ElevenAgents für das Gesundheitswesen: Einen Agenten für eingehende Terminvereinbarungen erstellen

Das Telefon ist weiterhin die Eingangstür zum Gesundheitswesen – und sie ist verstopft. Untersuchungen der Mayo Clinic und Daten aus einer Epic-Fallstudie zeigen, dass rund 30 % der Terminvereinbarungen außerhalb der üblichen Geschäftszeiten stattfinden. Anrufe, die auf der Mailbox landen, führen oft zu Terminen, die stillschweigend nicht stattfinden. Gleichzeitig ist das Empfangspersonal, das diese Anrufe auffangen soll, überlastet und wechselt häufig. Voice Agents sind längst über die Demo-Phase hinaus und helfen Kliniken, diese Lücke zu schließen. Die Terminvereinbarung ist dabei der häufigste Einstiegspunkt: hohes Volumen, repetitive und vorhersehbare Abläufe sowie ein großer Anteil der Empfangsarbeit, der keine klinische Beurteilung erfordert.

Die Terminvereinbarung im Gesundheitswesen stellt zudem höhere Anforderungen. Ein falscher Termin oder ein missverstandener Besuchsgrund ist nicht nur eine schlechte Erfahrung, sondern ein Sicherheits- und Compliance-Vorfall. Ein Scheduling-Agent am Empfang braucht mehr als eine angenehme Stimme: zuverlässige Identitätsprüfung, klare Schutzmechanismen, einen sauberen Eskalationsweg zu Mitarbeitenden, die Compliance-Grundlage für den Umgang mit geschützten Gesundheitsdaten und die Fähigkeit, Termine in einem realen Planungssystem tatsächlich zu buchen, zu ändern oder abzusagen.

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 an Mitarbeitende weiterleitet. Sie erhalten den Workflow, die Leitplanken, Tests und Analysen, um den Agenten innerhalb klarer Vorgaben zu halten – auf einer 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 ein EHR. In diesem Leitfaden verwenden wir HAPI FHIR, eine Open-Source-Referenzimplementierung für das HL7-FHIR-Format, zur Validierung anhand synthetischer Patientenakten.
• Die Kalenderanwendung Ihrer Praxis. In diesem Leitfaden verwenden wir die native Integration von ElevenLabs mit Cal.com. 

Optional

Wenn Sie keinen Zugriff auf Sandbox-Daten haben oder den Leitfaden zu Demozwecken nachvollziehen, verwenden wir den HAPI-FHIR-R4-Sandbox-Server und füllen ihn mit einer simulierten Patientenakte, die Sie während der Verifizierung nutzen können. Führen Sie dazu den folgenden API-Befehl mit simulierten Daten in Ihrem Terminal 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, und mehr als ein Ergebnis bedeutet, dass die Suchparameter nicht spezifisch genug für ein sicheres Fortfahren sind. 

Architektur

In diesem Leitfaden erstellen Sie einen Scheduling-Agenten, der über eine Twilio-Nummer läuft und nativ mit Ihrem ElevenAgent integriert ist. Sobald der eingehende Anruf verbunden ist, unterstützt der Agent den Patienten mit seinen verfügbaren Tools bei der Erfassung von Verifizierungs- und Termindetails – unabhängig davon, ob die anrufende Person einen neuen Termin buchen, einen bestehenden Termin verschieben oder absagen möchte. Bei Bedarf kann der Agent an einen Menschen weiterleiten.

Mit dieser Architektur und diesen Tools umfasst ein erfolgreicher Anruffluss die folgenden Schritte:

1. Anrufbeginn: Ein Patient ruft die mit dem Agenten verknüpfte Twilio-Nummer an. Der Agent begrüßt den Patienten und erfasst das Anliegen.
2. EHR-Validierung: Der Agent gleicht die Angaben des Patienten mit dessen Akte im EHR ab.
3. Verifizierung: Der Agent sendet zur abschließenden Verifizierung über sein SMS-Tool ein Einmalpasswort (OTP) an die Telefonnummer des Patienten.
4. Buchung oder Änderung: Der Agent bearbeitet das erfasste Anliegen im Kalender. Bei einem neuen Termin erfasst er Buchungsdetails und prüft die Verfügbarkeit. Bei einer Verschiebung ruft er den bestehenden Termin auf und findet einen neuen Slot. Bei einer Absage bestätigt und entfernt er den bestehenden Termin.
5. Weiterleitung: Wenn die Buchung oder Änderung nicht erfolgreich ist, der Patient mit einem Menschen sprechen möchte oder ein anderes Anliegen erfasst wird, das der Agent nicht bearbeiten kann, wird der Anruf an einen menschlichen Agenten weitergeleitet.
6. Bestätigung und Abschluss: Nach einer erfolgreichen Buchung, Verschiebung oder Absage fasst der Agent die Gesprächsdetails zusammen und beendet den Anruf freundlich.

System Prompt und Agent-Einstellungen

Der erste Schritt zum Erstellen eines wirksamen ElevenAgent liegt im System Prompt. Nach dem ElevenLabs-Leitfaden für Prompts strukturieren wir ihn in die empfohlenen Kernbausteine für jeden Produktiv-Agenten: Persönlichkeit, Ziel, Tonalität, Tools und Schutzmechanismen. Jeder Baustein erhält einen klar gekennzeichneten Abschnitt statt eines einzigen fortlaufenden Anweisungsblocks.

Bei einem Agenten zur Terminvereinbarung im Gesundheitswesen muss diese Struktur berücksichtigen, wer tatsächlich am anderen Ende der Leitung ist: jemand, der älter ist, Schmerzen hat, schwerhörig ist oder einfach Angst vor dem Grund seines Anrufs hat. Die Abschnitte Persönlichkeit und Tonalität sorgen für ein warmes, ruhiges 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 als geordnete Sequenz durch den Ablauf: Identität prüfen und dann – je nachdem, ob die anrufende Person buchen, verschieben oder absagen möchte – Verfügbarkeit prüfen und den Slot bestätigen, den bestehenden Termin suchen und verschieben oder die Absage bestätigen. Tools werden mit den genauen gesprochenen Eingabeformaten dokumentiert, die sie erwarten. Schutzmechanismen enthalten die domänenspezifischen Regeln: Nie mehr PHI preisgeben, als die anrufende Person bereits genannt hat, bei einem Tool-Fehler niemals Verfügbarkeit oder Termindetails erfinden, klinische Fragen an die eigene behandelnde Person verweisen und bei dringenden Symptomen oder einem medizinischen Notfall sofort eskalieren. Die Identitätsprüfung vor jeder Terminaktion ist die einzige Regel, die wiederholt statt nur einmal genannt wird. Sie darf der Agent keinesfalls auslassen.

Von hier aus können Sie weitere Agent-Konfigurationen hinzufügen, etwa die erste Nachricht, verschiedene Sprachen (stellen Sie sicher, dass das Systemtool zur Spracherkennung aktiviert ist), ein LLM Ihrer Wahl, ein konversationelles ElevenLabs-Text-to-Speech-Modell und eine ElevenLabs-Stimme.

Ein Beispiel für einen System Prompt finden Sie hier.

Schutzmechanismen

Der Abschnitt „Schutzmechanismen“ des System Prompts enthält Regeln auf Anweisungsebene und wird vom Modell stark gewichtet. Ein Prompt bleibt jedoch eine nicht deterministische Ebene und kann bei langen Anrufen abdriften. ElevenAgents ergänzt ihn durch unabhängige Durchsetzung zur Laufzeit über eigene Schutzmechanismen. 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 sie blockieren können, bevor die anrufende Person sie hört. Jeder Guardrail wird mit einem Ausführungsmodus konfiguriert – Streaming für nahezu keine Latenz oder Blocking, um eine Antwort bis zur Freigabe zurückzuhalten – sowie einer Exit-Strategie für einen Trigger: Anruf beenden oder mit Korrekturhinweisen im nächsten Turn erneut versuchen.

Für diesen Agenten können wir benutzerdefinierte Schutzmechanismen für Regeln im Gesundheitswesen oder in der jeweiligen Klinik festlegen: Diagnosen oder Behandlungsempfehlungen blockieren, Fragen zur Abrechnung blockieren, Dosierungshinweise für Medikamente blockieren und alles blockieren, was die Beratung durch approbiertes medizinisches Personal ersetzt. Bei dringenden Symptomen setzen Sie die Exit-Strategie auf erneuten Versuch mit Feedback, das den Anruf an einen Menschen weiterleitet. So übergibt der Guardrail den Anruf an Mitarbeitende, statt ihn einfach zu beenden.

Tools

Jeder Schritt im Ablauf erfordert spezifische Webhook- und Integrationstools für bestimmte Aktionen während des Gesprächs mit dem Patienten.

Tool zur EHR-Verifizierung

Um den Patienten mit seiner Akte im EHR abzugleichen, verwenden wir die API-Aktion FHIR GET /Patient. Fügen Sie sie als Webhook-Tool hinzu, das auf Ihre HAPI-FHIR-Basis-URL verweist, und setzen Sie Familienname, Vorname, Kennung und Geburtsdatum 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. Der Agent darf nur dann zur Buchungsphase übergehen, wenn diese Bedingung erfüllt ist.

Ein JSON-Beispiel für das Tool finden Sie hier.

Tools zur Twilio-SMS-Verifizierung

Nach bestätigter EHR-Übereinstimmung wechselt die Verifizierungsphase zu einem zweiten Faktor: Dem Patienten wird ein Einmalcode per SMS gesendet und bestätigt, 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. Beide verweisen auf Ihren Twilio-Verify-Service. Jedes benötigt die Verify Service SID (den Wert VA... aus den Einstellungen Ihres Verify-Service) im URL-Pfad sowie einen Basic-Auth-Header aus Ihrer Account SID und Ihrem als Secret gespeicherten Auth Token.

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

3. skip_turn aktivieren. Wenn Sie dieses Systemtool neben den Webhook-Tools hinzufügen, kann der Agent still warten, während die anrufende Person die SMS sucht, statt die Pause zu überreden.

Nur anrufende Personen, die sowohl den EHR-Abgleich als auch die OTP-Prüfung bestehen, dürfen zur Buchungsphase weiter. 

Ein JSON-Beispiel für beide Tools finden Sie hier und hier.

Tools zur Kalenderintegration

Die Buchungsphase muss Verfügbarkeit prüfen, Termine buchen, verschieben und in einem realen Kalender absagen. 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. Setzen Sie sie in den verbundenen Tools als festen Parameter mit der 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. Für Demo-Zwecke setzen Sie sie als festen Parameter auf Ihre eigene Adresse, damit Bestätigungen in Ihrem Posteingang landen. In der Produktion mit einem realen EHR würden Sie stattdessen die E-Mail-Adresse aus der Patientenakte verwenden, nicht eine fest codierte Adresse.

Danach hängt der Buchungsablauf vom beim Begrüßen erfassten Anliegen ab. Für einen neuen Termin ruft der Agent calcom_get_available_slots auf, um freie Zeiten abzufragen, bevor er eine anbietet, und anschließend calcom_create_booking, sobald die anrufende Person bestätigt. Halten Sie immer diese Reihenfolge ein, denn die vorherige Verfügbarkeitsprüfung verhindert Doppelbuchungen. Bei einer Verschiebung oder Absage sucht der Agent zunächst mit calcom_find_bookings_by_attendee den bestehenden Termin der anrufenden Person, bestätigt die konkrete Buchung und entfernt sie dann entweder mit calcom_cancel_booking oder bucht bei einer Verschiebung den neuen Slot, bevor der alte abgesagt wird.

Weiterleitung an einen Menschen

Für die Weiterleitung an einen Menschen können wir das ElevenLabs-transfer_to_number-Systemtool verwenden. Fügen Sie es auf Agent-Ebene als Systemtool hinzu, damit es gleichermaßen über Begrüßung, Verifizierung oder Buchung erreichbar ist. Für die Weiterleitungsregel fügen Sie die Zieltelefonnummer im E.164-Format und eine verständliche Bedingung hinzu, die beschreibt, wann sie ausgelöst werden soll. Das LLM entscheidet anhand dieser Bedingungen und der Tool-Beschreibung, wann und wohin weitergeleitet wird. Lassen Sie den Weiterleitungstyp auf „Conference“, dem Standardwert, da er eine Übergabenachricht unterstützt, die menschliche Mitarbeitende darüber informiert, warum der Anruf weitergeleitet wird.

Die Patient Journey strukturieren

Workflows sind visuelle, graphbasierte Gesprächsabläufe aus wenigen Knotentypen: Subagent-Knoten, die einen System Prompt, Tools und eine Wissensdatenbank auf den Orchestrator-Basis-Agenten für eine Anrufphase aufsetzen; Dispatch-Tool-Knoten, die die Ausführung eines bestimmten Tools garantieren und nach Erfolg oder Fehler verzweigen; Knoten für Agentenübergabe und Weiterleitung an Telefonnummern; sowie einen Endknoten zum Beenden des Anrufs. Knoten werden durch Kanten verbunden. Vorwärtskanten können eine LLM-Bedingung enthalten – eine Regel in natürlicher Sprache, die das Modell in Echtzeit auswertet, um den nächsten Pfad festzulegen. Wir erstellen den Agenten mit fünf Subagent-Knoten – Begrüßung, Verifizierung, Buchung, Weiterleitungshinweis und Abschluss –, jeweils mit eigenen Tools, sowie einem einzelnen Knoten zur Weiterleitung an Telefonnummern, der über den Weiterleitungshinweis erreichbar ist.

Begrüßung ist der Einstiegspunkt: Sie nimmt den Anruf an, stellt die Klinik vor und erfasst das Anliegen des Patienten, bevor sie weitergibt. Sie verfügt über keine eigenen Tools, sondern sammelt nur genug Kontext für die richtige Weiterleitung.

Verifizierung führt die zuvor beschriebene Zwei-Faktor-Prüfung aus. Dabei wird das FHIR-Tool GET /Patient verwendet, um zu bestätigen, dass die anrufende Person einer Akte im EHR entspricht. Anschließend verwenden Sie 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. Für alle anderen führt eine Vorwärtskante zum Weiterleitungshinweis.

Buchung enthält die Kalendertools aus dem vorherigen Abschnitt. Das bei der Begrüßung erfasste Anliegen bestimmt den Pfad: Verfügbarkeit prüfen und für einen neuen Termin buchen, bestehende Buchung suchen und vor der Absage neu buchen, um einen Termin zu verschieben, oder bestätigen und absagen. Dieser Knoten leitet auch zum Weiterleitungshinweis weiter: Wenn kein passender Kalenderslot verfügbar ist, die anrufende Person keinem bestehenden Termin zugeordnet werden kann oder stattdessen mit Mitarbeitenden sprechen möchte, führt die Kante dorthin, statt den Anruf aufzuhalten.

Weiterleitungshinweis liegt zwischen dem übrigen Workflow und der eigentlichen Übergabe. Dieser kurze Subagent hat nur die Aufgabe, der anrufenden Person mitzuteilen, dass eine Weiterleitung erfolgt, zum Beispiel: „Ich verbinde Sie jetzt mit jemandem aus unserem Team.“ Die Führung jeder Weiterleitungsbedingung zunächst über diesen Knoten, statt transfer_to_number direkt aus Begrüßung, Verifizierung oder Buchung auszulösen, stellt sicher, dass die anrufende Person diesen Hinweis immer hört, statt je nach Formulierung des Subagenten still weitergeleitet zu werden.

Weiterleitung an Telefonnummer, basierend auf dem Tool transfer_to_number, ist der Knoten, an den der Weiterleitungshinweis stets weiterführt. Seine Regeln kombinieren eine Zielnummer mit denselben vorgelagerten Bedingungen – fehlgeschlagene Verifizierung, eine ausdrückliche Anfrage oder eine nicht abschließbare Buchung – und führen die Übergabe aus, nachdem die anrufende Person bereits darüber informiert wurde.

Abschluss wird nur nach einer erfolgreichen Buchung erreicht: Er fasst der anrufenden Person die Termindetails zusammen und beendet den Anruf freundlich.

Eine JSON-Beispielvorlage für den Workflow finden Sie hier.

Analyse und Tests

Der größte Teil der Arbeit bei einem Voice Agent im Gesundheitswesen betrifft nicht den Idealfall, sondern alles, was korrekt ablaufen muss, wenn der Anruf nicht nach Plan verläuft. ElevenAgents wurde für plattformnative Tests und Analysen entwickelt. Das bedeutet: Dieselben Bewertungskriterien, die Sie vor dem Launch verwenden, bewerten auch jeden Anruf in der Produktion. Sie müssen kein separates Tool integrieren oder Ergebnisse abgleichen.

Erfolgskriterien

Definieren Sie Erfolgskriterien, um spezifische Bewertungskriterien zu erfassen, die Ihren geschäftlichen und operativen Zielen entsprechen. Im Tab „Analyse“ ist jedes Kriterium ein Prompt in natürlicher Sprache, den ein LLM anhand des Transkripts ausführt. Er liefert Erfolg, Fehler oder Unbekannt mit Begründung zurück. Für diesen Agenten könnten dies beispielsweise folgende Kriterien sein:

• patient_verified: „Als erfolgreich markieren, wenn der Agent die Identität der anrufenden Person sowohl durch den EHR-Abgleich als auch durch den SMS-Einmalcode bestätigt hat, bevor er zur Buchung überging.“
• appointment_booked: „Als erfolgreich markieren, wenn der Termin des Patienten gebucht wurde.“
• appointment_changed: „Als erfolgreich markieren, wenn der Patient einen bestehenden Termin verschieben oder absagen wollte, 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 mit einem Menschen sprechen wollte und der Agent den Anruf weitergeleitet hat; als Fehler markieren, wenn sie dies verlangte und der Agent nicht weiterleitete.“

Datenerfassung

Sie können diese mit Datenerfassungsfeldern kombinieren. Fügen Sie beispielsweise requested_action (buchen, verschieben oder absagen), appointment_date oder appointment_type hinzu. Diese werden aus jedem Transkript als strukturierte String-, Boolean- oder Zahlenwerte extrahiert und über einen Webhook nach dem Anruf an das System übertragen, das Ihre Anrufergebnisse erfasst. 

Simulationen und Tests

Im Gesundheitswesen muss ein Agent Vertrauen gewinnen, bevor er den ersten echten Anruf annimmt. Fehlermodi müssen in Tests sichtbar werden, nicht im Gespräch mit 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 die oben definierten Prüfungen patient_verified und appointment_booked statt eines separaten Test-Rasters. 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, um einen Knoten zu iterieren, ohne den gesamten Ablauf erneut auszuführen. 

Für diesen Agenten bedeutet das, Szenarien zu erstellen, die über den Idealfall hinausgehen: eine anrufende Person, deren Name keiner EHR-Akte entspricht, jemand, der den OTP zweimal falsch eingibt, ein Patient, der statt einer Buchung eine Verschiebung wünscht, und eine anrufende Person, die mitten in der Verifizierung ausdrücklich nach einem Menschen verlangt. Das sind klare, fokussierte Szenarien, die Edge Cases, Tool-Nutzung und Fallback-Logik abdecken, statt darauf zu hoffen, dass sie erst in der Produktion auftreten.

Ihre Twilio-Telefonnummer verbinden

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

1. Gehen Sie im ElevenLabs-Dashboard zu Telefonnummern und klicken Sie auf Nummer importieren.
2. Geben Sie eine Bezeichnung, die Telefonnummer sowie Ihre Twilio-Account SID und Ihren Auth Token
3. Nach dem Import weisen Sie die Nummer über das Dropdown Ihrem Agenten zu.
4. Rufen Sie die Nummer zum Testen an und prüfen Sie anschließend im Dashboard des Gesprächsverlaufs, ob die ersten Anrufe wie erwartet verlaufen sind.

Bereit für echte Patienten

Wir haben einen Agenten zur Patiententerminvereinbarung erstellt, der mehr kann als Anrufe entgegennehmen: Er prüft die Identität anhand eines EHR und eines OTP als zweitem Faktor, bevor er auf eine Akte zugreift, bucht, verschiebt und sagt Termine direkt über Cal.coms API in einem Live-Kalender ab und weiß, wann er einem Menschen das Gespräch übergeben muss. Der deterministische Workflow, die Schutzmechanismen zur Laufzeit und die Bewertungskriterien geben Teams den Prüfpfad und das wiederholbare Testmuster, das für Implementierungen im Gesundheitswesen erforderlich ist.

Beim Go-live zeigt sich der Wert dieses Musters. Die während der Entwicklung definierten Bewertungskriterien werden zur Go-live-Schwelle: Wenn der Agent sie zuverlässig besteht und sich die Metriken stabilisiert haben, können Sie mit Zuversicht starten, statt nach Bauchgefühl zu entscheiden. Nach dem Launch verlagert sich das Lernen von simulierten Tests auf Produktionsprotokolle. Diese Praktiken – von gestaffelten Rollouts bis zum richtigen Zeitpunkt, Iterationen zu beenden – behandeln wir in einem früheren Blogbeitrag.

Ein wichtiger Schritt in Richtung HIPAA-Compliance ist die Datenverarbeitung. Durch das Aktivieren des Zero Retention Mode werden Anrufaufzeichnungen, Transkripte und Metadaten mit PII sofort nach Ende eines Anrufs entfernt. Damit wird die größte Compliance-Risikoquelle einer telefoniebasierten Implementierung beseitigt. In Kombination mit einem Webhook nach dem Anruf geht keine Transparenz verloren: Jedes Buchungsergebnis, Verifizierungsergebnis und jeder Bewertungsscore wird beim Abschluss des Anrufs in Echtzeit an Ihr eigenes System gesendet.

Sie haben nun eine Vorlage, um agentische Voice AI an der Eingangstür Ihrer Klinik einzusetzen. Die Terminvereinbarung ist der Einstieg mit dem höchsten Volumen. 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 Implementierungen wie diese in konkrete Produktfunktionen zu übersetzen. Wenn Sie einen patientennahen Workflow auf ElevenAgents mit dem für das Gesundheitswesen erforderlichen Compliance-Standard bringen möchten, probieren Sie diesen Ansatz aus und teilen Sie uns Ihre Erfahrungen mit.