Das Spital Männedorf zeigt, wie KI den Wissenszugang im Spitalalltag vereinfachen kann. Mit zwei KI-gestützten Assistenten erhalten Mitarbeitende schnellen Zugriff auf aktuelle interne Dokumente. Dadurch werden Suchaufwände reduziert, die Dokumentenqualität verbessert und die Patientensicherheit gestärkt. Der Use Case verdeutlicht, wie praxisnahe KI-Lösungen bereits heute einen konkreten Mehrwert für Gesundheitsinstitutionen schaffen können.
Künstliche Intelligenz
Software-Roboter in der Pflege: Automatisiertes Controlling und effizientere Prozesse mit RPA
Robotic Process Automation (RPA) eröffnet neue Möglichkeiten zur Automatisierung administrativer Prozesse im Gesundheitswesen. Ein konkreter Use Case zeigt, wie ein Software-Roboter das Spitex-Controlling übernimmt, Prozesse beschleunigt und Fachpersonen im Pflegealltag spürbar entlastet.
Effizientere Terminadministration durch intelligente E-Mail-Verarbeitung
Künstliche Intelligenz bietet auch in der Praxisadministration konkreten Mehrwert. Ein neuer Use Case zeigt, wie eingehende E-Mails automatisch erkannt, interpretiert und direkt in bestehende Terminprozesse integriert werden. So lassen sich administrative Aufwände reduzieren und Reaktionszeiten deutlich verkürzen.
KI-gestützte Therapieunterstützung für Multiple Sklerose auf Basis von Real-World-Daten
Wie gelingt der Übergang von einem wissenschaftlich entwickelten KI-Modell zu einem zertifizierten Medizinprodukt im klinischen Alltag? PHREND® zeigt, wie Real-World-Daten aus einem grossen MS-Register genutzt werden können, um personalisierte Therapieentscheidungen evidenzbasiert zu unterstützen – inklusive regulatorischer Validierung und erfolgreicher Integration in die Praxis.
Einführung von KI-Diagnostik in die klinische Praxis für eine Augenklinik
Wie kann künstliche Intelligenz klinische Prozesse konkret entlasten? Der folgende Health Use Case aus dem Kanton Zürich zeigt am Beispiel der Digitalen Augenklinik, wie KI-gestützte Diagnostik in der Praxis implementiert werden kann – von der regulatorischen Prüfung bis zur Entwicklung eigener Modelle. Das Projekt liefert nicht nur Effizienzgewinne im Screening, sondern auch wertvolle Erkenntnisse für die Integration von KI in klinische Abläufe.





