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

Gesundheitssysteme sollen mehr für Patientinnen und Patienten leisten, ohne zusätzliches Personal einzustellen. Die meisten Frustrationen entstehen nicht während der Behandlung, sondern darum herum. Den richtigen Arzt zu finden, ist aufwendig. Dasselbe gilt dafür, bei jeder Übergabe erneut dieselbe Geschichte zu erzählen. 

In unserer neuesten 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 ein Deployment an Wirkung gewinnt oder ins Stocken gerät, ist der Ausgangspunkt: eine Journey mit hohem Volumen, messbaren Ergebnissen und geringem Risiko – statt vieler spezialisierter Pilotprojekte.

Warum die Patient Journey weiterhin brüchig ist

Patientinnen und Patienten stecken in einem Kreislauf aus Wiederholungen fest. Bei jedem Versorgungsübergang bestätigen sie ihre Identität und erklären erneut, warum sie anrufen. Sie warten und werden weitergeleitet. Antworten, die sie an anderer Stelle suchen, sind oft widersprüchlich. Wenn sie schließlich die richtige Person erreichen, beginnt der Prozess wieder von vorn.

Alle Kontaktpunkte existieren – Website, Patientenportal, Contact Center, EHR, Abrechnung –, aber sie kommunizieren nicht miteinander. Eine vernetzte Journey beginnt dort, wo die Patientin oder der Patient gerade ist, und setzt zunächst 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. Doch nichts davon baut aufeinander auf. Jacques Alternative nennt sie Hero Journey: eine zentrale Journey, die vieles von dem abbildet, was Sie tun, dabei risikoarm bleibt und erweitert wird, statt für jeden Anwendungsfall neu aufgebaut zu werden.

Demo: Terminvereinbarung von Anfang bis Ende

Die Terminvereinbarung eignet sich gut als Hero Journey: hohes Volumen, messbar und mit ausreichend geringem Risiko, um darauf aufzubauen. So sieht der erste Teil dieser Journey durchgängig aus – von der Patientenaufnahme bis zur Terminbestätigung.

Szenario: Eine Patientin benötigt ein neues Kontaktlinsenrezept. Sie findet auf der Website ihrer Versicherung einen Optometristen im Netzwerk und ruft in der Praxis an, wo ein virtueller Terminassistent den Anruf entgegennimmt.

Gezeigt wurde:

• Der Agent führte die Aufnahme von Neupatienten im Gespräch durch und erfasste Name, Geburtsdatum und Telefonnummer
• Er bestätigte ihre Telefonnummer mit einem echten SMS-Code und fing ab, dass der Code beim ersten Versuch falsch verstanden wurde
• Als die Anruferin ihre Versicherungsmitgliedsnummer nicht mehr wusste, 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 auch per SMS: Der identische Workflow wurde als Textkonversation ausgeführt, ohne separate Umsetzung

Warum das wichtig ist: Ein Agent stand sowohl hinter der Telefonleitung als auch hinter dem SMS-Verlauf. Die Experience war damit standardmäßig omnichannel. Der Aufbau der Demo dauerte rund zwei Stunden – schnell genug, damit ein Team innerhalb weniger Tage einen Prototyp intern vorstellen kann. Der produktive Einsatz im Unternehmen hat einen anderen Umfang. Der Großteil der Arbeit liegt in Integration, Tests und Compliance, die ein Agent vor dem Go-live benötigt. Bei ElevenLabs übernehmen das unsere Forward Deployed Engineers.

Wo Sie anfangen sollten – und was wirklich bremst

Die Reihenfolge für Gesundheitssysteme, die beginnen:

• Ambient Listening: sofern es noch nicht in Ihr EHR integriert ist. Diese Arbeit läuft meist über einen Dokumentationsanbieter, schafft aber das Vertrauen der Behandelnden, auf dem alles Weitere aufbaut.
• Das Contact Center: Die meisten Systeme behandeln es als Kostenstelle. Es kann stattdessen ein Wachstumstreiber sein.
• Patientenaufklärung und Therapietreue: Wiederholbare Aufgaben mit direkt messbarem 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 es, Veränderungen unter Menschen zu koordinieren, die hoch qualifiziert, sehr kompetent und unabhängig sind. Was funktioniert: ärztliche Fürsprecher, eine abgestimmte Führung, die den Wandel ermöglicht, und kontinuierliche Unterstützung – manchmal bis hin zu einem individuellen Coach pro Behandelndem.

Wie Renown Health auf Agenten hinarbeitet

Renown versorgt Patientinnen und 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 kommen vollständig ohne Patienteninformationen aus. Interne Erfolge schaffen die Grundlage für die Compliance bei den nächsten Schritten. 

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

Auch beim Tempo war sie klar: Marketing- und Contact-Center-Teams können nicht warten, denn Patientinnen und Patienten nutzen das bereits – und erwarten es bereits.

Sicherheit, HIPAA und Agenten wie neue Mitarbeitende einarbeiten

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

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

Guardrails greifen auf drei Ebenen:

• Steuerung über den System-Prompt
• Eingabevalidierung , die gegnerische Versuche erkennt, 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 Informationen übertragen werden, und kein Training mit Patientendaten ohne ausdrückliche Einwilligung. ElevenLabs verlangt mit Kunden im Gesundheitswesen einen BAA und bietet einen Modus ohne Datenspeicherung. Daten werden also zur Verarbeitung durchgeleitet und anschließend zur Speicherung in Ihre eigene abgeschottete Umgebung zurückgegeben.

Was bereit ist – und was Sie messen sollten

KI wird heute bei Kunden im Gesundheitswesen produktiv eingesetzt: Sie führt Echtzeitgespräche mit niedriger Latenz und folgt einem Skript, ohne Fragen zu überspringen, die sie stellen soll.

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. Und deshalb benötigt jedes Deployment einen vorab definierten Risikoschwellenwert und ein Eskalationsprotokoll – unabhängig davon, ob an einen Menschen oder ein leistungsfähigeres Modell übergeben wird.

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

Oder messen Sie den Net Promoter Score bei Patientinnen und Patienten, Pflegenden und Ärzten. Denn die meisten Menschen mögen ihre Ärzte bereits. Die Belastung entsteht durch alles rund um die Behandlung. Steigende Zufriedenheit bedeutet also, dass die Belastung sinkt. Auf Plattformseite betrachten wir für die Akzeptanz die eingesetzten Agenten und bereitgestellten Minuten sowie CSAT und Deflection Rate, um zu beurteilen, 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 im gesamten Unternehmen ausgeweitet wird, ist besser als viele spezialisierte Deployments, die nie aufeinander aufbauen.
2. Bereinigen Sie die Daten, bevor Sie den Prozess automatisieren: Terminvorlagen und Standards für die offene Terminvergabe müssen zuerst geklärt sein. Ein Agent übernimmt jedes Chaos, das darunterliegt.
3. Gewinnen Sie ärztliche Fürsprecher und unterstützen 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. Arbeiten Sie Agenten wie neue Mitarbeitende ein: SOPs, ein Wissenszentrum, trainiertes Verhalten für Unterbrechungen und Eskalationen, anschließend die Evaluierung anhand antagonistisch formulierter Beispiele vor dem Go-live und in fortlaufenden PDSA-Zyklen.
5. Machen Sie alles Faktische deterministisch: Rufen Sie Daten, Verfügbarkeiten und Details aus Datensätzen 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 vorher fest, was eine Übergabe an einen Menschen oder ein leistungsfähigeres Modell auslöst.
7. Messen Sie nach Kanal und Zufriedenheit: Gebuchte Termine pro Kanal zeigen, ob Patientinnen und Patienten das Angebot tatsächlich nutzen. Der NPS bei Patientinnen und Patienten, Pflegenden und Ärzten zeigt, ob die Belastung sinkt.

Die vollständige Session ansehen

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