Lösungen

Bauen Sie eine Evidenzumgebung rund um Ihr bestehendes Wissen auf.

Jeder der folgenden Bereiche kann für sich angegangen werden. Die meisten Vorhaben beginnen mit einer Sammlung, einer Frage oder einem Arbeitsablauf.

Evidenzsuche

Problem: Relevantes Material existiert, ist aber über Systeme verteilt, die nicht miteinander kommunizieren.
Was Evidence Compass leisten kann: Ein einziger Einstiegspunkt zum Durchsuchen und Sichtbarmachen infrage kommender Evidenz über verschiedene Quellen hinweg.
Mögliche beteiligte Daten: Publikationsdatensätze, Abstracts, Volltexte, Leitliniendokumente, interne Berichte.
Mögliche Integrationen: Bibliografische Datenbanken, Dokumentenspeicher, Intranets, bestehende Suchindizes.
Menschliche Rolle: Fachpersonen entscheiden, was tatsächlich relevant ist und ausreichende Qualität aufweist.

Problem: Es ist schwer zu erkennen, was eine Evidenzbasis abdeckt – und wo sie dünn ist.
Was Evidence Compass leisten kann: Strukturierte Karten über Interventionen, Ergebnisse, Populationen, Settings und Quellen.
Mögliche beteiligte Daten: Codierte Studienmerkmale, Taxonomien, Klassifikationen, Extraktionstabellen.
Mögliche Integrationen: Review-Plattformen, Tabellenkalkulationen, statistische und Codierungs-Workflows.
Menschliche Rolle: Fachpersonen definieren die Dimensionen und interpretieren die Lücken.

Problem: Institutionelles Wissen steckt in Dokumenten, die niemand sinnvoll durchsuchen kann.
Was Evidence Compass leisten kann: Strukturierte Extraktion, Metadaten, Klassifikation und navigierbare Dokumentensammlungen.
Mögliche beteiligte Daten: PDFs, Berichte, Leitlinien, Protokolle, interne Dokumentation.
Mögliche Integrationen: Dokumentenmanagementsysteme, SharePoint-artige Repositorien, Objektspeicher.
Menschliche Rolle: Fachpersonen validieren die Extraktion und bestätigen, was das Dokument tatsächlich aussagt.

Problem: Neue Teammitglieder brauchen Monate, um zu lernen, wo sich was befindet.
Was Evidence Compass leisten kann: Geführte Routen durch eine Evidenzbasis nach Thema, Frage oder Arbeitsablauf.
Mögliche beteiligte Daten: Themenstrukturen, kuratierte Sammlungen, Beziehungen zwischen Datensätzen.
Mögliche Integrationen: Bestehende Kataloge, Literaturverwaltungen, interne Wikis.
Menschliche Rolle: Fachpersonen kuratieren die Routen und halten sie aktuell.

Problem: Evidenz liegt in Tabellen, die nicht sicher abgefragt oder gepflegt werden können.
Was Evidence Compass leisten kann: Eine sauber modellierte relationale Evidenzdatenbank mit klarer Versionierung.
Mögliche beteiligte Daten: Studien, Interventionen, Ergebnisse, Populationen, Standorte, Organisationen.
Mögliche Integrationen: Bestehende Datenbanken, ETL-Pipelines, Analysetools, APIs.
Menschliche Rolle: Fachpersonen verantworten das Datenmodell, die Definitionen und die Qualitätsregeln.

Problem: Die Stichwortsuche übersieht relevantes Material und liefert zu viel Rauschen.
Was Evidence Compass leisten kann: Kombinierte strukturierte Filterung, kontrolliertes Vokabular und semantischer Abruf.
Mögliche beteiligte Daten: Indexierter Text, Metadaten, Synonyme, Taxonomiebegriffe.
Mögliche Integrationen: Suchmaschinen, Vektorindizes, bestehende Portale.
Menschliche Rolle: Fachpersonen prüfen Ergebnisse und verfeinern das Vokabular im Laufe der Zeit.

Problem: Der Vergleich von Studien oder Interventionen ist repetitive manuelle Arbeit.
Was Evidence Compass leisten kann: Strukturierter Nebeneinandervergleich über ausgewählte Dimensionen hinweg.
Mögliche beteiligte Daten: Vergleichbare extrahierte Felder, Klassifikationen, Studienmerkmale.
Mögliche Integrationen: Review-Tools, Analyseumgebungen, Exportformate.
Menschliche Rolle: Fachpersonen beurteilen die Vergleichbarkeit und interpretieren Unterschiede.

Problem: Komplexe Evidenzbeziehungen sind als Listen kaum zu erfassen.
Was Evidence Compass leisten kann: Karten, Netzwerke, Dashboards und interaktive Ansichten der Evidenzstruktur.
Mögliche beteiligte Daten: Entitäten, Beziehungen, Kennzahlen, Kategorien, Geografie.
Mögliche Integrationen: BI-Tools, Kartendienste, Berichts-Pipelines.
Menschliche Rolle: Fachpersonen entscheiden, was eine Visualisierung aussagen darf und was nicht.

Problem: Zusammenfassungen kursieren ohne klaren Weg zurück zu ihren Quellen.
Was Evidence Compass leisten kann: Dauerhafte Verknüpfungen von angezeigten Informationen zu Quellmaterial und Referenzen.
Mögliche beteiligte Daten: Zitationen, Kennungen, Dokumentstandorte, Extraktionsherkunft, Versionen.
Mögliche Integrationen: DOI-Resolver, Repositorien, Archivspeicher.
Menschliche Rolle: Fachpersonen bestätigen, dass eine Aussage tatsächlich durch ihre Quelle gestützt wird.

Problem: Evidenz und ihre Nutzenden erstrecken sich über mehrere Sprachen.
Was Evidence Compass leisten kann: Mehrsprachige Schnittstellen und Terminologiebehandlung über eine Evidenzbasis hinweg.
Mögliche beteiligte Daten: Übersetzte Schnittstellentexte, mehrsprachige Metadaten, Begriffszuordnungen.
Mögliche Integrationen: Übersetzungs-Workflows, Terminologiemanagement, Review-Prozesse.
Menschliche Rolle: Überprüfung durch Muttersprachler, bevor etwas veröffentlicht wird.

Problem: Evidenz kann von anderen Systemen oder Teams nicht wiederverwendet werden.
Was Evidence Compass leisten kann: Dokumentierte APIs und Exporte, damit Evidenz dorthin fliessen kann, wo sie benötigt wird.
Mögliche beteiligte Daten: Strukturierte Datensätze, kontrollierte Vokabulare, Kennungen.
Mögliche Integrationen: Interne Dienste, Partnersysteme, Analyseumgebungen, Portale.
Menschliche Rolle: Fachpersonen legen fest, was wem und unter welchen Bedingungen zugänglich gemacht werden darf.

Problem: Die Vorbereitung von Briefings und Optionen dauert länger als die Entscheidung selbst.
Was Evidence Compass leisten kann: Zusammengestellte, nachvollziehbare Evidenzbestände rund um eine konkrete Entscheidungsfrage.
Mögliche beteiligte Daten: Kuratierte Sammlungen, Vergleiche, Herkunftsnachweise, Notizen.
Mögliche Integrationen: Dokumenterstellung, Briefing-Workflows, Kollaborationstools.
Menschliche Rolle: Menschen treffen die Entscheidung und tragen die Verantwortung dafür.