MedTech · Interne Prozessautomatisierung
Hunderte Produktdokumente, beantwortet in Sekunden, mit Quelle
Die Support- und Operations-Teams von apoQlar verbrachten viel Zeit damit, Hunderte Produktdokumente von Hand zu durchsuchen, um Kunden- und institutionelle Anfragen zu beantworten. Ein generativer KI-Assistent nimmt die Frage jetzt in natürlicher Sprache entgegen und liefert in Sekunden eine präzise Antwort, mit Verweis auf das Dokument, aus dem sie stammt.
Ergebnisse
Kunde: apoQlar
Ein MedTech-Unternehmen aus Hamburg, das Mixed-Reality- und KI-Lösungen für das Gesundheitswesen entwickelt. Seine Plattform bringt holografische Bildgebung in den Operationssaal.
- Branche
- MedTech
- Anwendungsfall
- Interne Dokumentensuche und Fragen
- KI-Ansatz
- LLM mit RAG und Vektordatenbank
- Nutzer
- Support- und Operations-Teams
- Dokumente
- Produktdokumentation, Referenzmaterial
- Kernfunktion
- Antworten mit Quellenangabe
Kurz gefasst
Produktwissen, das in den Dokumenten festsaß
- Die Produkte von apoQlar kommen mit Hunderten Dokumenten: technische Spezifikationen, regulatorische Unterlagen, Referenzhandbücher.
- Eine Kunden- oder Institutsanfrage zu beantworten, hieß, sie von Hand zu durchsuchen, und die Antwort hing davon ab, wie viel Zeit jemand hatte und welche Dokumente er zufällig öffnete.
- Ein Retrieval-Assistent nimmt die Frage jetzt in natürlicher Sprache entgegen und antwortet aus der gesamten Dokumentenbasis in Sekunden, mit Dokument und Abschnitt als Quelle.
- Das Team prüft, statt zu suchen, und weil die Quelle dabeisteht, kann die Antwort direkt in die Kundenkommunikation.
Die Ausgangslage
Die Aufgabe
Kritisches Produktwissen steckte in Hunderten Dokumenten. Eine Antwort verlangte manuelle Suche, und ihre Qualität hing davon ab, wie viel Zeit jemand hatte und welche Dokumente er zufällig heranzog.
apoQlar entwickelt Mixed-Reality-Lösungen für das Gesundheitswesen, und diese Produkte bringen umfangreiche technische Dokumentation, Spezifikationen, regulatorische Unterlagen und Referenzhandbücher mit. Kam eine Kunden- oder institutionelle Anfrage, hieß die richtige Information finden: Hunderte Dokumente von Hand durchsuchen.
Das war langsam und uneinheitlich. Zwei Menschen konnten mit unterschiedlichen Informationen zurückkommen oder ein wichtiges Detail ganz übersehen, je nachdem, welche Dokumente sie öffneten.
Die Zeit für die Suche fehlte für die eigentliche Kundenbetreuung und die Dokumentenvorbereitung.
Der Bau
Was wir gebaut haben
Wir haben einen generativen KI-Assistenten gebaut, der auf der internen Dokumentenbasis von apoQlar aufsetzt und Fragen in natürlicher Sprache entgegennimmt, so wie man eine Kollegin fragen würde, die jedes Dokument gelesen hat.
Vektordatenbank statt Schlagwortsuche
Jedes interne Dokument wurde verarbeitet, in logische Abschnitte zerlegt und in eine Vektordatenbank eingebettet. Eine Frage findet die relevantesten Passagen mit minimaler Latenz, schneller und genauer, als eine Schlagwortsuche es könnte.
Jede Antwort nennt ihre Quelle
Jede Antwort enthält Verweise auf die konkreten Dokumente und Abschnitte, aus denen sie stammt. Das war eine bewusste Entscheidung: Im MedTech-Umfeld muss das Team prüfen und zitieren können, statt einer KI-Antwort blind zu vertrauen. Und es macht die Antwort direkt in der Kundenkommunikation verwendbar.
Kontext, der ein Gespräch übersteht
Lange Dokumente füllen ein Kontextfenster schnell. Das System hält den Gesprächszustand und behält nur die relevantesten Passagen im Prompt, sodass Genauigkeit und Antwortzeit auch über mehrere Fragen hinweg stimmen.
Textverarbeitung für unordentliche Formate
Produktdokumentation kommt nicht in einem sauberen Format. Wir haben eigene Verfahren zum Extrahieren, Bereinigen und Gruppieren für die verschiedenen Dokumenttypen entwickelt, damit die Suche funktioniert, egal wie das Original aufgebaut ist.
Was sich geändert hat
Das Ergebnis
Vorher
Für jede Anfrage Hunderte Dokumente von Hand durchsucht. Langsam, uneinheitlich und davon abhängig, dass einzelne Teammitglieder wissen, wo sie suchen müssen.
Nachher
Eine Frage in natürlicher Sprache und in Sekunden eine Antwort aus der gesamten Dokumentenbasis, mit Quelle. Einheitlich, überprüfbar und für das ganze Team verfügbar.
Das Support-Team wechselte von manueller Suche zu einem Abruf im Gespräch, und die Antwortzeiten auf Kunden- und institutionelle Anfragen verbesserten sich erheblich.
Weil jede Antwort ihre Quelle trägt, ist sie vertrauenswürdig und zitierbar. In einem regulierten MedTech-Umfeld ist das der Unterschied zwischen einer Antwort, die man verschicken kann, und einer, die man erst prüfen muss.
Der Assistent legt außerdem Verbindungen zwischen Dokumenten offen, die bei manueller Suche verborgen geblieben wären, und macht das gesammelte Produktwissen allen zugänglich, nicht nur denen, die am längsten dabei sind.
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.
Fragen zu diesem Projekt
Interne Dokumentensuche und Fragen. Kritisches Produktwissen steckte in Hunderten Dokumenten. Eine Antwort verlangte manuelle Suche, und ihre Qualität hing davon ab, wie viel Zeit jemand hatte und welche Dokumente er zufällig heranzog.
Von der Frage zur Antwort, über die ganze Dokumentenbasis: Sekunden. Jede Antwort nennt das Dokument, aus dem sie stammt: Quellen. Vektorsuche statt Schlagwortsuche: RAG. Der Gesprächskontext bleibt erhalten, ohne an Genauigkeit zu verlieren: Mehrstufig.
LLM mit RAG und Vektordatenbank. Eingesetzte Technik: Large Language Models, RAG-Architektur, Vektordatenbank, Prompt Engineering, Dokumentenverarbeitung, Optimierung des Kontextfensters.
Eingesetzte Technik
Sprechen Sie mit dem Team dahinter
theBlue.ai meldet sich innerhalb eines Werktags.
Weitere Referenzen
MedTech · Compliance und Prozessautomatisierung
Sicherheitsfragebögen beantwortet in einer Woche statt in einem Monat
Mehr lesen
MedTech · Medizinische Bildgebung und OP-Planung
Anatomische Segmentierung, die Stunden dauerte, dauert jetzt Sekunden
Mehr lesen
Gesundheitswesen · Krankenhausbetrieb