Wie Journalia eine genaue Transkription sicherstellt, vom Audio zum Text

Wenn man fragt, was Journalia macht, lautet die einfache Antwort: Wir erstellen klinische Notizen aus Gesprächen. Doch unter der Oberfläche laufen zwei verschiedene Prozesse. Zuerst wandeln wir Sprache in Text um, die Transkription. Dann nutzen wir diesen Text, um strukturierte klinische Notizen zu erzeugen. Beide Schritte sind wichtig, aber in diesem Beitrag geht es um den ersten. Denn so klug die Notizerstellung auch ist, es gilt ein Grundprinzip: Die Qualität der Notiz kann die Qualität der Transkription nie übertreffen.

Warum die Qualität der Transkription am meisten zählt

In der Informatik gibt es einen alten Spruch: „garbage in, garbage out“. Er gilt hier in vollem Umfang. Wenn die Transkription „Paracetamol“ hört, während die Ärztin „Codein“ sagt, oder verwechselt, wer was gesagt hat, dann spielt es keine Rolle, wie fortgeschritten die Notizerstellung ist. Das Ergebnis wird falsch.

Bei KI-gestützter Spracherkennung gibt es mehrere technische Wege, und das Feld entwickelt sich schnell. Neue Modelle, neue Ansätze, neue Möglichkeiten, aber auch neue Herausforderungen. Für uns geht es darum, das richtig zu machen, jedes Mal, für jede Konsultation.

Die Herausforderungen, denen wir begegnen

Audioqualität beginnt beim Mikrofon

Der grundlegendste Faktor ist die Audioaufnahme selbst. Wenn das Mikrofon das Gespräch nicht richtig erfasst, sei es schlecht platziert, der Raum hat zu viel Hall oder es gibt Hintergrundgeräusche, hat die KI schlicht zu wenig, womit sie arbeiten kann. Es ist, als bäte man jemanden, einen zur Hälfte verdeckten Text zu lesen: selbst die aufmerksamste Person rät falsch.

Klinisches Fachvokabular ist eine eigene Sprache

Fachkräfte im Gesundheitswesen sprechen eine spezialisierte Sprache, die für allgemeine Spracherkennungssysteme äußerst anspruchsvoll ist. Es geht nicht nur um lateinische Fachbegriffe wie „Pneumothorax“ oder „Myokardinfarkt“, sondern ebenso um Produktnamen und berufsspezifische Terminologie, die im klinischen Alltag täglich verwendet wird.

• Medikamente: Markennamen, die für jeden Markt und jede Sprache einzigartig sind und in üblichen Trainingsdaten kaum vorkommen.
• Begriffe, die je nach Beruf variieren: eine Physiotherapeutin spricht über Mobilisation, Traktionstests und Triggerpunktbehandlung. Eine Allgemeinärztin über Spirometrie, Audiometrie und Differenzialdiagnosen. Eine Psychologin über mentalisierungsbasierte Therapie und Affektbewusstsein.

Wer hat was gesagt?

In einer klinischen Konsultation reicht es nicht zu wissen, was gesagt wurde, ebenso wichtig ist, wer es gesagt hat. Wenn die Ärztin fragt „Haben Sie Brustschmerzen?“ und die Patientin antwortet „Ja, schon seit drei Wochen“, muss diese Information der richtigen Person zugeordnet werden, damit die Notiz korrekt ist.

Mehrere Sprachen, eine Konsultation

Viele Konsultationen finden nicht ausschließlich in einer Sprache statt. Patientinnen und Patienten sprechen mitunter verschiedene Sprachen, und manche Gespräche laufen über Dolmetscher, wobei zwischen Sprachen gewechselt wird. Automatische Spracherkennung ist nicht trivial, besonders bei Akzent oder einem Sprachwechsel mitten im Satz.

Geschwindigkeit gegen Genauigkeit

Nicht jede Situation verlangt denselben Kompromiss. Manchmal braucht die behandelnde Person rasch eine Notiz, zwischen zwei Patienten, mit fünf Minuten bis zur nächsten Konsultation. Andere Male zählt Genauigkeit mehr als Tempo. Es gibt kein einzelnes Modell, das in allem das beste ist.

Datenschutz, für die Patientin, nicht für uns

Der vielleicht wichtigste Aspekt ist der am wenigsten technische: das Recht der Patientinnen und Patienten auf Datenschutz. Menschen möchten nicht, dass Audioaufnahmen ihrer verletzlichsten Momente irgendwo gespeichert werden. Das ist eine nicht verhandelbare Anforderung.

So gehen wir es an

Wir liefern ein passendes Mikrofon mit

Weil die Audioqualität so wichtig ist, empfehlen wir ein bestimmtes Mikrofon und legen es neuen Nutzerinnen und Nutzern bei. Die Erfahrung soll von Tag eins an so gut wie möglich sein. Darüber hinaus überwacht Journalia die Audioqualität in Echtzeit und warnt, wenn etwas nicht stimmt. Allein das hat die Transkriptionsqualität messbar verbessert.

Angepasstes klinisches Fachvokabular

Wir stimmen unsere Spracherkennung auf klinisches Fachvokabular ab, das speziell auf verschiedene Berufe zugeschnitten ist. Eine Physiotherapeutin erhält ein anderes Vokabularprofil als eine Allgemeinärztin, das sich wiederum von dem einer Psychologin unterscheidet. Das Ergebnis ist hohe Genauigkeit bei medizinischer Terminologie, und ein Erlebnis, bei dem das System wirklich „versteht“, wovon man spricht.

Sprecheridentifikation, deine Stimme, 30 Sekunden

Wir nutzen zwei Technologien, die zusammenwirken. Diarisierung analysiert den Audiostream in Echtzeit und unterscheidet verschiedene Stimmen. Sprecheridentifikation geht weiter, du trainierst Journalia 30 Sekunden lang auf deine Stimme, und von da an erkennt das System dich in allen Konsultationen und trennt die behandelnde Person klar von der Patientin.

Sprachauswahl gibt Kontrolle

Statt uns auf automatische Spracherkennung zu verlassen, geben wir den Nutzenden volle Kontrolle: vor dem Start der Transkription aus 50+ Sprachen wählen. Diese einfache Entscheidung liefert weit bessere Ergebnisse, als die Maschine raten zu lassen.

Mehrere Modelle, je nach Situation gewählt

Wir verwenden nicht ein einziges Spracherkennungsmodell. Wir haben mehrere, je nach Situation gewählt. Wie es in der KI-Forschung heißt: „there's no free lunch“, aber indem wir das richtige Werkzeug für die richtige Aufgabe wählen, geben wir den Nutzenden das Beste aus beiden Welten.

Audio, das nicht gespeichert wird

Datenschutz ist keine Funktion, die wir hinzugefügt haben, sondern ein grundlegendes Designprinzip. Der Audiostream geht direkt aus dem Browser der Nutzerin, wird sofort verschlüsselt und zur Verarbeitung gesendet. Audio wird in Echtzeit verarbeitet und nicht gespeichert, nicht von uns, nicht von Dritten. Die gesamte Verarbeitung erfolgt innerhalb der EU im Einklang mit der DSGVO und den Vorgaben für das Gesundheitswesen. Mehr dazu auf unserer Sicherheitsseite.

Es geht darum, wie wir arbeiten

Technik allein reicht nicht. Vieles, was Journalias Transkription gut macht, hängt davon ab, wie wir als Team arbeiten, kontinuierliche Überwachung, regelmäßige Bewertung der Modelle und laufendes Feedback von Klinikerinnen und Klinikern, die das System täglich nutzen.

Transkription ist kein „gelöstes Problem“. Es ist ein Feld in ständiger Entwicklung, und unsere Aufgabe ist es, an der Spitze zu bleiben.