Kontakt aufnehmen

Schulungsübersicht

Grundlagen agentischer KI für das Gesundheitswesen

  • Agentische KI im Vergleich zu rein auf Werkzeugen basierenden LLM-Anwendungen
  • Grenzen der Autonomie, Richtlinien sowie menschliche Aufsicht
  • Die Landschaft medizinischer Daten und deren Beschränkungen (EHR, FHIR, PHI)

Entwurf von Arbeitsabläufen für Agenten

  • Planung, Gedächtnisfunktion, Werkzeugeinbindung und Reflexionsschleifen
  • Prompt-Engineering, Funktionsdefinitionen sowie Auswahl der richtigen Aktionen
  • Verwaltung des Systemzustands sowie Muster zur Orchestrierung

Retrieval-Augmented Agenten im Gesundheitswesen

  • Aufnahme und Segmentierung medizinischer Dokumente
  • Erstellung von Vektordarstellungen, Verwaltung von Vektordatenbanken sowie Überprüfung der Relevanz
  • Begründete Antworten generieren und Quellenangaben korrekt verknüpfen

Integrationen im Gesundheitswesen sowie Interoperabilität

  • Grundlagen zu FHIR/SMART für die Vernetzung von Agenten
  • Umgang mit strukturierten und unstrukturierten klinischen Daten
  • Ereignisverarbeitung, APIs sowie Protokollierung von Aktionen zur Transparenz

Sicherheit, Risikomanagement und Governance

  • Schutzmechanismen, Penetrationstests sowie Ausfallsicherheitsdesign
  • Umgang mit PHI-Daten, deren Anonymisierung sowie Zugriffskontrollen
  • Begleitende Kontrolle durch Fachpersonal und klar definierte Eskalationsprozesse

Bewertung sowie fortlaufende Überwachung

  • Offline-Bewertungen, Definition geeigneter Testsets und KPI-Ermittlung
  • Erkennung von falschen Aussagen sowie Validierung der Genauigkeit von Antworten
  • Messung der Systemleistung, Protokollierung und Optimierung hinsichtlich Kosten bzw. Reaktionszeit

Einsatzszenarien und praktische Übungen

  • Entscheidung zwischen Cloud-basierten APIs und lokal installierten Modellen
  • Erstellung eines Retrieval-Augmented Agents unter Nutzung von LangChain, FastAPI sowie ChromaDB
  • Simulation fehlerhafter Abläufe mit entsprechenden Wiederherstellungsverfahren

Zusammenfassung und Ausblick auf zukünftige Entwicklungen

Voraussetzungen

  • Grundkenntnisse in der Python-Programmierung
  • Erfahrung mit Datenanalysen oder Maschinellen-Lern-Prozessen
  • Vertrautheit mit Grundbegriffen des Gesundheitsdaten-Managements (z. B. EHR, FHIR)

Zielgruppen

  • Datenwissenschaftler sowie Maschinellen-Lern-Ingenieure im Gesundheitsbereich
  • Teams für klinische Informatik und digitale Gesundheitsprodukte
  • IT-Entscheider sowie Innovationsmanager in der Gesundheitsbranche
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien