fb-pixel
Zurück zu den Case Studies

Terveystalo: KI-Lösung für Kundenservice mit schnellerer Informationssuche und besserem Mitarbeitererlebnis

Gemeinsam mit Terveystalo entwickelte Futurice ‚Nero‘ – eine KI-Lösung, die Kundenservice-Teams schnellen Zugriff auf relevante Informationen bietet. Sie bündelt Datenquellen in einer benutzerfreundlichen Oberfläche und macht die Suche effizienter. Von Beginn an arbeiteten wir eng mit den Service-Teams zusammen. Ergebnis: hohe Akzeptanz, gesteigerte Effizienz und deutlich schnellere Abläufe.

Terveystalo ASKE GenAI case study header image of a health practitioner on tele consultation

Verwendete Technologien

  • Natural Language Processing (NLP)
  • Large Language Models (OpenAI)
  • Fortgeschrittenes Prompt-Engineering
  • Entitätenerkennung (Entity Recognition)
  • Strukturierte Informationsextraktion
  • Azure AI Search
  • Azure OpenAI
  • Unified Data Model/Schema
  • Python

Die Herausforderung

Die Service-Teams von Terveystalo bearbeiten jährlich rund 2,5 Millionen Kundenanrufe. Dabei müssen sie häufig auf zahlreiche Systeme und Tools zugreifen, um Vertragsinformationen, Standorte oder die richtigen Expert:innen zu finden. Zentrales Ziel des Projekts war es daher, schnelle Suchgeschwindigkeiten im Kundenservice zu ermöglichen. Entscheidend war zudem, dass die verfügbaren Informationen zuverlässig und aktuell sind – und dass das System auch bei hoher Auslastung effizient funktioniert, wenn mehr als 400 Mitarbeitende gleichzeitig nach Informationen suchen.

Zum Alltag im Kundenservice gehören Aufgaben wie die Verifizierung von Vertrags- und Zahlungsdetails, die den Zugriff auf verschiedene Systeme erfordern. Hinzu kommen häufige Anfragen zu Standorten und Expert:innen, etwa zu Arztprofilen, Praxisadressen, Öffnungszeiten oder Barrierefreiheit. All diese Informationen müssen schnell und verlässlich bereitgestellt werden.

Bislang war der Kundenservice stark auf erfahrene Mitarbeitende angewiesen, die sich über Jahre hinweg im komplexen Systemumfeld eingearbeitet hatten. Vieles davon war implizites Wissen. Neue Mitarbeitende benötigen daher Monate an Training, was Effizienz mindert, Kosten erhöht und sowohl die Mitarbeiter- als auch die Kundenzufriedenheit beeinträchtigt.

Ergebnisse und Mehrwert

  • Schnelle Akzeptanz durch die Service-Teams

  • Deutlich verkürzte Gesprächsdauer

  • Höhere Zufriedenheit bei Kund:innen und Mitarbeitenden

Unser Beitrag

Das Projekt wurde in zwei Phasen durchgeführt. In der ersten Phase – einem vierwöchigen Proof of Concept (PoC) – überprüften wir, ob die geplante Lösung die Arbeit der Service-Teams spürbar erleichtern würde. In der zweiten Phase erweiterten wir die Lösung um zusätzliche Datenquellen und entwickelten eine produktionsreife Version.

Wir arbeiteten eng mit den Service-Teams zusammen, nutzten ein agiles Entwicklungsmodell und sammelten kontinuierlich Feedback. Dieses Feedback floss direkt in die Weiterentwicklung der Anwendung ein.

In der ersten Phase lag der Fokus darauf, die Problemstellung klar zu erfassen und die wichtigsten Use Cases zu definieren. Wir identifizierten die am häufigsten genutzten Tools und Informationsquellen der Service-Teams. Innerhalb von zwei Wochen entstand die erste Version der KI-Lösung „Nero“, die direkt im Arbeitsalltag getestet werden konnte. Eine aktive Gruppe von Mitarbeitenden nutzte das Tool in realen Situationen und gab Rückmeldungen an das Entwicklungsteam. Parallel führten wir eine Business-Case-Analyse durch, um potenzielle Kosten und Nutzen zu bewerten und die Investitionsentscheidung von Terveystalo zu unterstützen.

„Nero“ erweiterte die Suchmöglichkeiten von Terveystalo und ermöglichte den Zugriff auf Systeme, die zuvor gar keine Suchfunktion hatten. Das neue Tool wurde bewusst so gestaltet, dass es für die Mitarbeitenden einfach zu nutzen war. Zusätzlich entwickelten wir KI-gestützte Funktionen, die parallel zur klassischen Suche eingesetzt werden konnten. Die KI verstand den Kontext, ermöglichte Abfragen in natürlicher Sprache und strukturierte unstrukturierte Daten, um die Suche zu verbessern. So konnte das System beispielsweise bei der Suche nach einem „aktiven Vertrag“ automatisch zwischen aktiven und inaktiven Verträgen unterscheiden – eine Aufgabe, die zuvor mehrere Suchanfragen oder manuelle Prüfungen erfordert hätte.

Während des gesamten Projekts lag ein Schwerpunkt darauf, die Mitarbeitenden beim Umstieg auf die neue Suchmethode zu unterstützen – durch aktive Einbindung in die Entwicklung und gezielte Trainings.

In der zweiten Phase erweiterten wir die Lösung gemeinsam mit dem Datenteam von Terveystalo um zusätzliche Datenquellen. Die Anwendung musste schnelle und präzise Ergebnisse auch bei Hunderten gleichzeitiger Suchanfragen liefern. Dafür prüften wir sorgfältig, wie Large Language Models (LLMs) eingesetzt werden konnten, ohne Geschwindigkeit, Genauigkeit oder Kosteneffizienz zu beeinträchtigen. Da das direkte Verarbeiten aller Suchanfragen über LLMs nicht praktikabel war, setzten wir auf Pre-Processing: natürliche Sprache wurde vorab strukturiert, sodass die Suche deutlich effizienter wurde.

Parallel dazu arbeiteten wir mit den Architekt:innen von Terveystalo an einer skalierbaren KI-Architektur und bauten die Produktionsumgebung in Microsoft Azure auf. Diese Architektur bietet eine zentrale, kosteneffiziente Verwaltung von KI-Ressourcen im Cloud-Umfeld von Terveystalo. Sie ermöglicht zudem, weitere Datenquellen einfach einzubinden und neue Anwendungen für künftige Use Cases zu entwickeln.

The illustration on the work by Futurice with Terveystalo GenAI POC process flow.

Terveystalo verfügt bereits über ein stark ausgebautes Cloud-Umfeld und umfangreiche interne Expertise in Cloud-Technologien. Dadurch konnte das Nero-Projekt schnell und effizient umgesetzt werden – auf Basis bestehender Praktiken und nahtlos integriert in die Gesamtarchitektur von Terveystalo.

Das Ergebnis ist ein browserbasiertes Nero-Suchtool, mit dem Mitarbeitende Informationen parallel aus mehreren Quellen abrufen können. Wo zuvor verschiedene Systeme durchsucht und Informationen manuell zusammengetragen werden mussten, reicht heute eine einzige Suche – die Ergebnisse erscheinen gesammelt an einem Ort.

Unsere Contact-Center-Mitarbeitenden haben in diesem Jahr ein neues KI-gestütztes Tool erhalten, das Kundeninteraktionen reibungsloser und angenehmer macht, da Informationen nun schnell an einem Ort gefunden werden können. Gute und schnelle Zusammenarbeit mit Futurice war entscheidend – das Projektteam stellte sicher, dass die Agents von Anfang an in das Testen und die Entwicklung von Lösungen eingebunden waren, die ihre Arbeit wirklich erleichtern.
Tittaliisa Luoma
Customer Service Director Organization: Terveystalo

Warum es wichtig ist

Das Nero-Suchtool wurde im Herbst 2024 gelauncht, und das Feedback der Mitarbeitenden ist durchweg positiv. Die Lösung vereinfacht die Arbeit im Kundenservice spürbar. Besonders geschätzt wird die frühe Einbindung der Service-Teams in die Entwicklung.

Erste Messungen zeigen: Die optimierte Informationssuche verkürzt die Gesprächszeiten deutlich. In vielen Fällen sank die durchschnittliche Suchzeit von einer Minute auf nur noch 20–40 Sekunden. Angesichts von rund 2,5 Millionen Anrufen pro Jahr bedeutet das eine massive Zeitersparnis. Erste Berechnungen gehen davon aus, dass sich die Projektinvestition bereits im ersten Jahr amortisiert.

Über Terveystalo

Terveystalo ist der größte private Gesundheitsdienstleister Finnlands – gemessen an Umsatz und Netzwerk – und der führende Anbieter für Arbeitsmedizin in den nordischen Ländern. Im Jahr 2023 betreute Terveystalo rund 1,2 Millionen individuelle Kund:innen in Finnland mit insgesamt etwa 7,6 Millionen Besuchen. Das Unternehmen beschäftigt über 15.500 Fachkräfte im Gesundheits- und Wellnessbereich und erzielte 2023 einen Umsatz von 1,286 Milliarden Euro.

Get in touch

Get in touch

Wherever you are on your digital journey, our services and experts can help you along the way. Let's co-create your future together!