Suche

Digitale Anamnese-Voraberfassung für eine Hausarztpraxis

Anonymisiertes Anwendungsbeispiel. Geprüft am 18. Juli 2026.

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.

Autonomiestufe 1 von 4 Das Modell fasst die Angaben zusammen, das Praxisteam prüft die Vorerfassung. Die Ärztin oder der Arzt nimmt sie als Ausgangspunkt, nicht als Befund. Was die fünf Stufen bedeuten

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

Herleitung: vom Prozess zum Werkzeug

Das Setup folgt aus der Tätigkeit und ihren Daten, nicht aus einer Tool-Präferenz. Die Kette läuft immer in dieselbe Richtung.

  1. Tätigkeit

    Anamnese-Angaben vor dem Termin erfassen und für das PVS strukturieren

  2. Datenfluss

    • Besonders geschützt Anamnese-Freitexte, Gesundheitsdaten nach Art. 9 DSGVO
    • Personenbezogen Name und Kontaktdaten der Patienten im Formular

  3. Werkzeugklasse

    Klasse 4 Eigene Umgebung

  4. Setup

    Anamnese-Freitexte sind Gesundheitsdaten nach Art. 9 und unterliegen der ärztlichen Schweigepflicht; Mindestklasse ist die eigene Umgebung. Der Case hält das ein: Strukturierung und PVS-Übergabe laufen self-hosted im Behandlungskontext, das Team prüft jede Vorerfassung.

Die Werkzeugklasse ist die Mindestanforderung für die Daten, die tatsächlich ins Werkzeug fließen. Wie die Kette Nutzenrechnung, Rechtsfrage und Werkzeugwahl aus derselben Tabelle beantwortet, steht unter Prozessanalyse & Werkzeugwahl.

Werkzeug-Stack

n8n workflow Online-Anamnese-Formular Ollama (lokales LLM) PVS-Schnittstelle

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

Verwandte Themen