Case Studies / apoQlar
MEDTECH · INTERNE PROZESSAUTOMATISIERUNG
Manuelle Dokumentensuche ersetzen durch einen KI-gestützten virtuellen Assistenten
Die Support- und Operations-Teams von apoQlar verbrachten erheblich Zeit damit, manuell hunderte von Produktdokumenten zu durchsuchen, um Kunden- und institutionelle Anfragen zu beantworten. Wir haben einen generativen KI-Assistenten entwickelt, mit dem sie Fragen in natürlicher Sprache stellen und präzise Antworten – mit Quellenangaben – in Sekunden erhalten.
Kunde: apoQlar GmbH – ein MedTech-Unternehmen, das Mixed-Reality-Lösungen für das Gesundheitswesen entwickelt.
KEY RESULTS
Sofort
Antworten in natürlicher Sprache aus hunderten internen Dokumenten
Quellen
Jede Antwort enthält Verweise auf das Originaldokument
RAG
Vektordatenbank für schnelle, relevante Informationsabfrage
Konversationen
Zustandsbehaftete Konversationen mit optimiertem Kontextmanagement
BRANCHE
MedTech
USE CASE
Interne Dokumentenabfrage & Q&A
KI-ANSATZ
LLM + RAG + Vektordatenbank
NUTZER
Support- & Operations-Teams
DOKUMENTE
Produktdokumentation, Referenzmaterialien
HAUPTFEATURE
Quellenbasierte Antworten
Die Herausforderung
apoQlar entwickelt Mixed-Reality-Lösungen für das Gesundheitswesen – Produkte, die mit umfangreicher technischer Dokumentation, Produktspezifikationen, regulatorischen Unterlagen und Referenzhandbüchern einhergehen. Wenn das Support-Team eine Kundenanfrage oder eine institutionelle Anfrage erhielt, bedeutete das Finden der richtigen Informationen ein manuelles Durchsuchen von Hunderten von Dokumenten.
Das war langsam und inkonsistent. Verschiedene Teammitglieder fanden unter Umständen unterschiedliche Informationen – oder übersahen relevante Details vollständig. Die für die Suche aufgewendete Zeit fehlte für die eigentliche Kundenbetreuung oder die Dokumentenvorbereitung.
Das Kernproblem: Kritisches Produktwissen war in hunderten von Dokumenten versteckt. Das Abrufen von Antworten erforderte manuelle Suche, und die Qualität dieser Antworten hing vollständig davon ab, wie viel Zeit jemand hatte und welche Dokumente zufällig herangezogen wurden.
Was wir entwickelt haben
Wir haben einen generativen KI-Assistenten entwickelt, der auf der internen Dokumentenbasis von apoQlar aufsetzt und es Teammitgliedern ermöglicht, Fragen in natürlicher Sprache zu stellen – genauso wie sie es einem Kollegen gegenüber täten, der jeden Artikel gelesen hat.
Vektordatenbank für die Abfrage. Alle internen Dokumente wurden verarbeitet, in logische Abschnitte aufgeteilt und in eine Vektordatenbank eingebettet. Wenn ein Nutzer eine Frage stellt, ruft das System die relevantesten Passagen mit minimaler Latenz ab – weitaus schneller und präziser als eine Schlüsselwortsuche.
Quellenbasierte Antworten. Jede Antwort enthält Verweise auf die spezifischen Dokumente und Abschnitte, aus denen sie stammt. Dies war eine bewusste Designentscheidung: Im MedTech-Kontext muss das Team seine Quellen verifizieren und zitieren können, anstatt sich blind auf eine KI-generierte Antwort zu verlassen. Das Referenzsystem schafft Glaubwürdigkeit und macht die Ausgaben des Assistenten direkt in der Kundenkommunikation verwendbar.
Optimiertes Kontextmanagement. Konversationelle KI-Systeme, die lange Dokumente verwenden, stoßen schnell an Kontextfensterbeschränkungen. Wir haben ein System entwickelt, das den Gesprächszustand beibehält und dabei nur die relevantesten Informationen im Prompt hält – sowohl Genauigkeit als auch Antwortlatenz optimierend, ohne den Faden mehrstufiger Konversationen zu verlieren.
Spezialisierte Textverarbeitung. Produktdokumentation kommt nicht in sauberen, einheitlichen Formaten. Wir haben maßgeschneiderte Verarbeitungsmethoden entwickelt, um Text aus verschiedenen Dokumenttypen zu extrahieren, zu bereinigen und logisch zu gruppieren – damit das Abfragesystem zuverlässig funktioniert, unabhängig von der Struktur der Originaldokumente.
Die Ergebnisse
VORHER
Manuelles Durchsuchen von hunderten Dokumenten für jede Anfrage. Langsam, inkonsistent und abhängig davon, dass einzelne Teammitglieder wissen, wo sie suchen müssen.
NACHHER
Fragen und Antworten in natürlicher Sprache mit sofortigen, quellenbasierten Antworten aus der gesamten Dokumentenbasis. Konsistent, überprüfbar und für das gesamte Team verfügbar.
Das Support-Team wechselte von der manuellen Dokumentensuche zur sofortigen, konversationellen Abfrage. Die Antwortzeiten auf Kunden- und institutionelle Anfragen verbesserten sich erheblich. Die Quellenreferenzfunktion bedeutete, dass Antworten vertrauenswürdig und zitierbar waren – entscheidend in einem regulierten MedTech-Umfeld.
Über die unmittelbaren Effizienzgewinne hinaus eröffnete der Assistent dem Team eine neue Art, mit der eigenen Wissensbasis zu interagieren – er legte Verbindungen zwischen Dokumenten offen, die bei manueller Suche unentdeckt geblieben wären, und machte das angesammelte Produktwissen der Organisation für alle zugänglich, nicht nur für diejenigen mit der längsten Betriebszugehörigkeit.
Eingesetzte Technologien
“
Der KI-gestützte virtuelle Assistent war ein echter Wendepunkt für unser internes Support-Team. Er hat die Art und Weise, wie wir auf Informationen aus unserer umfangreichen Dokumentenbasis zugreifen und diese nutzen, grundlegend verändert.
apoQlar GmbH/p>
MedTech, Hamburg
Mehr Case Studies
So haben wir anderen Unternehmen geholfen
MEDTECH · APOQLAR
Stundenlange manuelle Bildsegmentierung durch KI ersetzt, die es in Sekunden erledigt
Vor jeder Operation mussten anatomische Strukturen in MRT- und CT-Aufnahmen Schicht für Schicht manuell eingezeichnet werden. Wir haben KI-Modelle entwickelt, die das automatisch übernehmen und eine mehrstündige Aufgabe auf Sekunden reduzieren.
Hrs → Sec
Segmentierungszeit
MRT+CT
Beide Modalitäten
HEALTHCARE · TIROL KLINIKEN INNSBRUCK
Manuelle Patientendaten-Anonymisierung automatisiert
Mitarbeiter der größten Krankenhausgruppe Westösterreichs schwärzten manuell Patientendaten in tausenden medizinischen Dokumenten, um gesetzliche Anforderungen zu erfüllen. KI übernimmt das nun automatisch – auf eigenen Servern, ganz ohne Cloud.
100%
Automatisiert
TGF
Konform
On-premis
Keine Cloud
PHARMA (UNTER NDA)
Manuelle Prüfung von Millionen medizinischer Texte durch automatische Nebenwirkungserkennung ersetzt
Teams lasen manuell Patientenfeedback, medizinische Berichte und Social-Media-Beiträge in fünf Sprachen, um Arzneimittelsicherheitssignale zu identifizieren. Wir haben NLP-Pipelines entwickelt, die aus einer unmöglichen manuellen Aufgabe einen automatisierten, skalierbaren Prozess gemacht haben.
5 Sprachen
DE EN FR IT ES
5
KI-Use Cases
DSGVO
Konform