Under CopyrightMackay, SinaSinaMackayEbert, JuliaJuliaEbertSchellinger, AlexanderAlexanderSchellingerAntweiler, DarioDarioAntweilerRüping, StefanStefanRüping2025-03-272025-03-272025-03https://doi.org/10.24406/publica-4450https://publica.fraunhofer.de/handle/publica/48590510.24406/publica-4450Demografischer Wandel, steigende Kosten und akuter Fachkräftemangel stellen das Gesundheitswesen und insbesondere die Patientenversorgung vor erhebliche Herausforderungen. In diesem Kontext wird der Einsatz von KI-Agenten als vielversprechende Lösung diskutiert. Diese intelligenten Systeme gehen über die Funktionen klassischer Künstlicher Intelligenz (KI) hinaus, indem sie proaktive Entscheidungen treffen und in Echtzeit auf komplexe Situationen reagieren können. KI-Agenten verbinden verschiedene Technologien zur Optimierung medizinischer und administrativer Prozesse miteinander, was zu einer verbesserten Effizienz und Qualität der Patientenversorgung führt. Die Anwendung von KI im Gesundheitswesen erfordert jedoch eine sorgfältige Planung, insbesondere im Hinblick auf Datenschutz und Informationssicherheit. Benutzerfreundliche Schnittstellen und die Förderung der digitalen Bildung sind entscheidend für die Akzeptanz bei Anwenderinnen und Anwendern dieser Systeme. Um die Herausforderungen der modernen Patientenversorgung erfolgreich zu meistern, sollten sich technische Entwicklungen künftig auf die Integration umfassender Agentensysteme konzentrieren, die verschiedene KI-Technologien verwenden. So kann eine proaktive Versorgung ermöglicht werden. Dabei ist eine interdisziplinäre Zusammenarbeit zwischen Fachleuten und die iterative Entwicklung von Lösungen unerlässlich. In diesem Whitepaper erläutern wir die Unterschiede zwischen KI-Agenten und großen KI-Sprachmodellen (engl.: Large Language Models, LLMs), zeigen praxisnahe Anwendungsbeispiele und diskutieren potenzielle Risiken, um eine fundierte Wissensgrundlage für den erfolgreichen Einsatz dieser Technologien im Gesundheitswesen zu schaffen.depaper