Glossar

§ 201 StGB stellt unter Strafe, das nichtöffentlich gesprochene Wort eines anderen unbefugt auf einen Tonträger aufzunehmen oder eine so hergestellte Aufnahme zu gebrauchen oder Dritten zugänglich zu machen. Für Ambient Scribes und Meeting-Bots folgt daraus, dass die Aufzeichnung eines vertraulichen Gesprächs das Einverständnis aller Sprechenden voraussetzt.

Der Strafrahmen beträgt bis zu drei Jahre Freiheitsstrafe oder Geldstrafe. Der Versuch ist strafbar. Erfasst sind alle Sprechenden, also auch Angehörige, Dolmetschende und Mitarbeitende. Das strafrechtliche Einverständnis zur Aufnahme ist von der datenschutzrechtlichen Rechtsgrundlage der Verarbeitung zu trennen.

Mehr dazu: Rechtsrahmen für KI-Scribes und Spracherkennung in Praxen · Quelle: § 201 StGB: Verletzung der Vertraulichkeit des Wortes (gesetze-im-internet.de)

Siehe auch: Ambient Scribe, Meeting-Scribe, § 203 StGB (Verletzung von Privatgeheimnissen)

§ 203 StGB stellt das unbefugte Offenbaren fremder Geheimnisse unter Strafe, die unter anderem Ärztinnen und Ärzten, Angehörigen anderer Heilberufe mit staatlich geregelter Ausbildung, Berufspsychologen sowie Rechtsanwältinnen und Rechtsanwälten beruflich anvertraut oder sonst bekannt geworden sind. Er ist die strafrechtliche Grundlage der ärztlichen, psychotherapeutischen und anwaltlichen Schweigepflicht.

Nach Abs. 3 Satz 2 dürfen Berufsgeheimnisträger Geheimnisse gegenüber sonstigen mitwirkenden Personen, etwa externen IT- und Scribe-Dienstleistern, offenbaren, soweit dies für deren Tätigkeit erforderlich ist. Nach Abs. 4 Satz 2 Nr. 1 macht sich strafbar, wer nicht dafür sorgt, dass eine solche Person zur Geheimhaltung verpflichtet wurde, wenn diese das Geheimnis unbefugt offenbart. Der Strafrahmen beträgt bis zu einem Jahr Freiheitsstrafe oder Geldstrafe.

Mehr dazu: Rechtsrahmen für KI-Scribes und Spracherkennung in Praxen · Quelle: § 203 StGB: Verletzung von Privatgeheimnissen (gesetze-im-internet.de)

Siehe auch: Auftragsverarbeitung (AVV), Unterauftragsverarbeiter, § 201 StGB (Vertraulichkeit des Wortes), Besondere Kategorien personenbezogener Daten (Art. 9 DSGVO), § 43e BRAO (Inanspruchnahme von Dienstleistungen)

§ 43e der Bundesrechtsanwaltsordnung (BRAO) erlaubt Rechtsanwälten, Dienstleistern Zugang zu Tatsachen zu eröffnen, die der anwaltlichen Verschwiegenheitspflicht nach § 43a Abs. 2 BRAO unterliegen, soweit dies für die Dienstleistung erforderlich ist. Dienstleister ist eine andere Person oder Stelle, die der Rechtsanwalt im Rahmen seiner Berufsausübung beauftragt.

Der Rechtsanwalt wählt den Dienstleister sorgfältig aus und beendet die Zusammenarbeit unverzüglich, wenn die Einhaltung der Vorgaben nicht gewährleistet ist. Der Vertrag bedarf der Textform. Er verpflichtet den Dienstleister unter Belehrung über die strafrechtlichen Folgen zur Verschwiegenheit, beschränkt seine Kenntnisnahme auf das Erforderliche und legt fest, ob er weitere Personen heranziehen darf. Bei Leistungen im Ausland muss der dortige Geheimnisschutz grundsätzlich dem inländischen vergleichbar sein. Dient die Leistung unmittelbar einem einzelnen Mandat, ist die Einwilligung des Mandanten nötig. Die Datenschutzvorschriften bleiben unberührt. Nach § 203 Abs. 4 StGB macht sich zudem strafbar, wer eine mitwirkende Person nicht zur Geheimhaltung verpflichtet hat, wenn diese ein Geheimnis unbefugt offenbart.

Mehr dazu: Diktiersoftware auswählen: Diktat, KI-Text und Kanzlei · Quelle: § 43e BRAO: Inanspruchnahme von Dienstleistungen (gesetze-im-internet.de)

Siehe auch: § 203 StGB (Verletzung von Privatgeheimnissen), Auftragsverarbeitung (AVV), Unterauftragsverarbeiter, Drittlandübermittlung

Ein Ambient Scribe ist ein KI-Scribe, der ein Behandlungsgespräch passiv im Hintergrund aufnimmt, etwa über ein Smartphone oder ein Raummikrofon, und daraus ohne gesondertes Diktat einen Dokumentationsentwurf erstellt. „Ambient“ beschreibt die Art der Erfassung, nicht die Qualität oder Struktur des Ergebnisses.

Ambient Clinical Intelligence wird häufig synonym verwendet. Tierney et al. (2024) beschreiben die großflächige Einführung von Ambient-KI-Scribes in einem integrierten US-Versorgungssystem (Kaiser Permanente). Dass ein Dienst das Gespräch direkt aufnimmt, heißt noch nicht, dass er die Notiz fortlaufend in Echtzeit aktualisiert. Die Aufnahme setzt außerdem eine geklärte Aufzeichnungsbefugnis aller Gesprächsbeteiligten voraus.

Mehr dazu: Medical Scribes: Welche Dokumentation sie erstellen · Quelle: Tierney et al. 2024: Ambient Artificial Intelligence Scribes to Alleviate the Burden of Clinical Documentation (NEJM Catalyst)

Siehe auch: Medical Scribe, § 201 StGB (Vertraulichkeit des Wortes), Streaming- und Batch-Transkription, Sprecherdiarisierung

Die Anamnese ist die im Gespräch erhobene Vorgeschichte einer Patientin oder eines Patienten, also aktuelle Beschwerden, frühere Erkrankungen, Behandlungen, Medikation sowie familiäre und soziale Umstände. Stammen die Angaben von der Person selbst, spricht man von Eigenanamnese, stammen sie von Angehörigen oder Dritten, von Fremdanamnese.

Für KI-Dokumentation ist die Quellenzuordnung zentral. Eine Fremdangabe darf nicht als Eigenangabe und eine frühere Episode nicht als aktueller Befund erscheinen. Nicht erfragt ist nicht verneint, und eine Selbstauskunft ist keine Beobachtung. Die ScribeIndex-Testreihe „Anamneseberichte“ prüft deshalb Detailerhalt, Zeitbezug und Personenzuordnung getrennt.

Mehr dazu: KI-Anamnesebericht: Was gute Dokumentation bewahren muss · Quelle: NLM MeSH: Medical History Taking

Siehe auch: Sprecherdiarisierung, Medical Scribe, Klinisch relevante Auslassung

Die Anweisungstreue ist der Anteil korrekt ausgeführter Einzelanweisungen an allen Anweisungen eines Schreibauftrags. Sie bewertet, ob ein KI-System Vorgaben zu Format, Ton, Reihenfolge oder Änderungen tatsächlich umsetzt.

Anweisungstreue = korrekt umgesetzte Einzelanweisungen / Referenzanweisungen × 100 %

Die Kennzahl folgt dem Prinzip der Instruction-Level Accuracy von Zhou et al. (2023), die jede überprüfbare Anweisung einzeln als befolgt oder nicht befolgt zählt. Bei ScribeIndex enthält jede Aufnahme der sprachgestützten Textausarbeitung explizite Anweisungen zu Format, Ton, Reihenfolge oder einer Änderung. Ein flüssig formulierter Text erfüllt nicht automatisch eine verlangte Reihenfolge oder eine konkrete Änderung. In der Inhaltsqualität dieser Aufgabe zählt die Anweisungstreue 20 %, das Fakten-F1 80 %.

Mehr dazu: So prüft ScribeIndex Diktiersoftware · Quelle: Zhou et al. 2023: Instruction-Following Evaluation for Large Language Models

Siehe auch: Fakten-F1, Sprachbefehl, Large Language Model (LLM)

Ein Arztbrief ist ein ärztliches Schreiben, mit dem Befunde, Diagnosen, Therapie und Empfehlungen zu einer Behandlung an mit- oder weiterbehandelnde Ärztinnen und Ärzte übermittelt werden. Als eArztbrief wird er im Praxisverwaltungssystem erstellt, mit einer qualifizierten elektronischen Signatur versehen und über den Dienst KIM versendet.

Vertragsarztpraxen müssen eArztbriefe seit dem 30. Juni 2024 mindestens empfangen können. Für einen Scribe ist der Arztbrief eine verdichtende Zielausgabe, bei der Medikation, Diagnosesicherheit und vereinbarte Maßnahmen exakt aus der Quelle übernommen werden müssen.

Mehr dazu: So prüft ScribeIndex Medical Scribes · Quelle: KBV: eArztbrief

Siehe auch: Vorlage (Template), PVS und KIS, Medical Scribe, Fakten-F1

Ein atomarer Fakt ist die kleinste eigenständig prüfbare Aussage eines Textes. Er besteht je nach Inhalt aus Person, Begriff, Wert, Einheit und Zeitbezug. Die Zerlegung in atomare Fakten erlaubt es, Dokumente unabhängig von Formulierung und Satzstellung auf Quellentreue zu prüfen.

Min et al. (2023) bewerten mit FActScore lange generierte Texte über den Anteil atomarer Fakten, die durch eine Wissensquelle gestützt sind. ScribeIndex speichert zu jedem Referenzfakt Quellenstelle, betroffene Person, Aussageart, Wert und Einheit, Polarität, Zeitbezug und Unsicherheit. Nach Deduplizierung wird jeder Referenzfakt höchstens einmal als Treffer gezählt.

Mehr dazu: So prüft ScribeIndex Medical Scribes · Quelle: Min et al. 2023: FActScore, Fine-grained Atomic Evaluation of Factual Precision in Long Form Text Generation

Siehe auch: Fakten-F1, Präzision, Recall, Referenztranskript

Auftragsverarbeitung liegt vor, wenn ein Dienstleister personenbezogene Daten im Auftrag und nach Weisung eines Verantwortlichen verarbeitet, der über Zwecke und Mittel der Verarbeitung entscheidet (Art. 4 Nr. 7 und 8 DSGVO). Der Auftragsverarbeitungsvertrag (AVV) nach Art. 28 Abs. 3 DSGVO legt Gegenstand, Dauer, Art und Zweck der Verarbeitung, Datenarten, Kategorien betroffener Personen sowie Pflichten und Rechte des Verantwortlichen fest.

Der Vertrag muss schriftlich abgefasst sein, auch ein elektronisches Format ist zulässig (Art. 28 Abs. 9). Bestimmt ein Scribe-Anbieter eigene Zwecke, etwa Modelltraining mit Kundendaten, gilt er insoweit als Verantwortlicher (Art. 28 Abs. 10). Maßgeblich sind die tatsächlichen Rollen, nicht die Vertragsüberschrift.

Mehr dazu: Datenschutz bei KI-Scribes: Die konkrete Prüfcheckliste · Quelle: Datenschutz-Grundverordnung (EU) 2016/679, Art. 4 und 28 (EUR-Lex)

Siehe auch: Unterauftragsverarbeiter, Besondere Kategorien personenbezogener Daten (Art. 9 DSGVO), Drittlandübermittlung, Fine-Tuning

Automatische Spracherkennung (ASR) ist die maschinelle Umwandlung gesprochener Sprache in geschriebenen Text. Sie bildet die erste Verarbeitungsstufe von Diktatlösungen, Transkriptionsdiensten und den meisten KI-Scribes.

Aktuelle Systeme nutzen überwiegend neuronale Ende-zu-Ende-Modelle, die Audiomerkmale direkt auf Text abbilden. Ihre Qualität wird klassisch mit WER und CER gegen ein Referenztranskript gemessen. Sprecherzuordnung, Zeichensetzung und Zahlenformatierung sind getrennte Teilaufgaben.

Mehr dazu: So prüft ScribeIndex Audiotranskription · Quelle: Jurafsky und Martin: Speech and Language Processing (3. Auflage, Entwurf)

Siehe auch: Word Error Rate (WER), Whisper, Sprecherdiarisierung, Streaming- und Batch-Transkription, Domänenanpassung (Custom Vocabulary)

Eine Bearbeitungsanweisung ist eine frei formulierte gesprochene Anweisung, die eine frühere Stelle des Dokuments betrifft. Sie ändert eine früher genannte Angabe, ergänzt an dieser Stelle Inhalt oder verschiebt einen Abschnitt.

Umgesetzte Bearbeitungsanweisungen = Anweisungen mit sichtbarer Wirkung im Dokument / annotierte Anweisungen × 100 %

Anders als ein Diktatbefehl hat eine Bearbeitungsanweisung keinen festen Wortlaut. Umsetzen kann sie nur ein Sprachmodell, das die Anweisung versteht und im Dokument ausführt. Ein Befehlssystem schreibt sie wörtlich in den Text. Bleibt eine Änderung stillschweigend aus, steht der alte Wert als falsche Angabe im Dokument und der neue fehlt. Bleibt eine Ergänzung stillschweigend aus, fehlt die Angabe. Steht die Anweisung wörtlich im Text, enthält sie auch den neuen Wert oder die Ergänzung. Bei einer Änderung zählt dann nur der alte Wert als falsche Angabe, die Anweisungswörter werden in der Nacharbeit gelöscht und die Anweisung von Hand ausgeführt. Ein nicht ausgeführtes Verschieben betrifft keine Angabe. In allgemeinen und juristischen Diktaten zählen die Folgen in der WER, gemessen am gemeinten Text, die Anweisungswörter als Einfügungen, ein alter Wert als Ersetzung und fehlender Inhalt als Auslassungen. Ein stillschweigend ausgebliebenes Verschieben kostet dort nur Nacharbeit.

Mehr dazu: So testet ScribeIndex · Quelle: Wispr: Command Mode

Siehe auch: Gesprochene Anweisungen, Sprachbefehl, Anweisungstreue, Fakten-F1

Besondere Kategorien personenbezogener Daten sind die in Art. 9 Abs. 1 DSGVO abschließend genannten Datenarten, darunter Gesundheitsdaten, genetische Daten, zur eindeutigen Identifizierung verarbeitete biometrische Daten sowie Daten zum Sexualleben oder zur sexuellen Orientierung. Ihre Verarbeitung ist grundsätzlich untersagt, sofern keine Ausnahme nach Art. 9 Abs. 2 greift, etwa eine ausdrückliche Einwilligung oder die Gesundheitsversorgung durch Fachpersonal, das einem Berufsgeheimnis unterliegt.

Gesundheitsdaten sind nach Art. 4 Nr. 15 DSGVO Daten, die sich auf die körperliche oder geistige Gesundheit beziehen und aus denen Informationen über den Gesundheitszustand hervorgehen. Audio, Transkript und Notiz eines Behandlungsgesprächs enthalten sie regelmäßig. Eine Stimmaufnahme ist nicht automatisch ein biometrisches Datum. Dafür verlangt Art. 4 Nr. 14 eine spezifische technische Verarbeitung, die eine eindeutige Identifizierung ermöglicht oder bestätigt.

Mehr dazu: Datenschutz bei KI-Scribes: Die konkrete Prüfcheckliste · Quelle: Datenschutz-Grundverordnung (EU) 2016/679, Art. 4 und 9 (EUR-Lex)

Siehe auch: Auftragsverarbeitung (AVV), Datenschutz-Folgenabschätzung (DSFA), § 203 StGB (Verletzung von Privatgeheimnissen)

Ein C5-Testat ist der Prüfbericht eines Wirtschaftsprüfers darüber, ob ein Cloud-Dienst die Kriterien des Cloud Computing Compliance Criteria Catalogue (C5) des Bundesamts für Sicherheit in der Informationstechnik (BSI) erfüllt. Ein Typ-1-Testat bewertet die Angemessenheit der Kontrollen zu einem Stichtag, ein Typ-2-Testat zusätzlich ihre Wirksamkeit über einen Berichtszeitraum.

Nach § 393 SGB V dürfen Leistungserbringer im Gesundheitswesen und ihre Auftragsverarbeiter Gesundheitsdaten nur mit aktuellem C5-Testat oder zulässigem Ersatznachweis in der Cloud verarbeiten. Seit dem 1. Juli 2025 ist grundsätzlich ein Typ-2-Testat erforderlich. Geprüft wird nach ISAE 3000 (Revised). Für Testierungen ab dem 1. Juni 2027 gilt der Katalog C5:2026 statt C5:2020. Aussagekräftig ist ein Testat nur mit seinem Geltungsbereich, also für den konkret genutzten Dienst und die genutzte Region.

Mehr dazu: Datenschutz bei KI-Scribes: Die konkrete Prüfcheckliste · Quelle: BSI: Kriterienkatalog C5, häufig gestellte Fragen

Siehe auch: ISO/IEC 27001, SOC 2, Drittlandübermittlung, Auftragsverarbeitung (AVV)

Die Character Error Rate (CER) ist die Summe aus Zeichenersetzungen, Zeichenauslassungen und Zeicheneinfügungen, geteilt durch die Zahl der Zeichen in der Referenz. Sie überträgt das Prinzip der Word Error Rate von Wörtern auf Zeichen.

CER = (S + D + I) / N, N = Zahl der Referenzzeichen

Der Wert hängt davon ab, was als Zeichen zählt (Unicode-Codepoint, Byte oder Graphem) und wie Leerzeichen, Satzzeichen und Unicode-Normalisierung behandelt werden. ScribeIndex zählt für die normalisierte CER Unicode-Codepoints nach NFC-Normalisierung, vereinheitlicht die Großschreibung, entfernt Satzzeichen und zählt verbleibende Leerzeichen mit. Bei langen Fachwörtern und Komposita zeigt die CER Teilfehler, die die WER als ganzes falsches Wort wertet.

Mehr dazu: Word Error Rate erklärt: WER, CER und echte Aussagekraft · Quelle: Hugging Face Evaluate: Character Error Rate (CER), Metrikbeschreibung

Siehe auch: Word Error Rate (WER), Ersetzung, Auslassung und Einfügung, Textnormalisierung

Der Cluster-Bootstrap ist ein Resampling-Verfahren, das ganze Cluster, etwa vollständige Sitzungen mit allen Ausschnitten und Wiederholungen, mit Zurücklegen zieht und die Kennzahl für jede gezogene Stichprobe neu berechnet. So bleiben Abhängigkeiten innerhalb einer Sitzung erhalten, und Konfidenzintervalle werden nicht künstlich schmal.

Beim gepaarten Bootstrap werden für zwei Anbieter dieselben gezogenen Sitzungen ausgewertet, sodass die Verteilung ihres Unterschieds direkt entsteht. Wörter, Gesprächsausschnitte und Wiederholungsläufe gelten dabei nicht als unabhängige Fälle. ScribeIndex dokumentiert Wiederholungszahl, Zufallsseed und Intervallverfahren.

Mehr dazu: So testet ScribeIndex · Quelle: Field und Welsh 2007: Bootstrapping clustered data (Journal of the Royal Statistical Society, Series B)

Siehe auch: Konfidenzintervall, ScribeIndex-Score

Die Datenschutz-Folgenabschätzung (DSFA) ist die vorab durchzuführende, dokumentierte Bewertung der Risiken einer Verarbeitung für die Rechte und Freiheiten betroffener Personen samt der geplanten Abhilfemaßnahmen. Sie ist nach Art. 35 DSGVO erforderlich, wenn eine Verarbeitung, insbesondere bei Verwendung neuer Technologien, voraussichtlich ein hohes Risiko zur Folge hat.

Ausdrücklich verlangt wird sie unter anderem bei umfangreicher Verarbeitung von Gesundheitsdaten (Art. 35 Abs. 3 lit. b). Nach Erwägungsgrund 91 gilt die Verarbeitung von Patientendaten durch einzelne Ärztinnen und Ärzte nicht als umfangreich. Aufsichtsbehörden veröffentlichen zusätzlich Listen von Verarbeitungen, für die eine DSFA stets durchzuführen ist (Art. 35 Abs. 4).

Mehr dazu: Datenschutz bei KI-Scribes: Die konkrete Prüfcheckliste · Quelle: Datenschutz-Grundverordnung (EU) 2016/679, Art. 35 und Erwägungsgrund 91 (EUR-Lex)

Siehe auch: Besondere Kategorien personenbezogener Daten (Art. 9 DSGVO), Auftragsverarbeitung (AVV), EU AI Act (KI-Verordnung)

Der diagnostische Textabstand ist eine WER oder CER, die zwischen einem umformulierten Dokument, etwa einem sprachlich geglätteten Diktat, und einer Transkriptreferenz berechnet wird. Er beschreibt, wie stark der Text vom Gesprochenen abweicht, misst aber keine Erkennungsgenauigkeit, weil er erwünschte Umformulierungen als Fehler zählt.

Radford et al. (2022) zeigen, dass auch inhaltlich korrekte Transkripte durch reine Formatunterschiede eine hohe WER erhalten können. Bei verdichteten Berichten ist dieser Effekt um ein Vielfaches größer. ScribeIndex berechnet für Notizen und Berichte deshalb keine WER. Bei sprachlich bearbeiteten medizinischen Diktaten weist es WER und CER als Abweichung vom Wortlaut aus und verwendet sie weder im ScribeIndex-Score noch für die Rangfolge. Die Inhaltsqualität misst in beiden Fällen das Fakten-F1.

Mehr dazu: Word Error Rate erklärt: WER, CER und echte Aussagekraft · Quelle: Radford et al. 2022: Robust Speech Recognition via Large-Scale Weak Supervision

Siehe auch: Word Error Rate (WER), Character Error Rate (CER), Fakten-F1, Textnormalisierung

Die Diarization Error Rate (DER) setzt fehlerhaft erfasste und falsch zugeordnete Sprechzeit ins Verhältnis zur Referenzsprechzeit. Dazu zählen verpasste Sprache, fälschlich erkannte Sprache und Sprechzeit, die nach optimaler Zuordnung der Sprecherkennungen dem falschen Sprecher zugewiesen ist. Sie bewertet, wer wann gesprochen hat, nicht welche Wörter gesagt wurden.

DER = (verpasste Sprache + Falschalarm + Sprecherverwechslung) / Referenzsprechzeit

Bei Überlappungen zählt die Sprechzeit jeder gleichzeitig sprechenden Person, sodass die Referenzsprechzeit länger als die Aufnahme sein kann. Vergleichbar sind DER-Werte nur bei gleicher Grenztoleranz (Collar) und gleichem Umgang mit Überlappungen. NIST md-eval wendet den Collar-Wert vor und nach jeder Referenzgrenze an, pyannote.metrics teilt ihn je zur Hälfte auf. ScribeIndex wertet nach md-eval-Konvention mit 250 Millisekunden vor und nach jeder Referenzgrenze und zusätzlich ohne Toleranz aus. Liefert ein Dienst Sprecherkennungen ohne eigene Zeitmarken, bestimmt ScribeIndex die Zeitmarken durch erzwungene Ausrichtung (Forced Alignment) des gelieferten Texts an der Aufnahme. Die DER berechnet ScribeIndex daraus wie bei allen anderen Diensten, mit verpasster und fälschlich erkannter Sprache und Fehlern an Segmentgrenzen. Enthält eine Ausgabe keine Sprecherkennungen, wertet ScribeIndex sie wie eine Ausgabe mit einem einzigen Sprecher. Die DER ist dann der Anteil der Sprechzeit aller Personen außer der am längsten sprechenden, dazu verpasste und fälschlich erkannte Sprache. Bei Audiotranskription und Meetingnotizen zählt 100 − DER mit Toleranz zu 30 % zur Inhaltsqualität im ScribeIndex-Score.

Mehr dazu: Sprechererkennung erklärt: Diarisierung, DER und Zuordnung · Quelle: pyannote.metrics: Referenzdokumentation zur Diarization Error Rate

Siehe auch: Sprecherdiarisierung, Referenztranskript, Word Error Rate (WER)

Domänenanpassung bezeichnet Verfahren, mit denen ein Spracherkennungssystem auf das Fachvokabular einer Anwendung ausgerichtet wird, etwa durch Phrasenlisten, Wörterbücher oder ein eigens trainiertes Modell. Einfache Verfahren wie Phrasenlisten erhöhen zur Laufzeit die Erkennungswahrscheinlichkeit vorgegebener Begriffe, ohne das Modell neu zu trainieren.

So begrenzt Microsoft Phrasenlisten auf höchstens 2.000 Einträge, weist darauf hin, dass lange Listen Qualität und Latenz beeinträchtigen, und unterstützt sie in der Batch-Transkription nicht. Für größere Vokabulare wird ein eigenes Modell trainiert. ScribeIndex testet eine solche Fachkonfiguration nur, wenn sie ohne individuelle Anbieterberatung reproduzierbar ist, und weist sie als eigene Betriebsbedingung aus.

Mehr dazu: So prüft ScribeIndex medizinische Spracherkennung · Quelle: Microsoft Learn: Improve recognition accuracy with phrase list (Azure Speech)

Siehe auch: Fine-Tuning, Automatische Spracherkennung (ASR), Word Error Rate (WER)

Eine Drittlandübermittlung ist die Offenlegung personenbezogener Daten durch einen der DSGVO unterliegenden Verantwortlichen oder Auftragsverarbeiter an einen Empfänger in einem Land außerhalb des Europäischen Wirtschaftsraums. Sie ist nach Kapitel V DSGVO (Art. 44 bis 49) nur auf Grundlage eines Angemessenheitsbeschlusses, geeigneter Garantien wie Standardvertragsklauseln oder einer eng auszulegenden Ausnahme zulässig.

Nach den EDPB-Leitlinien 05/2021 ist auch der Fernzugriff aus einem Drittland, etwa durch Support- oder Administrationspersonal, eine Übermittlung. Ein EU-Speicherort schließt Drittlandübermittlungen deshalb nicht aus. Speicherort, Verarbeitungsort und Zugriffsorte sind getrennt zu prüfen. Für Cloud-Verarbeitung durch GKV-Leistungserbringer lässt § 393 SGB V Drittstaaten nur mit Angemessenheitsbeschluss zu.

Mehr dazu: Datenschutz bei KI-Scribes: Die konkrete Prüfcheckliste · Quelle: EDPB Guidelines 05/2021 on the Interplay between the application of Article 3 and the provisions on international transfers as per Chapter V of the GDPR

Siehe auch: Standardvertragsklauseln (SCC), EU-US Data Privacy Framework, Unterauftragsverarbeiter, C5-Testat

Der Echtzeitfaktor (RTF) ist das Verhältnis aus Rechenzeit und Audiodauer. Ein RTF unter 1 bedeutet, dass ein System Audio schneller verarbeitet, als es abgespielt würde. Ein RTF über 1 heißt, dass es mit dem Audio nicht Schritt hält.

RTF = Rechenzeit / Audiodauer

So ergeben 30 Sekunden Rechenzeit für 60 Sekunden Audio einen RTF von 0,5. Der RTF beschreibt die reine Rechengeschwindigkeit. Warteschlangen, Upload und anschließende Dokumenterstellung erfasst er nicht. Für den Praxisalltag ist deshalb die Ende-zu-Ende-Latenz aussagekräftiger.

Mehr dazu: So testet ScribeIndex · Quelle: Microsoft Learn: Performance evaluations for Embedded Speech (Real-time factor)

Siehe auch: Latenz (p50 und p95), Streaming- und Batch-Transkription, Automatische Spracherkennung (ASR)

Eingebrannte Untertitel sind fest in das Videobild gerendert und lassen sich nicht ausschalten. Die WCAG bezeichnen solche Untertitel als offene Untertitel (Open Captions), zuschaltbare als Closed Captions.

Der Text ist Teil des Bildes. Zuschauer können Schriftgröße, Farbe oder Hintergrund nicht anpassen, und jede Textkorrektur erfordert einen neuen Videoexport. Die Norm EN 301 549 verlangt von Abspielsoftware, dass Nutzer die Darstellung von Untertiteln anpassen können, außer bei nicht veränderbaren Zeichen wie Untertiteln als Bitmap-Bilder (Abschnitt 7.1.4). ScribeIndex bewertet die SRT- oder WebVTT-Datei. Eingebrannte Gestaltungseffekte gehen nicht in die Rangliste ein.

Mehr dazu: Gute Untertitel: Zeilenlänge, Lesetempo, Timing und Pflichten · Quelle: W3C: Web Content Accessibility Guidelines (WCAG) 2.2, Begriff captions

Siehe auch: SRT und WebVTT, WCAG 1.2.2: Untertitel für aufgezeichnete Medien, Lesegeschwindigkeit (Zeichen pro Sekunde)

Ersetzungen (S), Auslassungen (D) und Einfügungen (I) sind die drei Fehlerarten, die nach der Ausrichtung von Systemausgabe und Referenz gezählt werden, also ein falsch erkanntes, ein fehlendes und ein zusätzliches Wort oder Zeichen. Ihre Summe bildet den Zähler von WER und CER.

Fehlerzahl = S + D + I, N = S + D + C (C = korrekte Einheiten)

Die Ausrichtung minimiert eine gewichtete Levenshtein-Distanz. Das NIST-Werkzeug sclite gewichtet korrekte Wörter, Einfügungen, Auslassungen und Ersetzungen standardmäßig mit 0, 3, 3 und 4. Die Rohzahlen S, D, I und N gehören neben jede Quote, weil gleiche WER-Werte sehr unterschiedliche Fehlerprofile verdecken können. Die Wortauslassung ist nicht mit der klinisch relevanten Auslassung eines Fakts zu verwechseln.

Mehr dazu: Word Error Rate erklärt: WER, CER und echte Aussagekraft · Quelle: NIST Scoring Toolkit (SCTK): sclite-Dokumentation

Siehe auch: Word Error Rate (WER), Character Error Rate (CER), Klinisch relevante Auslassung

Der EU AI Act (Verordnung (EU) 2024/1689) ist die europäische KI-Verordnung, die KI-Systeme nach Risiko einstuft und daran Verbote, Pflichten für Hochrisiko-KI-Systeme, Transparenzpflichten und Regeln für KI-Modelle mit allgemeinem Verwendungszweck knüpft. Sie ist am 1. August 2024 in Kraft getreten und gilt gestaffelt.

Verbote gelten seit dem 2. Februar 2025, Pflichten für KI-Modelle mit allgemeinem Verwendungszweck seit dem 2. August 2025 und die Transparenzpflichten nach Art. 50 grundsätzlich seit dem 2. August 2026. Nach der Digital-Omnibus-Verordnung (EU) 2026/1744 gelten die Hochrisiko-Pflichten für Systeme nach Anhang III ab dem 2. Dezember 2027 und für KI in Produkten nach Anhang I, etwa Medizinprodukten mit Konformitätsbewertung durch eine Benannte Stelle, ab dem 2. August 2028. Ein reiner Dokumentations-Scribe ohne Medizinprodukt-Zweckbestimmung ist in der Regel kein Hochrisiko-KI-System.

Mehr dazu: Rechtsrahmen für KI-Scribes und Spracherkennung in Praxen · Quelle: Verordnung (EU) 2024/1689 über künstliche Intelligenz (EUR-Lex)

Siehe auch: MDR-Regel 11, Datenschutz-Folgenabschätzung (DSFA), Large Language Model (LLM)

Das EU-US Data Privacy Framework (DPF) ist die Grundlage des Angemessenheitsbeschlusses der EU-Kommission vom 10. Juli 2023. Danach dürfen personenbezogene Daten ohne zusätzliche Übermittlungsinstrumente an US-Organisationen übermittelt werden, die sich beim US-Handelsministerium unter dem DPF selbst zertifiziert haben. Für nicht zertifizierte US-Empfänger gilt der Beschluss nicht.

Das Gericht der EU wies eine Nichtigkeitsklage gegen den Beschluss am 3. September 2025 ab (T-553/23, Latombe). Das Rechtsmittel beim Gerichtshof (C-703/25 P) ist anhängig (Stand: Oktober 2026). Ob ein Scribe-Anbieter oder sein Modellanbieter zertifiziert ist, lässt sich in der öffentlichen Data Privacy Framework List prüfen.

Mehr dazu: Datenschutz bei KI-Scribes: Die konkrete Prüfcheckliste · Quelle: Durchführungsbeschluss (EU) 2023/1795 zum Datenschutzrahmen EU-USA (EUR-Lex)

Siehe auch: Drittlandübermittlung, Standardvertragsklauseln (SCC), Unterauftragsverarbeiter

Das Fakten-F1 ist das harmonische Mittel aus Faktenpräzision und Faktenrecall und misst, wie vollständig und zugleich wie quellentreu ein generiertes Dokument die erforderlichen Referenzfakten wiedergibt. Gezählt werden korrekt erhaltene Referenzfakten (TP), ausgegebene Fakten, die falsch, nicht durch die Quelle gedeckt oder nicht dokumentationsrelevant sind (FP) und fehlende oder verfälschte erforderliche Referenzfakten (FN).

F1 = 2 × TP / (2 × TP + FP + FN) = 2 × P × R / (P + R)

Ein Fakt gilt bei ScribeIndex nur als korrekt, wenn Person, Aussage, Wert und Einheit, Polarität und Zeitbezug stimmen. Eine falsche Dosis erzeugt deshalb einen FP und einen FN zugleich. Die Relevanzmenge wird je Aufgabe vor der Anbieterprüfung eingefroren. Bei einem Nenner von null bleibt der Wert undefiniert. Für medizinische Aufgaben bildet das Fakten-F1 die Grundlage des Teilwerts Inhaltsqualität im ScribeIndex-Score. Bei Meetingnotizen zählt es dort zu 70 %, dazu kommt die Sprecherzuordnung.

Mehr dazu: So prüft ScribeIndex Medical Scribes · Quelle: Chinchor 1992: MUC-4 Evaluation Metrics

Siehe auch: Präzision, Recall, Atomarer Fakt, Halluzination (KI), Klinisch relevante Auslassung, ScribeIndex-Score

Fine-Tuning ist das Weitertrainieren eines vortrainierten Modells mit zusätzlichen, aufgabenspezifischen Daten, wobei die Modellgewichte verändert werden. Es passt ein allgemeines Sprach- oder Spracherkennungsmodell an eine Domäne, eine Sprache oder ein Ausgabeformat an.

Für Spracherkennung werden dafür Audio-Text-Paare benötigt, für Dokumenterstellung Beispielpaare aus Quelle und Zieldokument. Werden Kundendaten zum Training verwendet, ist das eine eigene Verarbeitung, die vertraglich und datenschutzrechtlich gesondert geregelt sein muss. Ein feinabgestimmtes Modell ist eine neue Modellversion und erfordert einen neuen Testlauf.

Mehr dazu: Datenschutz bei KI-Scribes: Die konkrete Prüfcheckliste · Quelle: Howard und Ruder 2018: Universal Language Model Fine-tuning for Text Classification (ACL)

Siehe auch: Domänenanpassung (Custom Vocabulary), Large Language Model (LLM), Whisper, Auftragsverarbeitung (AVV)

Bei Front-End-Spracherkennung diktiert die Fachperson direkt in das Dokument oder die Akte und korrigiert den erkannten Text selbst. Bei Back-End-Spracherkennung erzeugt eine Spracherkennung aus dem Diktat einen Entwurf, den ein Schreibdienst überarbeitet, bevor die Ärztin oder der Arzt ihn prüft und unterschreibt. Die Begriffe beschreiben also, wer die Korrektur übernimmt.

Zhou et al. (2018) fanden in 217 per Back-End-Spracherkennung erstellten Dokumenten 7,4 Fehler je 100 Wörter im Rohentwurf, 0,4 nach Bearbeitung durch den Schreibdienst und 0,3 in der unterschriebenen Fassung. Bei Front-End-Nutzung entfällt diese Zwischenprüfung, und die gesamte Korrekturzeit liegt bei der diktierenden Fachperson.

Mehr dazu: So prüft ScribeIndex medizinische Spracherkennung · Quelle: Zhou et al. 2018: Analysis of Errors in Dictated Clinical Documents Assisted by Speech Recognition Software and Professional Transcriptionists (JAMA Network Open)

Siehe auch: Automatische Spracherkennung (ASR), Nacharbeit (Korrekturzeit), Medical Scribe, Domänenanpassung (Custom Vocabulary)

Die GDT-Schnittstelle (Gerätedatentransfer) ist ein vom Qualitätsring Medizinische Software (QMS) entwickelter Standard für den Datenaustausch zwischen Praxisverwaltungssystemen und medizintechnischen Geräten oder Zusatzprogrammen über Textdateien im xDT-Format der KBV. Zunehmend werden auch KI-Module über GDT an das PVS angebunden.

Der Austausch erfolgt dateibasiert über konfigurierte Import- und Exportverzeichnisse. Im Markt verbreitet sind die Versionen 2.1, 3.1 und 3.5. GDT ist ein feldbasiertes Dateiformat und kein webbasierter Ressourcenstandard wie HL7 FHIR.

Quelle: Qualitätsring Medizinische Software (QMS): GDT (Gerätedatentransfer)

Siehe auch: PVS und KIS, HL7 FHIR

Gesprochene Anweisungen sind die Teile eines Diktats, die nicht als Text ins Dokument gehören, sondern sagen, wie das Dokument aussehen soll. ScribeIndex unterscheidet Diktatbefehle, Selbstkorrekturen und Bearbeitungsanweisungen.

Anteil umgesetzt = umgesetzte Anweisungen einer Art / annotierte Anweisungen dieser Art × 100 %

Diktatbefehle sind festes Vokabular für Gliederung, Satzzeichen und Korrektur. Selbstkorrekturen verwerfen eine gerade gesprochene Angabe und nennen die endgültige. Bearbeitungsanweisungen sind frei formuliert und beziehen sich auf eine frühere Stelle des Dokuments. Bewertet wird in allen Diktaten und in selbst gesprochenen Pflegeeinträgen der Abstand zur Zielfassung, also zum Dokument, in dem alle Anweisungen umgesetzt sind. Eine Anweisung ist umgesetzt, wenn das gelieferte Dokument ihre Wirkung zeigt, egal ob eine Befehlsliste oder ein Sprachmodell sie ausführt. Die drei Anteile stehen als eigene Kennzahlen in den Messwerttabellen und gehen nicht zusätzlich in den ScribeIndex-Score ein. Eine nicht umgesetzte Anweisung zählt nur über ihre Folge im Dokument, im Fakten-F1 (in allgemeinen und juristischen Diktaten in der WER am gemeinten Text) und in der Nacharbeit. Betrifft eine stillschweigend ausgebliebene Änderung oder Ergänzung eine potenziell schwerwiegende Angabe, zählt diese Folge auch bei den schwerwiegenden Fehlern.

Mehr dazu: So testet ScribeIndex · Quelle: Microsoft: Sprachbefehle in Dragon Copilot

Siehe auch: Sprachbefehl, Selbstkorrektur, Bearbeitungsanweisung, Fakten-F1, Nacharbeit (Korrekturzeit)

Eine Halluzination ist ein von einem KI-Modell erzeugter Inhalt, der der bereitgestellten Quelle widerspricht (intrinsische Halluzination) oder sich aus ihr nicht belegen lässt (extrinsische Halluzination). In der klinischen Dokumentation ist das etwa ein nicht erhobener Normalbefund oder eine im Gespräch nie genannte Dosis.

Halluzinationen treten nicht nur bei Sprachmodellen auf. Koenecke et al. (2024) fanden in rund 1 % der untersuchten Whisper-Transkriptionen vollständig erfundene Phrasen oder Sätze. In der ScribeIndex-Faktenprüfung zählt jede nicht durch die Quelle gedeckte Aussage als FP, unabhängig davon, wie plausibel sie klingt.

Mehr dazu: So prüft ScribeIndex Medical Scribes · Quelle: Ji et al. 2023: Survey of Hallucination in Natural Language Generation (ACM Computing Surveys)

Siehe auch: Klinisch relevante Auslassung, Schwerwiegender Fehler, Präzision, Large Language Model (LLM), Whisper

HL7 FHIR (Fast Healthcare Interoperability Resources) ist ein Standard der Organisation HL7 International für den Austausch von Gesundheitsdaten, der Informationen in standardisierte Bausteine, sogenannte Ressourcen, gliedert und über eine REST-Schnittstelle unter anderem in JSON oder XML bereitstellt. Er ermöglicht es, Scribe-Ergebnisse als strukturierte Daten statt als Fließtext an andere Systeme zu übergeben.

Die aktuell veröffentlichte Version ist R5 (5.0.0, März 2023). Viele produktive Implementierungen und deutsche Spezifikationen bauen auf R4 auf. Die Angabe „FHIR-kompatibel“ sagt ohne Version, verwendete Ressourcen und Profile wenig über die tatsächliche Integration aus.

Quelle: HL7 International: FHIR-Spezifikation

Siehe auch: PVS und KIS, GDT-Schnittstelle, Vorlage (Template)

ISO/IEC 27001 ist die internationale Norm mit Anforderungen an Aufbau, Betrieb und fortlaufende Verbesserung eines Informationssicherheits-Managementsystems (ISMS). Eine Zertifizierung durch eine akkreditierte Zertifizierungsstelle bestätigt, dass ein Unternehmen ein solches Managementsystem für einen festgelegten Geltungsbereich betreibt.

Aktuelle Fassung ist ISO/IEC 27001:2022 mit 93 Maßnahmen im Anhang A. Zertifikate nach der Fassung von 2013 sind seit Ende der Übergangsfrist am 31. Oktober 2025 nicht mehr gültig. Das Zertifikat belegt ein Managementsystem, nicht die Fehlerfreiheit eines Produkts oder die DSGVO-Konformität einer konkreten Verarbeitung. Entscheidend ist, ob der genutzte Dienst im Geltungsbereich liegt.

Mehr dazu: Datenschutz bei KI-Scribes: Die konkrete Prüfcheckliste · Quelle: ISO: ISO/IEC 27001, Information security management systems

Siehe auch: C5-Testat, SOC 2

Eine klinisch relevante Auslassung liegt vor, wenn ein generiertes Dokument einen Fakt, der in der Quelle enthalten und für die Dokumentationsaufgabe erforderlich ist, nicht oder nicht korrekt wiedergibt. Anders als die Wortauslassung der WER betrifft sie Bedeutung, nicht einzelne Wörter.

Auslassungen fallen beim Lesen oft nicht auf, weil der Text in sich schlüssig bleibt. Erkennbar werden sie erst im Abgleich mit der Aufnahme. Asgari et al. (2025) ermittelten über 18 Versuchskonfigurationen klinischer Notizerstellung mit Sprachmodellen auf Satzebene eine Auslassungsrate von 3,45 % und eine Halluzinationsrate von 1,47 %. ScribeIndex zählt Auslassungen als FN gegenüber einer vorab festgelegten Relevanzmenge, damit zulässige Kürzungen nicht als Fehler gelten.

Mehr dazu: So prüft ScribeIndex Medical Scribes · Quelle: Asgari et al. 2025: A framework to assess clinical safety and hallucination rates of LLMs for medical text summarisation (npj Digital Medicine)

Siehe auch: Recall, Halluzination (KI), Schwerwiegender Fehler, Ersetzung, Auslassung und Einfügung

Ein Konfidenzintervall ist ein aus Stichprobendaten berechneter Wertebereich, der bei wiederholter Anwendung des Verfahrens den wahren Wert einer Kennzahl mit festgelegter Häufigkeit einschließt, beim 95-%-Konfidenzintervall in 95 % der Fälle. Es zeigt, wie genau eine gemessene WER oder ein F1-Wert durch die Stichprobe bestimmt ist.

Bei Spracherkennungstests hängt die Breite vor allem von der Zahl unabhängiger Aufnahmen ab, nicht von der Zahl der Wörter. Bisani und Ney (2004) schlugen Bootstrap-Konfidenzintervalle für ASR-Fehlerraten vor. Überlappende Intervalle zweier Anbieter ersetzen keinen direkten, gepaarten Test ihres Unterschieds.

Mehr dazu: So testet ScribeIndex · Quelle: Bisani und Ney 2004: Bootstrap estimates for confidence intervals in ASR performance evaluation (ICASSP)

Siehe auch: Cluster-Bootstrap, Word Error Rate (WER), Fakten-F1

Ein Large Language Model (LLM) ist ein neuronales Sprachmodell mit sehr vielen Parametern, das an großen Textmengen gelernt hat, das jeweils nächste Token vorherzusagen, und deshalb Text erzeugen, zusammenfassen und umstrukturieren kann. In KI-Scribes formt es typischerweise ein Transkript zu einer strukturierten Notiz um.

Ein LLM erzeugt sprachlich plausiblen Text, prüft aber nicht von sich aus, ob jede Aussage durch die Quelle gedeckt ist. Daraus entstehen Halluzinationen wie unbelegte Normalbefunde. Ergebnisse hängen von Modellversion, Prompt, Vorlage und bereitgestelltem Kontext ab und müssen deshalb mit Versionsangabe getestet und dokumentiert werden.

Mehr dazu: Medical Scribe oder Transkription: Was ist der Unterschied? · Quelle: Jurafsky und Martin: Speech and Language Processing (3. Auflage, Entwurf)

Siehe auch: Halluzination (KI), Fine-Tuning, Medical Scribe, Vorlage (Template), Automatische Spracherkennung (ASR)

Die Latenzwerte p50 und p95 sind Perzentile gemessener Verarbeitungszeiten. Der p50 (Median) ist der Wert, den die Hälfte der Läufe nicht überschreitet, p95 der Wert, den 95 % der Läufe nicht überschreiten. Sie beschreiben typische und langsame Fälle besser als ein Mittelwert, den einzelne Ausreißer verzerren.

Eine Latenzangabe braucht definierte Start- und Endpunkte. Bei ScribeIndex beginnt die Messung je nach Kategorie mit dem Ende des letzten gesprochenen Wortes, dem Beenden der Aufnahme oder dem Uploadstart und endet beim vollständig verfügbaren Ergebnis. p50 und p95 beziehen sich auf erfolgreiche Läufe. Bei Live-Untertiteln beschreiben sie den absoluten Zeitversatz zwischen hörbarem Wortende beim Publikum und erster korrekter Anzeige. Die Übertragungsverzögerung des Tons steht separat und fließt nicht in den Score ein. Ausfälle und Timeouts erscheinen getrennt als Quote aller gestarteten Versuche.

Mehr dazu: So testet ScribeIndex · Quelle: Google SRE Book: Service Level Objectives

Siehe auch: Echtzeitfaktor (RTF), Streaming- und Batch-Transkription, ScribeIndex-Score

Die Lesegeschwindigkeit eines Untertitels ist seine Zeichenzahl geteilt durch seine Standzeit in Sekunden. Sie gibt an, wie schnell Zuschauer lesen müssen, um den Untertitel vollständig zu erfassen.

Lesegeschwindigkeit = Zeichen des Untertitels / Standzeit in Sekunden

Netflix nennt für deutsche Untertitel bei Erwachseneninhalten bis zu 17 Zeichen pro Sekunde, bei Kinderinhalten bis zu 13. Bei Untertiteln für Gehörlose und Hörgeschädigte (SDH) erlaubt Netflix bis zu 20 beziehungsweise 17. Die Untertitel-Standards von ARD, ORF, SRF und ZDF legen einen Basiswert von 13 bis 15 Zeichen pro Sekunde zugrunde. Ob Leerzeichen mitzählen, verändert den Wert. ScribeIndex zählt sichtbare Unicode-Zeichen einschließlich Leerzeichen und prüft gegen eine Grenze von 17 Zeichen pro Sekunde.

Mehr dazu: Gute Untertitel: Zeilenlänge, Lesetempo, Timing und Pflichten · Quelle: Netflix: German Timed Text Style Guide

Siehe auch: Standzeit, Zeilenlänge (Zeichen pro Zeile), Untertitel-Timing (Zeitversatz)

MDR-Regel 11 ist die Klassifizierungsregel in Anhang VIII der EU-Medizinprodukteverordnung (Verordnung (EU) 2017/745) für Software, die als Medizinprodukt gilt. Software, die Informationen für diagnostische oder therapeutische Entscheidungen liefert, gehört danach zur Klasse IIa, bei möglicher schwerwiegender Verschlechterung des Gesundheitszustands oder einem chirurgischen Eingriff zur Klasse IIb, bei möglichem Tod oder irreversibler Verschlechterung zur Klasse III. Sämtliche andere Software gehört zur Klasse I.

Ob ein Scribe überhaupt ein Medizinprodukt ist, entscheidet zuvor seine Zweckbestimmung. Nach der Leitlinie MDCG 2019-11 (rev. 1, Juni 2025) ist Software nur dann Medizinprodukte-Software, wenn sie Daten über Speichern, Archivieren, Übermitteln und einfache Suche hinaus verarbeitet und dies einem medizinischen Zweck für einzelne Patienten dient. Ein reiner Dokumentations-Scribe erfüllt das in der Regel nicht. Diagnose-, Therapie- oder Dosierungsvorschläge können die Einstufung ändern. Ab Klasse IIa ist eine Benannte Stelle beteiligt. Eine Neufassung der Regel hat die Kommission am 16. Dezember 2025 vorgeschlagen (COM(2025) 1023).

Mehr dazu: Rechtsrahmen für KI-Scribes und Spracherkennung in Praxen · Quelle: Europäische Kommission: MDCG 2019-11 rev. 1, Qualification and classification of software (Juni 2025)

Siehe auch: EU AI Act (KI-Verordnung), Medical Scribe

Ein Medical Scribe ist ursprünglich eine Person, die während der Behandlung die Dokumentation für die Ärztin oder den Arzt erstellt. Heute bezeichnet der Begriff meist Software, die aus einem medizinischen Gespräch oder gesprochenen Angaben von Fachkräften einen strukturierten Dokumentationsentwurf erzeugt. Anders als reine Transkription wählt ein Scribe Inhalte aus, ordnet sie zu und überträgt sie in eine Vorlage, je nach Aufgabe verdichtet oder ohne Verdichtung gegliedert.

Shultz und Holmstrom (2015) beschreiben menschliche Scribes als Unterstützung, die selbst keine Patientenversorgung leistet. ScribeIndex unterscheidet bei KI-Scribes vier Aufgaben. Das sind ärztliche Gesprächsdokumentation, psychotherapeutische Sitzungsdokumentation, Pflegedokumentation und Anamneseberichte, jeweils mit eigenem Referenzumfang und ScribeIndex-Score. Ein Scribe-Entwurf ersetzt nicht die fachliche Prüfung und Freigabe vor der Übernahme in die Akte.

Mehr dazu: Medical Scribe oder Transkription: Was ist der Unterschied? · Quelle: Shultz und Holmstrom 2015: The Use of Medical Scribes in Health Care Settings, A Systematic Review and Future Directions (JABFM)

Siehe auch: Ambient Scribe, Vorlage (Template), Large Language Model (LLM), Automatische Spracherkennung (ASR), ScribeIndex-Score, Meeting-Scribe

Ein Meeting-Scribe ist eine Anwendung, die Besprechungen per Bot-Teilnahme, Geräteaudio oder Dateiupload aufzeichnet und daraus Transkript, Zusammenfassung, Beschlüsse und Aufgaben erstellt. Transkription, Sprecherzuordnung und Protokoll sind dabei getrennt zu bewertende Ausgaben.

Eine Aufgabe ist erst korrekt erfasst, wenn Tätigkeit, verantwortliche Person und Frist stimmen. Nicht genannte Zuständigkeiten dürfen nicht ergänzt werden. Ein Vorschlag darf nicht als Beschluss erscheinen. Die Aufnahmefunktion allein macht einen Meeting-Scribe nicht zum klinischen Scribe.

Mehr dazu: So prüft ScribeIndex Meetingnotizen und Gesprächsprotokolle · Quelle: Zhong et al. 2021: QMSum, A New Benchmark for Query-based Multi-domain Meeting Summarization (NAACL)

Siehe auch: Sprecherdiarisierung, Diarization Error Rate (DER), Fakten-F1, Medical Scribe

Nacharbeit ist die Arbeitszeit, die nötig ist, um eine Systemausgabe bis zur vorab festgelegten Zielfassung zu korrigieren. ScribeIndex schätzt sie aus den automatisch gezählten Fehlern jeder abgeschlossenen Ausgabe. Zusammengehörige Fehler bilden eine Korrekturstelle. Jede Stelle kostet die Arbeitsschritte bis zur Zielfassung, mit festen Zeiten, die für alle Dienste gleich sind. Nicht enthalten ist die einmalige Durchsicht, die auch ein von Hand erstelltes Ergebnis braucht, also bei Dokumenten und Diktaten das Durchlesen, bei wortgetreuen Transkripten das Abhören und bei Untertiteln das Abspielen mit den Untertiteln. Es bleibt die Zeit, die die Fehler eines Dienstes zusätzlich kosten.

K = 100 × max(0, 1 − m / R), m = geschätzte Nacharbeit in Minuten je Audiostunde, R = aufgabenspezifische Bezugsgröße in Minuten

Die Qualitätswerte des Tests beziehen sich auf die ursprüngliche Ausgabe vor jeder Korrektur, nicht auf das korrigierte Ergebnis. ScribeIndex zeigt die Nacharbeit je Testfall, also je Diktat, Sitzung oder Video, zusammen mit der Aufnahmedauer. Für den Score wird sie auf Minuten je Stunde Aufnahme umgerechnet und zum Teilwert Korrekturaufwand, der bei einer aufgabenspezifischen Bezugsgröße 0 Punkte erreicht. Die Bezugsgröße entspricht der Zeit für das Erstellen des Dokuments ohne KI, ebenfalls ohne die einmalige Durchsicht. Die Schätzung ist nicht gedeckelt. Kostet die Korrektur mehr als das Selbstschreiben, beginnt die Arbeit nach einem Zehntel von Korrektur und Durchsicht neu, und die verlorene Zeit zählt mit. Liegt die Nacharbeit dadurch über der Bezugsgröße, ist der Teilwert 0. Die Werte je Aufgabe stehen in der Methodik unter ScribeIndex-Score. Hodgson und Coiera (2016) fanden in vier von sechs Studien längere Editierzeiten mit Spracherkennung als mit klassischem Diktat und Transkription. Die Durchlaufzeit bis zum fertigen Dokument war in den Studien dazu um 16 bis 82 % kürzer. Die Editierzeit dieser Studien enthält das Durchlesen, das bei ScribeIndex getrennt bleibt und nicht zur Nacharbeit zählt. Neben dem Lizenzpreis ist die Nacharbeit ein wesentlicher Kostenfaktor bis zum verwendbaren Dokument.

Mehr dazu: Scribe-Kosten vergleichen: Audiostunde, Abo und Aufwand · Quelle: Hodgson und Coiera 2016: Risks and benefits of speech recognition for clinical documentation, a systematic review (JAMIA)

Siehe auch: ScribeIndex-Score, Front-End- und Back-End-Spracherkennung, Schwerwiegender Fehler

Ein Normzitat verweist auf eine bestimmte Stelle einer Rechtsvorschrift, etwa „§ 823 Abs. 1 BGB“. Es nennt die Gliederungseinheiten wie Paragraf, Absatz, Satz und Nummer sowie die Bezeichnung des Gesetzes.

Nach dem Handbuch der Rechtsförmlichkeit werden Gliederungseinheiten in Rechtsvorschriften des Bundes stets ausgeschrieben, etwa „§ 1 Absatz 2 Nummer 1“. Ältere Vorschriften kürzten „Abs.“ und „Nr.“ in manchen Fällen ab. Im juristischen Diktat muss das Zitat vollständig erhalten bleiben. ScribeIndex zählt einen falschen Absatz oder ein anderes Gesetz als Fehler. Vereinbarte Schreibvarianten zählen gleich.

Mehr dazu: So prüft ScribeIndex Diktiersoftware · Quelle: Bundesministerium der Justiz: Handbuch der Rechtsförmlichkeit, Zitierung von Rechtsvorschriften des Bundes

Siehe auch: Word Error Rate (WER), Schwerwiegender Fehler, Textnormalisierung

Das PDQI-9 (Physician Documentation Quality Instrument, 9 Items) ist ein Bewertungsinstrument, mit dem Ärztinnen und Ärzte die Qualität klinischer Notizen anhand von neun Eigenschaften auf je einer fünfstufigen Skala einschätzen. Bewertet werden Aktualität, Richtigkeit, Gründlichkeit, Nützlichkeit, Organisation, Verständlichkeit, Prägnanz, Synthese und innere Konsistenz.

Stetson et al. (2012) berichteten für englischsprachige elektronische Arztnotizen eine Interrater-Reliabilität von ICC 0,83 und Cronbachs Alpha von 0,87 bis 0,94. Eine deutsche Übersetzung oder eine für KI-Berichte angepasste Rubrik ist dadurch nicht validiert. ScribeIndex bildet deshalb keinen PDQI-9-Wert.

Mehr dazu: So prüft ScribeIndex Medical Scribes · Quelle: Stetson et al. 2012: Assessing Electronic Note Quality Using the Physician Documentation Quality Instrument (PDQI-9)

Siehe auch: Fakten-F1, SOAP-Notiz, Medical Scribe

Die Präzision ist der Anteil korrekter Einheiten an allen ausgegebenen Einheiten, also TP / (TP + FP). In der Faktenprüfung gibt sie an, welcher Anteil der Aussagen eines generierten Dokuments korrekt, durch die Quelle gedeckt und dokumentationsrelevant ist.

Präzision = TP / (TP + FP)

Eine hohe Präzision zeigt wenige unbelegte oder verfälschte Aussagen, sagt aber nichts über fehlende Inhalte. Ein Dokument mit nur drei korrekten Sätzen erreicht 100 % Präzision. Bei TP + FP = 0 ist die Präzision undefiniert und wird weder als 0 % noch als 100 % ausgewiesen.

Mehr dazu: So prüft ScribeIndex Medical Scribes · Quelle: Manning, Raghavan, Schütze: Introduction to Information Retrieval, Evaluation of unranked retrieval sets

Siehe auch: Recall, Fakten-F1, Halluzination (KI)

Der psychopathologische Befund ist die systematische Beschreibung des aktuellen psychischen Zustands, etwa von Bewusstsein, Orientierung, Aufmerksamkeit und Gedächtnis, Denken, Wahrnehmung, Affekt und Antrieb. Im deutschsprachigen Raum wird er häufig nach dem AMDP-System dokumentiert, das die einzelnen Merkmale einheitlich definiert.

Das AMDP-Manual der Arbeitsgemeinschaft für Methodik und Dokumentation in der Psychiatrie (11. Auflage, 2023) definiert 100 psychopathologische und 40 somatische Kernsymptome. Viele Merkmale beruhen auf Beobachtung im Gespräch. Ein Audio-Scribe kann sie nur dokumentieren, wenn sie ausdrücklich genannt oder zusätzlich bereitgestellt wurden.

Mehr dazu: KI-Anamnesebericht: Was gute Dokumentation bewahren muss · Quelle: Hogrefe: Das AMDP-System, Manual zur Dokumentation des psychiatrischen Befundes (11. Auflage 2023)

Siehe auch: Anamnese, Vorlage (Template)

Ein Praxisverwaltungssystem (PVS) ist die Software, mit der Arzt- und Psychotherapiepraxen Patientendaten, Dokumentation, Abrechnung und Verordnungen führen. Ein Krankenhausinformationssystem (KIS) erfüllt diese Rolle in Kliniken. Beide sind das Primärsystem, in das ein Scribe-Ergebnis übernommen werden muss.

Vertragsarztpraxen dürfen nur von der KBV zertifizierte Praxissoftware einsetzen. Die Zertifizierung umfasst rechtlich geregelte Funktionen, vor allem die Abrechnung. Wie ein Scribe angebunden ist, etwa über GDT, HL7 FHIR, Zwischenablage oder Dateiexport, bestimmt einen Teil der Nacharbeit nach der Generierung.

Quelle: KBV: Praxisverwaltungssystem

Siehe auch: GDT-Schnittstelle, HL7 FHIR, Arztbrief, Nacharbeit (Korrekturzeit)

Der Recall ist der Anteil der erforderlichen Referenzeinheiten, die korrekt wiedergegeben werden, also TP / (TP + FN). In der Faktenprüfung gibt er an, welcher Anteil der vorab festgelegten relevanten Fakten im Dokument korrekt erhalten bleibt.

Recall = TP / (TP + FN)

Der Recall bezieht sich immer auf eine vorab festgelegte Relevanzmenge. Bei verdichtenden Notizen zählen nicht erwähnte Nebensächlichkeiten deshalb nicht als FN. Ein langes Dokument kann einen hohen Recall und zugleich eine niedrige Präzision haben, wenn es unbelegte Ergänzungen enthält.

Mehr dazu: So prüft ScribeIndex Medical Scribes · Quelle: Manning, Raghavan, Schütze: Introduction to Information Retrieval, Evaluation of unranked retrieval sets

Siehe auch: Präzision, Fakten-F1, Klinisch relevante Auslassung

Ein Referenztranskript ist die geprüfte, nach festgelegten Konventionen erstellte Verschriftlichung einer Aufnahme, gegen die Systemausgaben bewertet werden. Es liefert den Nenner N der WER und die Grundlage für Sprecherzeiten und Referenzfakten.

Bei ScribeIndex entsteht vor der Aufnahme eine Sprechvorlage. Nach der Aufnahme wird sie automatisch mit dem Gesprochenen abgeglichen, an abweichenden Stellen an das tatsächlich Gesagte angepasst und vor dem ersten Anbieterlauf als Referenz eingefroren. Unverständliche Stellen werden markiert. Rohreferenz und normalisierte Referenz bleiben versioniert.

Mehr dazu: So testet ScribeIndex · Quelle: NIST: Rich Transcription Evaluation

Siehe auch: Word Error Rate (WER), Textnormalisierung, Diarization Error Rate (DER), Atomarer Fakt

Als schwerwiegend gilt ein Fehler, der im Fallkontext ernste Folgen haben kann. In medizinischen Testreihen betrifft das Behandlung oder Patientensicherheit, etwa eine falsche Dosis, eine verlorene Verneinung bei Risikoinhalten oder eine falsche Personenzuordnung. In juristischen Diktaten sind es Fehler mit rechtlicher Folge, etwa eine falsche Frist, Partei oder Forderung. Die Einstufung legt die Schweregrad-Rubrik der Testreihe fest. ScribeIndex unterscheidet schwerwiegende Fehler von redaktionellen und von inhaltlich relevanten Fehlern.

F = 100 × max(0, 1 − c / R), c = Anteil der Ausgaben mit mindestens einem schwerwiegenden Fehler in %, R = aufgabenspezifische Bezugsgröße (15 % oder 20 %)

Für den Score zählt der Anteil abgeschlossener Ausgaben mit mindestens einem schwerwiegenden Fehler. Ein Dokument zählt einmal, auch wenn es mehrere solcher Fehler enthält. Der Teilwert hat bei medizinischen Aufgaben und juristischen Diktaten im ScribeIndex-Score das Gewicht 0,20 und erreicht 0 Punkte bei 15 % betroffener Ausgaben für medizinische und juristische Diktate und 20 % für Medical-Scribe-Aufgaben. Diese Bezugsgrößen sind redaktionelle Skalierungsgrenzen, keine klinischen Akzeptanzschwellen. Einzelne Fälle bleiben als Rohzahlen sichtbar.

Mehr dazu: So testet ScribeIndex · Quelle: Biro et al. 2025: Accuracy and Safety of AI-Enabled Scribe Technology (Journal of Medical Internet Research)

Siehe auch: ScribeIndex-Score, Halluzination (KI), Klinisch relevante Auslassung, Fakten-F1

Der ScribeIndex-Score ist der gewichtete Gesamtwert von 0 bis 100 Punkten, den ScribeIndex je Dienst und Testreihe berechnet. Er setzt sich aus Inhaltsqualität (Q), schwerwiegenden Fehlern (F), Korrekturaufwand (K) und Abschlussquote (A) zusammen. In Testreihen mit Schweregrad-Rubrik, also medizinischen Aufgaben und juristischen Diktaten, gilt für den Score G = 0,60 × Q + 0,20 × F + 0,15 × K + 0,05 × A.

Mit Schweregrad-Rubrik: G = 0,60 Q + 0,20 F + 0,15 K + 0,05 A. Ohne: G = 0,75 Q + 0,20 K + 0,05 A. Q = 100 × max(0, 1 − (100 − q) / 30)

Q = 100 × max(0, 1 − (100 − q) / 30), q ist das Ergebnis der Qualitätsformel der Aufgabe. Bei 30 fehlenden Punkten erreicht Q null. q ist bei medizinischen Aufgaben das Fakten-F1. Meetingnotizen kombinieren Fakten-F1 (70 %) und Sprecherzuordnung als 100 − DER (30 %), Audiotranskription max(0, 100 − WER) (70 %) und Sprecherzuordnung (30 %). Enthält eine Ausgabe keine Sprecherkennungen, gilt sie für die DER als Ausgabe mit einem einzigen Sprecher. Allgemeine Diktate kombinieren max(0, 100 − WER) (80 %) mit korrekten Namen (10 %) und Zahlen (10 %), juristische Diktate mit 100 − Fehlerquote bei Parteien (10 %) sowie bei Beträgen und Fristen (10 %). Die Textausarbeitung kombiniert Fakten-F1 (80 %) und Anweisungstreue (20 %). Untertitel für Videodateien kombinieren Erkennung (50 %), Timing (30 %) und Lesbarkeit (20 %), Live-Untertitel Erkennung (50 %), rechtzeitige (30 %) und stabile Anzeige (20 %). Korrekturaufwand und schwerwiegende Fehler werden an aufgabenspezifischen Bezugsgrößen skaliert, die Inhaltsqualität an 30 fehlenden Punkten für alle Aufgaben, die Abschlussquote ist 100 × abgeschlossene / gestartete Läufe. Fehlt eine erforderliche Messgröße, wird kein Score berechnet. Gewichte und Bezugsgrößen sind redaktionelle Festlegungen und keine medizinische Sicherheitszertifizierung.

Mehr dazu: So testet ScribeIndex · Quelle: OECD/JRC: Handbook on Constructing Composite Indicators, Methodology and User Guide

Siehe auch: Fakten-F1, Schwerwiegender Fehler, Nacharbeit (Korrekturzeit), Word Error Rate (WER), Cluster-Bootstrap

Bei einer Selbstkorrektur verwirft die sprechende Person im Diktat eine gerade genannte Angabe und ersetzt sie gleich durch die endgültige, ohne einen Befehl zu sprechen.

Umgesetzte Selbstkorrekturen = Selbstkorrekturen mit nur der endgültigen Angabe im Dokument / annotierte Selbstkorrekturen × 100 %

ScribeIndex hält in der Referenz verworfene und endgültige Angabe getrennt fest. Umgesetzt ist die Selbstkorrektur, wenn das Dokument nur die endgültige Angabe enthält. Eine wortnahe Ausgabe gibt den Wortlaut wieder und behält beide Angaben, sobald die Erkennung die verworfene Angabe ausschreibt. Ein Sprachmodell kann die Absicht ohne Befehl erkennen. Bleibt die verworfene Angabe stehen, zählt sie im Fakten-F1 als falsche Angabe und kostet Nacharbeit. Ersetzt die verworfene Angabe die endgültige, fehlt diese zusätzlich als nicht erfasster Referenzfakt. In allgemeinen und juristischen Diktaten ist der gemeinte Text Maßstab der WER. Dort zählen die Wörter einer stehen gebliebenen verworfenen Angabe als Einfügungen und eine übernommene verworfene Angabe als Ersetzung.

Mehr dazu: So testet ScribeIndex · Quelle: Levelt 1983: Monitoring and self-repair in speech (Cognition)

Siehe auch: Gesprochene Anweisungen, Sprachbefehl, Fakten-F1

Eine SOAP-Notiz ist eine klinische Dokumentationsstruktur mit den vier Abschnitten Subjektiv (Angaben der Patientin oder des Patienten), Objektiv (Befunde und Messwerte), Assessment (Beurteilung) und Plan (weiteres Vorgehen). Die Struktur geht auf Lawrence Weed zurück.

Viele KI-Scribes bieten SOAP als Standardvorlage an. Aus einer reinen Audioaufnahme lassen sich objektive Befunde nur übernehmen, wenn sie im Gespräch ausdrücklich genannt oder zusätzlich bereitgestellt wurden. Das Assessment darf keine Diagnose enthalten, die im Gespräch nicht gestellt wurde.

Mehr dazu: So prüft ScribeIndex Medical Scribes · Quelle: Podder, Lew und Ghassemzadeh: SOAP Notes (StatPearls)

Siehe auch: Vorlage (Template), Medical Scribe, PDQI-9, Anamnese

SOC 2 ist ein Prüfbericht nach Standards des US-Berufsverbands AICPA, in dem ein unabhängiger Prüfer die Kontrollen eines Dienstleisters zu Sicherheit, Verfügbarkeit, Verarbeitungsintegrität, Vertraulichkeit und Datenschutz bewertet. Ein Type-1-Bericht betrifft die Angemessenheit der Kontrollgestaltung zu einem Stichtag, ein Type-2-Bericht zusätzlich die Wirksamkeit der Kontrollen über einen Zeitraum.

SOC 2 ist ein Attestierungsbericht, kein Zertifikat, und folgt US-amerikanischen Prüfungsstandards. Welche der fünf Kriterienbereiche geprüft wurden, steht im Bericht. Über DSGVO-Konformität, Datenstandorte oder die Anforderungen des § 393 SGB V trifft SOC 2 keine Aussage.

Mehr dazu: Datenschutz bei KI-Scribes: Die konkrete Prüfcheckliste · Quelle: AICPA & CIMA: SOC 2, SOC for Service Organizations

Siehe auch: C5-Testat, ISO/IEC 27001

Ein Sprachbefehl ist eine gesprochene Anweisung, die Diktiersoftware ausführt, statt sie als Text zu schreiben. Solche Befehle setzen etwa Satzzeichen, beginnen eine neue Zeile, fügen Textbausteine ein oder bearbeiten markierten Text.

In der Diktierfunktion von macOS fügen Sie mit „Ausrufezeichen“ ein Satzzeichen ein und beginnen mit „neue Zeile“ oder „neuer Absatz“ eine neue Zeile. Dragon Legal erlaubt eigene Sprachbefehle für Standardtexte und Makros. KI-Diktierassistenten wie Wispr Flow nehmen zusätzlich frei formulierte Änderungsanweisungen an. ScribeIndex legt die vorgesehenen Sprachbefehle vor dem Test fest. Bei der Textausarbeitung misst die Anweisungstreue, wie viele gesprochene Einzelanweisungen korrekt umgesetzt wurden. In den Diktaten und in selbst gesprochenen Pflegeeinträgen gehören Diktatbefehle zu den gesprochenen Anweisungen. Die Kennzahl „Umgesetzte Diktatbefehle“ zählt dort, wie viele Befehle im gelieferten Dokument wirken, ohne als Befehlswort im Text zu stehen.

Mehr dazu: Diktiersoftware auswählen: Diktat, KI-Text und Kanzlei · Quelle: Apple: Nachrichten und Dokumente auf dem Mac diktieren

Siehe auch: Anweisungstreue, Domänenanpassung (Custom Vocabulary), Automatische Spracherkennung (ASR), Gesprochene Anweisungen

Sprecherdiarisierung ist die automatische Segmentierung einer Aufnahme danach, wer wann gesprochen hat, wobei die Abschnitte anonymen Sprecherkennungen wie „Sprecher A“ zugeordnet werden. Sie ist von der Namensidentifikation zu unterscheiden, die eine Stimme einer bestimmten Person zuordnet.

Diarisierung umfasst Sprachaktivitätserkennung, Segmentierung und Gruppierung von Stimmen. Ihre Güte misst die DER. In medizinischen Gesprächen entscheidet sie mit darüber, ob eine Angabe als Patientenaussage, Angehörigenangabe oder ärztliche Aussage dokumentiert wird. Eine falsche Zuordnung kann auch bei fehlerfrei erkannten Wörtern entstehen.

Mehr dazu: Sprechererkennung erklärt: Diarisierung, DER und Zuordnung · Quelle: NIST: Rich Transcription Evaluation

Siehe auch: Diarization Error Rate (DER), Automatische Spracherkennung (ASR), Anamnese, Meeting-Scribe

SRT und WebVTT sind textbasierte Dateiformate für Untertitel. Jeder Eintrag verbindet einen Text mit einer Start- und einer Endzeitmarke, zu denen der Player ihn ein- und ausblendet.

SRT stammt aus dem Programm SubRip und trennt Millisekunden mit einem Komma ab, etwa 00:01:02,500. Eine formale Spezifikation gibt es laut Library of Congress kaum. WebVTT ist ein W3C-Format, das laut Spezifikation auf SRT aufbaut. Eine WebVTT-Datei beginnt mit WEBVTT, ist UTF-8-kodiert, trennt Millisekunden mit einem Punkt ab und kann Sprecher mit dem Tag <v Name> kennzeichnen. ScribeIndex prüft beide Exporte auf gültige Zeitmarken, Standzeiten größer null, chronologische Reihenfolge und vollständigen Inhalt.

Mehr dazu: Gute Untertitel: Zeilenlänge, Lesetempo, Timing und Pflichten · Quelle: W3C: WebVTT, The Web Video Text Tracks Format

Siehe auch: Untertitel-Timing (Zeitversatz), Eingebrannte Untertitel (Open Captions), Sprecherdiarisierung

Standardvertragsklauseln (SCC) sind von der EU-Kommission erlassene Vertragsklauseln, mit denen Datenexporteur und Datenimporteur geeignete Garantien für eine Drittlandübermittlung nach Art. 46 Abs. 2 lit. c DSGVO vereinbaren. Die geltende Fassung beruht auf dem Durchführungsbeschluss (EU) 2021/914 vom 4. Juni 2021 und enthält vier Module für die Kombinationen aus Verantwortlichem und Auftragsverarbeiter auf beiden Seiten.

Die Parteien müssen dokumentiert bewerten, ob Recht und Praxis im Zielland die Einhaltung der Klauseln verhindern (Klausel 14), und gegebenenfalls zusätzliche Maßnahmen ergreifen. Unterzeichnete SCC allein beantworten nicht, welche Daten wohin fließen. Im Anwendungsbereich von § 393 SGB V genügen sie für Drittstaaten nicht, weil die Norm einen Angemessenheitsbeschluss verlangt.

Mehr dazu: Datenschutz bei KI-Scribes: Die konkrete Prüfcheckliste · Quelle: Durchführungsbeschluss (EU) 2021/914 über Standardvertragsklauseln für die Übermittlung personenbezogener Daten an Drittländer (EUR-Lex)

Siehe auch: Drittlandübermittlung, EU-US Data Privacy Framework, Auftragsverarbeitung (AVV)

Die Standzeit ist die Dauer, die ein Untertitel zwischen Ein- und Ausblendung im Bild steht. Sie ergibt sich aus der Differenz von End- und Startzeitmarke.

Standzeit = Endzeit − Startzeit

Nach den Untertitel-Standards von ARD, ORF, SRF und ZDF richtet sich die Standzeit nach der Zeichenzahl im Textblock und beträgt mindestens eine Sekunde. Netflix verlangt mindestens 5/6 Sekunde und höchstens 7 Sekunden je Untertitel. Eine kürzere Standzeit erhöht bei gleichem Text die Lesegeschwindigkeit. ScribeIndex liest Start- und Endzeit jedes Untertitels aus der Datei und berechnet daraus die Lesegeschwindigkeit in Zeichen pro Sekunde.

Mehr dazu: Gute Untertitel: Zeilenlänge, Lesetempo, Timing und Pflichten · Quelle: Untertitel-Standards von ARD, ORF, SRF, ZDF (Stand 6. April 2020)

Siehe auch: Lesegeschwindigkeit (Zeichen pro Sekunde), Untertitel-Timing (Zeitversatz), Zeilenlänge (Zeichen pro Zeile)

Streaming-Transkription verarbeitet Audio fortlaufend während der Aufnahme und liefert vorläufige Teilergebnisse mit geringer Verzögerung. Batch-Transkription verarbeitet eine vollständige Audiodatei nach der Aufnahme asynchron. Beide Betriebsarten können beim selben Anbieter unterschiedliche Modelle, Funktionen und Ergebnisse haben.

Im Streaming kann das Modell nachfolgende Wörter nur begrenzt berücksichtigen, weshalb sich Zwischenergebnisse noch ändern. Bei Batch-Diensten bestimmen Warteschlangen die Wartezeit. Microsoft nennt für seine Batch-Transkription zu Spitzenzeiten bis zu 24 Stunden bis zum Abschluss. ScribeIndex wertet Live- und Uploadläufe als getrennte Betriebsbedingungen aus.

Mehr dazu: So prüft ScribeIndex medizinische Spracherkennung · Quelle: Microsoft Learn: Batch transcription overview (Azure Speech)

Siehe auch: Latenz (p50 und p95), Echtzeitfaktor (RTF), Automatische Spracherkennung (ASR), Ambient Scribe

Die Strukturierte Informationssammlung (SIS) ist das Einstiegsinstrument des Strukturmodells zur entbürokratisierten Pflegedokumentation, mit dem die Sicht der pflegebedürftigen Person, sechs pflegefachliche Themenfelder und eine Risikomatrix in einem Dokument erfasst werden. Aus ihr wird der individuelle Maßnahmenplan abgeleitet.

Die SIS gliedert sich in Feld A (Angaben zur Person), Feld B (Sicht der pflegebedürftigen Person: Was bewegt Sie im Augenblick? Was brauchen Sie? Was können wir für Sie tun?), Feld C1 (Themenfelder) und Feld C2 (Risikomatrix). Ein Scribe für SIS-Gespräche erfüllt damit eine andere Dokumentationsaufgabe als die ärztliche Gesprächs- oder die psychotherapeutische Sitzungsdokumentation.

Mehr dazu: Medical Scribes: Welche Dokumentation sie erstellen · Quelle: EinSTEP: Elemente des Strukturmodells

Siehe auch: Vorlage (Template), Medical Scribe, Anamnese

Textnormalisierung ist die regelbasierte Vereinheitlichung von Referenz und Systemausgabe vor dem Scoring, etwa von Groß- und Kleinschreibung, Satzzeichen, Zahlenschreibweisen und Füllwörtern. Sie soll zulässige Schreibvarianten angleichen, ohne echte Bedeutungsfehler zu entfernen.

Die Regeln verändern WER und CER erheblich. Radford et al. (2022) beobachteten für einige Datensätze allein durch Normalisierung WER-Rückgänge von bis zu 50 %. Ihr veröffentlichter Normalisierer behandelt nicht-englische Texte nur mit Basisregeln wie Kleinschreibung und Entfernen von Satzzeichen. „fünf Milligramm“ und „5 mg“ dürfen angeglichen werden, „5 mg“ und „50 mg“ niemals. Die Regeln müssen vor dem ersten Testlauf feststehen, und der unveränderte Rohtext bleibt erhalten.

Mehr dazu: Word Error Rate erklärt: WER, CER und echte Aussagekraft · Quelle: Radford et al. 2022: Robust Speech Recognition via Large-Scale Weak Supervision

Siehe auch: Word Error Rate (WER), Character Error Rate (CER), Referenztranskript, Diagnostischer Textabstand

Ein Unterauftragsverarbeiter ist ein weiterer Dienstleister, den ein Auftragsverarbeiter für Verarbeitungstätigkeiten im Auftrag des Verantwortlichen einsetzt, etwa ein Cloud-Hoster oder ein Anbieter von Spracherkennungs- oder Sprachmodellen. Sein Einsatz erfordert nach Art. 28 Abs. 2 DSGVO eine vorherige gesonderte oder allgemeine schriftliche Genehmigung des Verantwortlichen.

Bei allgemeiner Genehmigung muss der Auftragsverarbeiter über beabsichtigte Änderungen informieren und dem Verantwortlichen Gelegenheit zum Einspruch geben. Dem Unterauftragsverarbeiter sind dieselben Datenschutzpflichten aufzuerlegen. Der ursprüngliche Auftragsverarbeiter haftet gegenüber dem Verantwortlichen für deren Einhaltung (Art. 28 Abs. 4). Bei KI-Scribes zeigt die Unterauftragsverarbeiterliste oft, welche Modellanbieter und Verarbeitungsregionen beteiligt sind.

Mehr dazu: Datenschutz bei KI-Scribes: Die konkrete Prüfcheckliste · Quelle: EDPB Guidelines 07/2020 on the concepts of controller and processor in the GDPR

Siehe auch: Auftragsverarbeitung (AVV), Drittlandübermittlung, Zero Data Retention (ZDR)

Untertitel-Timing beschreibt, wie genau Ein- und Ausblendzeitpunkt eines Untertitels zu Beginn und Ende der zugehörigen Sprache passen. Der Zeitversatz ist die Abweichung dieser Zeitmarken von einer Referenz in Millisekunden.

Zeitversatz = |Zeitmarke der Ausgabe − Zeitmarke der Referenz|

Netflix setzt den Beginn auf den ersten Frame des Tons, eine Abweichung von ein bis zwei Frames gilt als akzeptabel. Folgt kein weiterer Untertitel, bleibt er idealerweise mindestens eine halbe Sekunde über das Sprachende hinaus stehen. Zwischen zwei Untertiteln liegen mindestens zwei Frames. ScribeIndex wertet einen Untertitel als zeitlich passend, wenn sein Text vollständig abgedeckt ist und seine äußeren Grenzen am Anfang und am Ende jeweils höchstens 200 Millisekunden von der Referenz abweichen. Diese Toleranz ist eine eigene Testbedingung. Zusätzlich erscheint die mittlere absolute Zeitabweichung in Millisekunden.

Mehr dazu: So prüft ScribeIndex automatische Untertitel · Quelle: Netflix: Timed Text Style Guide, Subtitle Timing Guidelines

Siehe auch: Standzeit, Lesegeschwindigkeit (Zeichen pro Sekunde), SRT und WebVTT

Eine Vorlage ist die vorab definierte Struktur eines zu erzeugenden Dokuments mit Abschnitten, Reihenfolge und Formatvorgaben, etwa für eine SOAP-Notiz, einen Arztbrief oder eine psychiatrische Erstaufnahme. Sie bestimmt, wie ein Scribe Gesprächsinhalte gliedert, erzeugt aber selbst keine Information.

Ein Vorlagenfeld ohne Grundlage im Gespräch muss leer bleiben oder als nicht erhoben gekennzeichnet werden. Automatisch gefüllte Normalbefunde sind ein typischer Fehler. Eine Fachvorlage legt die Dokumentstruktur fest. Eine geprüfte Ergebnisqualität folgt daraus nicht.

Mehr dazu: Medical Scribes: Welche Dokumentation sie erstellen · Quelle: Heidi: Vorlagen-Community

Siehe auch: SOAP-Notiz, Arztbrief, Strukturierte Informationssammlung (SIS), Medical Scribe, Halluzination (KI)

Das Erfolgskriterium 1.2.2 der Web Content Accessibility Guidelines (WCAG) verlangt auf Stufe A Untertitel für alle aufgezeichneten Audioinhalte in synchronisierten Medien. Ausgenommen ist ein Medium, das nur einen vorhandenen Text wiedergibt und klar so gekennzeichnet ist.

Untertitel im Sinne der WCAG geben neben der Sprache auch Geräusche, Musik, Lachen und die Sprecherkennzeichnung wieder, soweit sie für das Verständnis nötig sind. Für Live-Inhalte gilt Kriterium 1.2.4 auf Stufe AA. Die harmonisierte Norm EN 301 549 V3.2.1 übernimmt das Kriterium in Abschnitt 9.1.2.2 für Webseiten. Auf harmonisierte Normen verweist die BITV 2.0 für die Angebote öffentlicher Stellen des Bundes (§ 3 Abs. 2). Die W3C-Initiative für Barrierefreiheit hält automatisch erzeugte Untertitel erst für ausreichend, wenn ihre vollständige Richtigkeit bestätigt ist.

Mehr dazu: Gute Untertitel: Zeilenlänge, Lesetempo, Timing und Pflichten · Quelle: W3C: Web Content Accessibility Guidelines (WCAG) 2.2, Erfolgskriterium 1.2.2

Siehe auch: Eingebrannte Untertitel (Open Captions), SRT und WebVTT, Untertitel-Timing (Zeitversatz)

Whisper ist ein 2022 von OpenAI veröffentlichtes mehrsprachiges Spracherkennungsmodell mit Encoder-Decoder-Transformer-Architektur, das auf 680.000 Stunden schwach überwachter Audiodaten aus dem Internet trainiert wurde. Code und Modellgewichte stehen unter der MIT-Lizenz und können lokal oder in eigenen Diensten betrieben werden.

Das Modell verarbeitet 30-Sekunden-Abschnitte als Log-Mel-Spektrogramm und ist in Größen von 39 Millionen (tiny) bis 1,55 Milliarden Parametern (large) verfügbar. Turbo ist eine optimierte Variante von large-v3 mit 809 Millionen Parametern. Von den 680.000 Trainingsstunden entfallen 117.000 auf 96 weitere Sprachen neben Englisch. Ein Produkt auf Whisper-Basis kann durch Vor- und Nachverarbeitung deutlich anders abschneiden als das Basismodell.

Mehr dazu: So prüft ScribeIndex Audiotranskription · Quelle: Radford et al. 2022: Robust Speech Recognition via Large-Scale Weak Supervision

Siehe auch: Automatische Spracherkennung (ASR), Halluzination (KI), Textnormalisierung, Fine-Tuning

Die Word Error Rate (WER) ist die Summe aus Wortersetzungen, Wortauslassungen und Worteinfügungen, geteilt durch die Zahl der Wörter im Referenztranskript. Sie misst, wie stark eine Spracherkennungsausgabe nach einer Wortausrichtung von einer festgelegten Textreferenz abweicht.

WER = (S + D + I) / N × 100 %

Da Einfügungen nicht durch die Referenzlänge begrenzt sind, kann die WER über 100 % liegen. „100 minus WER“ ist deshalb keine Genauigkeit, der ScribeIndex-Score nutzt max(0, 100 − WER) nur als begrenzten Indexwert. WER-Werte sind nur bei gleicher Referenz, Tokenisierung und Normalisierung vergleichbar. Jedes Wort zählt gleich. Ein verlorenes „keine“ wiegt rechnerisch so viel wie ein falsch erkanntes Füllwort.

Mehr dazu: Word Error Rate erklärt: WER, CER und echte Aussagekraft · Quelle: NIST Scoring Toolkit (SCTK): sclite-Dokumentation

Siehe auch: Ersetzung, Auslassung und Einfügung, Character Error Rate (CER), Textnormalisierung, Referenztranskript, Diagnostischer Textabstand

Die Zeilenlänge ist die Zahl der Zeichen in einer Untertitelzeile. Zusammen mit der Zahl der Zeilen bestimmt sie, wie viel Text ein einzelner Untertitel aufnehmen kann.

Die Untertitel-Standards von ARD, ORF, SRF und ZDF erlauben höchstens zwei Zeilen mit je 37 Zeichen. Netflix erlaubt für deutsche Untertitel zwei Zeilen mit je 42 Zeichen und verlangt, dass ein Umbruch etwa Artikel und Nomen nicht trennt. ScribeIndex prüft automatische Untertitel mit höchstens zwei Zeilen und 42 Zeichen je Zeile.

Mehr dazu: Gute Untertitel: Zeilenlänge, Lesetempo, Timing und Pflichten · Quelle: Untertitel-Standards von ARD, ORF, SRF, ZDF (Stand 6. April 2020)

Siehe auch: Lesegeschwindigkeit (Zeichen pro Sekunde), Standzeit, SRT und WebVTT

Zero Data Retention (ZDR) ist eine von KI-Anbietern angebotene Vertrags- oder Konfigurationsoption, bei der Eingaben und Ausgaben nach der Verarbeitung nicht gespeichert werden, auch nicht in Protokollen zur Missbrauchsüberwachung. Der Begriff ist nicht gesetzlich definiert. Umfang und Ausnahmen ergeben sich allein aus den Bedingungen des jeweiligen Anbieters.

Bei OpenAI etwa werden API-Inhalte standardmäßig bis zu 30 Tage in Missbrauchsprotokollen aufbewahrt. ZDR setzt eine vorherige Freigabe voraus und gilt nicht für Endpunkte, die Anwendungszustand speichern, etwa Dateien, Vector Stores oder Batch-Aufträge. Für einen Scribe ist zu klären, ob ZDR nur zwischen Scribe-Anbieter und Modellanbieter gilt oder auch für Audio, Transkript und Dokument beim Scribe-Anbieter selbst.

Mehr dazu: Datenschutz bei KI-Scribes: Die konkrete Prüfcheckliste · Quelle: OpenAI API Docs: Data controls in the OpenAI platform (Your data)

Siehe auch: Unterauftragsverarbeiter, Auftragsverarbeitung (AVV), Large Language Model (LLM)