Artikel
Healthcare Agents brauchen keine Suche. Sie brauchen chirurgisch präzisen Zugriff auf klinische Realität
Prof. Dr. med. Felix Nensa · Co-founder, radiologistFebruar 2026 · 3 Min. Lesezeit
Suche
_Das Gesundheitswesen tritt in die Ära der Agents ein._
Nicht Dashboards. Nicht statische Reports. Sondern Systeme, die aktiv in klinischer Realität operieren.
Diese Agents „zeigen“ Informationen nicht nur an, sie bauen kontinuierlich Kohorten, erkennen Risikomuster, überwachen Qualitätsmetriken, unterstützen klinische Entscheidungen, optimieren Abläufe, erstellen regulatorische Berichte, screenen Studienkandidaten und erkennen Revenue Leakage.
Sie reasonen. Sie rechnen. Sie iterieren.
Und sie alle basieren auf FHIR. 🔥
## Das versteckte Problem: FHIR REST verschmutzt den Agent-Kontext
FHIR REST APIs sind für Interoperabilität konzipiert. Sie sind hervorragend darin, Ressourcen auszutauschen.
Aber Agents sind keine menschlichen Nutzer, die Patientenakten durchklicken. Sie sind Reasoning-Systeme mit:
❌ Iterativen Entscheidungsloops
Wenn ein Agent FHIR REST nutzt, passiert etwas Subtiles, aber Kritisches.
### 1) Over-fetching ist unvermeidbar
Eine typische REST-Abfrage liefert vollständige Ressourcen, verschachtelte Arrays, nicht relevante Felder, wiederholte Metadaten und komplette Bundles. Selbst wenn der Agent eigentlich nur einen spezifischen Code, ein Datum, eine Abteilung oder einen einzelnen Wert benötigt, erhält er trotzdem alles.
Das bedeutet tausende irrelevante Tokens, tief verschachteltes JSON und wiederholtes strukturelles Boilerplate - all das muss der Agent innerhalb seines Reasoning-Loops parsen und herausfiltern.
### 2) Multi-Resource Reasoning lässt Token-Nutzung explodieren
Echte Healthcare-Fragen sind relational.
Patienten über 65, in Abteilung X, mit Diagnosecode Y, in den letzten 30 Tagen, gruppiert nach Geschlecht — das ist kein „Resource Retrieval“-Problem. Das ist eine relationale Abfrage.
Mit REST muss der Agent Encounters abfragen, Patient-Referenzen extrahieren, Patients nachladen, Diagnostic Reports abfragen, Codes matchen, alles client-seitig joinen und anschließend im Speicher aggregieren.
Jeder Schritt produziert mehr Bundles, mehr JSON, mehr Metadaten und mehr Pagination. Und jede Seite, die nachgeladen wird, wird zu Context Pollution.
Agents denken nicht in Pages. Sie denken in Beziehungen.
### 3) Token-Verschwendung ist nicht nur Ineffizienz - sie verschlechtert Ergebnisse
Große Sprachmodelle und Reasoning Agents haben Context Limits, Attention Dilution und steigende Kosten pro Token.
Wenn ein Agent wiederholt vollständige FHIR-Ressourcen, redundantes strukturelles JSON und irrelevante Felder aufnehmen muss, passieren zwei Dinge:
- 01Die Kosten steigen
- 02Das Signal-to-noise-Verhältnis sinkt.
Wichtige klinische Variablen verschwinden in JSON-Rauschen. Der Agent verbraucht Reasoning-Kapazität damit, Context zu säubern, statt ihn zu analysieren.
Das ist architektonische Verschwendung.
## Was Healthcare Agents tatsächlich brauchen
Sie brauchen deterministischen Zugriff auf strukturierte klinische Realität.
Das bedeutet:
Nicht Dokumente. Nicht Bundles. Nicht wiederholte Metadaten. Nicht manuelles Stitching.
Agents brauchen keinen Ressourcenaustausch.
Sie brauchen strukturierte klinische Slices.
## Der Shift: Von Resource Retrieval zu Context Extraction
Firemetrics ermöglicht Agents, exakt die Felder abzurufen, die benötigt werden, exakt die Beziehungen, exakt die gefilterte Population und exakt die Aggregation.
Statt 200 vollständigen Observations, 50 Patients, 20 Encounters und verschachtelten Coding-Strukturen kann ein Agent direkt erhalten:
Gender split = 58% male
_Das ist Context Compression. Das ist Signal ohne Noise. Das ist chirurgische Präzision._
## Real-World Impact
In _Clinical Decision Support_ ermöglicht das die sofortige Erkennung von Hochrisiko-Kohorten, ohne massive Bundles parsen zu müssen.
In _Population Health_ ermöglicht es sofortige Populationsstatistiken ohne iteratives REST Crawling.
In _Operations_ ermöglicht es Echtzeit-Abteilungsmetriken ohne client-seitige Aggregations-Loops.
In _Research_ ermöglicht es präzise Kohortenextraktion ohne tokenlastige Traversals über mehrere Endpoints.
## Warum das jetzt wichtig ist
Healthcare AI bewegt sich in Richtung Continuous Monitoring, agentische Workflows und autonome Reasoning-Loops.
In dieser Welt ist jeder unnötige Token Verschwendung. Jede redundante JSON-Struktur ist Noise. Jeder client-seitige Join ist Latenz.
Infrastruktur, die für Dokumentenaustausch gebaut wurde, wird zum Bottleneck.
_Agents brauchen Präzision, Kompression, relationale Intelligenz und Population-level Computation._
## Die Kernerkenntnis
FHIR REST ist exzellent für Interoperabilität. Aber _Agents brauchen saubere Slices strukturierter klinischer Realität_ \- nicht volle Dokumente, nicht Seiten voller JSON und nicht Context Pollution.
Healthcare Agents brauchen keine bessere Pagination. Sie brauchen chirurgisch präzisen Zugriff auf Healthcare-Daten in großem Maßstab.
Das ist der Shift.
Mit Ihren eigenen Daten sehen
