Wie wir Camille abgesichert haben, die Sprachassistentin mehrerer medizinischer Zentren: eine schlanke lokale Infrastruktur, Entscheidungsmodelle neben dem LLM sowie optimierte Prompts und Verbindungen, damit sie in etwa einer Sekunde antwortet.
Qwen3.8-Flash-Next verortet die Papille in 120 von 120 Entscheidungen richtig und nennt dann bei 51 von 60 Bildern das falsche Auge. Das Protokoll, die Zahlen und die gewählte Korrektur.
Ein Entscheidungsmodell, das in hundert Millisekunden antwortet, wird nicht wie ein Sprachmodell benutzt, das in zehn Sekunden antwortet. Entscheidungsschleifen, Vergleich von Hypothesen, das Paar aus Generator und Richter, und die Rückkehr des kleinen spezialisierten Modells: der zweite Teil unseres Artikels über Jev und SemIf.
Seit drei Jahren bitten wir Modelle, die zum Schreiben gemacht sind, Entscheidungen zu treffen. Eine neue Modellfamilie tut nur das: entscheiden. Erster Teil: was ein Entscheidungsmodell ist, mit Jev und SemIf.
Wir haben die Börsenstrategie eines Traders automatisiert. Dieser Beitrag erzählt die Arbeit, die der Kunde nicht sieht: was man der ersten Zahl nimmt, bevor man sie zu zeigen wagt.
Unsere Audits des Patientenwegs beruhten auf Zeiten, die aus dem Gedächtnis rekonstruiert wurden. Wir haben eine Anwendung gebaut, die unserem bestehenden Raster folgt, die Zeiten während des Besuchs stoppt und ihre Prüfliste durchgeht, bevor sie den Bericht exportiert.
Amortisation im ersten oder zweiten Jahr, ein durchgerechnetes Beispiel, Zahlung gekoppelt an Abnahmekriterien und Eigentum am Code: der zweite Teil unserer Methode.
Preisspannen, ein Audit, dessen Bericht Ihnen gehört, und eine gemeinsam validierte Messung der echten Prozesskosten: der erste Teil unserer Bewertungsmethode.
Eine auf refraktive Chirurgie spezialisierte Klinik wollte einen ehrlichen Eignungssimulator. Hinter fünf Fragen stehen die echten Regeln eines Chirurgen, eine Logik der Vorsicht und vollständige Privatsphäre.
Um unseren Junior-Entwickler einzustellen, haben wir eine kleine Webanwendung gebaut, die den Kontext der Stelle, das Kandidatenprofil, die Gesprächsnotizen, die Bewertung und ein gewichtetes Ranking zusammenführt. Lokale Daten, offener Quellcode auf GitHub.
Wie ein Patienten-Check-in-Kiosk für eine augenärztliche Praxis über die bloße Anmeldung hinausgeht: Er identifiziert den Patienten, leitet die Konsultationsart aus der letzten Verlaufskontrolle ab und legt den Arbeitslisteneintrag automatisch in der Patientenakte an, mit einer durch physische Anwesenheit gesicherten mobilen App, in der der Patient die voraussichtliche Verspätung seines Arztes verfolgt, selbst gehostet und DSGVO-freundlich. Ein Vergleich mit Phreesia, Clearwave und Qmatic.
Wie eine Klinik für medizinische Netzhauterkrankungen Anti-VEGF-Injektionen sicher dokumentiert und ETDRS-/CST-Ergebnisse auf einen Blick erfasst, und wie sich dieselbe Engine an die klinische Forschung anpassen lässt.
Entdecken Sie die transtorm.ai-Methode zur zuverlässigen Automatisierung von Geschäftsprozessen: echtes Prozess-Audit, menschliche Validierung bei wichtigen Entscheidungen, vollständige Anonymisierung der an externe Ressourcen gesendeten Daten, robuste Integrationen und kontinuierliche Verbesserung.
Wir messen die Reichweite der Website mit Google Analytics. Diese Cookies werden nur gesetzt, wenn Sie zustimmen, und die Website funktioniert genauso, wenn Sie ablehnen.
Unsere Datenschutzerklärung lesen