Glossar

Praxisnah, verständlich, alphabetisch (A–Z)

Dieses Glossar erklärt zentrale Begriffe aus Künstlicher Intelligenz, Digitalisierung, Automatisierung und Betriebsorganisation für Arztpraxen, MVZ und therapeutische Einrichtungen. Die Erklärungen sind bewusst ohne IT-Fachsprache formuliert und auf typische Praxisabläufe ausgerichtet.

A

Agent (KI-Agent): Software, die Aufgaben selbstständig ausführt (z. B. Infos sammeln, Tickets erstellen, Texte entwerfen) – idealerweise mit klaren Regeln, Freigaben und Protokollierung.

Anamnese-Vorbereitung (digital): Strukturierte Erfassung von Angaben vor dem Termin (Formular/Portal), um Aufnahmezeiten zu senken und Fehler zu reduzieren.

API (Schnittstelle): „Steckverbindung“ zwischen Systemen, damit Daten automatisiert fließen (z. B. Formular → Ticketsystem → Ablage).

Audit-Trail (Prüfpfad): Nachvollziehbares Protokoll: wer hat wann was gemacht/ausgelöst/geändert.

Automatisierung: Wiederkehrende Tätigkeiten werden regelbasiert durch Software erledigt (z. B. Erinnerungen, Zuordnung, Ablage).

B

Backoffice: Interne Aufgaben ohne direkten Patientenkontakt (Abrechnung, Dokumentation, Ablage, KIM-Postfach).

Benchmark: Vergleich mit Referenzwerten (z. B. Bearbeitungszeiten vor/nach einer Umstellung).

Best Practice: Bewährte Vorgehensweise, die in ähnlichen Betrieben gut funktioniert – immer auf die eigene Praxis übertragbar prüfen.

Bias (Verzerrung): Systematische Schieflage in Daten/Entscheidungen (z. B. bestimmte Fälle werden häufiger falsch eingeordnet).

Bottleneck (Engpass): Stelle im Prozess, an der sich Arbeit staut (häufig: Telefon, Rezept, Befund, Abrechnung).

BPMN: Standard zur Prozessmodellierung; hilft, Abläufe eindeutig zu zeichnen und zu besprechen.

Bürokratiekosten: Zeit/Kosten für Nachweise, Formulare, Abrechnung, Dokumentation – oft größter Hebel für Entlastung.

C

Change Management: Geplante Einführung von Veränderungen (Kommunikation, Training, Rollen), damit neue Prozesse wirklich gelebt werden.

Chatbot: Text-Assistent, der Fragen beantwortet oder Anliegen strukturiert erfasst (Website, Portal, intern).

Compliance: Einhaltung von Regeln (DSGVO, IT-Sicherheit, Berufsrecht, interne SOPs).

Customer Journey / Patient Journey: Gesamter Weg des Patienten (Kontakt → Termin → Behandlung → Nachsorge). Nützlich zur End-to-End-Optimierung.

D

Datenminimierung: Nur Daten verarbeiten, die wirklich nötig sind (wichtig bei KI-Tools: nicht „alles“ hochladen).

Datenqualität: Korrektheit, Vollständigkeit und Konsistenz von Daten – ohne sie werden Automatisierungen unzuverlässig.

Data Governance: Regeln, Rollen und Prozesse rund um Daten (Zugriffe, Qualität, Löschfristen, Verantwortlichkeiten).

Decision Tree (Fragenbaum): Strukturierte Wenn-Dann-Logik zur Einordnung von Anliegen (z. B. Triage, Rezeptweg).

Digitalisierung: Umstellung von analog auf digital (Papier → Formular, Fax → KIM/Scan-Workflow). Noch nicht automatisch – aber Voraussetzung.

Dokumentenmanagement (DMS): Strukturierte Ablage, Versionierung, Zugriffskontrolle und Suche – zentrale Basis für stabile Prozesse.

Durchlaufzeit (Lead Time): Zeit von Start bis erledigt (z. B. Rezeptanfrage → Abholung).

E

eHBA: Elektronischer Heilberufsausweis (u. a. für Signatur/Authentifizierung in TI-Prozessen).

ePA: Elektronische Patientenakte – TI-Anwendung für Austausch und Verfügbarkeit von Dokumenten.

eRezept: Digitaler Rezeptprozess; wirkt nur dann entlastend, wenn Ausnahmefälle sauber geregelt sind.

Effektivität: Die richtigen Dinge tun (z. B. echte Engpässe lösen).

Effizienz: Dinge mit weniger Aufwand tun (Zeit, Kosten, Unterbrechungen).

Eskalationsregel: Klare Regel, wann ein Fall „hochgestuft“ wird (z. B. medizinisch kritisch → sofort Arzt/Ärztin).

ETL: Daten extrahieren, aufbereiten, laden – typisch für Auswertungen/BI.

F

Fallback-Prozess: Definierter Notfall-Ablauf bei Ausfällen (TI, Internet, Cloud), damit der Betrieb weiterläuft.

Fehlerquote: Anteil falscher Zuordnungen/Ergebnisse (z. B. falsch geroutete Anfragen).

Freigabe-Workflow: Automatik/KI erstellt Entwurf, Mensch prüft und gibt frei (wichtig für Haftung/Qualität).

G

Generative KI: KI, die Inhalte erzeugt (Text, Zusammenfassung, Formulare, Entwürfe). Stark für Sprache, aber prüfpflichtig.

GPT: Modellfamilie für generative Textverarbeitung; praktisch in Alltagstexten, nicht automatisch „wahr“.

Governance (KI-Governance): Festgelegte Verantwortungen, Regeln, Prüfungen und Monitoring für KI-Einsatz.

Ground Truth: Wahrheitsbasis zum Prüfen/Trainieren (z. B. korrekt klassifizierte Tickets als Referenz).

H

Halluzination (KI): KI produziert überzeugend klingende, aber falsche Aussagen – daher klare Grenzen und Prüfmechanismen.

High-Risk Use Case (praxisintern): Einsatz mit hoher Auswirkung (Patientensicherheit, Abrechnung, Recht). Hier gilt: strenger prüfen, mehr Freigaben.

Human-in-the-Loop: Mensch bleibt Teil der Entscheidungskette (prüfen, korrigieren, freigeben).

I

Implementierung: Einführung in den Betrieb: Technik + Prozess + Rollen + Schulung + Betriebskonzept.

Integration: Systeme arbeiten zusammen (PVS, DMS, Telefonie, Website, Tickets).

Interoperabilität: Fähigkeit, Daten korrekt auszutauschen (häufige Hürde im Praxisalltag).

IT-Sicherheit (Praxis): Maßnahmen wie Rechtekonzept, Updates, Backup, Protokollierung, MFA/2FA und Schulung – nicht optional.

J

Jour fixe: Regeltermin zur Steuerung (KPI-Review, Problemfälle, Prozessanpassung).

Job-Queue: Warteschlange für Automationsjobs (z. B. nächtliche Dokumentklassifikation).

K

KIM: Sichere Kommunikation im Medizinwesen (TI-Nachrichten/Anhänge).

Klassifikation: Automatische Zuordnung zu Kategorien (z. B. Nachricht = Termin/Rezept/Befund).

Konnektor / TI-Gateway: Technische Anbindung an die TI – Betrieb und Updates beeinflussen Stabilität.

KPI (Kennzahl): Messgröße zur Steuerung (Erreichbarkeit, Bearbeitungszeit, No-Show-Rate, Fehlerquote).

Kostenstelle: Bereich, dem Kosten zugeordnet werden (z. B. Anmeldung/Abrechnung) – hilft, Entlastung sichtbar zu machen.

L

Lead Time: Synonym zu Durchlaufzeit; Zeit von Anfrage bis Ergebnis.

LLM (Large Language Model): Großes Sprachmodell, das Sprache versteht und erzeugt (Chat, Zusammenfassung, Textentwurf).

Low-Code/No-Code: Automatisierung mit Baukastenlogik statt Programmierung (z. B. Workflow-Tools).

M

Machine Learning (ML): KI lernt Muster aus Beispielen (z. B. Texte/Kategorien), statt nur feste Regeln abzuarbeiten.

Modell (KI-Modell): Das „trainierte“ System, das Vorhersagen oder Antworten liefert.

Monitoring: Laufende Überwachung von Qualität, Fehlern, Ausfällen und Kennzahlen.

MVP (Minimum Viable Product): Kleinste sinnvolle Version, die im Alltag testbar ist (Quick-Win-Denke).

MFA-Entlastung: Typisches Ziel: weniger Unterbrechungen, weniger Doppelerfassung, weniger Rückfragen.

N

n8n / Workflow-Automation: Tool, das Prozesse über Trigger/Aktionen verbindet (Formular → Ticket → Ablage → Benachrichtigung).

NLP (Natural Language Processing): KI-Teilgebiet für Sprache (Verstehen, Extrahieren, Zusammenfassen).

No-Show-Management: Maßnahmen gegen Terminausfälle (Erinnerung, Bestätigung, Warteliste).

Nutzen (Benefit): Messbarer Mehrwert (Zeitgewinn, Fehlerreduktion, weniger Anrufe, bessere Auslastung).

O

Onboarding (Mitarbeitende): Standardisierte Einarbeitung (SOPs, Checklisten, Tool-Training).

Organisationsverzeichnis (KIM-VZD): Adressbuch/Verzeichnis für KIM-Teilnehmer.

Output: Ergebnis eines Prozesses (z. B. „Rezept fertig“, „Befund zugestellt“).

P

PDSA-Zyklus: Plan-Do-Study-Act – kontinuierliche Verbesserung in kleinen Schritten.

PoC (Proof of Concept): Machbarkeitstest; zeigt, ob etwas technisch/praktisch funktioniert.

Prompt: Anweisung an generative KI; gute Prompts enthalten Ziel, Kontext, Grenzen, Beispiele und Prüfregeln.

Prozess: Wiederkehrende Schritte mit klarem Start/Ende (Termin, Rezept, Befund, Abrechnung).

Prozesslandkarte: Überblick über alle Kernprozesse; hilft, Prioritäten zu setzen.

PVS: Praxisverwaltungssystem – Herzstück; Integration entscheidet oft über echten Nutzen.

Q

Qualitätsmanagement (QM): Dokumentierte Standards (SOPs, Zuständigkeiten, Nachweise) – macht Digitalisierung/Automatisierung stabil.

Qualitätssicherung: Stichproben, Checklisten, Vier-Augen-Prinzip – besonders bei KI-Outputs.

Quantenrisiko (Harvest now, decrypt later): Angriffe, bei denen verschlüsselte Daten heute gesammelt und später entschlüsselt werden könnten; relevant bei lange sensiblen Gesundheitsdaten.

Quick Win: Schnelle, messbare Verbesserung mit überschaubarem Aufwand.

R

RACI-Matrix: Rollenklärung: Responsible, Accountable, Consulted, Informed.

Reifegradmodell: Einordnung, wie weit Prozesse, Daten, Sicherheit und Kompetenzen für KI/Automatisierung sind.

Regelbasierte Automatisierung: Wenn-Dann-Logik ohne Lernen (robust, gut erklärbar).

RPA (Robotic Process Automation): Automatisiertes Klicken in Oberflächen; nützlich bei Altsystemen, aber wartungsanfällig.

ROI: Wirtschaftlichkeit (Nutzen im Verhältnis zu Kosten); in Praxen häufig über Zeitersparnis und Fehlerreduktion gerechnet.

S

Service Blueprint: Prozesssicht mit Patientenkontakt (Frontstage), interner Arbeit (Backstage) und IT-Systemen.

Schnittstelle (API): Siehe API; wichtig für stabile, wartungsarme Automatisierung.

SOP (Standard Operating Procedure): Standard-Arbeitsanweisung; ohne SOP wird Automatisierung schnell zur „Automatisierung von Chaos“.

Stakeholder-Analyse: Betroffene/Entscheider verstehen (Ärztliche Leitung, MFAs, Datenschutz, IT, Patienten).

Single Source of Truth: Eine führende Datenquelle, damit keine widersprüchlichen Stände entstehen.

Skalierung: Aus einem Pilot/Quick-Win wird ein stabiler Standard für alle Teams/Standorte.

T

Telematikinfrastruktur (TI): Sichere Vernetzung im Gesundheitswesen für KIM, ePA etc.

Triage (organisatorisch): Sortierung von Anliegen nach Dringlichkeit/Zuständigkeit (Telefon/Chat/Portal).

Token (KI-Kontext): Grobe Einheit für Textmenge, relevant für Kosten/Limit bei KI-Tools.

Training (Modelltraining): ML lernt aus Beispielen; in der Praxis oft: gute Daten + Regeln + Qualitätskontrolle statt eigenes Training.

Transparenz (KI-Einsatz): Klarheit, wo KI verwendet wird, welche Grenzen gelten und wer entscheidet.

U

Use Case: Konkreter Anwendungsfall (Problem → Ziel → Lösung → KPI → Risiko → Betriebskonzept).

UX (User Experience): Nutzerfreundlichkeit; wenn schlecht, umgehen Mitarbeitende Prozesse (Zettel, Zuruf, Nebenlisten).

Unterschriftsworkflow (QES): Rechtssichere Signaturprozesse; trennt Entwurf (KI) von Verantwortung (Signatur).

V

Value/Effort-Matrix: Priorisierung nach Nutzen vs. Aufwand – sehr gut, um die ersten Projekte zu wählen.

VSDM: Versichertenstammdatenmanagement (TI-Anwendung); braucht saubere Prozessroutine.

Voicebot: Telefon-Assistent, der Anliegen sprachbasiert strukturiert erfasst und weiterleitet.

Versionierung: Nachvollziehbare Versionsstände von Texten, Prompts und Prozessen (wichtig bei Teamarbeit).

W

Wartelistenlogik: Automatisches Nachrücken und Benachrichtigen bei Terminausfällen.

Wissensdatenbank (intern): Gepflegte, verlässliche Praxisinfos (Texte, Regeln, Ansprechpartner) – Basis für Chatbot-Qualität.

Workflow: Konkreter Ablauf (Trigger → Prüfung → Aktion → Dokumentation).

Wirtschaftlicher Druck: Rahmenbedingung (Personalengpässe, Kosten, Erlöslogiken), die Prioritäten für Quick-Wins beeinflusst.

X

XAI (Explainable AI): Erklärbarkeit von KI-Entscheidungen; wichtig, wenn KI Entscheidungen beeinflusst (Triage, Priorisierung).

Y

YOLO-Automatisierung (Anti-Pattern): „Einfach mal automatisieren“ ohne SOPs, Rechte, Monitoring – führt fast immer zu Fehlern und Widerstand.

Z

Zero Trust: Sicherheitsprinzip: Zugriffe strikt prüfen; sinnvoll bei Cloud-Tools und wechselnden Geräten.

Zugriffsrechte-Konzept: Rollenbasierte Rechte (least privilege) inkl. Protokollierung.

Zweckbindung: Daten nur für klar definierte Zwecke nutzen; zentral bei KI-Einführung.

Zielbild (Target Operating Model): Wie die Organisation künftig arbeiten soll (Rollen, Prozesse, Systeme, Kennzahlen).

**