Konkrete Use Cases in der Offizin

Sechs erprobte Einsatzfelder

Der Einstieg in KI gelingt am besten nicht mit der großen Strategie, sondern mit einem konkreten Problem, das heuteZeit kostet. Die folgenden Felder sind erprobt, realistisch umsetzbar — und nach Risikoniveau sortiert.

---

Die sechs Einsatzfelder

1. Patientenkommunikation & Verständlichkeit

Beipackzettel sind juristisch korrekt, aber für viele Patienten kaum lesbar. KI kann einen seitenlangen Beipackzettel in drei verständliche Sätze zusammenfassen: Wofür ist das Medikament? Was muss ich beachten? Wann zum Arzt?

Das gilt auch umgekehrt: Ein Patient beschreibt seine Symptome in eigenen Worten — KI hilft dem Team, die relevanten Fragen strukturiert zu erfassen, bevor die eigentliche Beratung beginnt.

Besonders wertvoll: mehrsprachige Kommunikation. Viele Apotheken versorgen Patienten, die kein oder wenig Deutsch sprechen. KI übersetzt Einnahmehinweise, Terminbestätigungen oder Nachsorge-Instruktionen zuverlässig in Türkisch, Arabisch, Russisch oder andere Sprachen — ohne dass das Team selbst sprechen muss. Die pharmazeutische Verantwortung bleibt beim Team; die Sprachbarriere fällt weg.

Risikoniveau: Mittel. Übersetzungen und Vereinfachungen immer stichprobenartig prüfen — besonders bei Dosierungsangaben.

---

2. Wechselwirkungs- & Interaktionsrecherche (Vorrecherche)

Polymedikation ist Alltag: Ein Patient über 70 nimmt im Schnitt fünf bis acht Medikamente gleichzeitig. Die vollständige manuelle Prüfung aller Kombinationen kostet Zeit, die im Tagesgeschäft oft fehlt.

KI kann als erster Recherche-Layer dienen: Kombinationen vorprüfen, bekannte Interaktionen benennen, auf relevante Literatur hinweisen. Das beschleunigt die Arbeit des Teams — ersetzt aber nicht die abschließende Prüfung mit validierten Datenbanken (ABDA-Datenbank, Drugs.com, klinische Leitlinien).

Die wichtigste Regel hier: KI halluziniert auch bei Medikamenten. Ein Modell, das eine Interaktion nicht kennt, erfindet manchmal eine — oder unterschlägt eine echte. Jede KI-Ausgabe in diesem Bereich ist ein Vorschlag, keine Diagnose.

Risikoniveau: Mittel bis hoch. Nur mit klarem Vier-Augen-Prinzip und Gegenchek mit Fachdatenbank einsetzen.

---

3. Beratungsprotokolle & Dokumentation

pDL-Dokumentation, AMTS-Protokolle, Gesprächsnotizen — vieles davon ist strukturiert, wiederkehrend und zeitintensiv. KI kann aus einem kurzen Diktat oder Stichpunkten ein vollständiges Gesprächsprotokoll formulieren, das dem Team dann nur noch zur Freigabe vorliegt.

Konkret: Nach einem Medikationscheck diktiert die PTA drei Sätze ins Telefon — KI strukturiert daraus ein AMTS-konformes Protokoll. Das spart nicht Sekunden, sondern Minuten pro Vorgang. Hochgerechnet auf alle pDL-Leistungen pro Monat ist das ein erheblicher Zeitblock.

Dasselbe gilt für interne Übergaben: Schichtwechsel, Rückruflisten, offene Vorgänge. Statt handschriftlicher Notizen ein strukturiertes Briefing per Spracheingabe.

Risikoniveau: Niedrig bis mittel. Protokolle vor Ablage gegenlesen. Keine echten Patientendaten in externe KI-Tools (z.B. ChatGPT ohne Datenschutzvereinbarung) eingeben — dafür DSGVO-konforme Lösungen oder lokale Modelle nutzen.

---

4. Schicht- & Ressourcenplanung

Apothekenfrequenzen sind nicht zufällig: Montag morgens nach dem Wochenende, Freitag vor Feiertagen, Grippezeit im Oktober — die Muster sind bekannt, aber selten systematisch ausgewertet.

KI kann auf Basis historischer Frequenzdaten (Kassenbon-Zeitstempel, Terminbuchungen, Anrufvolumen) Besetzungsvorschläge generieren: Wann braucht die Apotheke mehr Personal? Wann können Schulungen oder Inventur gelegt werden?

Das ist kein vollautomatisches HR-Tool — aber ein deutlich besserer Ausgangspunkt als Bauchgefühl und Jahreskalender. Die finale Entscheidung trifft immer der Inhaber oder die Inhaberin.

Risikoniveau: Niedrig. Reine interne Planung, keine Patientendaten, kein regulatorisches Risiko.

---

5. Marketing, Content & Außenkommunikation

Das ist der Bereich, in dem KI heute schon den größten unmittelbaren Zeitgewinn liefert — mit dem geringsten Risiko.

Konkrete Anwendungen:

• Social-Media-Posts für saisonale Themen (Grippeschutz, Reiseapotheke, Hitze-Tipps)

• Newsletter an Stammkunden mit aktuellen Gesundheitsthemen

• Schaufenster-Texte und Ankündigungen für neue Leistungen (Impfangebote, pDL)

• Antwortvorlagen für häufige Bewertungen bei Google oder DocCheck

Was früher eine Stunde pro Woche kostete, dauert mit KI fünf Minuten — wenn der Prompt gut ist. Der Inhaber gibt die Kernbotschaft vor, KI formuliert, das Team gibt frei.

Risikoniveau: Niedrig. Keine Patientendaten, keine Heilversprechen (HWG beachten), kein regulatorisches Risiko bei sachlicher Formulierung.

---

6. Interne Wissensaufbereitung & Schulung

Neue Mitarbeitende einarbeiten, Produktwissen aktualisieren, Leitlinienänderungen kommunizieren — das kostet in jeder Apotheke regelmäßig Aufwand.

KI kann dabei helfen, internes Wissen zu strukturieren: aus einem langen Herstellerdokument eine übersichtliche Produktsteckbriefkarte machen, aus einer neuen ABDA-Empfehlung eine kurze Team-Briefing-Notiz, aus einem Fortbildungsskript fünf Lernfragen generieren.

Das macht KI nicht zur Ausbilderin — aber zum effizienten Werkzeug, das Wissenstransfer beschleunigt.

Risikoniveau: Niedrig. Inhalte vor der Weitergabe fachlich prüfen.

---

Niedrig-Risiko zuerst — eine Lernstrategie

Der häufigste Fehler beim KI-Einstieg: zu früh, zu kundennah, zu unkontrolliert.

Die bewährte Reihenfolge:

Phase 1 — Intern & ohne Patientendaten
Marketing-Texte, Schichtplanung, interne Protokollvorlagen. Hier ist das Risiko gering, der Lerneffekt groß. Das Team versteht, wie das Modell reagiert, wo es schwächer wird, wie man Prompts schärft.

Phase 2 — Patientennah mit Kontrolle
Beipackzettel-Vereinfachung, Mehrsprachigkeit, Gesprächsvorbereitung. Immer mit Vier-Augen-Prinzip. DSGVO-Konformität sicherstellen, bevor echte Patientendaten fließen.

Phase 3 — Integriert in Workflows
KI ist nicht mehr ein separates Tool, sondern Teil des täglichen Ablaufs — Voice-Agent, pDL-Dokumentation, automatische Recalls. Hier beginnt der systemische Hebel.

Die Frage ist nicht: Ist KI gut genug? Sondern: Für welche Aufgabe, unter welcher Kontrolle, mit welchem Datenschutz — und wer trägt die Verantwortung für das Ergebnis?

Diese Frage beantwortet das Team, nicht das Modell.