Kontakt aufnehmen

Schulungsübersicht

Grundlagen von Agentic AI im Gesundheitswesen

  • Agentic vs. rein Werkzeug-basierte LLM-Anwendungen
  • Autonomie-Grenzen, Richtlinien und menschliche Aufsicht
  • Landschaft und Einschränkungen von Gesundheitsdaten (EHR, FHIR, PHI)

Design von Agenten-Workflows

  • Planung, Gedächtnis, Werkzeugnutzung und Reflexionsschleifen
  • Prompt Engineering, Funktionen/Tools und Auswahl der Aktionen
  • Zustandsverwaltung und Orchestrierungs-Muster

Retrieval-Augmentierte Agenten

  • Einlesen und Aufteilen medizinischer Dokumente
  • Embeddings, Vektor-Speicher und Relevanzbewertung
  • Verankerung von Antworten und Zitierstrategien

Integrationen und Interoperabilität im Gesundheitswesen

  • Grundlagen von FHIR/SMART für die Agenten-Konnektivität
  • Arbeit mit strukturierten und unstrukturierten klinischen Daten
  • Eventing, APIs und Audit-Trails

Sicherheit, Risiko und Governance

  • Guardrails, Red-Teaming und Failsafe-Design
  • Behandlung von PHI, Anonymisierung und Zugriffskontrollen
  • Human-in-the-loop-Prüfung und Eskalationspfade

Bewertung und Überwachung

  • Offline-Bewertungen, Golden-Sets und KPI-Definition
  • Halluzinationserkennung und Faktentests
  • Observability, Logging und Kosten/Latenz-Management

Deployment-Muster und praktisches Labor

  • API-basierte vs. On-Premise-Modell-Auswahl
  • Erstellung eines Retrieval-augmentierten Agenten mit LangChain, FastAPI und ChromaDB
  • Simulierte Incident-Response und Rollback-Verfahren

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegendes Verständnis der Python-Programmierung
  • Erfahrung mit Datenanalyse- oder ML-Workflows
  • Vertrautheit mit Konzepten der Gesundheitsdaten (z. B. EHR, FHIR)

Zielgruppe

  • Datenwissenschaftler und ML-Ingenieure im Gesundheitswesen
  • Teams für Klinische Informatik und Digital Health Produkte
  • IT-Leiter und Innovationsmanager im Gesundheitswesen
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien