WebMD Ignite startet mit Ruby ein System spezialisierter KI-Agenten für das Marketing von Kliniken und Gesundheitsanbietern. Die Plattform soll Marktanalyse, Zielgruppenauswahl, Kampagnenplanung, Aktivierung und Erfolgsmessung in einem durchgängigen Arbeitsablauf verbinden. Zunächst wird Ruby mit einer kleinen Gruppe von US-Gesundheitssystemen pilotiert.
Anders als ein einzelner Chatbot soll Ruby mehrere Arbeitsschritte nacheinander bearbeiten und Ergebnisse an den jeweils folgenden Agenten weitergeben. Ausgangspunkt ist ein Marketingziel. Das System analysiert unter anderem Marktanteile, Überweisungsströme, Wettbewerber und frühere Kampagnen, schlägt Zielgruppen vor und modelliert die Verteilung des Werbebudgets auf verschiedene Kanäle.
Die breitere Produktvision umfasst elf agentengestützte Funktionen in Strategie, Kampagnensteuerung, Konversion, Optimierung und Renditemessung. WebMD Ignite macht jedoch deutlich, dass Funktionen für Aktivierung und Optimierung schrittweise hinzukommen. Ruby ist damit noch kein vollständig ausgerolltes Endprodukt.
Als Datengrundlage nennt das Unternehmen 2,7 Milliarden de-identifizierte Behandlungskontakte aus mehr als 400 Datenfeeds elektronischer Patientenakten. Hinzu kommen Prognosemodelle für über 650 Krankheitsbilder, Informationen zu Marktanteilen und Überweisungen sowie freigegebene Daten der jeweiligen Klinik. De-identifiziert bedeutet, dass direkte Personenmerkmale entfernt oder verändert wurden; das schließt ein späteres Re-Identifikationsrisiko bei umfangreichen Datensätzen nicht grundsätzlich aus.
Für die Governance verspricht WebMD Ignite mehrere Kontrollen. Personenbezogene Identifikatoren sollen nicht in Agentenausgaben erscheinen, kleine Ergebnisgruppen werden unterdrückt und jede analytische Zahl soll auf Abfrage, Filter und Zeitraum zurückführbar sein. Bedeutende Entscheidungen müssen von Marketingverantwortlichen geprüft und freigegeben werden. Das Unternehmen arbeitet dabei als vertraglich gebundener Dienstleister im Rahmen eines Business Associate Agreement, wie es das US-Datenschutzrecht für Gesundheitsdaten vorsieht.
Offen bleiben die verwendeten Modelltypen, unabhängige Prüfungen auf Verzerrungen und konkrete Qualitätskennzahlen. Gerade wenn Gesundheitsdaten bestimmen, welche Bevölkerungsgruppen eine Klinik anspricht, können fehlerhafte Modelle bestehende Versorgungslücken verstärken. Audit-Trails verbessern die Nachvollziehbarkeit, ersetzen aber keine Validierung der Zielgruppenauswahl und keine klare Verantwortung für Kampagnenentscheidungen.
Zugang: WebMD Ignite lädt eine kleine Zahl von Gesundheitssystemen zu einem sechsmonatigen Pilotprogramm in einer gestuften Testumgebung ein; die Teilnahme ist nach Unternehmensangaben kostenlos. Reguläre Preise wurden nicht veröffentlicht. Interessenten können sich über das Ruby-Interessenformular melden.
Einordnung
Ruby zeigt, wie Agenten-KI vom Einzelwerkzeug zur integrierten Betriebsplattform für Gesundheitsmarketing werden soll. Ob daraus ein belastbarer Produktivitätsgewinn entsteht, hängt weniger von der Zahl der Agenten als von nachgewiesener Modellgüte, sauberer Datenfreigabe und messbaren Kampagnenergebnissen ab.
Christian Kloewer
Tech & Startups
Christian Kloewer schreibt bei MIDO Health über Health-Tech, Startups und Finanzierungen. Er kommt aus der Kommunikation und dem Digitalgeschäft und liest Gründungen im Gesundheitswesen mit dem Blick des Machers: Was löst das Produkt, wer bezahlt dafür, und trägt das Modell?
