ApoLife Fachinfo-Assistent: KI-Wissen für den Apothekenalltag
- in AI Integration
- posted Juli 6, 2026
Für die Rat & Tat Apothekengruppe haben wir einen KI-Assistenten entwickelt, der pharmazeutisches Fachpersonal dabei unterstützt, schneller auf relevante Produkt- und Fachinformationen zuzugreifen.
Das Ziel war nicht, einen allgemeinen Chatbot zu bauen. Der Assistent sollte mit einer klar definierten Wissensbasis arbeiten, nachvollziehbare Antworten liefern und sich technisch sicher in eine bestehende Intranet-Umgebung integrieren lassen.
Strukturierte Wissensbasis statt beliebiger KI-Antworten
Die Grundlage des Assistenten bilden produktbezogene Fachinformationen im PDF-Format. Diese werden automatisiert ausgelesen, bereinigt und in eine strukturierte Wissensbasis überführt. Ergänzend wurden ausgewählte externe Referenzquellen aus dem Ernährungsbereich eingebunden und ebenfalls in ein einheitliches Wissensformat gebracht.
So entsteht ein zentraler Wissensbestand, der vom Assistenten genutzt werden kann — konsistent, aktualisierbar und nachvollziehbar.
Quellen, Produktinformationen und Bilder aus einem sauberen Datenprozess
Ein wichtiger Teil des Projekts war die Aufbereitung der vorhandenen Produktunterlagen. Fachinformationen, Verzehrempfehlungen, Produktnummern, Quellenverweise und Produktbilder stammen aus unterschiedlichen Dokumenten und mussten zuverlässig zusammengeführt werden.
Dafür wurde eine eigene Verarbeitungspipeline umgesetzt. Sie extrahiert die Inhalte aus den Fachinfo-PDFs, ergänzt geprüfte Verzehrempfehlungen aus Etiketteninformationen, ordnet Produktbilder aus dem Produktfolder zu und erstellt daraus ein gemeinsames Wissenspaket für den Assistenten.
Für Nutzerinnen und Nutzer bedeutet das: Antworten bleiben nicht abstrakt, sondern können auf konkrete Produktinformationen und Quelldokumente verweisen.
Sicherheit durch serverseitige Architektur
Die KI-Kommunikation läuft nicht direkt aus dem Browser heraus, sondern über eine geschützte serverseitige Schnittstelle. Der API-Schlüssel bleibt am Server und ist für den Browser nicht sichtbar.
Der Assistent selbst wird als schlankes, selbstständiges Browser-Widget ausgeliefert. Er kann in eine bestehende Website eingebunden werden, lädt seine Wissensbasis vom eigenen Server und kommuniziert über die abgesicherte Schnittstelle mit dem KI-Modell.
Damit bleibt die Lösung technisch kontrollierbar, einfach integrierbar und unabhängig von schwergewichtigen Frameworks.
Eingebaute Qualitätskontrolle gegen falsche oder unpassende Antworten
Gerade bei produktbezogenen Fachinformationen ist es wichtig, dass ein KI-Assistent nicht frei fabuliert. Deshalb wurden zusätzliche Prüfschichten eingebaut.
Der Assistent kontrolliert unter anderem, ob genannte Produktnummern tatsächlich im Katalog vorkommen, ob Antworten außerhalb des erlaubten fachlichen Rahmens liegen und ob numerische Angaben in der vorhandenen Wissensbasis begründet sind.
Wenn eine Antwort gegen definierte Regeln verstößt, wird automatisch eine Korrekturschleife ausgelöst. Dadurch entsteht eine zusätzliche technische Absicherung zwischen Modellantwort und Nutzeroberfläche.
Testbarkeit und Weiterentwicklung von Anfang an mitgedacht
Neben der eigentlichen Anwendung wurden auch Evaluierungen und Tests umgesetzt. Beispielanfragen können gegen das Live-Modell geprüft werden, während separate Tests die Extraktion, die Antwortbewertung und die Schutzmechanismen validieren.
Das macht die Lösung nicht nur funktionsfähig, sondern auch wartbar. Neue Produkte, aktualisierte Fachinformationen oder zusätzliche Referenzquellen können in den bestehenden Prozess eingespielt werden, ohne die Architektur neu aufzubauen.
Ein erster Assistent mit solider Grundlage
Das Ergebnis ist ein kompakter, praxisnaher KI-Assistent für den Apothekenkontext: spezialisiert auf die vorhandenen Produkt-Informationen zum Eigenprodukte-Sortiment, sicher angebunden, mit Quellenverweisen ausgestattet und durch technische Prüfmechanismen abgesichert.
Für Rat & Tat ist damit ein erster kleiner Assistent entstanden — aber auf einer Architektur, die bewusst so gebaut wurde, dass sie wachsen kann.
Das Feedback nach Projektabschluss hat uns besonders gefreut:
„Vielen vielen Dank nochmal für das schöne und runde Projekt, Herr Treiber, ich freu mich über unseren ersten, kleinen Assistenten!“
Genau so verstehen wir erfolgreiche KI-Projekte: klein genug, um rasch nutzbar zu sein — und technisch sauber genug, um darauf weiter aufzubauen.