Wie Health Catalyst Gesundheitssysteme dabei unterstützt, betriebliche Barrieren abzubauen, die das ambulante Wachstum einschränken – aufgebaut auf der Datenplattform, die sie bereits besitzen
von Morgan Wilkie, Bryan Smith und Tiffany Nixon
Die ambulante Versorgung – also die Polikliniken und Arztpraxen, in denen die meisten Patienten mit einem Gesundheitssystem in Kontakt treten – entscheidet über Wachstum oder Verlust. Dennoch kämpfen viele Gesundheitssysteme mit betrieblichen Einschränkungen, die den Zugang zur Versorgung einschränken: Kapazitäten der Anbieter, Bindung von Überweisungen und die nachgelagerte finanzielle Leistung.
Der Zugang entwickelt sich in die falsche Richtung. Ein neuer Patient, der versucht, einen Routinetermin zu vereinbaren, wartet im Durchschnitt 31 Tage auf einen Termin – eine Zahl, die seit 2022 um 19 Prozent gestiegen ist, so die Umfrage von AMN Healthcare aus dem Jahr 2025 zum Zugang zu Ärzten.
Überweisungen sind eine weitere Belastungsquelle. US-Gesundheitssysteme verlieren laut ReferralMD jährlich schätzungsweise 150 Milliarden US-Dollar durch den Verlust von Überweisungen (Referral Leakage), während die Referral Coordination Benchmarking Study 2025 von MGMA herausfand, dass 38 Prozent der Überweisungen nie abgeschlossen werden.
Für Führungskräfte im ambulanten Bereich sind dies keine isolierten Probleme. Zugang, Anbieterkapazität, Überweisungsbindung, Panel-Management und finanzielle Leistung sind eng miteinander verknüpft. Die Herausforderung besteht weniger darin, die Probleme zu erkennen, sondern vielmehr darin, zu verstehen, wo Engpässe im Netzwerk existieren, wie sich Entscheidungen in einem Bereich auf die Ergebnisse in einem anderen auswirken und worauf man sich zuerst konzentrieren sollte.
Robbie Hughes, Chief Product Officer bei Health Catalyst, sieht dasselbe Muster in den Gesundheitssystemen, mit denen seine Teams zusammenarbeiten:
„Jeden Tag warten Patienten wochenlang auf einen Termin, nur um festzustellen, dass ihr Arzt keine neuen Patienten aufnimmt. Überweisungen gehen verloren. Die Anbieter sind ausgelastet, aber sie können die Wirtschaftlichkeit trotzdem nicht sichern“, so Hughes. „Das liegt nicht daran, dass es ihnen egal ist. Die Informationen, die sie zur Verbesserung benötigen, sind über fünf oder sechs voneinander getrennte Systeme verstreut, und bis sie zusammengeführt sind, sind sie bereits veraltet.“
„Die Zeit von der Erkenntnis, dass man ein Problem hat, bis zum tatsächlichen Handeln kann viele Monate betragen“, sagte Hughes. „Das liegt nicht an einem Mangel an Daten. Meistens liegt es an einer fehlenden Abstimmung darüber, was die Daten bedeuten. Jeder hat Dashboards. Jeder hat eine Meinung.“
Das übliche Instrumentarium schließt diese Lücke nicht: EHR-Berichte, eine Tableau-Ansicht, die auf einem veralteten Datenexport basiert, oder ein Beraterauftrag, der eine Momentaufnahme liefert und dann ausläuft. Jedes dieser Tools beantwortet eine Frage genau einmal zum Zeitpunkt des Exports. Keines davon liefert ein einziges, aktuelles Bild, das sich ein Betriebsleiter und ein Finanzleiter gemeinsam ansehen, dem sie vertrauen und auf das sie sich einigen können.
Selbst wenn Organisationen Vertrauen in die Zahlen haben, die sie sehen, fällt es ihnen oft schwer, die betrieblichen Treiber dahinter zu verstehen. Eine lange Wartezeit kann auf unzureichende Anbieterkapazitäten hindeuten, kann aber auch das Ergebnis von Engpässen bei Überweisungen, schlecht abgestimmten Terminplanungspraktiken oder einer ungleichmäßigen Panel-Verteilung sein. Eine geringere Produktivität der Anbieter kann auf Überkapazitäten in einer Klinik und Zugangsbeschränkungen in einer anderen hindeuten. Dieselbe Kennzahl kann auf eine Vielzahl ganz unterschiedlicher zugrunde liegender Probleme hinweisen.
Diese Komplexität ist es, die die Lücke bei der ambulanten Intelligenz (Ambulatory Intelligence Gap) entstehen lässt. Zugang, Produktivität der Anbieter, Überweisungen, Panel-Management und finanzielle Leistung funktionieren nicht unabhängig voneinander. Sie beeinflussen sich gegenseitig. Die Verbesserung eines Bereichs kann Engpässe in einen anderen verschieben. Zu verstehen, was passiert, ist wichtig. Zu verstehen, warum es passiert, was die Treiber sind und wo eine Intervention die größte Wirkung zeigt, ist das, was Verbesserungen erst ermöglicht.
Jüngste Fortschritte im Bereich AI haben die Möglichkeiten erweitert. Heutige AI-Modelle können komplexe betriebliche Zusammenhänge analysieren, Muster in großen Datenmengen erkennen und Informationen auf eine Weise logisch verknüpfen, die früher schwierig oder unpraktisch war.
Aber AI allein löst das Problem nicht.
AI kann Muster in Daten erkennen, versteht aber von Natur aus nicht die ambulanten Abläufe und die komplexen Wechselbeziehungen zwischen den Komponenten im Netzwerk. Sie versteht nicht, welche Maßnahmen in der Vergangenheit den Zugang verbessert, die Auslastung der Anbieter erhöht oder den Verlust von Überweisungen verringert haben. Diese Antworten erfordern betrieblichen Kontext und Optimierungskompetenz – etwas, das seit langem die Domäne erfahrener Experten auf diesem Gebiet ist.
Hier unterscheidet sich der Ansatz von Health Catalyst. Die Ambulatory Intelligence-Lösung von Health Catalyst kombiniert moderne AI-Funktionen mit fast zwei Jahrzehnten Erfahrung in der Verbesserung des Gesundheitswesens und bettet gesundheitsspezifisches Wissen, betriebliche Best Practices und bewährte Verbesserungsmethoden direkt in die Lösung ein.
Die Verknüpfung sensibler Patientendaten einer Organisation mit externen Ressourcen war für Gesundheitsdienstleister jedoch schon immer problematisch. Aus diesem Grund stellt Health Catalyst seine AI-Lösung direkt im eigenen Databricks-Workspace des Kunden bereit. Health Catalyst bringt sein Fachwissen zu den Daten und stellt so sicher, dass diese die Umgebung des Gesundheitssystems niemals verlassen.
Diese Entscheidung folgt einem Trend, dessen Beschleunigung Hughes beobachtet hat. Kunden möchten ihre Daten zunehmend auf ihrem eigenen Lakehouse hosten, sagt er, und im Zeitalter von AI konzentrieren sie sich auf Governance und Kontrolle. Sie wollen nicht, wie er es ausdrückt, „dass sie als Trainingsgelände für jemand anderen genutzt werden, um einen Nutzen daraus zu ziehen, dem sie nie zugestimmt haben“.
Brian Eliason, der die strategischen Partnerbeziehungen bei Health Catalyst leitet, sagt, der Markt habe die Richtung klar vorgegeben: „Die Kunden haben sich umorientiert und wollen die Kontrolle über ihre eigenen Daten behalten. Sie haben uns aber auch gesagt, dass sie die Partnerschaft mit Health Catalyst fortsetzen möchten, wobei sie die Eigentümer bleiben. Deshalb haben wir uns für das Shipped-Modell entschieden.“
Der Weg dorthin erforderte echte Ingenieursleistung. Die Medallion-Architektur, so Hughes, ermöglichte es dem Unternehmen, sein Dienstleistungs-Know-how in eine gemeinsame semantische Schicht zu verwandeln und so „in Wochen zu schaffen, was früher Monate oder Jahre gedauert hätte“.
Der Aufbau innerhalb der Kundenumgebung erforderte ein ausgewogenes Verhältnis zwischen Governance, Leistung und Benutzerfreundlichkeit. Die Lösung von Health Catalyst basiert auf mehreren Databricks-Komponenten, die jeweils einen bestimmten Zweck erfüllen:
Der praktische Effekt ist eine andere Art von Meeting. Anstatt dass ein Analyst und ein Projektleiter tagelang Fragen austauschen, liegt die Antwort vor, während noch alle im Raum sind.
Da das Produkt bereits mit den integrierten Domänenmodellen von Health Catalyst geliefert wird, hat ein Betriebsleiter bereits in derselben Woche, in der es implementiert wird, vollen Einblick – und nicht erst nach einem sechsmonatigen Analyseprojekt.
Die Lösung wird mit Dutzenden von vordefinierten Kennzahlen geliefert, die in vier Bereiche unterteilt sind: Access Optimization, Revenue Intelligence, Panel Management und Referral Insights. Jeder Bereich bietet operativen Führungskräften ein vollständiges Bild einer bestimmten Dimension der ambulanten Leistung.
Bereichsübergreifende Scorecards für Führungskräfte und Dienstleister verknüpfen diese Erkenntnisse im gesamten ambulanten Unternehmen. Sie helfen Führungskräften zu verstehen, wie sich operative Entscheidungen in einem Bereich auf die Ergebnisse in einem anderen auswirken, die wertvollsten Chancen zu priorisieren und Verbesserungsmaßnahmen dort zu bündeln, wo sie am ehesten eine messbare Wirkung erzielen.
Und da die Lösung in der eigenen Umgebung des Kunden läuft, behält das Gesundheitssystem die Flexibilität, sie anzupassen. Hughes bestätigte, dass Kunden die Terminologie anpassen und Workflows auf die spezifischen Märkte zuschneiden können, die sie bedienen, anstatt sich den starren Definitionen eines Anbieters beugen zu müssen.
Die Wirkung zeigt sich in den Ergebnissen, die Organisationen durch die ambulante Verbesserungsarbeit von Health Catalyst erzielt haben:
Ambulatory Intelligence ist das erste Produkt eines Portfolios und kein eigenständiges Tool. Lösungen für Kostenrechnung und klinische Qualität folgen auf derselben Datengrundlage. Hughes erwartet, dass sie sich durch ihre Verknüpfung gegenseitig verstärken, wobei die zugrunde liegenden Datenbestände einander stützen und Ignite Intelligence speisen. Letzteres analysiert frühere Verbesserungsmuster, um Zusammenhänge aufzudecken, die ein Kunde vielleicht noch nie gesehen hat.
Die Wirkung zeigt sich in den Ergebnissen, die Organisationen durch die ambulante Verbesserungsarbeit von Health Catalyst erzielt haben.
Zukünftige Funktionen sollen Teams dabei helfen, schneller von der Erkenntnis zum Handeln überzugehen, indem sie auf die wachsende Evidenzdatenbank von Health Catalyst zurückgreifen.
Die langfristige Perspektive ist das, was Hughes am meisten begeistert. Health Catalyst verfügt über 18 Jahre an proprietären Verbesserungsdaten, und der Plan ist, diese Historie in Modelle zu verwandeln, die ein Problem nicht nur beschreiben:
„Das absolut Spannendste, was wir einbringen, sind diese Tausenden von realen Ergebnissen, die in AI-gestützte Modelle umgewandelt und fest in unsere Lösungen integriert sind“, so Hughes. „Sie werden Organisationen helfen zu verstehen, welche Interventionen in ähnlichen Situationen funktioniert haben, und Teams zu den Ansätzen führen, die am ehesten eine messbare Wirkung erzielen. Personalisierte Playbooks, schnell verfügbar.“
Diese Richtung weist auf agentische Fähigkeiten hin. Basierend auf Frameworks wie Databricks Agent Bricks werden zukünftige Versionen der Lösung über die bloße Identifizierung von Chancen hinausgehen und den gesamten Weg bis zur Erzielung von Ergebnissen unterstützen. Diese Arbeit liegt noch vor uns, aber die Datengrundlage, auf der sie aufbaut, ist bereits in Produktion.
Die Informationen, die Führungskräfte im Gesundheitswesen für ihr Wachstum benötigen, waren schon immer irgendwo in ihren Daten vorhanden. Die Lücke lag nie im Zugriff darauf. Sie bestand in der Fähigkeit, die wichtigsten Chancen und Einschränkungen zu identifizieren, dort einzugreifen, wo Maßnahmen die größte Wirkung zeigen, und Ergebnisse mit Zuversicht zu verbessern.
Health Catalyst hat Ambulatory Intelligence entwickelt, um Gesundheitssysteme dabei zu unterstützen, die operativen Barrieren abzubauen, die das ambulante Wachstum einschränken. Dies geschieht durch einen verbesserten Zugang, eine stärkere Bindung von Überweisungen, die Optimierung der Kapazitäten von Dienstleistern und die Steigerung der finanziellen Leistung.
Sehen Sie selbst, wie Ambulatory Intelligence funktioniert und was es in Ihrer eigenen Umgebung zutage fördern kann.
(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag
Abonnieren Sie unseren Blog und erhalten Sie die neuesten Beiträge direkt in Ihren Posteingang.