KI-Server für Pflegeheime: Pflegedokumentation per Spracheingabe, Gesundheitsdaten im Haus

Was Dokumentation per Spracheingabe im Pflegeheim leistet

Bei der KI-Pflegedokumentation per Spracheingabe sprechen Pflegekräfte ihre Einträge, statt sie zu tippen: Ein Sprach­erkennungs­modell macht aus der Aufnahme Text, ein kleines Sprachmodell ordnet ihn den Feldern der Pflegedokumentation zu, und die Pflegekraft liest, korrigiert und zeichnet den Eintrag in der Pflegesoftware ab. Auf einem Server im Haus oder im eigenen Serverraum des Trägers verlassen Aufnahmen und Einträge die Organisation nicht, und nach unserer Schätzung trägt ein kleiner Server mit zwei bis vier Karten NVIDIA L4 einen Verbund mehrerer Häuser.

Dieser Leitfaden richtet sich an Geschäftsführungen, Pflegedienstleitungen und Heimleitungen bei Trägern mit mehreren Häusern und bei ambulanten Diensten, die die Schreibzeit verkürzen wollen, ohne Bewohnerdaten an einen externen Dienst zu schicken. Er erklärt den Ablauf, was die DSGVO bei Gesundheitsdaten verlangt, ob ein Server für den Verbund oder einer je Haus sinnvoller ist und was die Hardware im Gebäude braucht. Ein kurzer Abschnitt am Ende richtet sich an Ihren IT-Dienstleister.

Zwei Begriffe kommen immer wieder vor. Ein Server ist hier ein Computer, der in einem abschließbaren Raum steht und viele Nutzer über das Netzwerk bedient. Eine GPU, also Grafikkarte, ist das Bauteil darin, das die schwere Rechenarbeit für Spracherkennungs- und Sprachmodelle leistet; die NVIDIA L4 ist eine kleine GPU dieser Art mit 72 W Leistungsaufnahme.

Pflegebericht diktieren: vom gesprochenen Satz zum abgezeichneten Eintrag

In unserem Beispiel dauert ein Diktat etwa eine Minute. Eine Pflegekraft beendet die Morgenrunde bei einer Bewohnerin, öffnet deren Akte auf dem Stationshandy oder Tablet, drückt auf Aufnahme und sagt, was wichtig ist: was die Bewohnerin gegessen und getrunken hat, wie die Wunde an der linken Ferse aussah, dass ihr beim Aufstehen schwindlig war. Der Rest geschieht in fünf Schritten.

1. Aufnahme. Die App schickt die Aufnahme über das WLAN des Hauses an den Server.
2. Sprache zu Text. Ein Sprach­erkennungs­modell schreibt das Gesagte mit Satzzeichen auf, innerhalb von Sekunden.
3. Zuordnung. Ein Sprachmodell, dieselbe Art Software wie ein Chatbot, nur viel kleiner, ordnet jede Aussage dem passenden Teil der Akte zu, etwa Ernährung, Wunde, Mobilität oder Befinden, und markiert alles, bei dem es unsicher ist.
4. Prüfung. Die Pflegekraft liest den Entwurf am Bildschirm, korrigiert Medikamentennamen oder Verhörtes und zeichnet den Eintrag in der Pflegesoftware ab. Nichts kommt ohne Abzeichnung in die Akte.
5. Übergabe. Am Schichtende entwirft das Modell aus den abgezeichneten Einträgen eine kurze Übergabe je Wohnbereich, und die Schichtleitung prüft sie vor der Übergabebesprechung.

In jedem Schritt behält die Pflegekraft die Verantwortung. Das Modell schreibt Entwürfe; die Fachkraft entscheidet, was in die Akte kommt. Viele Pflegeteams arbeiten in mehreren Sprachen, und auch da helfen die Modelle: NVIDIAs Parakeet TDT 0.6B v3 erkennt die gesprochene Sprache selbst, und Qwen3-8B, das Sprachmodell unserer Dimensionierung, unterstützt laut Modellkarte mehr als 100 Sprachen und Übersetzung. Ob das Ergebnis für Ihre Begriffe, Abkürzungen und Akzente gut genug ist, testen Sie mit eigenen Aufnahmen, bevor Sie entscheiden.

Die Anbindung an Ihre Pflegesoftware hängt von dieser Software ab. Manche Produkte nehmen Text über eine Schnittstelle an, andere nur über Kopieren und Einfügen; fragen Sie Ihren Softwareanbieter, welchen Weg er bietet.

KI im Pflegeheim und Datenschutz: Gesundheitsdaten nach Artikel 9 DSGVO

Pflegeberichte sind personenbezogene Gesundheitsdaten. Artikel 4 Nummer 15 DSGVO definiert sie als personenbezogene Daten, die sich auf die körperliche oder geistige Gesundheit einer natürlichen Person beziehen, und Artikel 9 Absatz 1 zählt sie zu den besonderen Kategorien, deren Verarbeitung untersagt ist, sofern keine Ausnahme greift. Artikel 9 Absatz 2 Buchstabe h erfasst die Verarbeitung, die für die Versorgung oder Behandlung im Gesundheits- oder Sozialbereich erforderlich ist, unter den Bedingungen von Absatz 3, der sie an Fachpersonal bindet, das dem Berufsgeheimnis unterliegt. Die Sprachaufnahme eines Pflegeberichts enthält ebenso Gesundheitsdaten wie der getippte Eintrag, und dasselbe gilt für Transkripte, Entwürfe und die Logs des Servers.

Verordnung (EU) 2016/679, konsolidierte Fassung auf EUR-Lex (englischer Text), gelesen am 25. Oktober 2026; die rechte Spalte ist unsere Zusammenfassung typischer Maßnahmen, keine Rechtsberatung.

Artikel 35 Absatz 3 Buchstabe b nennt die umfangreiche Verarbeitung besonderer Kategorien nach Artikel 9 Absatz 1 unter den Fällen, die eine Datenschutz-Folgenabschätzung (DSFA) verlangen, also eine schriftliche Bewertung der Risiken und der Maßnahmen dagegen. Unser Leitfaden zur DSFA für ein internes LLM zeigt den Aufbau. Laufen die Modelle auf Ihrem eigenen Server, entfällt eine Frage der DSFA, denn kein externer KI-Dienst erhält die Daten, wie unser Artikel zu lokaler KI und der DSGVO erklärt. Die anderen bleiben: die Rechtsgrundlage, wie lange Aufnahmen aufbewahrt werden, wer welche Einträge lesen darf. Das entscheiden Ihr oder Ihre Datenschutz­beauftragte und, wo nationale Pflegeregeln Anforderungen an die Dokumentation stellen, die Menschen, die diese Regeln kennen. Wir empfehlen, das Audio zu löschen, sobald die Pflegekraft den Eintrag abgezeichnet hat, denn der abgezeichnete Text ist die Dokumentation.

Dokumentationswerkzeuge bleiben außerhalb der Medizinprodukteverordnung, solange sie nur aufzeichnen und zusammenfassen. Unser Leitfaden zum privaten LLM für Krankenhäuser zitiert den Erwägungs­grund der Verordnung, wonach Software für allgemeine Zwecke auch im Gesundheitswesen kein Medizinprodukt ist, und erklärt, wann Software mit medizinischer Zweckbestimmung, etwa eine, die Diagnosen vorschlägt, zu einem wird. Die Dokumentation von Arztgesprächen behandelt unser Leitfaden zur lokal betriebenen KI-Dokumentation für Arztpraxen.

Wir liefern den Server mit L4-Karten und richten im Rahmen unseres Private-AI/ML-Service die Spracherkennungs- und Sprachmodelle ein; nennen Sie uns die Zahl Ihrer Häuser, Pflegekräfte je Schicht und Sprachen, und unser Team antwortet mit einer Konfiguration.

Ein Server für den Verbund oder einer je Haus

Für die meisten Träger ist ein zentraler Server in der Verwaltung oder im eigenen Serverraum die beste Lösung. Die Häuser erreichen ihn über ihre vorhandene Verbindung zur Verwaltung. Ein Server ist günstiger im Betrieb, bekommt seine Updates an einer Stelle und hat eine Zugriffsliste. Zu planen ist die Leitung zwischen Häusern und Server: Fällt sie aus, können Pflegekräfte nicht diktieren, bis sie wieder steht. Entweder hält die App Aufnahmen auf dem Gerät, bis die Leitung zurück ist, oder das Haus tippt so lange. Fragen Sie Ihren Softwareanbieter, wie sich seine App verhält.

Ein Server je Haus lohnt sich für ein großes Haus mit schwacher Anbindung oder für ein Haus, das abseits vom Verbund liegt. Er braucht einen abschließbaren, belüfteten Raum und jemanden vor Ort, der ihn neu starten kann. Ganz ohne eigenen Raum betreibt unser Private-AI/ML-Service die Modelle auf dedizierter Hardware in einem Tier-3-Rechenzentrum in Litauen, innerhalb der EU; die DSFA nennt dann diesen Standort und den Dienstleister.

Wie viel Rechenleistung ein Pflegeheimverbund braucht

Spracherkennung braucht wenig Rechenleistung, und die geschäftigste Zeit des Tages bestimmt die Größe. Diktate häufen sich in der letzten Stunde vor einer Übergabe, wenn Pflegekräfte ihre Einträge nachholen. Das Rechenbeispiel unten nutzt Beispielwerte, die Sie durch Ihre eigenen ersetzen.

Unsere Schätzung mit Beispielwerten. Geschwindigkeit aus dem L4-Test von E2E Networks, wie in unserem Speech-to-Text-Leitfaden zitiert (Whisper large-v3-turbo 41,1-mal schneller als Echtzeit, Parakeet TDT 0.6B v3 238,9-mal, kurze Testaufnahmen, nur ein Anhaltspunkt); Diktate von etwa einer Minute und 20 Sekunden Modellzeit je Eintrag (etwa 300 Tokens Ausgabe) sind unsere Annahmen.

Nach dieser Schätzung bewältigt eine L4 die Spracherkennung für den ganzen Verbund mit Reserve, und Parakeet TDT 0.6B v3, im selben Test etwa sechsmal schneller, lässt noch mehr übrig. Das Sprachmodell braucht eine eigene Karte. Nach unserer Nutzer-pro-Karte-Regel, die 90 Prozent des Speichers nimmt, den die Karte meldet, und 3 GiB für die Software sowie die Größe des Modells abzieht, bleiben einer L4 mit eingeschalteter Speicherfehlerkorrektur (ECC) etwa 17,2 GiB für Modell und Gespräche. Qwen3-8B, gespeichert in FP8, einem kompakten Zahlenformat mit einem Byte je Wert, belegt davon 8,8 GiB und lässt Platz für 14 Gespräche mit 8.192 Tokens, dreimal so viel wie die vier gleichzeitigen Einträge im Beispiel. Ein Token ist ein Wortteil; 8.192 Tokens sind mehrere Seiten Text, weit mehr als ein Pflegeeintrag. Eine Grenze gilt für die Geschwindigkeit: Die Speicherbandbreite der Karte von 300 GB/s begrenzt eine Antwort dieses Modells nach unserer Rechnung auf etwa 32 Tokens pro Sekunde, eine lange Übergabe dauert also einige Dutzend Sekunden, was für Entwürfe, die danach ein Mensch liest, ausreicht.

Die Hardware in einer Tabelle

Diese Optionen reichen vom einzelnen Haus bis zum großen Träger. Die NVIDIA L4 hat 24 GB Speicher, braucht kein zusätzliches Stromkabel und wird von den Lüftern des Servers gekühlt. Für größere Verbünde oder ein größeres Sprachmodell hat die NVIDIA RTX PRO 4500 Blackwell Server Edition 32 GB bei 165 W.

Unsere Schätzungen. L4 72 W, 24 GB (NVIDIA-Produktseite, wie in unserem L4-Kaufleitfaden zitiert); vier L4 mit zwei Prozessoren etwa 0,8 kW und vier RTX PRO 4500 Server Edition etwa 1,4 kW an der Steckdose (Karten, Prozessoren und 15 Prozent für den Rest), bestätigt durch eine Messung am gelieferten System; Pflegekräfte je Schicht aus dem Rechenbeispiel oben; RTX PRO 4500 Server Edition nach unserer Regel 25,7 GiB je Karte, Qwen3-8B FP8 (25,7 − 8,8) / 0,5625 = 30.

Den Server mit vier L4 würden wir den meisten Verbünden vorschlagen: Zwei Karten für Sprache und zwei für das Sprachmodell bedeuten, dass der Dienst weiterläuft, wenn eine Karte ausfällt. Er läuft an einem gewöhnlichen Anschluss mit 230 V 16 A, der bei einer Planung mit 80 Prozent 2,94 kW trägt. Server sind laut und geben ihre Leistung als Wärme ab, sie gehören also in einen geschlossenen, belüfteten Raum und nicht ins Dienstzimmer; unser Leitfaden zum GPU-Server im Büro behandelt Lärm und Wärme. Unser L4-Kaufleitfaden nennt die Gehäuse, die vier oder acht L4 aufnehmen.

Hinweise für Ihren IT-Dienstleister

1. Modelle. Parakeet TDT 0.6B v3 steht unter CC BY 4.0 und nennt Ampere, Hopper, Blackwell und Volta als unterstützte Architekturen; die L4, eine Ada-Karte, steht in seiner Liste der Testhardware. Die Modellkarte gibt für Deutsch eine Wortfehlerrate von 5,04 Prozent auf FLEURS an. Whisper large-v3-turbo hat 809 Millionen Parameter, 99 Sprachen und die Lizenzangabe MIT. Qwen3-8B hat 8,2 Milliarden Parameter und die Lizenz Apache 2.0; seine FP8-Gewichtsdateien umfassen zusammen 9,43 GB. Unser Leitfaden zum Speech-to-Text-Server vergleicht die Sprachmodelle im Detail.
2. FP8 auf der L4. Qwens FP8-Fassung skaliert ihre Gewichte in Blöcken von 128 × 128, und die L4 ist eine Ada-Karte; prüfen Sie, ob Ihre Serving-Software diesen Checkpoint auf der L4 ausführt, wie unser L4-Kaufleitfaden anmerkt. Die RTX PRO 4500 Server Edition ist eine Blackwell-Karte.
3. Netzwerk. Der Server steht im internen Netz; die Häuser erreichen ihn über die vorhandene Standortverbindung. Kein eingehender Zugriff aus dem Internet.
4. Zugang. Anmeldung möglichst über das Verzeichnis, das auch die Pflegesoftware nutzt; Pflegekräfte sehen nur die Entwürfe, die sie selbst aufgenommen haben.
5. Aufbewahrung. Audio nach der Abzeichnung löschen, Entwürfe nach kurzer Frist löschen, Logs mit Gesundheitsdaten eingeschränkt; die Fristen legt der oder die Datenschutz­beauftragte fest.
6. Lieferung. Auf Wunsch kommt der Server mit installiertem Betriebssystem, NVIDIA-Treiber, CUDA und Container-Runtime, vor der Lieferung montiert und getestet.

Was wir liefern

Sie können dieses System bei uns kaufen: Unser Team legt die Konfiguration nach Ihrer Last und Ihrem Budget aus und antwortet innerhalb eines Werktages. Wir liefern die NVIDIA L4 und die RTX PRO 4500 Server Edition als Karten für Server, die Sie bereits betreiben, nachdem wir geprüft haben, dass der Hersteller des Servers die Karte für diesen Steckplatz listet, oder in KI-Servern auf Bestellung, geliefert in die gesamte EU mit einem EU-Vertrag und einer Rechnung, mit Herstellergarantie auf jede Komponente, abgewickelt über uns; Mengen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. Unser Service Private AI/ML, mit unserem Engineering-Partner Vixen.UNO, richtet Spracherkennungs- und Sprachmodelle, Zugriffssteuerung und Logs ein. Pflegedokumentationssoftware liefern wir nicht; die Modelle werden über die Schnittstelle angebunden, die Ihr Produkt bietet.

FAQ