Foundry: Medizinisches Wissen gemeinsam aktuell halten
Diese Seite zeigt in sieben Schritten, wie Foundry arbeitet: wie ein Artikel entsteht, wie er aktuell bleibt und wie Lesende, Lernende und Fachleute damit arbeiten. Zu jedem Schritt gibt es ein kurzes Video aus der laufenden Anwendung.
Worum es geht
Gute Versorgung hängt an Wissen, das schnell veraltet. Leitlinien werden überarbeitet, neue Studien erscheinen laufend, und hausinterne SOPs liegen oft als Dokumente in Ordnern, bei denen niemand sicher weiß, welcher Stand gilt. Ein Thema aktuell zu halten heißt: Literatur sichten, Texte anpassen, Änderungen abstimmen und alle Beteiligten informieren. Dafür fehlt im klinischen Alltag die Zeit.
Allgemeine KI-Chats helfen dabei nur bedingt. Sie formulieren flüssig, aber ohne verlässliche Belege, und niemand prüft, was sie schreiben. Foundry verbindet beides: Die KI übernimmt die aufwendige Arbeit, also Recherche, Entwürfe und den Abgleich mit neuer Evidenz. Fachleute behalten die Kontrolle darüber, was veröffentlicht wird. Drei Grundsätze ziehen sich durch alle Funktionen:
Belegt
Jede Aussage verweist auf ihre Quelle. Referenzen kommen mit einer kurzen Zusammenfassung, damit man sieht, was eine Studie tatsächlich zeigt.
Geprüft
Die KI recherchiert, entwirft und schlägt vor. Was veröffentlicht wird, entscheiden Fachleute: jeder Vorschlag wird einzeln angenommen oder verworfen.
Nachvollziehbar
Jede veröffentlichte Änderung landet im Versionsverlauf. So bleibt sichtbar, wer wann was geändert hat und warum.
1 · Wie kommt ein Thema in Foundry?
Ein neuer Artikel entsteht
Am Anfang steht ein Thema, zum Beispiel die nosokomiale Pneumonie. In der Redaktion legt man einen neuen medizinischen Artikel an. Foundry recherchiert daraufhin selbstständig in PubMed und in Leitlinien und ordnet die Treffer nach den klinischen Fragen, die der Artikel beantworten soll.
Aus dieser Recherche entsteht ein vollständiger Entwurf. Er ist kein frei formulierter KI-Text: Jede Aussage ist mit einer der gefundenen Quellen verknüpft, und für jede Quelle ist nachvollziehbar, warum sie ausgewählt wurde.
Bevor der Artikel online geht, liest eine KI-Qualitätsprüfung den Entwurf gegen und macht konkrete Änderungsvorschläge. Die Redaktion übernimmt, was überzeugt, und verwirft den Rest. In den Einstellungen legt sie außerdem fest, in welchem Abstand Foundry das Thema automatisch nachrecherchiert, etwa halbjährlich. Erst dann wird veröffentlicht, und ab diesem Moment führt der Artikel einen Versionsverlauf.
2 · Was, wenn ein Thema mehr braucht als eine Literaturrecherche?
Komplexe Themen im Workspace
Für große Themen wie die Therapie des NSCLC im Stadium IIIA gibt es Artikel-Workspaces. Ein Workspace bündelt alles, was zu einem Themengebiet gehört: Leitlinien und Paper als PDF, Webquellen wie Onkopedia, die eingelesen und versioniert werden, und die Artikel, die daraus entstehen.
Der Entwurf stützt sich dann gleichzeitig auf die hinterlegte Leitlinie, die Webquellen und eine eigene Recherche. Aus demselben Wissen lassen sich Diagramme erzeugen, zum Beispiel Therapiepfade, die man per Chat oder von Hand anpasst.
Der Workspace endet nicht mit der Veröffentlichung. Erscheint eine neue Studie, im Video die CheckMate-73L-Publikation, lädt man das Paper hoch. Foundry prüft den bestehenden Artikel gegen die neue Evidenz und schlägt konkrete, belegte Änderungen direkt im Editor vor.
3 · Wer merkt, dass ein Artikel veraltet ist?
Aktuell bleiben, ohne danach zu suchen
Das ist das eigentliche Problem, das Foundry löst. Medizinisches Wissen veraltet still: Neue Studien erscheinen, Leitlinien werden überarbeitet, und eine SOP, die vor zwei Jahren richtig war, ist es heute vielleicht nicht mehr. Niemand hat die Zeit, alle Themen regelmäßig selbst nachzurecherchieren.
Deshalb übernimmt Foundry diese Arbeit. In dem Intervall, das die Redaktion festgelegt hat, sucht das System nach neuer Evidenz zu jedem Artikel. Findet es etwas Relevantes, erscheint unter „Recherche-Updates“ ein Satz konkreter Änderungsvorschläge.
Ein Experte geht die Vorschläge einzeln durch und übernimmt, was stimmt. Eine KI-Zusammenfassung beschreibt die Änderung in wenigen Sätzen, danach wird die neue Version veröffentlicht. Wer den Artikel abonniert hat, findet die Änderung unter seinen Neuigkeiten und muss nicht selbst nachsehen, ob sich etwas getan hat.
4 · Wie findet man im Artikel schnell die Antwort auf eine konkrete Frage?
Lesen und nachfragen
Lange Artikel liest im Dienst niemand von vorne bis hinten. Neben jedem Artikel gibt es deshalb einen Chat, dem man Fragen stellen kann, etwa zu einer Dosierung, einem Grenzwert oder dem Vorgehen in einer bestimmten Situation.
Die Antworten stützen sich auf den Artikel und seine Quellen statt auf allgemeines Modellwissen. Verweise in der Antwort führen direkt zur passenden Stelle, sodass man die Aussage im Original nachlesen kann.
5 · Wie wird aus Nachschlagewissen Können?
Lernen mit denselben Inhalten
Dieselben geprüften Artikel sind auch die Grundlage zum Lernen, zum Beispiel für die Weiterbildung. Foundry bietet drei Lernformen, nach Fachgebiet oder gezielt zu einem einzelnen Artikel.
- Offene Fragen: Man formuliert die Antwort selbst und erhält eine Bewertung, was gefehlt hat.
- Multiple Choice: Sofortiges Feedback mit Erklärung zu jeder Antwort.
- Geführtes Lernen: Ein Fall wie im Dienst, der sich mit jeder Entscheidung weiterentwickelt. Der Tutor begründet sein Feedback mit Belegen aus dem Artikel.
6 · Was tun, wenn man einen Fehler oder eine Lücke findet?
Alle können mitwirken
Wissen wird besser, wenn die Menschen, die es täglich nutzen, Fehler und Lücken melden können. In Foundry markiert man dazu eine Textstelle, wählt „Änderung vorschlagen“, formuliert die Korrektur und begründet sie kurz.
Der Vorschlag landet bei den Fachleuten des passenden Fachgebiets. Eine KI-Vorprüfung hilft bei der Einordnung, die Entscheidung trifft der Experte. Nach der Freigabe erscheint die Änderung als neue Version im Verlauf, und die Person, die sie vorgeschlagen hat, sieht, dass ihr Beitrag angekommen ist.
7 · Wer darf was, und was kostet die KI?
Administration und Kontrolle
Damit der Ablauf funktioniert, braucht es klare Zuständigkeiten. Administratoren verwalten Benutzer und Rollen, ordnen Experten ihren Fachgebieten zu und legen damit fest, wer welche Vorschläge prüft.
Für jede Person lässt sich ein KI-Budget festlegen, sodass die Kosten planbar bleiben. Foundry ist an kein einzelnes KI-Modell gebunden: Im LLM Board werden Anbieter angebunden, auch offene Modelle, und für jede Funktion wird festgelegt, welches Modell sie nutzt. Wo es sinnvoll ist, wählt man das Modell direkt im Arbeitsschritt.
Auch ohne Oberfläche nutzbar
Mit eigenen KI-Assistenten arbeiten
Foundry ist nicht an seine eigene Oberfläche gebunden. Über eine MCP-Schnittstelle (Model Context Protocol) lassen sich KI-Assistenten wie Claude oder ChatGPT direkt anbinden. Der Assistent kann dann Artikel suchen und lesen, Workspaces und Quellen durchgehen, eine neue Studie einreichen, Recherchen anstoßen und die Redaktion abarbeiten, ohne dass jemand die Anwendung öffnet.
Die Schnittstelle ist kein nachträglicher Zusatz. Sie nutzt dieselben Abläufe wie die Oberfläche und damit auch dieselben Regeln: dieselben Rollen, dieselbe Prüfung durch Fachleute und denselben Versionsverlauf.
Dieselben Rechte
Ein Assistent handelt immer im Namen einer angemeldeten Person und nie mit mehr Rechten als sie. Was er darf, legt die Person selbst fest: Zu Beginn nur lesen, Schreiben und Veröffentlichen erst nach ausdrücklicher Freigabe. Jede Freigabe lässt sich im Profil jederzeit widerrufen.
Der letzte Schritt bleibt in der Anwendung
Ein Assistent kann recherchieren, Entwürfe anstoßen und Änderungen vorschlagen, aber nichts selbst veröffentlichen. Seine Vorschläge landen wie alle anderen in der Redaktion, und eine Fachperson übernimmt sie im gewohnten Editor in den Artikel.
Protokolliert
Jede Änderung, die über einen Assistenten läuft, wird mit Person und Anwendung protokolliert. Veröffentlichte Änderungen erscheinen im selben Versionsverlauf wie alle anderen, weil sie denselben Weg durch das System nehmen.
Wer was tut
Alle arbeiten mit denselben Artikeln, nur aus unterschiedlichen Richtungen. Dadurch gibt es zu jedem Thema genau einen geprüften Stand, der gelesen, gelernt und weiterentwickelt wird.
- Lesende
- lesen geprüfte Artikel, stellen Fragen im Chat und abonnieren Themen, die sie betreffen.
- Lernende
- trainieren mit offenen Fragen, Multiple Choice und geführten Fällen auf Basis derselben Artikel.
- Expertinnen und Experten
- erstellen Artikel, prüfen KI- und Nutzervorschläge in ihren Fachgebieten und veröffentlichen.
- Administration
- vergibt Rollen und Fachgebiete, setzt KI-Budgets und wählt die Modelle.
Warum sich das für eine Institution lohnt
Wissen, das dem Haus gehört
Heute kaufen Kliniken medizinisches Wissen ein, ohne es je zu besitzen. Sie zahlen für externe Nachschlagewerke und für Zeitschriften-Abonnements, deren Volltexte kaum jemand liest. Gleichzeitig steckt in der Arbeit der eigenen Fachleute enormes Wissen, das nirgends festgehalten wird und dem Haus nichts einbringt.
Heute
- Das Haus bezahlt Lizenzen für externe Nachschlagewerke wie UpToDate oder AMBOSS.
- Zusätzlich laufen Volltext-Abonnements für Fachzeitschriften, deren Inhalte im Alltag kaum gelesen werden.
- Die Erfahrung der eigenen Mitarbeitenden fließt in die Produkte externer Anbieter ein, im Haus selbst bleibt davon nichts.
- Endet der Vertrag, ist das Wissen weg.
Mit Foundry
- Die Volltexte, die das Haus ohnehin lizenziert, werden zur Grundlage eigener, belegter Artikel.
- Die eigenen Fachleute prüfen, ergänzen und verbessern diese Artikel bei jeder Version.
- Was dabei entsteht, gehört der Institution: Artikel, Quellen, Versionsverläufe und Vorschläge.
- Der Bestand wird mit jeder Überarbeitung besser und bleibt im Haus, unabhängig von einem Anbieter.
Der eigentliche Wert entsteht über die Zeit. Jede Recherche, jede geprüfte Änderung und jeder Vorschlag aus dem Alltag fließt in die Wissensbasis ein. Mit jedem Monat wird sie vollständiger und genauer und spiegelt das Wissen und die Erfahrung des eigenen Hauses wider. So entsteht ein Bestand, der der Institution dauerhaft gehört und an Wert gewinnt, statt die Produkte Dritter zu verbessern.
Auf diesem Bestand lässt sich vieles aufbauen. Lernen und Weiterbildung, der Chat am Artikel und Abonnements für neue Versionen sind die ersten Beispiele. Weitere Anwendungen nutzen dieselbe geprüfte Grundlage, ohne dass das Wissen dafür erneut eingekauft werden muss.
Vollständig On-Premise
Foundry lässt sich komplett in der eigenen Infrastruktur betreiben, einschließlich Datenbank und, mit offenen Modellen, der KI. Wer möchte, betreibt es in der Cloud.
Eigentum der Institution
Alle Inhalte und Daten gehören der Institution, die Foundry einsetzt. Sie bleiben im Haus und werden nicht zum Trainingsmaterial externer Wissensanbieter.
Selbst erforschbar
Weil alle Daten im Haus liegen, kann die Institution das System selbst untersuchen: wie Wissen entsteht und sich verändert, wie gut die KI arbeitet und was Lernende tatsächlich mitnehmen.