das Dropdown-Menü Ihrem Agenten zu.
4. Rufen Sie die Nummer zum Testen an und prüfen Sie anschließend im Dashboard für den Conversations-Verlauf, ob sich die ersten Anrufe wie erwartet verhalten haben.

Bereit für echte Patientinnen und Patienten

Wir haben einen Agenten für die Patiententerminplanung erstellt, der mehr kann als Anrufe entgegenzunehmen: Er prüft die Identität anhand eines EHRs und eines OTP als zweitem Faktor, bevor er auf einen Datensatz zugreift, bucht, verschiebt und storniert direkt in einem Live-Kalender über die Cal.com-API und weiß, wann er zurücktreten und eine anrufende Person an einen Menschen übergeben muss. Der deterministische Workflow, die Laufzeit-Guardrails und die Bewertungskriterien geben Teams die Auditierbarkeit und das wiederholbare Testmuster, das Healthcare-Deployments benötigen.

Im Live-Betrieb zeigt sich der Wert dieses Musters. Die während der Entwicklung definierten Bewertungskriterien werden zur Schwelle für den Go-Live: Wenn der Agent sie zuverlässig erfüllt und die Metriken stabil sind, können Sie mit Sicherheit starten, statt nach Bauchgefühl zu entscheiden. Nach dem Launch verlagert sich das Lernen von simulierten Tests zu Produktions-Transkripten. Diese Praktiken – von gestaffelten Rollouts bis zur Frage, wann Sie nicht weiter iterieren sollten – behandeln wir in einem früheren Blogbeitrag.

Ein wichtiger Schritt in Richtung HIPAA-Compliance ist der Umgang mit Daten. Das Aktivieren von Zero Retention Mode entfernt Anrufaufzeichnungen, Transkripte und Metadaten mit PII unmittelbar nach Ende eines Anrufs. Damit entfällt die größte Quelle für Compliance-Risiken bei telefoniebasierten Deployments. In Verbindung mit einem Post-Call-Webhook geht keine Transparenz verloren – jedes Buchungsergebnis, Verifizierungsergebnis und jede Bewertungsnote wird beim Abschluss des Anrufs in Echtzeit an Ihr eigenes System gesendet.

Sie haben jetzt eine Vorlage, um agentische Sprach-KI an der Eingangstür Ihrer Klinik einzusetzen. Die Terminplanung ist der Bereich mit dem höchsten Volumen und ein guter Ausgangspunkt. Dasselbe Muster lässt sich auf Patientenaufnahme, Rezeptverlängerungen, Abrechnung und Nachsorge nach dem Besuch übertragen – jeder dieser Anrufe muss außerhalb der Geschäftszeiten nicht mehr auf der Mailbox landen. Unser Forward Deployed Engineering-Team arbeitet eng mit Gesundheitsorganisationen zusammen, um Deployments wie dieses in konkrete Produktfunktionen zu übersetzen. Wenn Sie einen patientennahen Workflow mit der Compliance-Ausrichtung, die das Gesundheitswesen erfordert, auf ElevenAgents bringen möchten, probieren Sie diesen Ansatz aus und teilen Sie uns Ihre Erfahrungen mit.