Webinar-Rückblick: Erkenntnisse aus dem Einsatz von KI im Gesundheitswesen

Gesundheitssysteme sollen mehr für Patienten leisten, ohne zusätzliches Personal einzustellen. Was Patienten frustriert, passiert meist rund um die Versorgung, nicht währenddessen. Den richtigen Arzt zu finden, ist aufwendig. Ebenso, bei jeder Übergabe dieselbe Geschichte zu erzählen. 

In unserer aktuellen Behind-the-Agent-Session sprach Cindy Liu (Enterprise Deployment, ElevenLabs) mit Jacque Myers (Global Healthcare Lead, Slalom), Sylvia Doane Stephenson (Managing Director, Slalom) und Cristal Woodley (Chief Marketing and Experience Officer, Renown Health) darüber, wo KI-Agenten im Gesundheitswesen tatsächlich eingesetzt werden und was nötig ist, um sie produktiv zu betreiben.

Entscheidend dafür, ob sich Implementierungen weiterentwickeln oder ins Stocken geraten, ist der Einstieg: eine Journey mit hohem Volumen, messbaren Ergebnissen und geringem Risiko statt vieler spezialisierter Pilotprojekte.

Warum die Patient Journey weiterhin bruchstückhaft ist

Patienten stecken in einem wiederkehrenden Kreislauf fest. Bei jedem Übergang in der Versorgung bestätigen sie ihre Identität und erklären erneut, warum sie anrufen. Sie warten und werden weitergeleitet. Antworten, die sie andernorts suchen, sind uneinheitlich. Wenn sie endlich die richtige Person erreichen, beginnt der Prozess von vorn.

Alle Kontaktpunkte sind vorhanden – Website, Patientenportal, Contact Center, EHR, Abrechnung –, aber sie kommunizieren nicht miteinander. Eine vernetzte Journey beginnt dort, wo der Patient ist, und setzt zuerst dort an, wo das Risiko gering und die Wirkung hoch ist.

Die meisten Organisationen beginnen mit KI an den Rändern: in spezialisierten Anwendungsfällen mit geringem Risiko. Nichts davon baut aufeinander auf. Jacques Alternative nennt sie Hero Journey: eine zentrale Journey, die viele Ihrer Abläufe abbildet, weiterhin risikoarm ist und die Sie ausbauen, statt für jeden Anwendungsfall neu anzufangen.

Demo: Terminvereinbarung von Anfang bis Ende

Die Terminvereinbarung ist ein guter Kandidat für eine Hero Journey: hohes Volumen, messbar und mit ausreichend geringem Risiko, um darauf aufzubauen. So sieht der vordere Teil dieser Journey von der Patientenaufnahme bis zur Terminbestätigung durchgängig aus.

Szenario: Eine Patientin benötigt ein neues Rezept für Kontaktlinsen. Auf der Website ihrer Versicherung findet sie einen Optometristen in ihrem Netzwerk und ruft in der Praxis an. Dort nimmt ein virtueller Terminassistent ab.

Gezeigt wurde:

• Der Agent führte die Aufnahme von Neupatienten dialogbasiert durch und erfasste Name, Geburtsdatum und Telefonnummer.
• Er verifizierte ihre Telefonnummer mit einem echten SMS-Code und korrigierte den Ablauf, als der Code beim ersten Versuch falsch verstanden wurde.
• Als die Anruferin sich nicht an ihre Versicherungsmitgliedsnummer erinnern konnte, bat der Agent sie, die Karte zum Termin mitzubringen, und fuhr fort.
• Er bot drei Termine an, buchte einen davon und sendete eine aus dem Gesprächsverlauf erstellte Bestätigungs-E-Mail sowie eine SMS-Erinnerung.
• Derselbe Agent lief über SMS. Der identische Workflow wurde als Textkonversation ausgeführt, ohne separate Implementierung.

Warum das wichtig ist: Ein Agent stand sowohl hinter der Telefonleitung als auch hinter dem SMS-Thread. Die Experience war damit standardmäßig kanalübergreifend. Die Demo war in etwa zwei Stunden erstellt – schnell genug, damit ein Team innerhalb weniger Tage einen Prototyp entwickeln und intern vorstellen kann. Der produktive Einsatz im Enterprise ist etwas anderes. Der größte Aufwand liegt in Integration, Tests und Compliance-Arbeit, die ein Agent vor dem Go-live benötigt. Bei ElevenLabs übernehmen das unsere Forward Deployed Engineers.

Wo Sie anfangen sollten – und was wirklich blockiert

Die Reihenfolge für Gesundheitssysteme, die starten:

• Ambient Listening: Falls es noch nicht in Ihr EHR integriert ist. Diese Arbeit erfolgt meist über einen Dokumentationsanbieter, schafft aber das Vertrauen der Behandelnden, auf dem alles Weitere aufbaut.
• Das Contact Center: Die meisten Systeme betrachten es als Kostenstelle. Es kann stattdessen als Wachstumszentrum arbeiten.
• Patientenaufklärung und Therapietreue: Wiederholbare Aufgaben mit messbarem und unmittelbarem ROI, die sich skalieren lassen.

Der Engpass bei der Automatisierung von Contact Centern ist die Terminplanung der Ärzte. Präferenzkarten und Terminvorlagen sind der sichtbare Teil. Langsam ist die Steuerung von Veränderungen bei Menschen, die hochqualifiziert, hochspezialisiert und sehr unabhängig sind. Was funktioniert: ärztliche Fürsprecher, eine abgestimmte Führung, die Veränderungen vorantreiben kann, und kontinuierliche Unterstützung – manchmal bis hin zu einem individuellen Coach pro Behandelndem.

Wie Renown Health auf Agenten hinarbeitet

Renown versorgt Patienten auf einer Fläche von 100.000 Quadratmeilen – von Salt Lake City bis Sacramento.

Cristals Team beginnt mit einem klar abgegrenzten Pilotprojekt. Die geprüften Anwendungsfälle verzichten vollständig auf Patientendaten. Interne Erfolge schaffen die Grundlage für die Compliance-Freigabe der nächsten Schritte. 

Der Weg dorthin führte über die Daten. Cristals Team arbeitete mit Behandelnden an Terminvorlagen und standardisierte zugleich die offene Terminvergabe. Schnelle Erfolge durch Ambient Listening öffneten die Tür: Behandelnde, die eine bessere Lebensqualität spürten, kamen zurück und fragten, was noch möglich sei.

Sie sprach auch klar über das Tempo: Marketing- und Contact-Center-Teams können nicht warten, denn Patienten nutzen diese Technologien bereits und erwarten sie bereits.

Sicherheit, HIPAA und das Onboarding von Agenten wie neue Mitarbeitende

Emotional aufgeladene Anrufe sind das Erste, wonach die meisten Teams fragen. Renown misst bereits die Stimmung in Anrufen seines Contact Centers und leitet Anrufende an erfahrenere menschliche Agents weiter, wobei dieser Kontext bei der Übergabe erhalten bleibt. Dieselbe Disziplin gilt für KI-Agenten.

Onboarden Sie Agenten wie Mitarbeitende: Geben Sie ihnen SOPs und ein Wissenszentrum, trainieren Sie Verhaltensweisen für Unterbrechungen und Eskalationen und evaluieren Sie sie vor dem Go-live sowie fortlaufend in PDSA-Zyklen (Plan, Do, Study, Act) anhand antagonistischer Beispiele.

Leitplanken greifen auf drei Ebenen:

• Steuerung über den System-Prompt
• Eingabevalidierung fängt gegnerische Versuche ab, bevor der Agent antwortet
• Echtzeit-Evaluierung jeder Antwort anhand Ihrer konfigurierten Richtlinien

Bei der Compliance gelten dieselben HIPAA-Standards, die EHRs regeln, auch für KI-Systeme: BAAs mit KI-Anbietern, Interoperabilität, die richtigen führenden Systeme, De-Identifizierung überall dort, wo Daten übertragen werden, und kein Training mit Patientendaten ohne ausdrückliche Einwilligung. ElevenLabs setzt bei Kunden im Gesundheitswesen ein BAA voraus und bietet einen Modus ohne Datenspeicherung. Daten werden zur Verarbeitung durchgeleitet und zur Speicherung in Ihre eigene geschützte Umgebung zurückgegeben.

Was bereit ist und was Sie messen sollten

KI ist heute bei Kunden im Gesundheitswesen produktiv im Einsatz. Sie führt Echtzeitgespräche mit geringer Latenz und folgt einem Skript, ohne vorgesehene Fragen zu überspringen.

Jedes Modell im Stack ist jedoch von Natur aus probabilistisch – ob Speech to Text, das LLM oder Text to Speech. Deshalb sind die deterministischen Ebenen darum herum wichtig. Jede Implementierung benötigt einen vorab festgelegten Risikoschwellenwert und ein Eskalationsprotokoll, das entweder an einen Menschen oder ein leistungsfähigeres Modell weiterleitet.

Sobald dieser Schwellenwert festgelegt ist, stellt sich die Frage, was Sie messen. Renown Health erfasst pro Kanal gebuchte Termine und ordnet zu, ob sie über einen Agenten, einen Anruf oder eine SMS zustande kamen. Patienten sollten die Versorgung so erreichen können, wie sie alles andere erreichen.

Oder messen Sie den Net Promoter Score bei Patienten, Pflegekräften und Ärzten. Denn die meisten Menschen mögen ihre Ärzte bereits. Die Belastung entsteht durch alles rund um die Versorgung. Steigende Zufriedenheit bedeutet daher sinkende Belastung. Auf Plattformseite beobachten wir für die Akzeptanz die eingesetzten Agenten und bearbeiteten Minuten sowie CSAT und Deflection Rate, um zu sehen, ob die Arbeit Wirkung zeigt.

Best Practices für den Einsatz von KI-Agenten im Gesundheitswesen

1. Wählen Sie eine Hero Journey, keinen Randfall: Eine Journey mit hohem Volumen, messbaren Ergebnissen und geringem Risiko, die sich im gesamten Unternehmen ausweiten lässt, ist besser als viele spezialisierte Implementierungen, die nie aufeinander aufbauen.
2. Bereinigen Sie die Daten, bevor Sie Prozesse automatisieren: Terminvorschriften und Standards für die offene Terminvergabe müssen zuerst geklärt sein. Ein Agent übernimmt jedes darunterliegende Chaos.
3. Gewinnen Sie ärztliche Fürsprecher und stärken Sie sie durch die Führung: Die technische Arbeit ist nicht der langsame Teil. Die Zustimmung unabhängiger Behandelnder ist es – und sie braucht echte Unterstützung bis zur Einführung.
4. Onboarden Sie Agenten wie neue Mitarbeitende: SOPs, ein Wissenszentrum, trainierte Verhaltensweisen für Unterbrechungen und Eskalationen sowie Evaluierung anhand antagonistischer Beispiele vor dem Go-live und fortlaufend in PDSA-Zyklen.
5. Machen Sie alles Faktische deterministisch: Rufen Sie Termine, Verfügbarkeiten und Datensatzdetails über Tools ab. Lassen Sie das Modell nicht ableiten, was es nachschlagen kann.
6. Definieren Sie Ihren Eskalationsschwellenwert im Voraus: Jedes Modell im Stack ist probabilistisch. Legen Sie vorab fest, was eine Übergabe an einen Menschen oder ein leistungsfähigeres Modell auslöst.
7. Messen Sie nach Kanal und Zufriedenheit: Pro Kanal gebuchte Termine zeigen, ob Patienten die Lösung tatsächlich nutzen. Der NPS bei Patienten, Pflegekräften und Ärzten zeigt, ob die Belastung sinkt.

Sehen Sie sich die vollständige Session an

Sehen Sie sich das vollständige Webinar an: Behind the Agent: Session zum Einsatz von KI im Gesundheitswesen.