PhysioGPT.
KI-Assistenz für neurologische Physiotherapie. Praxis-Pilot.
Leitlinien sind richtig — und schwer auffindbar.
Christine arbeitet in einer neurologischen Praxis. Ihre Patient:innen kommen nach Schlaganfall, mit Multipler Sklerose oder Parkinson. Die Leitlinien für die Therapie sind dokumentiert — über mehrere PDFs, in Lehrbüchern, in Konferenz-Protokollen. Im Praxis-Alltag bleiben 15 Minuten zwischen zwei Patient:innen, um eine Frage zu klären. PDF-Suche reicht da nicht.
Allgemeine LLMs sind keine Lösung. Sie halluzinieren bei medizinischen Fragen, zitieren keine Quellen, verwischen Bobath mit PNF mit Vojta. Ohne kontrollierte Wissensbasis ist das Risiko zu hoch.
RAG auf einer kuratierten Basis.
PhysioGPT nimmt eine konkrete Patienten-Frage (anonymisiert), durchsucht die kuratierte Wissensbasis (Leitlinien, Bobath-Texte, PNF-Material), und liefert eine Antwort mit Seitenzahl-Verweis. Wenn die Wissensbasis keine Antwort hat, sagt es das — keine Halluzinationen.
Der Pilot läuft in Christines Praxis; ihr Feedback aus dem Behandlungsalltag bestimmt, was als Nächstes gebaut wird. Datenschutz ist nicht verhandelbar — Patientendaten verlassen das System nie.
/ tech-decisions
Drei Entscheidungen, die wichtig waren.
RAG
Kuratierte Wissensbasis statt offene Suche
Bobath-Konzept, PNF, Leitlinien Schlaganfall — alles vektorisiert in pgvector. Antworten kommen aus dieser Basis, nicht aus dem allgemeinen Modell-Gedächtnis. Quellen-Zitate inklusive Seitenzahl.
Edge-Funktion
AI-Inferenz auf Supabase Edge
Kein eigener Backend-Server. Edge-Function (Deno) ruft Claude, schreibt Logs in Supabase, antwortet im Streaming. Skaliert automatisch, kein Idle-Cost.
Datenschutz
Keine Patienten-Daten ins Modell
Anwendungsfall sind anonymisierte Fall-Beschreibungen. Therapeutin schreibt Symptome + Kontext, nicht Namen. Logs sind 30 Tage rückführbar, danach automatisch gelöscht.
/ weitere apps