KI-gestützte Erstellung von tomedo®-Objekten (Experimentelles Feature)

1. Einleitung und Wichtiger Hinweis

1.1 Vorstellung der Funktion

tomedo® bietet fortgeschrittenen Anwendern eine innovative Möglichkeit, die Erstellung von benutzerdefinierten Praxis-Elementen erheblich zu beschleunigen. Durch die Interaktion mit externen KI-Sprachmodellen (Large Language Models, LLMs) wie Gemini oder ChatGPT können Sie komplexe Objekte wie Python-Marker, Statistiken oder Briefvorlagen durch einfache Anweisungen in deutscher Sprache generieren lassen.

Dieses Werkzeug ermöglicht es, spezifische Anforderungen Ihrer Praxis schnell und effizient umzusetzen, ohne dass tiefgreifende Programmierkenntnisse in Python, SQL oder HTML erforderlich sind. Sie geben der KI den notwendigen Kontext über die tomedo®-Strukturen und formulieren anschließend, was Sie benötigen. Die KI liefert daraufhin einen fertigen Code-Entwurf, den Sie direkt in tomedo® integrieren können.

1.2 Wichtiger Hinweis: Experimentelles Feature ohne Support

Die klare und frühzeitige Kommunikation über den experimentellen Status und den fehlenden Support ist entscheidend. Während das tomedo®-Handbuch üblicherweise eine umfassende Unterstützung signalisiert, stellt diese Funktion eine bewusste Ausnahme dar. Diese Vorgehensweise soll sicherstellen, dass Anwender mit den richtigen Erwartungen an das Feature herangehen. Es wird als Werkzeug für eigenverantwortliche, technisch versierte Nutzer positioniert, um Frustrationen bei eventuell auftretenden Problemen vorzubeugen und den Charakter des Features – eine Einladung zum Experimentieren – zu unterstreichen.  

2. Das Grundprinzip: Kontextdateien und LLM-Prompts

2.1 Die Rolle der Kontextdateien

Ein allgemeines LLM wie Gemini oder ChatGPT verfügt über ein breites Weltwissen, kennt jedoch nicht die spezifischen Datenstrukturen, Befehle und Formate, die innerhalb von tomedo® verwendet werden. Es weiß beispielsweise nicht, wie ein Python-Marker aufgebaut sein muss oder welche Datenbankfelder für eine Statistik-Abfrage zur Verfügung stehen.

Die von uns bereitgestellten Kontextdateien (im .txt-Format) schließen diese Wissenslücke. Sie fungieren als eine Art „Spickzettel“ für die KI. Jede Datei enthält eine detaillierte Beschreibung der Syntax, der verfügbaren Variablen und der erwarteten Struktur für ein bestimmtes tomedo®-Objekt. Indem Sie diesen Kontext der KI vor Ihrer eigentlichen Anfrage zur Verfügung stellen, versetzen Sie sie in die Lage, syntaktisch korrekten und funktionalen Code für tomedo® zu generieren.

2.2 Allgemeiner Workflow (3 Schritte)

Der Prozess zur Generierung eines tomedo®-Objekts ist für alle Typen nahezu identisch und folgt drei einfachen Schritten:

1. Kontext bereitstellen: Öffnen Sie die für Ihr Vorhaben relevante Kontextdatei (z.B. pythonmarker_context.txt). Markieren und kopieren Sie den gesamten Inhalt der Datei in Ihre Zwischenablage.
2. LLM vorbereiten: Öffnen Sie die Weboberfläche Ihres bevorzugten LLMs (z.B. Gemini, ChatGPT). Fügen Sie den kopierten Kontext aus der Zwischenablage in das Eingabefeld ein. Leiten Sie den Kontext mit einer klaren Anweisung ein, zum Beispiel: "Hier ist der Kontext über tomedo®. Bitte nutze ausschließlich diesen Kontext für meine folgende Anweisung:"
3. Anweisung formulieren (Prompting): Schreiben Sie direkt unter den eingefügten Kontext Ihre Anforderung in natürlicher Sprache. Seien Sie dabei so präzise wie möglich. Beispiel: "Erstelle einen Python-Marker, der prüft, ob ein Patient in den nächsten 10 Tagen Geburtstag hat."

2.3 Übersicht der Kontextdateien

Die folgende Tabelle dient als schnelle Referenz, um die richtige Kontextdatei für Ihr jeweiliges Vorhaben zu finden. Sie verknüpft den Zweck direkt mit der benötigten Datei und dem entsprechenden Abschnitt in diesem Handbuch. Diese zentrale Übersicht reduziert die Komplexität bei der Arbeit mit mehreren Dateien und hilft, Fehler durch die Verwendung eines falschen Kontexts zu vermeiden.

Tabelle 1: Übersicht der LLM-Kontextdateien

Kontextdatei	Zweck	Referenz im Handbuch
markerKontext.txt	Erstellung von automatischen Python-Markern	Abschnitt 3.1
statistikKompakt.txt	Generierung von SQL-Abfragen für Statistiken	Abschnitt 3.2
Briefvorlagen.txt	Erstellung von HTML-Code für Briefvorlagen	Abschnitt 3.3
patientenformular_context.txt	Entwurf von XML-Strukturen für Patientenformulare	Abschnitt 3.4
customkckeKonpakt.md	Erstellung von XML für CustomKarteiEinträge	Abschnitt 3.5
BriefkommandosKompakt .txt	Nachschlagen von Platzhaltern für Briefvorlagen	Abschnitt 4

3. Anwendungsfälle: Detaillierte Anleitungen

Dieser Abschnitt bietet detaillierte Anleitungen für jeden Objekttyp. Jedes Beispiel wird von einem kurzen Video begleitet, das den Prozess visuell demonstriert. Die Titel der Videos sind bewusst funktional und deskriptiv gehalten, um ihre Rolle als klares Lehrmittel innerhalb dieses Handbuchs zu unterstreichen, anstatt auf Klickattraktivität für öffentliche Plattformen zu zielen.  

3.1 Automatische Python-Marker erstellen

• Zweck und Nutzen: Automatische Python-Marker sind ein mächtiges Werkzeug zur Workflow-Automatisierung. Sie können basierend auf Patientendaten (z.B. Alter, Laborwerte, Diagnosen, Termine) automatisch gesetzt werden und wichtige Hinweise direkt in der Patientenakte oder der Tagesliste anzeigen.
• Benötigte Kontextdatei: pythonmarker_context.txt
• Schritt-für-Schritt-Anleitung:
  1. Kopieren Sie den gesamten Inhalt der Datei pythonmarker_context.txt.
  2. Fügen Sie den Inhalt in Ihr LLM ein und leiten Sie ihn wie oben beschrieben ein.
  3. Fügen Sie darunter den folgenden Prompt hinzu: Erstelle einen Python-Marker, der automatisch gesetzt wird, wenn ein Patient innerhalb der nächsten 10 Tage Geburtstag hat. Der Marker soll den Text "Geburtstag in Kürze!" anzeigen.
• Erwartetes Ergebnis (Beispiel): Das LLM sollte einen Python-Code ähnlich dem folgenden generieren:Python

Integration in tomedo®: Kopieren Sie den generierten Python-Code und fügen Sie ihn in tomedo® unter Einstellungen > Praxisorganisation > Automatische Marker in einen neuen oder bestehenden Marker ein.

Video-Anwendungsbeispiel:

• Titel: Anwendungsbeispiel: LLM-gestützte Erstellung eines Python-Markers
• Link: https://youtu.be/p3ew2xOrwW4

3.2 Statistiken generieren

• Zweck und Nutzen: Erstellen Sie individuelle SQL-Abfragen für das Statistikmodul, um spezifische Auswertungen für das Praxismanagement, die Abrechnung oder wissenschaftliche Fragestellungen durchzuführen, ohne selbst SQL-Experte sein zu müssen.
• Benötigte Kontextdatei: statistik_context.txt
• Schritt-für-Schritt-Anleitung:
  1. Kopieren Sie den Inhalt von statistik_context.txt in Ihr LLM.
  2. Fügen Sie den folgenden Prompt hinzu: Erstelle eine Statistik, die alle Patienten auflistet, die im letzten Quartal die Ziffer GOÄ 1 erhalten haben. Die Liste soll den Nachnamen, Vornamen und das Geburtsdatum enthalten und nach Nachnamen sortiert sein.
• Erwartetes Ergebnis (Beispiel): Sie sollten eine SQL-Abfrage erhalten, die wie folgt aussehen könnte:

• Integration in tomedo®: Fügen Sie die generierte SQL-Abfrage in das entsprechende Feld im Statistik-Modul von tomedo® ein.
• Video-Anwendungsbeispiel:
  • Titel: Anwendungsbeispiel: LLM-gestützte Erstellung einer tomedo®-Statistik
  • Link: https://youtu.be/FZEjlg7iJnI

3.3 Briefvorlagen anfertigen

Zweck und Nutzen: Gestalten Sie komplexe und professionell formatierte Briefvorlagen (z.B. Arztbriefe, Befundberichte, Rechnungen) mit Tabellen, Logos und spezifischen Schriftarten durch einfache sprachliche Beschreibungen.

Benötigte Kontextdatei: briefvorlage_context.txt

Schritt-für-Schritt-Anleitung:

1. Kopieren Sie den Inhalt von briefvorlage_context.txt in Ihr LLM.
2. Fügen Sie den folgenden Prompt hinzu: Erstelle eine Briefvorlage für einen Befundbericht. Sie soll das Praxislogo oben links, die Patientenadresse oben rechts und eine Tabelle mit den Spalten "Parameter", "Wert" und "Normbereich" enthalten. Verwende das Briefkommando für die vollständige Patientenadresse.

Wichtiger Hinweis: Um die korrekten Platzhalter (Briefkommandos) für Patientendaten, Praxisdaten etc. zu finden, nutzen Sie bitte den Prozess, der in Abschnitt 4 beschrieben wird.

Video-Anwendungsbeispiel:

• Titel: Anwendungsbeispiel: LLM-gestützte Erstellung einer Briefvorlage
• Link: https://youtu.be/dp8aWN7_7xY

3.4 Patientenformulare entwerfen

• Zweck und Nutzen: Entwerfen Sie digitale Formulare für Patienten, wie z.B. Anamnesebögen, Einwilligungserklärungen oder Aufklärungsformulare, die Patienten direkt in tomedo® oder auf einem Tablet ausfüllen können.
• Benötigte Kontextdatei: keine
• Schritt-für-Schritt-Anleitung:
  1. Sie erzeugen Patientenformulare direkt mit dem nächsten Update im Patientenformulare Editor
• Video-Anwendungsbeispiel:
  • Titel: Anwendungsbeispiel: LLM-gestützte Erstellung eines Patientenformulars
  • Link: https://youtu.be/i2X9UAzgXHg

3.5 CustomKarteiEinträge erstellen

• Zweck und Nutzen: Erstellen Sie strukturierte Eingabemasken für die Patientenkartei, um eine konsistente und standardisierte Dokumentation von wiederkehrenden Ereignissen wie Impfungen, spezifischen Untersuchungen oder Beratungen sicherzustellen.
• Benötigte Kontextdatei: customkarteieintrag_context.txt
• Schritt-für-Schritt-Anleitung:
  1. Kopieren Sie den Inhalt von customkarteieintrag_context.txt in Ihr LLM.
  2. Fügen Sie den folgenden Prompt hinzu: Erstelle einen CustomKarteiEintrag für eine Impf-Dokumentation. Er soll ein Dropdown-Menü für den Impfstoff (Biontech, Moderna, AstraZeneca), ein Datumsfeld für das Impfdatum und ein Textfeld für die Chargennummer enthalten.
• Video-Anwendungsbeispiel:
  • Titel: Anwendungsbeispiel: LLM-gestützte Erstellung eines CustomKarteiEintrags
  • Link: https://youtu.be/W9VP9CzelCg

4. Hilfsmittel: Passende Briefkommandos finden

4.1 Zweck des Briefkommando-Kontexts

Die Datei briefkommandos_context.txt hat eine Sonderrolle. Sie dient nicht dazu, ein Objekt direkt zu generieren, sondern fungiert als Wissensdatenbank für die KI, um die richtigen Platzhalter (Briefkommandos) für den Einsatz in Briefvorlagen zu finden. Betrachten Sie diesen Kontext als ein Nachschlagewerk, das Sie der KI zur Verfügung stellen, um gezielte Fragen zu beantworten.

4.2 Anwendung in der Praxis

1. Starten Sie eine neue, saubere Sitzung in Ihrem LLM, um eine Vermischung mit anderen Kontexten zu vermeiden.
2. Fügen Sie den gesamten Inhalt der Datei briefkommandos_context.txt in das Eingabefeld ein.
3. Stellen Sie eine präzise Frage, um den benötigten Platzhalter zu finden.
   • Beispiel-Prompt 1: Welches Briefkommando muss ich verwenden, um die vollständige Adresse des Patienten inklusive Anrede in den Brief einzufügen?
   • Erwartete Antwort: [Patient.Absenderadresse]
   • Beispiel-Prompt 2: Ich brauche das Briefkommando für das Geburtsdatum des aktuell angemeldeten Benutzers.
   • Erwartete Antwort: „
4. Kopieren Sie das vom LLM ausgegebene Briefkommando und verwenden Sie es in Ihrem Prompt zur Erstellung der Briefvorlage (siehe Abschnitt 3.3). So stellen Sie sicher, dass Ihre Vorlage später die korrekten Daten aus tomedo® zieht.

5. Best Practices und Fehlerbehebung

Da für dieses experimentelle Feature kein direkter Support angeboten wird, dient dieser Abschnitt als Leitfaden zur Selbsthilfe. Er antizipiert häufige Probleme und bietet Lösungsstrategien, um Sie bei der eigenständigen Fehlerbehebung zu unterstützen.

5.1 Tipps für optimale Ergebnisse

• Iteratives Vorgehen: Beginnen Sie mit einfachen, klaren Anweisungen. Wenn das Ergebnis nicht Ihren Vorstellungen entspricht, passen Sie Ihren Prompt an und versuchen Sie es erneut. Verfeinern Sie Ihre Anforderung schrittweise, anstatt von Anfang an ein perfektes, hochkomplexes Ergebnis zu erwarten.
• Präzise Formulierungen: Die Qualität des Ergebnisses hängt direkt von der Qualität Ihrer Anweisung ab. Statt "mach einen Brief" formulieren Sie präziser: "Erstelle eine Briefvorlage im A4-Format mit einer Kopfzeile, die das Praxislogo enthält, einem Adressfeld für den Patienten und einer Tabelle mit den Spalten 'Datum', 'Leistung', 'Kosten'."
• Kontext trennen: Verwenden Sie für jede neue Aufgabe (z.B. erst ein Python-Marker, dann eine Statistik) eine neue, leere LLM-Sitzung. Dadurch verhindern Sie, dass Reste des alten Kontexts das neue Ergebnis ungewollt beeinflussen.
• Überprüfung ist Pflicht: Betrachten Sie den von der KI generierten Code immer als einen ersten Entwurf. Überprüfen Sie ihn sorgfältig auf logische Fehler, syntaktische Korrektheit und Vollständigkeit, bevor Sie ihn in Ihr produktives tomedo®-System einfügen.

5.2 Häufige Fehlerquellen und deren Vermeidung

• Problem: „Halluzinationen“ der KI
  • Beschreibung: Manchmal erfindet die KI Funktionen, Variablen oder Befehle, die in der tomedo®-Umgebung nicht existieren.
  • Lösung: Vergleichen Sie den generierten Code kritisch mit den Strukturen und Beispielen, die in der von Ihnen bereitgestellten Kontextdatei beschrieben sind. Wenn ein Befehl oder eine Variable unbekannt aussieht, ist sie mit hoher Wahrscheinlichkeit falsch. Bitten Sie die KI, ihre Antwort ausschließlich auf Basis des bereitgestellten Kontexts zu korrigieren.
• Problem: Syntaxfehler im Code
  • Beschreibung: LLMs sind nicht unfehlbar und können kleine syntaktische Fehler produzieren, wie z.B. ein fehlendes Komma, eine vergessene Klammer oder einen Tippfehler in einem Befehl.
  • Lösung: Oft hilft es, die KI zu bitten, den Code erneut zu generieren. Manchmal genügt es auch, den Prompt leicht umzuformulieren. Wenn Sie über Grundkenntnisse der jeweiligen Sprache (Python, SQL etc.) verfügen, können Sie solche kleinen Fehler oft auch schnell manuell korrigieren.
• Problem: Zu komplexe Anfragen überfordern die KI
  • Beschreibung: Eine einzelne, sehr lange und verschachtelte Anweisung für eine extrem komplexe Vorlage kann zu unbrauchbaren oder unvollständigen Ergebnissen führen.
  • Lösung: Teilen Sie die Aufgabe in logische Teilschritte auf. Lassen Sie die KI zuerst die Grundstruktur des Objekts generieren (z.B. das Grundgerüst einer Briefvorlage). Bitten Sie sie dann in einem Folge-Prompt, Details hinzuzufügen (z.B. "Füge nun eine Tabelle mit drei Spalten in den Hauptteil ein.").

5.3 Abschließender Hinweis

Wir möchten abschließend daran erinnern, dass es sich hierbei um ein experimentelles Feature handelt. Ziel dieses Handbucheintrags ist es, Ihnen die notwendigen Werkzeuge und Kenntnisse an die Hand zu geben, damit Sie erfolgreich und eigenverantwortlich mit den Möglichkeiten der KI-gestützten Erstellung von tomedo®-Objekten experimentieren können.