Sprachbasierte Pflegedokumentation in Pflegeheim und ambulanter Pflege

Pflegekräfte in Pflegeheimen und in der ambulanten Pflege verbringen einen großen Teil jeder Schicht mit dem Tippen der Dokumentation, oft erst nach dem Rundgang und oft in einer Sprache, die nicht ihre Muttersprache ist. Spracherkennung in Verbindung mit einem LLM erlaubt es ihnen, am Bett einige Sätze zu sprechen; das System extrahiert die strukturierten Fakten, ordnet sie der Pflegeakte zu und entwirft die Übergabe. Die Pflegefachkraft prüft und bestätigt; der Nutzen ist mehr Zeit für die Bewohner und vollständigere Akten.

Problem & Nutzen

• Heute: Die Dokumentation wird am Terminal oder Tablet eingegeben oder auf Papier geschrieben und später übertragen. Späte Einträge verlieren Details, die Qualität der Einträge schwankt, und Übergaben werden von Hand zusammengestellt. Pflegepersonal ist knapp, und viele Beschäftigte sind keine Muttersprachler; freien Text auf Deutsch zu tippen ist daher eine echte Hürde.
• KI-Nutzen: Sprechen geht am Ort der Pflege schneller als Tippen, Einträge entstehen, solange die Beobachtung frisch ist, die KI ordnet freie Sprache den strukturierten Feldern zu, die Software und Qualitätssystem erwarten, und Übergabeberichte werden aus den Einträgen des Tages erzeugt.
• Belege (Herstellerangaben, mit Vorsicht zu behandeln): voize meldet eine Series A über 50 Mio. US-Dollar (angeführt von Balderton Capital, angekündigt im Nov. 2025) und Einsatz in rund 1.100 Pflegeeinrichtungen in Deutschland und Österreich (Stand Nov. 2025), mit Anbindungen an Pflegesoftware wie Vivendi PD und Medifox DAN [1][2]. Angaben zur Zeitersparnis unterscheiden sich je nach Hersteller und Studie; messen Sie Ihre eigene Ausgangslage, statt sich auf Marketingzahlen zu verlassen.
• Regulatorischer Kontext: In Deutschland wurde die vereinfachte Pflegedokumentation (SIS, Strukturmodell) eingeführt, um Bürokratie abzubauen: Die Dokumentation konzentriert sich auf die individuelle Risikoeinschätzung, Abweichungen von der Routine und Änderungen der Pflegeplanung statt auf jede Routinehandlung [3].

Varianten

• Stationäre Langzeitpflege: Diktat in die Bewohnerakte, Barthel/Braden sowie Sturz-, Schmerz- und Wunden-Assessments, Übergabe je Schicht. Zu den frühen Anwendern zählen große kirchliche Träger (die Recherche des Katalogs nennt die Evangelische Heimstiftung und die BruderhausDiakonie; prüfen Sie den aktuellen Stand beim Hersteller).
• Ambulante Pflege: Diktat nach jedem Besuch, wegen schlechter Mobilfunkabdeckung offlinefähig, verknüpft mit Tourenplanung und Abrechnungsnachweisen.
• Pflege im Krankenhaus und in der Rehabilitation: Pflegenotizen im Krankenhausinformationssystem; überschneidet sich mit HLTH-003 und HLTH-011, jedoch mit kurzen Befehlen statt eines Arzt-Patienten-Gesprächs.
• Private Nutzung: Pflegetagebücher von Angehörigen: einfache Sprache-zu-Notiz-Apps genügen.

So funktioniert es

1. Smartphone-App (Push-to-Talk, VAD auf dem Gerät, Offline-Puffer)
2. ASR (Pflegevokabular, robust gegen Dialekt / Akzent, mehrsprachig)
3. Identifikation der Bewohnerin/des Bewohners (in der App oder per Name / Zimmer gewählt; nie stillschweigend geraten)
4. LLM-/Klassifikator-Extraktion in Pflegeschema (Vitalwerte, Schmerz, Wunde, Sturz, Aufnahme, Stimmung, durchgeführte Maßnahme)
5. Regelprüfungen (Wertebereiche, Einheitenplausibilität, Widersprüche zum Pflegeplan)
6. Score-Vorschläge (Barthel, Braden, Schmerzskalen) aus strukturierten Fakten
7. Prüfbildschirm: Pflegekraft bestätigt / korrigiert, Audioquelle verknüpft
8. Rückschreiben über Schnittstelle (HL7 FHIR / Hersteller-API) + Audit-Log
9. Übergabeentwurf je Schicht aus bestätigten Einträgen

• Die Spracherkennung (ASR) ist auf deutsche Pflegebegriffe abgestimmt (Medikamentennamen, Wundvokabular, Abkürzungen); ein eigenes Vokabular ist wichtiger als die reine Modellgröße. Offlinebetrieb erfordert ein Modell auf dem Gerät oder am Rand des Netzes (Edge) oder eine Store-and-Forward-Warteschlange.
• Die Strukturierung ist eine schemabeschränkte Extraktion: Das LLM darf nur bekannte Felder füllen und muss Felder leer lassen, wenn die sprechende Person sie nicht genannt hat. Werte wie der Blutdruck werden durch Regeln validiert.
• Mensch-in-der-Schleife (Human-in-the-Loop): Jeder Eintrag wird von der Pflegefachkraft bestätigt, die rechtlich für die Akte verantwortlich bleibt. Score-Vorschläge (Barthel, Braden) sind Vorschläge, keine Einschätzungen; die einschätzende Pflegekraft entscheidet.

Datenaufbereitung

Es werden kaum klassische Trainingsdaten benötigt; der Aufwand liegt im Kontext, den das System kennen muss. Stammdaten der Bewohner, Pflegepläne, SIS-Felder und Maßnahmenkataloge liegen in der Pflegesoftware (Vivendi, Medifox Dan, CGM); Medikationslisten oft in einem separaten Apothekensystem; Übergabenotizen teils auf Papier oder in Freitextfeldern.

Typische Lücken: uneinheitliche Maßnahmenkataloge, veraltete Pflegepläne, Abkürzungen und Dialektbegriffe, die die ASR falsch erkennt, fehlendes Audio von lauten Stationen und unklare Zugriffsrechte je Station.

Schritte der Aufbereitung: 1. Bereinigen Sie die Pflegepläne und Maßnahmenkataloge in der Pflegesoftware und einigen Sie sich auf einen einheitlichen Begriffssatz. 2. Erstellen Sie ein Glossar der Einrichtung mit Abkürzungen, Medikamentennamen und lokalen Ausdrücken (PREP-015) und nutzen Sie es als ASR-Vokabular. 3. Sammeln Sie 50-100 reale (mit Einwilligung, pseudonymisierte) Beispieldiktate mit den korrekten Zieleinträgen als Testsatz (PREP-018, PREP-022). 4. Prüfen Sie die Schnittstelle und die rollenbasierten Zugriffe je Bewohnergruppe und legen Sie fest, welche Daten das Haus verlassen dürfen (PREP-024).

Werkzeuge: der eigene Export oder die API der Pflegesoftware, Whisper für Transkriptionstests, eine Tabellenkalkulation für den Testsatz. Rechnen Sie damit, dass etwa 15-25 Prozent des Gesamtaufwands in die Datenaufbereitung fließen; der größere Anteil entfällt auf Schulung, Veränderungsmanagement und Integration. Siehe auch GUIDE-003 und PREP-025 zur Prüfung der Rechtsgrundlage.

Umsetzungswege

Welcher Weg für wen

• smb: A - ausgereifte, in der EU gehostete Produkte wie voize bieten Schnittstellen zu den gängigen Pflegesystemen, und die Pflegedokumentation ist ein Standardprozess.
• enterprise: C - große Träger haben hohe Volumina und sehr sensible Bewohnerdaten, daher kann sich eine selbst betriebene ASR der Whisper-Klasse plus ein kleines LLM lohnen, idealerweise auf einer gemeinsamen internen Plattform.
• developer: C - offene ASR und kleine LLMs auf HW2 erlauben es, eine pflegespezifische Pipeline zu bauen und zu testen, ohne Gesundheitsdaten an Dritte zu senden.

Weg A — Kaufen (Standardsoftware) (empfohlen)

• voize (DE/EU, Berlin): Sprache-zu-strukturierter-Dokumentation-App mit Schnittstellen zu Vivendi, Medifox DAN und weiteren Pflegesystemen [1][2].
• Eigene Sprachmodule der Pflegesoftware-Hersteller: Medifox Dan, CGM, Connext Vivendi und ähnliche Hersteller ergänzen Spracheingabe oder arbeiten mit Partnern zusammen; prüfen Sie die aktuelle Roadmap des Systems, das Sie bereits einsetzen.
• Wählen Sie A, wenn: Sie bereits ein verbreitetes Pflegesystem mit unterstützter Schnittstelle betreiben und innerhalb von Wochen Ergebnisse wollen. Prüfen Sie EU-Hosting, Auftragsverarbeitungsvertrag, Offlinemodus und Audit-Trail.

Weg B — Auf Cloud-KI-Diensten aufbauen

• ASR: Sprachdienste in EU-Regionen (Azure Speech in EU-Regionen, Google Cloud Speech, AWS Transcribe in Frankfurt) oder EU-Anbieter wie Mistral (Voxtral) und Speechmatics (UK); testen Sie mit realer akzentbehafteter Pflegesprache.
• LLM zur Strukturierung: führende oder EU-Modelle (Mistral, Claude oder GPT/Gemini über EU-Endpunkte) mit JSON-Schema-Ausgaben.
• Integration: Die meiste Pflegesoftware hat keine offene API; rechnen Sie mit Partnerprogrammen, FHIR, wo verfügbar (ISiK-Profile in Krankenhäusern), oder RPA als letztem Ausweg.
• Wählen Sie B, wenn: Sie ein Softwarehersteller oder ein großer Träger mit Entwicklern und einem besonderen Arbeitsablauf sind, nicht ein einzelnes Heim.

Weg C — Selbst betreiben (Open Source)

• ASR: OpenAI Whisper large-v3 / Turbo-Varianten (faster-whisper, whisper.cpp), NVIDIA Canary/Parakeet, feingetunte deutsche Modelle; whisper.cpp oder sherpa-onnx laufen für den Offlinebetrieb auf dem Telefon.
• LLM: Mistral Small, Qwen3 oder Modelle der Llama-Klasse mit 8-30 Mrd. Parametern über vLLM oder Ollama zur Extraktion.
• Hardware: HW2 bewältigt die ASR und ein mittelgroßes Extraktionsmodell für einen mittelgroßen Träger; Edge-Geräte (HW1) genügen nur für ASR auf dem Gerät.
• Aufwand: nennenswerte MLOps- und Evaluierungsarbeit; die Schnittstelle zum Pflegesystem ist meist der schwierige Teil.

Weg D — Eigenes Training

Das Feintuning der ASR mit hauseigenen, eingewilligten Aufnahmen von akzentbehafteter und dialektaler Pflegesprache sowie Pflegevokabular senkt die Wortfehlerrate dort, wo generische Modelle scheitern. Erfordert transkribiertes Audio, die Einwilligung der Beschäftigten und eine Betriebsvereinbarung.

Stand der Technik (2026)

• Moderne ASR (Whisper-Klasse, Voxtral, Canary) beherrscht Standarddeutsch gut; Dialekte, Lärm in Pflegeumgebungen, überlappende Sprecher und nicht-muttersprachliche Akzente bleiben die Hauptfehlerquellen.
• LLM-Strukturierung aus kurzen Äußerungen ist bei gängigen Feldern zuverlässig; Schwachstellen sind Verwechslungen von Bewohnern, Einheiten- und Zahlenfehler, Verneinungen („kein Schmerz"), Medikamentennamen und erfundene Details.
• Grenzen: keine autonome Einschätzung; das System darf nie klinische Inhalte erzeugen, die die sprechende Person nicht genannt hat. Qualitätskontrollen erfordern regelmäßige Stichprobenprüfungen gegen das Audio.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (asr + llm-general + guardrails): SPEECH-005 professionelles Diktat, HLTH-003 Ambient- Dokumentation, HLTH-030 Nachrichten-Triage; ein ASR-Server kann alle bedienen.
• Nachgelagert: HLTH-011 Entlass- und Verlegungsbriefe aus der Pflegeakte, HLTH-018 Zusammenfassung von Akten, HLTH-015 Sturzerkennungsereignisse, die in das Sturzprotokoll einfließen.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen, Abonnement pro Nutzer oder pro Einrichtung; Aufwand vor allem für Einführung, Einrichtung der Schnittstelle und Schulung der Beschäftigten.
• Weg B: 3-6 Monate für ein Produkt mit Anbindung an das Pflegesystem.
• Weg C: 4-9 Monate inkl. Evaluierung; GPU-Server plus Betrieb.
• Kennzahlen: Dokumentationsminuten pro Schicht, Anteil der Einträge am Ort der Pflege, Vollständigkeit der Pflichtfelder, ASR-Wortfehlerrate auf eigenem Audio, Korrekturquote bei der Prüfung, Dauer der Übergabe, Zufriedenheit der Beschäftigten, Feststellungen bei Prüfungen des MDK / Medizinischen Dienstes.

Menschen & Veränderung

Beziehen Sie zuerst die Leitung und die Pflegedienstleitung (department-lead) für Umfang und Budget ein; holen Sie IT, die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten und den Betriebsrat vor dem Start des Piloten ins Boot, nicht danach. Die Datenschutzbeauftragten werden für die Gesundheitsdaten der Bewohner benötigt (besondere Kategorie, Art. 9 DSGVO): Eine Datenschutz-Folgenabschätzung (DSFA, Art. 35) ist wahrscheinlich, dazu ein Auftragsverarbeitungsvertrag (AVV, Art. 28) mit jedem Anbieter (GUIDE-005).

Betriebsrat: in der Praxis ja. Sprachnotizen, Zeitstempel und personenbezogene Nutzungsprotokolle machen das System objektiv geeignet, Verhalten oder Leistung zu überwachen; daher gilt § 87 Abs. 1 Nr. 6 BetrVG (BAG: Eignung genügt); § 90 Abs. 1 Nr. 3 verlangt frühzeitige Information über KI-geplante Arbeitsabläufe, und § 80 Abs. 3 erlaubt einen Sachverständigen. In kirchlichen oder öffentlichen Einrichtungen gelten die Regeln des Personalrats bzw. der MAV. Schließen Sie eine Betriebsvereinbarung, die die Leistungsbewertung einzelner Personen ausschließt (GUIDE-004).

KI-Kompetenz: Fördern Sie die Kompetenz der Beschäftigten mit kurzen praktischen Einheiten (Art. 4 KI-Verordnung), die abdecken, was das System missverstehen kann und wie Einträge korrigiert werden (GUIDE-006). Beginnen Sie mit einer freiwilligen Station und Fürsprechern je Schicht und sprechen Sie Bedenken offen an: Angst vor Überwachung, vor Mehrarbeit durch Korrekturen und davor, Deutsch mit Akzent zu sprechen. Jeder Eintrag bleibt ein Entwurf, bis die Pflegekraft ihn bestätigt; die Person bleibt für die Akte verantwortlich (GUIDE-008).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Für Dokumentationsunterstützung typischerweise minimales oder begrenztes Risiko (Pflicht zur KI-Kompetenz, Art. 4). Wenn die Software diagnostische oder prognostische Aussagen trifft (z. B. automatische Dekubitus-Risikoscores oder Verschlechterungswarnungen), kann sie als Medizinprodukt nach MDR gelten und damit nach Art. 6 / Anhang I ein Hochrisiko-System sein: Prüfen Sie die vom Hersteller angegebene Zweckbestimmung. Emotionserkennung bei Beschäftigten am Arbeitsplatz ist verboten (Art. 5 Abs. 1 Buchst. f): Analysieren Sie Stimmen der Beschäftigten nicht auf Stress oder Stimmung [4].
• DSGVO: Gesundheitsdaten der Bewohner (Art. 9) und Sprachdaten der Beschäftigten; Auftragsverarbeitungsvertrag, DSFA wahrscheinlich erforderlich, EU-Hosting, Löschung des Audios nach der Bestätigung, keine Nutzung von Bewohnerdaten für das Modelltraining des Anbieters ohne Rechtsgrundlage. Kirchliche Träger wenden KDG/DSG-EKD anstelle der DSGVO an [5].
• Branchenregeln: Dokumentationspflichten und Qualitätsprüfungen nach SGB XI, SIS/Strukturmodell, berufliche Schweigepflicht (§ 203 StGB) für externe Dienstleister, Mitbestimmung des Betriebsrats (§ 87 BetrVG) bei leistungsbezogener Überwachung.
• Risiken und Gegenmaßnahmen: falsche Bewohnerin bzw. falscher Bewohner (Namen auf dem Bildschirm bestätigen), erfundene Werte (Regeln und verpflichtende Prüfung), Automatisierungsbias (Stichprobenprüfungen), Audio in öffentlichen Bereichen (Headset, Diskretion).

Erste Schritte

1. Messen Sie die Ausgangslage: Dokumentationsminuten pro Schicht, Rückstand, Dauer der Übergabe auf zwei Pilotstationen.
2. Prüfen Sie, welche Pflegesoftware Sie einsetzen und ob der Hersteller einen Sprachpartner oder eine Schnittstelle anbietet.
3. Führen Sie einen Pilot über 4-8 Wochen mit 10-20 Beschäftigten durch, auch mit Nicht-Muttersprachlern; erfassen Sie die Fehlerarten.
4. Klären Sie DSFA, Betriebsvereinbarung und Regeln zur Audiospeicherung vor dem Produktivstart.
5. Prüfen Sie wöchentlich eine Stichprobe von Einträgen gegen das Audio und passen Sie Vokabular und Regeln an.

Quellen

1. Startbase — voize secures US$50M Series A — https://www.startbase.de/news/voize-sichert-50-mio-us-dollar-series-a/
2. Deutsche Startups — voize interview (Nov 2025) — https://www.deutsche-startups.de/2025/11/25/unser-erfolg-ist-nicht-lange-unbemerkt-geblieben/
3. Ein-STEP — Entbürokratisierung der Pflegedokumentation (SIS) — https://www.ein-step.de/
4. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
5. Regulation (EU) 2016/679 (GDPR) — https://eur-lex.europa.eu/eli/reg/2016/679/oj
6. whisper.cpp — https://github.com/ggml-org/whisper.cpp
7. faster-whisper — https://github.com/SYSTRAN/faster-whisper
8. Health Capital Berlin-Brandenburg — Berlin's voize raises $50M for nursing AI (18 Nov 2025) — https://www.healthcapital.de/news/artikel/berlins-voize-raises-50m-for-nursing-ai