Was ist RAG-Architektur?
Retrieval-Augmented Generation kombiniert Wissensdatenbanken mit Large Language Models
Die KI durchsucht die Wissensdatenbank (Gerätehandbücher, Verträge, Abrechnungslogik, Compliance-Richtlinien) nach relevanten Informationen für die aktuelle Anfrage.
- Semantische Suche (nicht nur Keyword-Matching)
- Kontextbewusste Ergebnisse
- Schnelle Antwortzeiten (<2 Sekunden)
Die abgerufenen Informationen werden mit dem aktuellen Kontext (Teilnehmerdaten, Gerätestatus, Vertragslaufzeiten) angereichert, um präzise Antworten zu generieren.
- Kontextbewusste Antworten
- Personalisierte Empfehlungen
- Aktuelle Daten aus XCare
Die KI generiert eine natürlichsprachliche Antwort basierend auf den abgerufenen und angereicherten Informationen – verständlich, präzise und handlungsorientiert.
- Verständliche Sprache
- Handlungsempfehlungen
- Quellenangaben integriert
Warum RAG statt reinem LLM?
Reine Large Language Models (wie ChatGPT) haben ein Wissensstichtag und können keine aktuellen, unternehmensspezifischen Informationen abrufen. RAG kombiniert die Sprachfähigkeiten eines LLM mit einer Wissensdatenbank, die jederzeit aktualisiert werden kann.
Aktuelle Informationen
Die Wissensdatenbank wird kontinuierlich aktualisiert (Gerätehandbücher, Verträge, Richtlinien).
Unternehmensspezifisch
Die KI kennt Ihre spezifischen Prozesse, Verträge und Geräte – nicht nur allgemeines Wissen.
Nachvollziehbar
Jede Antwort enthält Quellenangaben, sodass Mitarbeiter die Informationen überprüfen können.
5 Use Cases für Hausnotruf
Konkrete Anwendungsfälle, die Effizienz steigern und Mitarbeiter entlasten
Wenn in der Notrufzentrale ein Storno registriert wird, erstellt die KI-Assistenz automatisch eine Aufgabe (Task) in der Abrechnungsdatenbank. Das spart manuelle Eingaben und reduziert Fehlerquoten.
Nutzen
- • 95% Zeitersparnis
- • Keine vergessenen Stornos
- • Lückenlose Nachvollziehbarkeit
Technologie
- • Event-basierte Trigger
- • REST-API-Integration
- • Automatische Validierung
Status
- • Q2 2026: Pilotprojekt
- • Q3 2026: Rollout
Service-Techniker können die KI-Assistenz vor Ort fragen: "Wie konfiguriere ich Gerät XY für Teilnehmer Z?" Die KI liefert präzise Anleitungen basierend auf Gerätehandbüchern und Vertragsdaten.
Nutzen
- • 30 Min/Einsatz gespart
- • 92% Trefferquote
- • Weniger Rückfragen
Wissensdatenbank
- • Gerätehandbücher
- • Vertragsdaten
- • Konfigurationsanleitungen
Status
- • Q2 2026: Pilotprojekt
- • Q4 2026: Rollout
Die KI-Assistenz analysiert Fehler- und Logdateien von Geräten und erkennt Muster. Das ermöglicht proaktive Wartung und reduziert Ausfallzeiten.
Nutzen
- • Proaktive Wartung
- • Mustererkennung
- • Reduzierte Ausfallzeiten
Technologie
- • Anomalieerkennung
- • Zeitreihenanalyse
- • Predictive Maintenance
Status
- • Q3 2026: Konzept
- • Q4 2026: Pilotprojekt
Angehörige und Hilfebedürftige können die KI-Assistenz fragen: "Was kostet ein Hausnotruf?" oder "Welche Mehrwerte bietet das System?" Die KI liefert verständliche Antworten basierend auf Vertragsdaten und Kostenstrukturen.
Nutzen
- • Entlastung Vertrieb
- • 24/7 verfügbar
- • Konsistente Antworten
Wissensdatenbank
- • Vertragsdaten
- • Kostenstrukturen
- • Argumentationshilfen
Status
- • Q3 2026: Konzept
- • Q1 2027: Pilotprojekt
Die KI-Assistenz analysiert Notrufereignisse und erkennt Muster, die auf Fehlalarme hindeuten. Wichtig: Die KI trifft keine automatischen Entscheidungen, sondern gibt nur Hinweise an Mitarbeiter – die finale Entscheidung bleibt beim Menschen.
Nutzen
- • Zeitersparnis
- • Mustererkennung
- • Beratende Funktion
Datenschutz
- • Keine automatischen Entscheidungen
- • Mensch bleibt Entscheider
- • DSGVO-konform
Status
- • Q4 2026: Forschung
- • 2027: Konzept
Live-Demo: Probieren Sie die KI-Assistenz aus
Stellen Sie eine Beispiel-Frage und erleben Sie die KI-Assistenz in Aktion
Probieren Sie eine Beispiel-Frage aus:
Wie konfiguriere ich ein SONOTEL-Gerät für einen neuen Teilnehmer?
Welche Schritte sind bei einem Storno-Fall zu beachten?
Wie erkläre ich Angehörigen die Kostenübernahme durch die Pflegekasse?
Was bedeutet Fehlercode E42 bei Tunstall-Geräten?
Wie erstelle ich einen neuen Vertrag für einen Selbstzahler?
Welche Geräte sind für Demenz-Patienten besonders geeignet?
Wie buche ich eine Geräterückgabe korrekt ab?
DSGVO-Compliance & Datenschutz
Datenschutz von Anfang an mitgedacht, nicht nachträglich hinzugefügt
Die KI-Assistenz verarbeitet nur die Daten, die für die jeweilige Anfrage notwendig sind. Keine unnötigen Datensammlungen, keine Profilbildung.
- Zweckgebundene Datenverarbeitung
- Keine Profilbildung
- Automatische Löschung nach Verarbeitung
Jede Datenverarbeitung durch die KI-Assistenz erfordert eine explizite Einwilligung. Nutzer können Einwilligungen jederzeit widerrufen.
- Explizite Einwilligungen
- Widerrufsmöglichkeit jederzeit
- Transparente Dokumentation
Die KI-Assistenz löscht Daten automatisch nach definierten Fristen. Keine unbegrenzte Datenspeicherung, keine "Datenfriedhöfe".
- Automatische Löschfristen
- Manuelle Löschung jederzeit möglich
- Lückenlose Dokumentation
Jede Datenverarbeitung durch die KI-Assistenz wird protokolliert. Das ermöglicht lückenlose Nachvollziehbarkeit für Audits und Compliance-Prüfungen.
- Lückenlose Protokollierung
- Audit-fähige Logs
- Compliance-Berichte
Azure AI Services: DSGVO-konform in deutschen Rechenzentren
Die KI-Assistenz läuft auf Azure AI Services in deutschen Rechenzentren. Das bedeutet: Ihre Daten bleiben in Deutschland, unterliegen deutschem Datenschutzrecht und werden nicht an Drittländer weitergegeben.
Deutsche Rechenzentren
Daten bleiben in Deutschland (Frankfurt, Berlin).
Deutsches Datenschutzrecht
Unterliegt DSGVO und deutschem Bundesdatenschutzgesetz.
Keine Drittland-Übermittlung
Daten werden nicht an Drittländer (z.B. USA) weitergegeben.
Implementierungs-Roadmap 2026
Schrittweise Einführung der KI-Assistenz mit Pilotprojekten
- • Anforderungsworkshops mit Pilotorganisationen
- • Architektur-Design (RAG-Modell, Azure AI Services)
- • Datenschutz-Folgenabschätzung (DSFA)
- • Wissensdatenbank-Struktur definieren
- • Pilotprojekt mit 2-3 Hausnotrufzentralen
- • Use Case 1: Storno-Automatisierung implementieren
- • Use Case 2: Service-Techniker-Assistenz implementieren
- • Feedback-Schleifen mit Pilotorganisationen
- • Produktivsetzung für alle Organisationen
- • Schulungen für Mitarbeiter
- • Monitoring & Support-Strukturen aufbauen
- • Kontinuierliche Verbesserung basierend auf Feedback
- • Use Case 3: Fehler-/Logdatei-Auswertung implementieren
- • Use Case 4: Beratungsassistent implementieren
- • Pilotprojekt mit erweiterten Funktionen
- • Use Case 5: Forschung zu Fehlalarm-Erkennung starten
Adaptiert vom DIWI-Modell des Landes Berlin
Die KI-Assistenz für Hausnotruf basiert auf dem DIWI-Modell (Digitaler Wissensassistent), das vom Land Berlin entwickelt wurde. DIWI nutzt RAG-Architektur, um Bürger bei Verwaltungsfragen zu unterstützen – wir adaptieren dieses Modell für Hausnotrufzentralen.
Bewährte Technologie
DIWI ist seit 2024 im Einsatz und hat sich in der Praxis bewährt.
DSGVO-konform
DIWI wurde von Anfang an DSGVO-konform konzipiert – wir übernehmen diese Prinzipien.
Anpassbar
Das DIWI-Modell ist flexibel und kann für verschiedene Branchen adaptiert werden.