Jeder Baustein ist als Assistenz gedacht — er bereitet vor, entscheidet aber nicht.
Whisper-basierte Spracherkennung ist als Zielarchitektur auf medizinisches Fachvokabular und niedrige Latenz ausgelegt. On-Device-Anteile und Cloud-Fallback werden im Pilot technisch eingeordnet.
Relevante Aussagen zu Beschwerden, Vitalwerten, Medikamenten und Allergien werden erkannt, mit Kontext versehen und als Vorschläge vorbereitet.
Erkannte Inhalte werden in DIVI-, MIND- oder trägerspezifische Felder einsortiert. ICD-/SNOMED-Bezüge bleiben Hinweise, keine autonome Diagnose.
Erstbefund und Anamnese orientieren sich an vertrauten Schemata, damit Teams kein neues Denksystem lernen müssen.
Maßnahmen, Medikamente und Veränderungen werden als zeitbezogener Verlauf sichtbar und bleiben für Übergabe und Auswertung nachvollziehbar.
Vitalwerte und EKG-Kontext können in die Dokumentation einfließen. Hardware-Integrationen sind Zielarchitektur und werden nicht als fertig behauptet.
Mehrsprachige Kommunikation unterstützt die Anamnese; relevante Antworten können strukturiert ins Protokoll übernommen werden.
Kein Vorschlag wird ohne aktive Bestätigung zum Protokolleintrag. KI assistiert, der Mensch entscheidet.
Ein Tap startet die Erfassung parallel zur Versorgung. Die Bedienung bleibt für mobile Teams und Handschuhe geeignet.
Gesprochene Informationen werden in nachvollziehbaren Rohtext überführt. Ziel ist Latenz im Sekundenbereich.
Medizinisch relevante Inhalte werden erkannt, segmentiert und mit Kontext sowie Konfidenz vorbereitet.
Vorschläge werden in passende Pflichtfelder und trägerspezifische Strukturen einsortiert.
Das Team prüft, korrigiert, verwirft oder bestätigt jeden Vorschlag aktiv.
Freigegebene Daten werden für Übergabe und bestehende Systeme vorbereitet. FHIR/KIS ist Zielarchitektur.
Zwölf aufgenommene Ansichten aus einem Einsatz. Alle gezeigten Fälle sind fiktive Demodaten.
Nach der Schichtanmeldung sind Fahrzeug, Wache und Besatzung samt Qualifikation hinterlegt und werden in jedes Protokoll der Schicht übernommen. Die Übersicht zählt laufende und abgeschlossene Einsätze; ein abgeschlossener Einsatz führt direkt in seine Zusammenfassung.
Einsatzstichwort, Alarmierungszeit, NACA-Score und Patientendaten stehen nebeneinander. Die Statuszeiten laufen als Zeitleiste mit — von der Alarmierung (S1) über Wache verlassen (S2), Ankunft Einsatzort (S4) und Transportbeginn (S5) bis Einsatzbereit (S8). Jeder Status ist zeitgestempelt und bleibt korrigierbar.
Die Live-Transkription trennt Sprecherrollen — Rettungsdienst, Patient, Angehörige — und stempelt jedes Segment. Daraus extrahiert die KI strukturierte Felder: Symptomatik, Vorerkrankungen, Dauermedikation, Vitalparameter. Jeder Vorschlag trägt einen Confidence-Wert und die Herkunft, also den Transkript-Zeitraum oder die Alarmierung.
Der Monitor/Defibrillator ist per Bluetooth gekoppelt; HF, SpO₂, RR und AF laufen automatisch ein und werden über die Einsatzdauer als Verlauf geführt. Das 12-Kanal-EKG wird mit 25 mm/s und 10 mm/mV dargestellt, ST-Hebungen und -Senkungen sind je Ableitung markiert — hier ST-Hebungen in II, III und aVF mit Verdacht auf inferioren STEMI und Empfehlung zur Herzkatheter-Voranmeldung.
Das Modell dreht in acht Schritten um 360° und lässt sich in drei Ebenen betrachten: Haut, Durchsicht und Skelett. Ein Tap auf eine Region wählt sie aus, im Markieren-Modus wird der Befund direkt am Körper gesetzt — als Wunde, Fraktur, Verbrennung oder Prellung, jeweils mit Seitenangabe aus Patientensicht, Gewebeebene und Zeitstempel.
Die Dokumentation folgt dem aktuellsten DIVI-Standard über 14 Abschnitte — von Einsatzdaten und Patient über Erstbefund, Anamnese, Messwerte, EKG und Diagnosen bis NACA, Verletzungen, Maßnahmen und Übergabe. Zeitstempel für Alarmierung, Ausrücken und Ankunft werden aus dem Cockpit übernommen; jeder Abschnitt zeigt, ob er offen, KI-vorbefüllt oder bestätigt ist.
Die Vorschau zeigt das Protokoll in seiner endgültigen Form über fünf Seiten: Einsatztechnische Daten, Patienten-Stammdaten und Notfallgeschehen inklusive wörtlich hinterlegtem Erstbefund-Diktat. Vollständige und fehlende Abschnitte sind farblich unterschieden, bis zur Freigabe bleibt das Dokument als Entwurf gekennzeichnet.
Jede BtM-Gabe wird mit Chargennummer, entnommener Menge, verabreichter Dosis, Restmenge und Applikationsweg erfasst. Verabreichende Person und Zeuge bestätigen getrennt und zeitgestempelt — hier die Morphingabe um 14:28 und der bezeugte Verwurf der Restmenge um 14:35. Einträge ohne vollständige Verifizierung bleiben sichtbar offen.
Verbrauchte Materialien werden aus dem Einsatztranskript erkannt und nach Kategorien sortiert: Medikamente, Atemwege und O₂, Monitoring und Diagnostik, Schutz und Hygiene. Daraus entsteht die Auffüllliste fürs Schichtende mit Soll- und Ist-Beständen. Positionen unter 30 % Bestand werden als dringend priorisiert und lassen sich exportieren.
Für die Klinik entsteht ein einseitiges Factsheet: Verdachtsdiagnose und EKG-Befund oben, darunter die Vitalparameter von Erstkontakt bis Übergabe mit Verlaufsbalken. Es folgen Symptome und Anamnese, Befund und Diagnostik, die Medikationstabelle mit Zeit, Wirkstoff, Dosis und Applikationsweg sowie die durchgeführten Maßnahmen.
SAA-Algorithmen und eine durchsuchbare Medikamenten-Datenbank mit Dosierung, Kategorie und Wirkungsweise, ergänzt um einen Dosisrechner für gewichtsadaptierte Berechnungen. Die Dosisangaben sind ausdrücklich als Herstellerinformation gekennzeichnet und ersetzen keine therapeutische Empfehlung.
Alle exportierten Protokolle liegen nach Schichttag und Einsatznummer sortiert im Archiv — mit NACA-Klassifikation, Uhrzeit, Einsatzort und Exportstatus. Die Suche greift auf Einsatznummer, Stichwort und Adresse zu, einzelne Protokolle lassen sich direkt als PDF laden.
Wir suchen ausgewählte Organisationen, die AESKON DocsAi im Realbetrieb testen: parallel zur bestehenden Dokumentation, begleitet und datenschutzbewusst.