Künstliche Intelligenz für automatisierte Notfallprotokolle
Literaturstudie, 2026Literaturstudie zur Frage, wie Automatic Speech Recognition (ASR) und Large Language Models (LLMs) die präklinische Dokumentation unterstützen können. Zusätzlich wird ein konzeptioneller Workflow skizziert, der Einsatzdiktate in strukturierte, DIVI-MIND-konforme Protokolle überführt.
- Technisch machbar — Qualität hängt stark von Umgebung/Lärm und medizinischen Fachbegriffen ab (mWER/WER als zentrale Qualitätsmaße).
- LLM-Risiko: seltene, aber potenziell schwerwiegende inhaltliche Fehler → Human-in-the-loop ist zwingend.
- Empfehlung: Datenschutz-/Offline-fähige Architektur, DIVI-MIND Output und risikobasierte Qualitätschecks vor Freigabe.
- Ergebnis: modularer 5-Phasen-Workflow (Aufnahme → Transkription → Strukturierung → Qualitätsprüfung → Verifikation).