Wie simuliert man einen Patienten technisch realistisch?

Wenn ich erzähle, dass wir bei Rescuemation Patienten simulieren, kommt fast immer dieselbe Rückfrage: „Also ein Chatbot, der so tut, als wäre er krank?“ Die ehrliche Antwort: Das wäre die einfache Version – und sie würde nicht funktionieren. Warum, das lässt sich am besten erklären, wenn man die Frage in ihre drei Ebenen zerlegt.

Ebene 1: Der Körper – ein Zustandsmodell, kein Text

Ein simulierter Patient braucht zuerst einmal einen Zustand, der unabhängig vom Gespräch existiert: Vitalparameter, Symptome, Verlauf der Erkrankung. Dieser Zustand muss sich verändern – durch die Zeit, die vergeht, und durch das, was die Studierenden tun oder eben nicht tun.

Das ist der Teil, den man nicht einem Sprachmodell überlassen sollte. Ein LLM, das nach Gefühl entscheidet, ob der Blutdruck jetzt fällt, produziert vielleicht dramatische Geschichten, aber keine medizinisch konsistenten Verläufe. Wer dreimal dieselbe Entscheidung trifft, muss dreimal eine vergleichbare Reaktion bekommen – sonst lernt niemand etwas, außer dass die Simulation würfelt.

Deshalb gehört die Physiologie in ein deterministisches Modell: definierte Zustände, definierte Übergänge, nachvollziehbare Regeln. Das klingt unspektakulär, ist aber das Fundament. Der spannende Architektur-Grundsatz dahinter: deterministischer Kern, generative Hülle.

Ebene 2: Das Verhalten – wo generative KI glänzt

Auf der zweiten Ebene wird es menschlich. Ein echter Patient antwortet nicht in Lehrbuchsätzen. Er verharmlost, schweift ab, hat Angst, vergisst die Hälfte seiner Medikamente. Genau diese Unschärfe macht Anamnese schwer – und genau sie fehlt klassischen Simulationen mit vorgefertigten Antwortbäumen.

Hier spielen Sprachmodelle ihre Stärke aus: Sie erzeugen natürliche, variantenreiche Dialoge. Aber sie tun das bei uns unter strengen Leitplanken. Das LLM darf formulieren, wie der Patient etwas sagt – was medizinisch wahr ist, kommt aus dem Zustandsmodell der ersten Ebene. Der Patient darf nervös seine Symptome herunterspielen, aber er darf keine Symptome erfinden, die sein Krankheitsbild nicht hergibt.

Ebene 3: Die Zeit – Realismus ist ein Latenzproblem

Die dritte Ebene wird oft unterschätzt: Timing. Wenn zwischen Frage und Antwort fünf Sekunden Stille liegen, zerfällt jede Illusion – egal wie gut die Antwort ist. Umgekehrt wirkt eine Antwort, die schneller kommt, als ein Mensch sprechen könnte, genauso künstlich.

Technisch heißt das: Latenz ist bei uns kein Performance-Thema unter „ferner liefen“, sondern eine Produkteigenschaft. Sie beeinflusst Modellwahl, Streaming-Strategie und Architekturentscheidungen mehr als die meisten Feature-Wünsche.

Glaubwürdig schlägt vollständig

Die vielleicht wichtigste Erkenntnis aus dieser Arbeit: Das Ziel ist nicht die physiologisch vollständige Simulation eines Menschen – das wäre ein Forschungsprojekt für Jahrzehnte. Das Ziel ist didaktische Treue: Die Simulation muss in genau den Momenten realistisch sein, in denen Studierende etwas lernen sollen.

Ein Patient, dessen Leberwerte auf drei Nachkommastellen stimmen, aber der auf eine falsche Entscheidung nicht reagiert, ist wertlos. Ein Patient, der auf die entscheidenden Handlungen glaubwürdig, konsistent und zeitnah reagiert, ist ein Lernwerkzeug – auch wenn im Hintergrund ein bewusst vereinfachtes Modell läuft.

Realismus ist in der Simulation keine Frage der Detailtiefe. Er ist eine Frage davon, ob die Konsequenzen stimmen.