Digitale Anamnese-Voraberfassung für eine Hausarztpraxis
Anonymisiertes Anwendungsbeispiel.
- Aufgabentyp
- Erfassung
- Betrieb
- Self-hosted
- Aufwand
- Klein
- Zeitrahmen
- 3 Wochen
- Quelle
- Anonymisiert
Aufgabe
Anamnese wird heute am Tresen oder im Sprechzimmer erhoben – das bindet MFA- und Arztzeit, erzeugt Wartezeiten und unvollständige Angaben. Bei akutem MFA-Mangel und Telefon-Dauerlast fehlt diese Zeit.
Lösungsweg
Ein Online-Formular (per Link/QR vor dem Termin) erfasst die Anamnese; ein LLM strukturiert und fasst die Freitext-Angaben zusammen, n8n übergibt das Ergebnis ins PVS. Das Team prüft die Vorerfassung; der Arzt nutzt die aufbereitete Anamnese als Ausgangspunkt.
Kontrollpunkt Ein Mensch prüft oder gibt das Ergebnis frei.
Vorher und Nachher
Die Veränderung wird als Arbeitsablauf beschrieben, nicht als Erfolgsversprechen.
Vorher
- Anamnese am Tresen / im Sprechzimmer erhoben
- Bindet MFA- und Arztzeit, Wartezeiten
- Unvollständige Angaben
Nachher
- Patient füllt Bogen vor dem Termin online aus
- LLM strukturiert, Übergabe ins PVS
- Team prüft, Arzt startet mit aufbereiteter Anamnese
Dokumentierte Ergebniswerte
Die Werte gelten im jeweils beschriebenen Szenario und sind kein allgemeiner Benchmark.
- pro Woche gespart (Erfahrungswert)
- ~2–3 h
- Patient kommt mit ausgefülltem Bogen
- vorbereitet
- Diagnose durch die KI
- 0
Werkzeug-Stack
Die KI stellt keine Diagnose und ersetzt kein Gespräch – sie strukturiert, was der Patient vorab angibt. Das Team prüft die Vorerfassung. Aber die Sprechzeit beginnt mit einer aufbereiteten Anamnese statt mit dem Ausfüllen am Tresen.
Was funktioniert
- Anamnese vor dem Termin per Link/QR, kein Tresen-Stau
- LLM strukturiert und fasst Freitext-Angaben zusammen, Übergabe ins PVS
- Vollständigere Angaben, fokussiertere Sprechzeit
Was im Szenario bewusst ausgespart bleibt
- Keine Diagnose und keine Therapieempfehlung durch die KI
- Das Team prüft jede Vorerfassung, der Arzt entscheidet
- Gesundheitsdaten (Art. 9) self-hosted und nur im Behandlungskontext