AI Automation im Gesundheitswesen — Praxis und Potenzial

Einleitung: Der Unterschied zwischen OK und Großartig liegt in der Prompt-Qualität

Eine Automation läuft zu 40% schneller mit einer besseren Prompt. Das ist nicht Hyperbole, das ist messbare Realität.

Der Unterschied zwischen einem Prompt, der 70% Accuracy hat, und einem mit 95% Accuracy ist oft nicht der LLM-Model (beide nutzen GPT-4). Der Unterschied ist die Prompt-Qualität.

Diese Seite erklärt, wie man Prompts so schreibt, dass sie:

1. Konsistent sind (gleiche Input = gleiche Output jedes Mal)
2. Zuverlässig sind (hohe Accuracy mit minimalen Fehlern)
3. Effizient sind (schnell zum richtigen Ergebnis)
4. Testbar sind (messbare Qualität)

Diese Fähigkeit trennt "experimentelle KI-Spielereien" von "Production-ready Automation" ab.

---

Was ist Prompt Engineering im Automation-Kontext?

Definition: Die Kunstfertigkeit, LLMs für zuverlässige, automatisierte Aufgaben einzuspannen

Prompt Engineering ist NICHT:

• "Einfach eine Frage an ChatGPT stellen"
• "Ausprobieren bis was funktioniert"
• "Jedes Mal neu schreiben je nach Mood des LLM"

Prompt Engineering IST:

• Systematisch, Regeln-basiert, wiederholbar
• Strukturiert nach bewährten Mustern
• Mit Fallback-Szenarien für Edge Cases
• Getestet gegen echte Daten

Warum ist das wichtig für Automation?

Manuelle Prozesse können tolerant sein: "Normalerweise funktioniert das, wenn nicht, frage ich einen Mensch."

Automation kann nicht tolerant sein: "Wenn das manchmal nicht funktioniert, ist das eine fehlerhafte Automation."

Mit gutem Prompt Engineering können Sie 95%+ Reliabilität erreichen. Mit schlechtem Prompt Engineering sind Sie stuck bei 70-80%.

Wirtschaftlicher Impact:

• Schlechter Prompt → 20-30% Manual Review nötig → hohe Kosten
• Guter Prompt → 5% Manual Review nötig → massiv günstiger
• ROI-Unterschied: 5-10x

---

Die Anatomie eines guten Prompts

Ein guter Automation-Prompt hat typischerweise diese Komponenten:

1. Role/Persona

Definiere, in welcher Rolle der LLM handelt.

Schwach: "Schreibe eine E-Mail"
Stark: "Du bist ein Senior-Kundenservice-Manager mit 10 Jahren Erfahrung. Du schreibst Antworten auf Kundenreklamationen, die profesionell, emphatisch und lösungsorientiert sind."

Warum wichtig: Der LLM passt seinen Ton und Niveau an die Rolle an.

2. Context

Gib genug Hintergrund, damit der LLM die Situation versteht.

Schwach: "Analysiere diese E-Mail"
Stark: "Du erhältst Customer-Support-E-Mails. Jede E-Mail ist von einem Kunden, der ein Problem mit unserem Produkt hat. Deine Aufgabe ist, das Problem zu klassifizieren (billing, technical, complaint, feature request) und eine Routing-Empfehlung zu geben."

Warum wichtig: Context reduziert Mehrdeutigkeit.

3. Task/Goal

Klar, was das Ziel ist.

Schwach: "Mach was mit dem Text"
Stark: "Extrahiere aus der E-Mail: (1) das Kundenproblem in einem Satz, (2) die Kontaktmethode (Email, Phone, Chat), (3) die Dringlichkeit (High/Medium/Low)"

Warum wichtig: Klare Tasks haben klare Outputs.

4. Format-Spezifikation

Sage genau, wie das Output aussehen soll.

Schwach: "Gib die Ergebnisse"
Stark: "Antworte im folgenden JSON-Format:

{
  "problem": "...",
  "contact_method": "...",
  "urgency": "..."
}

"

Warum wichtig: Strukturierte Output ist einfach zu parsen und zu integrieren.

5. Beispiele (Few-Shot)

Gib 1-3 Beispiele von guten Outputs.

Beispiel:
"Beispiel 1:
E-Mail: 'Ich habe zwei Lizenzen gekauft, aber sie sind nicht in meinem Account. Helft mir bitte!'
Output:
{
'problem': 'Gekaufte Lizenzen sind nicht im Account',
'contact_method': 'Email',
'urgency': 'High'
}"

Warum wichtig: Few-Shot Learning erhöht Accuracy um 20-40%.

6. Constraints/Guardrails

Definiere Limits und Regeln.

Beispiel:
"Wichtig:

• Antworte NUR mit validem JSON, nichts sonst
• Wenn das Problem unklar ist, setze 'urgency' auf 'Low'
• Benutze nur deutsche Klassifikationen, nie englisch"

Warum wichtig: Constraints vermeiden unerwünschte Outputs.

---

Prompt Engineering Best Practices

Die 7 Golden Rules:

1. Spezifität über Allgemeinheit

Je spezifischer der Prompt, desto besser die Outputs.

Schwach: "Schreibe einen guten Antwortsatz"
Stark: "Schreibe einen Antwortsatz, der: (1) das Problem zusammenfasst, (2) Verständnis zeigt, (3) eine konkrete Lösungszeitlinie gibt"

2. Beispiele sind dein Freund

Zeige dem LLM, was du erwartest, nicht nur erzähle es.

Tipp: 3-5 Beispiele für komplexe Tasks sind Standard.

• Leichte Tasks (Klassifikation): 1-2 Beispiele
• Mittlere Tasks (Analyse): 3 Beispiele
• Komplexe Tasks (Synthese): 5+ Beispiele

3. Test gegen echte Daten

Prompts funktionieren oft anders mit echten Daten als mit erfundenen Test-Daten.

Prozess:

1. Prompt schreiben
2. Mit 50 echten Beispielen testen
3. Error-Cases identifizieren
4. Prompt anpassen
5. Nochmal mit 50 echten Beispielen testen

4. Iterative Optimierung

Kein Prompt ist beim Ersten Mal perfect.

Prozess:

1. v1.0: Basis-Prompt schreiben
2. Test: 50 Beispiele durchlaufen
3. Analyse: Wo fehlt es?
4. Iteration: Prompt anpassen
5. Wiederhole

Typische Iterationen: 3-5 bis Production-Ready

5. Fehler-Handling einplanen

Was wenn der LLM einen Fehler macht?

Strategien:

• Retry mit leicht anderem Prompt
• Fall-Back auf einfachere Klassifikation
• Eskaliere zu Human Review

Beispiel:
"Wenn du unsicher bist (Confidence < 70%), antworte statt mit einer Klassifikation mit: {'error': 'uncertain', 'reason': '...'}"

6. Temperatur & Parameter richtig setzen

LLM-Parameter beeinflussen Output.

• Temperature 0: Deterministisch, zuverlässig (für Automation)
• Temperature 0.7: Kreativ (für brainstorming)
• Top-P 0.9: Balanciert

Für Automation: Temperature 0 oder 0.3 (zuverlässig > kreativ)

7. Dokumentiere deine Prompts

Produktions-Prompts sind kritischer Code, nicht Wegwerf-Text.

Dokumentation sollte enthalten:

• Use Case (wofür ist dieser Prompt?)
• Versionshistorie (was hat sich geändert?)
• Known Limitations (wo funktioniert der Prompt nicht?)
• Test Results (Accuracy auf Test-Set)
• Fallback-Strategien

---

Chain-of-Thought Prompting — Komplexität meistern

Was ist Chain-of-Thought (CoT)?

Statt den LLM direkt zur Antwort zu führen, lässt du ihn schrittweise denken. Das erhöht die Accuracy bei komplexen Tasks um 25-40%.

Beispiel ohne CoT:
Prompt: "Eine Rechnung hat 3 Positionen: 50 CHF, 200 CHF, 150 CHF. Die Steuern sind 7.7%. Was ist der Gesamtbetrag?"
Output (oft falsch): "403.5 CHF"

Beispiel mit CoT:
Prompt: "Berechne Schritt für Schritt:

1. Addiere alle Positionen
2. Berechne Steuern auf die Summe
3. Addiere Steuern zur Summe

Eine Rechnung hat 3 Positionen: 50 CHF, 200 CHF, 150 CHF. Die Steuern sind 7.7%. Was ist der Gesamtbetrag?"

Output (meist richtig): "
Schritt 1: 50 + 200 + 150 = 400 CHF
Schritt 2: 400 * 0.077 = 30.8 CHF
Schritt 3: 400 + 30.8 = 430.8 CHF
Gesamtbetrag: 430.8 CHF"

Warum funktioniert CoT?

• LLMs sind besser beim Schritt-für-Schritt Denken
• Fehler in frühen Schritten sind sichtbar und korrigierbar
• Final-Output ist transparenter

Wann CoT nutzen?

• Mathematische Berechnungen
• Multi-Step Logic
• Komplexe Klassifikation (viele Kriterien)
• Entscheidungsfindung mit mehreren Faktoren

Wann nicht nötig?

• Simple Klassifikation (A oder B)
• Kurze Text-Extraktion
• Ja/Nein Fragen

---

Prompt-Fehler und wie man sie vermeidet

Die 10 häufigsten Prompt-Fehler (und wie man sie behebt):

1. Prompt ist zu vage

Falsch: "Schreibe einen guten Text" Richtig: "Schreibe einen Business-Brief an einen Kunden, der eine Rechnung bezahlt hat. Der Brief sollte Dank ausdrücken und die Geschäftsbeziehung werben. Länge: 3-4 Absätze, Ton: professionell aber warm"

2. Format-Spezifikation fehlt

Falsch: "Gib die Ergebnisse" Richtig: "Antworte im JSON-Format: {\"result\": \"...\", \"confidence\": ...}"

3. Keine Beispiele

Falsch: "Klassifiziere diese Tickets" Richtig: "[Gib 3 Beispiele von Tickets + erwartete Klassifikation]"

4. Zu lange Prompts

Problem: LLMs haben schwer mit Prompts > 1000 Wörter Lösung: Kürzen, wichtigste Infos zuerst, Details in Kontext-System-Message

5. Mehrdeutige Anforderungen

Falsch: "Analysiere diese Daten" Richtig: "Identifiziere Top 3 Trends in den Daten, sortiert nach Impact. Format: Bullet Points"

6. Keine Fallback-Strategie für Fehler

Problem: LLM macht Fehler, Automation bricht Lösung: "Wenn du unsicher bist, gib {\"error\": \"uncertain\"} statt falsche Antwort zurück"

7. Prompt passt nicht zum Model

Falsch: GPT-3.5 Prompt für GPT-4 nutzen (umgekehrt ok) Richtig: Prompts an Model-Fähigkeiten anpassen (GPT-4 kann komplexere Logic, GPT-3.5 braucht mehr Examples)

8. Temperature nicht beachten

Falsch: Temperature 1.0 für kritische Automation (zu viel Variabilität) Richtig: Temperature 0-0.3 für Automation (deterministische Outputs)

9. Keine Versionierung

Falsch: Prompt ändert sich ständig, keine Dokumentation Richtig: v1.0, v1.1, v1.2 mit Changelog dokumentieren

10. Prompts nicht getestet vor Production

Falsch: "Sieht gut aus, geh live" Richtig: 50-100 Test-Fälle durchlaufen, Accuracy messen, erst dann live

---

Systematisches Prompt Testing & Optimierung

Der Test-Prozess:

Phase 1: Vorbereitung

• Test-Datensatz vorbereiten (50-100 echte Beispiele)
• Expected Outputs definieren (Ground Truth)
• Metriken definieren (Accuracy, Precision, Recall, je nach Task)

Phase 2: Initiales Testing

• Prompt v1.0 gegen alle Test-Fälle laufen lassen
• Accuracy berechnen
• Error-Cases analysieren ("Wann funktioniert es nicht?")

Phase 3: Iteration

• Auf Basis von Errors Prompt anpassen
• Vermutung: "Wenn ich X ändere, werden Y% besser"
• Nächster Test: v2.0 gegen die gleichen Test-Fälle

Phase 4: Validierung

• Wenn Accuracy akzeptabel (>90% für Production), mehr Test-Daten
• Neuer Test-Datensatz (weitere 100 ungesehene Beispiele)
• Final-Metriken messen

Metriken-Beispiele:

Task: E-Mail Klassifikation (Billing, Technical, Complaint)

• Accuracy: % richtig klassifiziert
• Precision pro Klasse: Von 100 "Complaint"-Klassifikationen, wie viele sind wirklich Complaints?
• Recall pro Klasse: Von 100 echten Complaints, wie viele erkennt der Prompt?

Akzeptable Thresholds:

• Einfache Klassifikation: >85% Accuracy
• Mittlere Aufgaben: >90% Accuracy
• Kritische Aufgaben: >95% Accuracy

Vertiefen Sie Ihr Wissen:

>

- AI Automation Use Cases

• AI Automation in Pharma und Medtech
• AI Automation Grundlagen
• Schweizer Datenschutzgesetz und AI
• AI Automation Sicherheit

---

Prompt Templates für häufige Automation-Aufgaben

Template 1: E-Mail Klassifikation

Du bist ein Kundensupport-Triage-System. Deine Aufgabe ist, eingehende E-Mails zu klassifizieren.
Kategorien:
"billing": Fragen zu Rechnungen, Zahlungen, Refunds
"technical": Problem mit dem Produkt, Bugs, Features
"complaint": Unzufriedenheit mit Service/Produkt
"feedback": Positive oder neutrale Vorschläge
"other": Nicht in obige Kategorien passend

Beispiele:
E-Mail: "Ich habe meine Lizenz nicht erhalten, obwohl ich bezahlt habe"
Kategorie: "billing"

E-Mail: "Die Software crasht wenn ich auf speichern klicke"
Kategorie: "technical"
Antworte nur mit der Kategorie (nicht erklären):
[HIER KOMMT DIE E-MAIL]
Kategorie:

Template 2: Daten-Extraktion

Du extrahierst Informationen aus Rechnungen.
Extrahiere folgende Felder:
Lieferant-Name
Rechnungs-Datum (Format: YYYY-MM-DD)
Gesamtbetrag (Zahl, z.B. 1234.56)
Steuersatz (%, z.B. 7.7)

Antworte im JSON-Format:
{
  "vendor": "...",
  "date": "...",
  "amount": number,
  "tax_rate": number
}

Rechnungs-Text:
[HIER KOMMT DIE RECHNUNG]

Template 3: Sentiment-Analyse mit CoT

Du analysierst Customer-Feedback. Nutze folgende Schritte:
Identifiziere die Hauptaussage (positiv, negativ, neutral)
Identifiziere spezifische Punkte (was ist gut/schlecht?)
Bestimme Gesamt-Sentiment basierend auf Gewichtung
Antworte im Format:
{
  "main_sentiment": "positive|negative|neutral",
  "specific_points": ["...", "..."],
  "reasoning": "...",
  "overall_score": -1.0 to 1.0
}
Feedback:
[HIER KOMMT DAS FEEDBACK]

Template 4: Entscheidungslogik

Du triffst Entscheidungen zu Rechnungs-Freigaben.
Regeln:
Betrag < 1000 CHF & no previous issues → Approve
Betrag > 1000 CHF → Manual Review
Vendor ist nicht auf Whitelist → Manual Review
Invoice ist älter als 30 Tage → Escalate

Antworte im Format:
{
  "decision": "approve|manual_review|escalate",
  "reasoning": "...",
  "confidence": 0.0 to 1.0
}

Rechnung Details:
[DETAILS]

---

Handlungsplan: Prompts für Ihre Automation verfeinern

Der 4-Wochen-Optimierungs-Plan:

Woche 1: Baseline & Test-Datensatz

Aufgaben:

• Dokumentieren Sie alle aktuellen Prompts (wie sieht Ihre aktuelle Automation aus?)
• 50 echte Beispiele sammeln, Expected Outputs definieren
• Baseline-Accuracy messen (wie gut funktioniert es jetzt?)

Output:

• Liste der Prompts mit aktueller Accuracy
• Test-Datensatz mit 50 Beispielen

Woche 2: Analyse & Hypothesen

Aufgaben:

• Fehler analysieren (Wann funktioniert es nicht?)
• Muster erkennen (z. B. "Fehler bei langen E-Mails" oder "Fehler bei Spezial-Kategorien")
• Optimierungs-Hypothesen aufstellen (z. B. "Wenn ich Beispiele hinzufüge, steigt Accuracy um X%")

Output:

• Fehler-Analyse Report
• 3-5 Optimierungs-Hypothesen

Woche 3: Iteration & Testing

Aufgaben:

• Prompt v2.0 schreiben (basierend auf Hypothesen)
• Nochmal testen gegen Test-Datensatz
• Accuracy vergleichen (v1.0 vs v2.0)
• Erfolgreiche Änderungen beibehalten, fehlgeschlagene verwerfen

Output:

• Optimierte Prompts (v2.0)
• Vergleich-Report (Accuracy-Verbesserung)

Woche 4: Validierung & Dokumentation

Aufgaben:

• Neue Test-Daten (weitere 50 ungesehene Beispiele) testen
• Final Accuracy messen
• Prompts dokumentieren (Version, Was geändert?, Limitations?)
• Live-Rollout mit Monitoring

Output:

• Dokumentierte, optimierte Prompts
• Monitoring Dashboard (wie läuft die Automation?)

---

Zusammenfassung: Prompts sind Code, nicht Text

Gute Prompts sind wie guter Code: spezifisch, getestet, dokumentiert, versioniert.

Drei zentrale Erkenntnisse:

1. Prompt-Qualität bestimmt Automation-Qualität: 30% Fehlerreduktion ist typisch bei guten Prompts
2. Systematisches Testing ist kritisch: "Sieht gut aus" ist keine ausreichende QA für Production
3. Iterative Optimierung funktioniert: 3-5 Iterationen sind normal bis Production-Ready

Nächste Schritte:

1. Dokumentieren Sie Ihre aktuellen Prompts
2. Sammeln Sie 50-100 Test-Beispiele
3. Messen Sie aktuelle Accuracy (Baseline)
4. Identifizieren Sie Top 3 Fehler-Pattern
5. Optimieren Sie Prompts (Versioning, Testing, Documentation)
6. Messen Sie verbesserte Accuracy
7. Rollout mit Monitoring

---

---

Weiterführende Themen

• Vorteile der AI Automation
• Dokumenten-Automation mit KI