ScribeIndex
Vergleichstabelle

Heidi Health: KI-Modelle und Technik

Welche Modelle erkennen die Sprache, trennen die Sprecher und erzeugen die Dokumente? Belegte Herstellerangaben und begründete Einschätzungen sind getrennt gekennzeichnet.

Stand 20. Oktober 202628 Quellen im Profil
Website von Heidi Vergleichen

Kurzfassung

Heidi Health nutzt Google Speech für die Spracherkennung sowie Gemini (Einschätzung), GPT (Einschätzung) und Open-Weight-Modelle als Sprachmodelle.

Heidi betreibt für englische Transkription ein eigenes, auf NVIDIA Parakeet TDT 0.6B v2 feinabgestimmtes ASR-Modell und ergänzt es um Sprachdienste und Modelle aus Google Cloud. Die Notizerstellung läuft über einen Mehranbieter-LLM-Stack aus Google-Cloud-Modellen, Amazon Bedrock und selbst gehosteten Open-Weight-Modellen auf Amazon EKS. Heidi Evidence nutzt ausdrücklich Anthropic Claude. Gehostet wird regional auf AWS, Microsoft Azure und Google Cloud, für Deutschland nach Anbieterangabe mit Datenhaltung in Deutschland und Verarbeitung im EWR.

Auf einen Blick

Solide Modelle
  • SpracherkennungGoogle SpeechEigener Modellabgleich: Google Chirp
  • DokumenterstellungGemini (Einschätzung), GPT (Einschätzung), Open-Weight-ModelleEigener Modellabgleich, Hinweis auf Gemini-Familie

Was heißt „Einschätzung“? Wenn der Anbieter die genutzten Modelle nicht benennt, versucht ScribeIndex, diese aus Unterauftragsverarbeiterlisten, technischen Merkmalen oder Veröffentlichungen abzuleiten, jeweils mit Begründung und Quelle bei der Stufe. Solche Modelle bewertet ScribeIndex höchstens mit „Stark“, wie die Methodik erklärt.

Fazit zur Technik

Solide ModelleNach Referenzwerten schneidet die Spracherkennung schlechter ab als der Median aktueller Modelle.

Laut Unterauftragsverarbeiterliste setzt Heidi für die Spracherkennung auf Google Cloud Speech-to-Text.

Modelle dieser Familie liegen im Artificial Analysis Word Error Rate Index (englische Aufnahmen) zwischen 4,3 und 31,2 % WER. Der Median aller dort gemessenen Modelle liegt bei 4 % WER. Weil offen ist, welches Modell dieser Familie Heidi einsetzt, zählt ihr mittlerer Wert. Er ist schlechter als der Median und ergibt damit „Solide“. Deutsche Referenzwerte liegen für diese Familie nicht vor. Der Modellabgleich von ScribeIndex ordnet die deutschen Ausgaben Google Chirp zu.

Für die Dokumenterstellung setzt Heidi auf LLMs über Amazon Bedrock und selbst gehostete Open-Weight-LLMs auf Amazon EKS.

Für diese Modelle gibt es keinen unabhängigen Referenzwert. Nach Einschätzung von ScribeIndex kommt Gemini über Google Cloud Vertex AI hinzu. Modelle dieser Familie liegen im Artificial Analysis Intelligence Index zwischen 22 und 53 Punkten. Der Median aller dort gemessenen Modelle liegt bei 30 Punkten. Weil die Familie nur vermutet ist, zählt ihr mittlerer Wert. Er ist mindestens so gut wie der Median und ergibt damit „Stark“. Deutsche Referenzwerte liegen für diese Familie nicht vor. Im Modellabgleich von ScribeIndex ähneln die deutschen Ausgaben am stärksten der Gemini-Familie. Mit 42 % bleibt der Anteil aber unter der Zuordnungsschwelle von 60 %.

Damit verarbeiten externe KI-Dienste die Gesprächsinhalte (Google und Amazon Web Services). Nach Einschätzung von ScribeIndex kommen Modelle über Microsoft hinzu. Welche Regionen und Verträge dafür gelten, steht im Datenschutzprofil.

Im ScribeIndex-Test „Ärztliche Gesprächsdokumentation“ erreicht Heidi ein Fakten-F1 von 93,1 %.

Verarbeitungskette

  1. Audio
  2. SpracherkennungNVIDIA Parakeet TDT 0.6B v2 (von Heidi feinabgestimmt, nur Englisch)belegtGoogle Cloud Speech-to-TextbelegtDrittanbieter-Spracherkennung (für Englisch abgelöst)Einschätzung
  3. SprecherzuordnungNicht offengelegt
  4. DokumenterstellungGemini über Google Cloud Vertex AIEinschätzungLLMs über Amazon BedrockbelegtSelbst gehostete Open-Weight-LLMs auf Amazon EKSbelegtAzure OpenAI ServiceEinschätzung
  5. Ergebnis

belegt Angabe des Herstellers oder eines offiziellen PartnersEinschätzung abgeleitet aus Unterauftragsverarbeiterlisten, technischen Merkmalen oder Veröffentlichungen

Welches Modell wandelt Sprache in Text um?

Eigenes, feinabgestimmtes Open-Weight-ASR für Englisch, ergänzt um Cloud-Sprachdienste

NVIDIA Parakeet TDT 0.6B v2 (von Heidi feinabgestimmt)

belegtNur für Englisch
  • AnbieterNVIDIA (Basismodell), Feinabstimmung durch Heidi
  • HerkunftAngepasstes offenes Modell

Heidi beschreibt im Juli 2026 den Wechsel auf eine eigene Spracherkennung. Dafür wurde Parakeet V2 0.6B TDT mit NVIDIA NeMo auf rund 1.500 Stunden klinischem Audio und synthetischer Sprache feinabgestimmt (8x H100, 12 Stunden). Angegeben sind 9,4 % WER gegenüber 11,5 % beim Basismodell und 13 % beim bisherigen Anbieter sowie eine Latenzsenkung von etwa 3,0 auf 0,7 Sekunden und 64 % geringere ASR-Kosten. Die Kostenangabe bezieht sich ausdrücklich auf englische Transkription.

SolideAngepasstes Modell: Referenz des Basismodells

  • Herstellerangabe Nicht kuratierte WER („non-curated“) auf Heidis internem Testset (Englisch, Testset nicht näher beschrieben): 9,4 % (Basismodell Parakeet v2 11,5 %, bisherige, nicht benannte Anbieterlösung 13,0 %). Quelle
  • Herstellerangabe F1 für medizinische Fachbegriffe: 93,5 % (Basismodell Parakeet v2 89,7 %, bisherige Anbieterlösung 89,5 %). Quelle
  • Herstellerangabe Gewinnrate in verblindeten Paarvergleichen: 54,5 % (Gegenüber dem bisher eingesetzten System, Bewerter und Stichprobengröße nennt Heidi nicht). Quelle
  • Herstellerangabe Latenz der Spracherkennung: 0,7 s (Bisherige Latenz etwa 3,0 s, laut Heidi mehr als 75 % Verbesserung). Quelle
  • Herstellerangabe Durchschnittliche WER des Basismodells im Hugging Face Open ASR Leaderboard, im AWS-Beitrag zitiert: 6,1 % (Gilt für das Basismodell ohne Heidis Feinabstimmung, gemessen auf englischen Benchmarkdatensätzen, einen Messwert für das feinabgestimmte Modell nennt der Beitrag nicht). Quelle

Der Anbieter hat das Modell angepasst und nennt eigene Werte. Diese sind Herstellerangaben mit nicht offengelegtem Testset. Unabhängig belegt sind nur die Werte des Basismodells.

Google Cloud Speech-to-Text

belegt
  • AnbieterGoogle
  • HerkunftDrittanbieter-API

Heidi schreibt, die AI Platform von Google Cloud liefere die klinisch abgestimmten Modelle und Speech-to-Text-Fähigkeiten für laute Räume, mehrere Stimmen und Akzente. Welche Google-Spracherkennung (etwa Chirp) und für welche Sprachen sie neben dem eigenen englischen Modell eingesetzt wird, nennt die Quelle nicht.

SolideReferenz der Modellfamilie

Für das eingesetzte Modell gibt es keinen eigenen Referenzwert. Die Werte zeigen die Spannweite der Modelle dieser Familie.

Drittanbieter-Spracherkennung (für Englisch abgelöst)

Einschätzung · einzelnes Indiz
  • Anbieternicht benannt
  • HerkunftDrittanbieter-API

Heidi vergleicht das eigene Modell mit einer „bisherigen Anbieterlösung“ mit Minutenpreisen. Die Ablösung wird nur für Englisch beschrieben. Einschätzung: Für Sprachen außerhalb des englischen Parakeet-v2-Modells, darunter Deutsch, laufen weiterhin Dritt- oder Cloud-ASR-Dienste, bis die angekündigte Ausweitung der Feinabstimmung auf alle 110 Sprachen umgesetzt ist.

Ohne Referenz

  • Herstellerangabe Nicht kuratierte WER („non-curated“) auf Heidis internem Testset (Englisch): 13 % (Heidis feinabgestimmtes Parakeet 9,4 %, Basismodell Parakeet v2 11,5 %, Anbieter nicht benannt). Quelle

Für dieses Modell oder diesen Dienst ist kein unabhängiger Referenzwert veröffentlicht.

Parakeet TDT 0.6B v2 ist ein englischsprachiges Modell. Google Cloud Speech-to-Text nennt Heidi als Unterauftragsverarbeiter, aber nicht, welche Sprachen darüber laufen.

Modellabgleich im 3. Quartal 2026: Modell zugeordnet. ScribeIndex hat die Ausgaben von Heidi für 124 eigene Prüfeingaben mit den typischen Ausgaben bekannter Spracherkennungsmodelle verglichen. Bei 65 % davon ähneln sie am stärksten Google Chirp. Das passt zur Angabe von Heidi. Version und Anpassungen bestimmt der Abgleich nicht.

  • Google Chirp 65 %
  • Andere Referenzmodelle 35 %

Methode des Modellabgleichs

Wie werden Sprecher getrennt und zugeordnet?

Nicht veröffentlicht

Weder die ASR-Beiträge von Heidi und AWS noch die Compliance-Unterlagen beschreiben ein Verfahren zur Sprecher- oder Rollenzuordnung.

Für diesen Schritt gibt es keine öffentlich verfügbaren Referenzmodelle, gegen die der Modellabgleich prüfen könnte. Er deckt Spracherkennung und Dokumenterstellung ab.

Welches Sprachmodell erstellt Notiz, Bericht oder Zusammenfassung?

Mehranbieter-LLM-Stack aus Cloud-Modellen und selbst gehosteten Open-Weight-Modellen, gesteuert über Vorlagen und Prompting

Gemini über Google Cloud Vertex AI

Einschätzung · mehrere Indizien
  • AnbieterGoogle
  • HerkunftDrittanbieter-API

Die Unterauftragsverarbeiterliste nennt Google Cloud als Anbieter für „hosting and processing for many of our AI models“. Heidi beschreibt, über Model Garden Googles eigene Modelle mit Open-Source- und Drittmodellen zu kombinieren. Googles eigene Sprachmodelle in Vertex AI sind die Gemini-Familie, eine konkrete Version nennt Heidi nicht.

StarkVermutetes Modell

LLMs über Amazon Bedrock

belegt
  • AnbieterAmazon Web Services
  • HerkunftDrittanbieter-API

Im Vortrag auf der AWS re:Invent 2025 erklärt Heidi, beim Eintritt in neue Regionen LLM-Anbieter zu nutzen, die dort bereits verfügbar und konform sind, „like Amazon Bedrock“. Welche Bedrock-Modelle eingesetzt werden, wird nicht genannt.

Ohne Referenz

Für dieses Modell oder diesen Dienst ist kein unabhängiger Referenzwert veröffentlicht.

Selbst gehostete Open-Weight-LLMs auf Amazon EKS

belegt
  • AnbieterOpen-Weight-Anbieter (nicht benannt), Betrieb durch Heidi
  • HerkunftOffenes Modell

Heidi beschreibt einen hybriden Ansatz „Bedrock for speed and EKS for control“, um Modelle regional selbst zu hosten. Der Google-Cloud-Beitrag nennt zusätzlich Open-Source-Optionen. Laut Heidis Antwort auf eine Befragung der American Psychiatric Association werden die LLMs vom Medical-Knowledge-Team mit intern aufbereiteten Daten und Prompt Engineering angepasst. Modellnamen werden nicht veröffentlicht.

Ohne Referenz

Für dieses Modell oder diesen Dienst ist kein unabhängiger Referenzwert veröffentlicht.

Azure OpenAI Service

Einschätzung · einzelnes Indiz
  • AnbieterMicrosoft (Azure OpenAI Service mit Modellen von OpenAI)
  • HerkunftDrittanbieter-API

Microsoft Azure ist als Cloud-Anbieter für Datenhaltung und Hosting in den USA, Japan, Australien, Schweden und den VAE gelistet. Für Enterprise-Kunden nennt Heidi abgeschottete Azure-Umgebungen. Einschätzung: In diesen Umgebungen liegt Azure OpenAI als regional verfügbarer LLM-Dienst nahe, eine ausdrückliche Nennung fehlt.

StarkVermutetes Modell

4 weitere Referenzwerte in den Daten zu Heidi (JSON).

Laut Deutschland-Compliance-Seite werden personenbezogene Daten automatisch deidentifiziert, bevor sie die KI-Modelle erreichen.

Modellabgleich im 3. Quartal 2026: Kandidaten eingegrenzt. ScribeIndex hat die Ausgaben von Heidi für 90 eigene Prüfeingaben mit den typischen Ausgaben bekannter Sprachmodelle verglichen. Bei 42 % davon ähneln sie am stärksten der Gemini-Familie. Das liegt unter der Zuordnungsschwelle von 60 %. Dieser Hinweis passt zur Einschätzung, die ScribeIndex aus Angaben von Heidi ableitet. Knapp dahinter folgt die GPT-Familie (40 %).

  • Gemini-Familie 42 %
  • GPT-Familie 40 %
  • Andere Referenzmodelle 18 %

Methode des Modellabgleichs

Welche Modelle stehen hinter Chat- und Zusatzfunktionen?

Evidenzassistent auf Basis von Anthropic Claude. Sprachagenten im Test

Claude für Heidi Evidence

belegt
  • AnbieterAnthropic
  • HerkunftDrittanbieter-API

Heidi erklärt, Heidi Evidence sei „in part built on Claude, Anthropic’s AI models“. Die Aussage betrifft die Evidenzfunktion. Für den Scribe nennt die Quelle kein Modell. Ob Claude direkt, über Amazon Bedrock oder über Vertex AI bezogen wird, ist nicht angegeben.

StarkReferenz der Modellfamilie

  • Claude Opus 5.5Reasoning-Stufe maximal, mit Standard-Rückfallmodell58 PunkteSpitzenklasseAA Intelligence Index
  • Claude Sonnet 5.5Reasoning-Stufe maximal, mit Standard-Rückfallmodell56 PunkteSpitzenklasseAA Intelligence Index
  • Claude Fable 5.1Reasoning-Stufe maximal, mit Standard-Rückfallmodell53 PunkteSpitzenklasseAA Intelligence Index
  • Claude Opus 5Reasoning-Stufe maximal51 PunkteSpitzenklasseAA Intelligence Index
  • Claude Fable 5Reasoning-Stufe maximal, mit Opus 4.8 als Rückfallmodell50 PunkteSpitzenklasseAA Intelligence Index

2 weitere Referenzwerte in den Daten zu Heidi (JSON).

Für das eingesetzte Modell gibt es keinen eigenen Referenzwert. Die Werte zeigen die Spannweite der Modelle dieser Familie. Der mittlere Wert der Familie ergibt „Spitzenklasse“, ohne eigenen Referenzwert ist die Bewertung aber auf „Stark“ begrenzt.

NVIDIA Nemotron 3 Speech-to-Speech (Preview, im Test)

belegt
  • AnbieterNVIDIA
  • HerkunftOffenes Modell

Heidi berichtet, das Preview-Modell Nemotron 3 Speech to Speech für Sprachagenten bei Aufnahme- und Terminanrufen getestet zu haben, als Ersatz für die klassische Kette ASR → LLM → TTS. Ein Produktiveinsatz wird nicht angegeben.

SchwachReferenz der Modellfamilie

Für das eingesetzte Modell gibt es keinen eigenen Referenzwert. Die Werte zeigen die Spannweite der Modelle dieser Familie.

Für Ask Heidi und die Dokumenterstellung aus der Notiz ist kein eigenes Modell benannt. Einschätzung: derselbe Mehranbieter-LLM-Stack wie bei der Notizerstellung.

Wo werden die Daten verarbeitet und gespeichert?

Regionale Multi-Cloud aus AWS, Microsoft Azure und Google Cloud

Amazon Web Services (inkl. Amazon EKS, Amazon Bedrock)

belegt
  • AnbieterAmazon Web Services

Die Unterauftragsverarbeiterliste nennt AWS für Datenhaltung und Hosting in den USA, Kanada, der EU, Großbritannien, Australien und der Schweiz. Das DPA nennt AWS Canada Central und AWS Sydney. In einem Vortrag auf der AWS-Konferenz re:Invent werden ap-southeast-2/-4 für Australien und us-east-1/us-west-2 für die USA genannt.

Google Cloud Platform

belegt
  • AnbieterGoogle

Google Cloud ist als „Cloud Storage and Processing“ mit dem Zweck „hosting and processing for many of our AI models“ gelistet. Eine Region nennt der Eintrag nicht.

Hosting in Deutschland, Verarbeitung im EWR (Deutschland-Angebot)

belegt
  • AnbieterHeidi (Cloud-Anbieter für Deutschland nicht benannt)

Die Deutschland-Seite sagt, alle Daten würden lokal in Deutschland gehostet und Patientendaten verließen den EWR zu keinem Zeitpunkt. Welcher der gelisteten Cloud-Anbieter die deutsche Umgebung und die KI-Modellausführung stellt, wird nicht genannt.

Die Aufnahme erfolgt lokal in Web-, Desktop- oder Mobil-App. Transkription und Notizerstellung laufen in der Cloud.

Für Rechenzentren und Hosting gibt es keinen Modellleistungswert. Maßgeblich sind Verarbeitungsort und Datenschutz.

Häufige Fragen

Welches KI-Modell nutzt Heidi?

  • Für die Spracherkennung nutzt Heidi Google Cloud Speech-to-Text und eine nicht benannte Spracherkennung eines Drittanbieters (für Englisch abgelöst, Einschätzung). Der Modellabgleich ordnet die deutschen Ausgaben Google Chirp zu.
  • Für die Dokumenterstellung nutzt Heidi Gemini über Google Cloud Vertex AI (Einschätzung), LLMs über Amazon Bedrock, selbst gehostete Open-Weight-LLMs auf Amazon EKS und den Azure OpenAI Service (Einschätzung). Der Modellabgleich ergibt einen Hinweis auf die Gemini-Familie.

Welches Modell wandelt bei Heidi Health Sprache in Text um?

  • Google Cloud Speech-to-Text, Google, belegt
  • Drittanbieter-Spracherkennung (für Englisch abgelöst), nicht benannt, Einschätzung

Der Modellabgleich ordnet die deutschen Ausgaben Google Chirp zu.

Außerhalb der Kernverarbeitung nutzt Heidi NVIDIA Parakeet TDT 0.6B v2 (von Heidi feinabgestimmt, nur Englisch).

Begründung und Quellen

Welches Sprachmodell erstellt bei Heidi Health Notiz, Bericht oder Zusammenfassung?

  • Gemini über Google Cloud Vertex AI, Google, Einschätzung
  • LLMs über Amazon Bedrock, Amazon Web Services, belegt
  • Selbst gehostete Open-Weight-LLMs auf Amazon EKS, Open-Weight-Anbieter (nicht benannt), Betrieb durch Heidi, belegt
  • Azure OpenAI Service, Microsoft (Azure OpenAI Service mit Modellen von OpenAI), Einschätzung

Der Modellabgleich ergibt einen Hinweis auf die Gemini-Familie.

Begründung und Quellen

Quellen

Technische Dokumentation, Unterauftragsverarbeiter, Partnerschaften und Veröffentlichungen zu Heidi. Stand 7. Oktober 2026.

  1. Heidi: ASR-Kosten und Latenz mit NVIDIA Nemotron/Parakeet gesenkt heidihealth.com · abgerufen am 5. Oktober 2026
  2. AWS Machine Learning Blog: Feinabstimmung von NVIDIA Nemotron Speech ASR mit Heidi aws.amazon.com · abgerufen am 5. Oktober 2026
  3. Heidi: Was Heidi mit Google Cloud aufbaut heidihealth.com · abgerufen am 5. Oktober 2026
  4. Heidi Trust Center: Unterauftragsverarbeiter trust.heidihealth.com · abgerufen am 5. Oktober 2026
  5. APA-Anbieterbefragung: Antworten von Heidi (Juli 2025) psychiatry.org · abgerufen am 5. Oktober 2026
  6. The Medical Republic: Google-Partnerschaft von Heidi (Sekundärquelle, 16.04.2025) medicalrepublic.com.au · abgerufen am 5. Oktober 2026
  7. AWS re:Invent 2025: Heidi Health und GenAI (Vortragstranskript, Sekundärquelle) dev.to · abgerufen am 5. Oktober 2026
  8. ZenML LLMOps Database: Zusammenfassung des Heidi-Vortrags (Sekundärquelle) zenml.io · abgerufen am 5. Oktober 2026
  9. Heidi: technische und datenschutzbezogene FAQ heidihealth.com · abgerufen am 5. Oktober 2026
  10. Heidi: Start von Heidi Evidence mit Claude heidihealth.com · abgerufen am 5. Oktober 2026
  11. Heidi: Compliance für Deutschland heidihealth.com · abgerufen am 5. Oktober 2026