Case Studies / apoQlar
MEDTECH · COMPLIANCE & PROZESSAUTOMATISIERUNG
Sicherheitsfragebögen mit GenAI von einem Monat auf eine Woche verkürzen
Jedes Mal, wenn ein Krankenhaus die medizinische AR-Plattform von apoQlar einführen wollte, musste ein vollständiger Sicherheitsfragebogen ausgefüllt werden – mit Dutzenden oder Hunderten detaillierter Fragen zu Datenschutz, Compliance und technischer Sicherheit. Das manuelle Ausfüllen dauerte einen Monat und erforderte 8-10 Mitarbeiter. Wir haben einen KI-Assistenten entwickelt, der dies auf unter eine Woche mit deutlich weniger Personal reduziert – mit geschätzten Einsparungen von 90.000 $ pro Jahr und einer Verkürzung der Kundeneinführungszeit von sechs auf zwei Wochen.
Kunde: apoQlar GmbH – ein MedTech-Unternehmen, das Mixed-Reality- und KI-Lösungen für das Gesundheitswesen entwickelt, mit Sitz in Hamburg.
KEY RESULTS
-75%
Bearbeitungszeit: von ~1 Monat auf unter 1 Woche
$90K
Geschätzte jährliche Einsparungen bei ~15 Fragebögen/Jahr
6→2 Wo.
Kundeneinführungszeit um zwei Drittel reduziert
8→2
Beteiligte Personen: von 8-10 auf ein kleines Verifikationsteam
BRANCHE
MedTech
USE CASE
Automatisierung von Sicherheitsfragebögen
KI-ANSATZ
RAG + LLM auf Azure
DATENQUELLEN
PDFs, Confluence, Richtlinien
Die Herausforderung
Bevor ein Krankenhaus ein MedTech-Produkt einführen kann, muss der Anbieter die Einhaltung strenger Sicherheits- und Datenschutzstandards nachweisen. In der Praxis bedeutet dies das Ausfüllen detaillierter Sicherheitsfragebögen – oft mit Dutzenden oder Hunderten von Fragen zu Verschlüsselung, Zugriffskontrollen, Incident Response, Schwachstellenmanagement und internen Richtlinien.
Bei apoQlar erforderte jeder Fragebogen Beiträge von 8-10 Personen aus IT, Rechtsabteilung, Compliance und Produktteams. Jemand musste das richtige Richtliniendokument finden, den relevanten Abschnitt identifizieren, eine Antwort formulieren und diese prüfen lassen. Da jede Person nach eigenem Zeitplan arbeitet, dauerte der Prozess etwa einen Monat pro Fragebogen. Bei rund 15 neuen Krankenhauseinführungen pro Jahr war dies ein dauerhafter Ressourcenverbrauch – und der größte Engpass im Verkaufszyklus.
Das Kernproblem: Jeder neue Krankenhausskunde benötigte einen ausgefüllten Sicherheitsfragebogen, der einen Monat und 8–10 Personen in Anspruch nahm. Der Prozess verlangsamte den Vertrieb, band abteilungsübergreifende Ressourcen und war vollständig manuell – obwohl die meisten Antworten bereits irgendwo in der Unternehmensdokumentation vorhanden waren.
Was wir entwickelt haben
Wir haben Zippy entwickelt – einen GenAI-gestützten virtuellen Assistenten, der Sicherheitsfragebogenfragen automatisch beantwortet, indem er auf apoQlars vorhandene interne Dokumentation zurückgreift. Anstatt dass 8–10 Personen Richtlinien und Confluence-Seiten durchsuchen, kann jetzt eine Person den Fragebogen durch Zippy laufen lassen und die Ergebnisse überprüfen.
RAG-Architektur auf Azure. Das System nutzt Retrieval-Augmented Generation, um ein großes Sprachmodell mit der gesamten Dokumentenbasis von apoQlar zu verbinden – Sicherheitsrichtlinien als PDFs und technische Dokumentation aus Confluence. Azure OpenAI Services betreiben das Sprachmodell, ChromaDB dient als Vektordatenbank. Die gesamte Datenverarbeitung bleibt innerhalb von Microsoft Azure.
Quellenreferenzierte Antworten. Jede von Zippy generierte Antwort enthält die genaue Quelle – Dokumentname und Seitennummer. Dies ist entscheidend für die Compliance: Die prüfende Person kann sofort nachvollziehen, woher jede Antwort stammt. Dies macht den Überprüfungsschritt erheblich schneller.
Maßgeschneiderte Dokumentenverarbeitung. Richtlinien-PDFs und Confluence-Seiten kommen in sehr unterschiedlichen Formaten. Wir haben individuelle Extraktions- und Chunking-Strategien entwickelt, die auf jede Datenquelle zugeschnitten sind – damit das Abrufsystem den spezifischen Abschnitt und die Seite im Originaldokument finden kann.
Kontinuierliche Verbesserung durch Feedback. Nutzer können ungenaue oder unvollständige Antworten direkt in der Benutzeroberfläche markieren. Dieses Feedback wird in LangFuse erfasst und treibt kontinuierliche Verbesserungen sowohl des Systems als auch der Dokumentation an. Wenn Zippy etwas nicht gut beantworten kann, deckt es eine Dokumentationslücke auf.
Die Ergebnisse
VORHER
~1 Monat pro Fragebogen. 8–10 Personen aus IT, Rechtsabteilung, Compliance und Produktteams beteiligt. Manuelle Suche durch Richtlinien und Confluence. Verkaufszyklusengpass bei jedem neuen Krankenhausonboarding.
NACHHER
Unter 1 Woche pro Fragebogen. Kleines Team nur zur Überprüfung. Quellenreferenzierte Antworten automatisch generiert. Kundeneinführung von 6 Wochen auf 2 Wochen reduziert.
Die Zahlen sprechen für sich: Die Bearbeitungszeit sank um 75 %, die Anzahl der beteiligten Personen sank von 8–10 auf ein kleines Verifikationsteam, und die geschätzten jährlichen Einsparungen bei rund 15 Fragebögen betragen ca. 90.000 $ allein bei Arbeitskosten. Aber die größere Wirkung ist kommerziell – die Kundeneinführungszeit wurde von sechs auf zwei Wochen verkürzt.
Die Feedback-Schleife schuf auch einen unerwarteten Vorteil: Da Zippy aufzeigt, welche Fragen es nicht gut beantworten kann, hat die Organisation nun Einblick, wo ihre Dokumentation unvollständig ist – was eine kontinuierliche Verbesserung der Richtliniendokumentation vorantreibt.
Diese Fallstudie wird in unserem vollständigen Whitepaper (PDF) ausführlich behandelt, einschließlich Architekturdiagrammen, Implementierungsdetails und ROI-Analyse.
Eingesetzte Technologien
“
Das Ausfüllen von Sicherheitsfragebögen ist kein logistischer Albtraum mehr. Das neue System ist einfach zu verwalten und stellt sicher, dass unsere Antworten präzise und umfassend sind.
Maciej Antoszczuk
Tech Product Owner, apoQlar
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