Prozess-Audit und Roadmap für Medtech-Unternehmen
Der Einstieg in die KI-Automatisierung beginnt nicht mit der Auswahl eines Modells, sondern mit der Analyse der bestehenden Prozesse. Forfis führt ein AI-Prozess-Audit durch, das repetitive Workflows identifiziert, bei denen manuelle Dateneingabe den größten Zeitfresser darstellt. Im Medtech-Bereich betrifft das oft die Erfassung von Anfragen aus Facharztpraxen oder Kliniken. Das Audit liefert eine priorisierte Roadmap, die nach ROI und Compliance-Risiko sortiert ist. Für Unternehmen mit 500 bis 2000 Mitarbeitern ist diese Phase entscheidend, um zu vermeiden, dass man teure Infrastruktur für Prozesse aufbaut, die sich nicht amortisieren. Die Roadmap definiert klar, welche Workflows in den Pilot gehen und welche später folgen, was die Skalierung über verschiedene Abteilungen hinweg vorbereitet.
Technische Architektur mit LangChain und LangGraph
Die technische Basis der Automatisierung bildet eine model-agnostische Architektur, die auf LangChain und LangGraph setzt. LangChain dient als Abstraktionsschicht für die Interaktion mit Large Language Models, während LangGraph die Zustandsmaschine für komplexe, mehrstufige Workflows orchestriert. Für die Lead-Qualifikation nutzt man LangGraph, um den Entscheidungsbaum deterministisch zu steuern. Nur bei Unsicherheit greift das System auf das LLM zurück. Diese Trennung ist wichtig, weil sie die Nachvollziehbarkeit der Entscheidungen erhöht, was für die ISO 27001-Zertifizierung entscheidend ist. Die Architektur erlaubt es, für sensible Daten offene Modelle auf eigener Hardware zu nutzen und für weniger kritische Aufgaben die APIs von OpenAI oder Anthropic einzusetzen.
Lead-Qualifikation durch Workflow-Orchestrierung
Die Implementierung der Lead-Qualifikation erfolgt über eine Custom REST API und Webhooks, die das bestehende CRM an das AI-System anbinden. Das System reichert neue Anfragen automatisch über die CRM-API an und prüft, ob der Kontakt zu den Zielgruppenkriterien passt, wie etwa ‘Facharztpraxis in der DACH-Region’. Bei einem Treffer wird der Lead als ‘Hot’ markiert und an den Vertrieb übergeben. Bei einem Fehltreffer wird eine standardisierte Antwort generiert. Die Integration ersetzt das CRM nicht, sondern ergänzt es um eine intelligente Schicht. Für die Skalierung über Abteilungen hinweg wird dieselbe Orchestrierungslogik auf weitere Prozesse angewendet, was die Konsistenz der Datenhaltung sicherstellt.
Pilot in zwei Wochen und Managed Operations
Ein Pilotprojekt mit festem Scope dauert in der Regel zwei Wochen. Woche 1 dient der Prozessanalyse und der API-Anbindung, Woche 2 der Implementierung der Orchestrierungslogik und dem Testlauf mit realen, anonymisierten Daten. Die Messung der Baseline, also der aktuellen Fehlerrate und Zykluszeit, erfolgt parallel zur Implementierung. Nach dem Go-Live übernimmt Forfis die Managed AI Operations. Das bedeutet, dass das System überwacht, die Modelle bei Bedarf neu trainiert und die Integrationen gepflegt werden. Der Kunde zahlt eine monatliche Pauschale für Monitoring, Incident-Response und kontinuierliche Optimierung der Prompt-Logik, ohne eigenes ML-Personal einstellen zu müssen.
Compliance: ISO 27001 und DSGVO im Medtech
Die Einhaltung von ISO 27001 und der DSGVO ist bei der AI-Integration zentral. Forfis integriert die AI-Komponenten in das bestehende Information Security Management System (ISMS) des Kunden. Alle API-Keys werden in einem Secrets-Manager verwaltet, und die Log-Dateien der AI-Entscheidungen werden für die Audit-Trail-Anforderungen der Norm aufbewahrt. Bei der Verarbeitung von Gesundheitsdaten greift zusätzlich Art. 9 DSGVO. Die Nutzung von Cloud-APIs ist nur zulässig, wenn ein Auftragsverarbeitungsvertrag (AVV) vorliegt und die Daten nicht für andere Zwecke genutzt werden. Für besonders sensible Daten kann das Modell auf eigener Hardware laufen, was durch die model-agnostische Architektur ermöglicht wird.
Leave a Reply