Welches Problem löst Tippiti?

Fachwissen statt Standardlogik

Die Qualität eines Ergebnisses hängt davon ab, wie gut die KI den fachlichen Kontext versteht: Welche Sprachformen sind korrekt, welche Fehler im Diktat müssen korrigiert werden, wie werden Diktierkommandos umgesetzt, was gehört in den fertigen Text und was nicht?

Tippiti arbeitet mit Regeln, die zusammen mit Gutachtern und Schreibbüros entwickelt und laufend verbessert werden. Damit passt das Ergebnis für die meisten Anwendungsfälle bereits ohne weitere Konfiguration. Wer darüber hinaus spezifische Vorgaben hat, kann eigene Regeln hinterlegen.

Eingebaute Qualitätskontrolle

Tippiti arbeitet nicht mit einem einzelnen KI-Durchlauf. Im Agentic Workflow arbeiten mehrere KI-Modelle mit eigenen Rollen für Korrektur[TOOLTIP] Korrektur bedeutet die Auflösung und Behebung von Transkriptions- und Diktatfehlern. [/TOOLTIP], Faktenprüfung[TOOLTIP] Faktenprüfung bedeutet die Prüfung klar abgleichbarer Angaben im Diktat – etwa Eigennamen, Medikamentennamen, ICD-Codes, Aktenzeichen, Orts- und PLZ-Kombinationen, etc. Eine medizinische Bewertung von Diagnosen oder Befunden ist nicht Teil der Prüfung. [/TOOLTIP] und Plausibilitätsprüfung[TOOLTIP] Plausibilitätsprüfung bedeutet die Prüfung auf eindeutig logische Fehler, um Transkriptions- und Diktatfehler weiter zu reduzieren. [/TOOLTIP] zusammen. Eine unabhängige Validierungsinstanz[TOOLTIP] Eine separate Prüfungsstufe durch ein anderes Modell, das das Ergebnis gegen definierte Fehlerklassen abgleicht – Schreibweisen, Orts-/PLZ-Kombinationen, ICD-Plausibilität, Widersprüche zwischen Satzteilen, etc.

Geprüft wird die Stimmigkeit des Textes, um Transkriptionsfehler weiter zu reduzieren, nicht die medizinische Richtigkeit von Diagnosen oder Bewertungen. [/TOOLTIP] vergleicht das Ergebnis am Ende mit dem Originaldiktat und kontrolliert, ob die geltenden Regeln eingehalten und Inhalte korrekt übernommen wurden. Bei Diskrepanzen stößt sie eine erneute Korrekturrunde an, bis das Ergebnis stimmt.

Teil dieses Workflows ist eine aktive Faktenprüfung und Plausibilitätsprüfung von Medikamentennamen, Wirkstoffen, Dosierungen, ICD-Codes, Aktenzeichen, Eigennamen, Ortsnamen, etc. Sind Schreibweisen korrekt, sind Codes valide, passen PLZ und Ort zusammen, sind Dosierungen in einem realistischen Bereich? Im Zweifel ergänzt eine Webrecherche[TOOLTIP] Falls das Modellwissen unvollständig ist – neue Medikamente, seltene Eigennamen, etc. – werden einzelne Sachbegriffe gegen externe Referenzen abgeglichen, ohne weiteren Diktat-Kontext. So werden auch klar abgleichbare Angaben verifiziert, die das Modellwissen allein nicht zuverlässig liefert.

Gesucht wird ausschließlich mit isolierten Sachbegriffen – Patientennamen, Diagnose-Bezüge, Diktat-Inhalte oder andere sensible Daten werden nicht übermittelt (siehe FAQ). [/TOOLTIP] die Prüfung. Logische Widersprüche im Text werden ebenfalls erkannt. Das geht über reine Transkriptionskorrektur hinaus.

Werden Abweichungen erkannt, wird gezielt nachkorrigiert und erneut geprüft. Dieser Kreislauf aus Korrektur, Validierung und Nachkorrektur läuft so lange, bis das Ergebnis den Anforderungen entspricht – mehrere KI-Modelle in eigenen Rollen, deren Zusammenspiel das Ergebnis schrittweise verbessert.

Anders als generative KI-Tools, die selbständig Inhalte formulieren, erstellt Tippiti keine neuen medizinischen Befunde, Diagnosen oder Bewertungen aus eigener Annahme. Tippiti korrigiert, strukturiert und validiert das Diktierte und prüft Fakten – die fachlichen Aussagen kommen von Ihnen. Das fertige Ergebnis steht als Word-Dokument, im integrierten Editor oder über die API bereit. Wie das datenschutzrechtlich abgesichert ist – AVV, § 203 StGB, kein Training mit Ihren Daten – finden Sie auf der Datenschutz-Seite.

Anpassbar, wo es nötig ist

Die Basisregeln decken die meisten Anforderungen ab. Aber Gutachter und Schreibbüros haben oft spezifische Vorgaben: Bestimmte Abkürzungen, Datumsformate, ICD-Code-Schreibweisen, Formatierungsregeln, etc.

Um jeden Anwendungsfall abzudecken, unterstützt Tippiti Instruktionsgruppen und Textersetzungen. Die Instruktionsgruppe kann für jedes Diktat direkt beim Hochladen individuell gesetzt werden.

Die Qualität entsteht in den Details

Wer eine Audiodatei an ein Modell schickt, bekommt Text. Für ein brauchbares Ergebnis reicht das oft nicht. Um automatisiert ein qualitatives Ergebnis liefern zu können, braucht es viele technische Entscheidungen: Audiooptimierung, sinnvolle Segmentierung bei Pausen, Kontextsteuerung zwischen Abschnitten, Umgang mit langen Texten, Fehlerbehandlung bei problematischen Passagen.

Dazu kommen die Sonderfälle und die Individualitäten jedes KI-Modells, welche man entsprechend handhaben muss. All diese Details entscheiden darüber, ob am Ende ein Ergebnis entsteht, oder ob ein Ergebnis entsteht, mit dem man wirklich arbeiten kann.