Hallo zusammen,

da das Thema Telefonüberlastung bei uns wie in vielen Praxen ein Dauerthema war, habe ich nach einer unkomplizierten Lösung gesucht, um Routineanliegen (Rezept- und Überweisungswünsche) strukturiert abzufangen.

Kommerzielle KI-Telefonassistenten (Aaron, Vitas & Co.) kamen für mich aus mehreren Gründen nicht infrage:

Laufende Kosten: Oft 300 € und mehr monatlich.
Abhängigkeit von Dritten und Zeit für Onboarding, Inbetriebnahme usw.
Haftungs- und Notfallrisiko: Wenn ein Patient am Telefon akute Brustschmerzen schildert und die Cloud-KI das nicht sauber als Notfall abfängt, ist man am Ende verantwortlich.
Datenschutz: Nahezu alle Sprachbots leiten Audiodaten über fremde Server oder Cloud-Schnittstellen. Ich wollte es lokal lösen.

Ich habe mir deshalb ein schlankes, rein lokales Setup gebaut: Die FRITZ!Box nimmt auf, ein beliebiger Praxis-Mac transkribiert die Audionachricht mit Open-Source-KI (faster-whisper), und das fertige Transkript landet formatiert im Tomedo-Postfach.

Das System läuft geräuschlos im Dauerbetrieb. Anbei die Dokumentation zum Nachbauen.

1. Die Architektur im Überblick

$$
[ Patient ruft an ]
│
▼
[ FRITZ!Box Anrufbeantworter ]
│ (sendet .wav per E-Mail)
▼
[ E-Mail-Konto: Label "abwav" ] <─── isolierter Ordner (INBOX bleibt unberührt)
│ (stiller IMAP-Abruf via BODY.PEEK)
▼
[ Praxis-Mac: schneller lokaler Mac (M-Chip) ]
│ (Transkription rein lokal via faster-whisper / turbo)
▼
[ E-Mail an Tomedo: "ab-text@meinepraxis.de" ]
│ (HTML-formatiertes Transkript, fett als UNGELESEN markiert in Tomedo Inbox)
▼
[ Original-Audio wird in den Papierkorb verschoben ] (Datensparsamkeit)
$$

Der Ablauf für die MFA an der Rezeption:
Niemand muss mehr Sprachnachrichten abhören. In Tomedo ploppt im internen E-Mail-Konto/in der Inbox eine neue Nachricht auf. Man liest in 3 Sekunden Name, Geburtsdatum und Medikamentenwunsch (groß hervorgehoben), öffnet den Patienten und stellt das E-Rezept oder die Überweisung aus.

2. Das FRITZ!Box-Setup (Wochensteuerung & 24h-Rezeptannahme)

Damit das Ganze im Praxisalltag funktioniert, nutze ich in FRITZ!OS zwei zeitgesteuerte Anrufbeantworter auf derselben Hauptrufnummer (plus einen Urlaubs-AB). In modernen FRITZ!OS-Versionen kann ein einzelner AB praktischerweise zwei getrennte Ansagen verwalten (eine für „Nachrichten aufnehmen“ und eine für „Nur Ansage“).

AB 1: Sprechzeiten-Überlauf

Rufannahme: nach 20–25 Sekunden (Team hat genug Zeit, zuerst persönlich ans Telefon zu gehen).
Betriebsart: Nachrichten aufnehmen.
Zeitsteuerung: Nur während der regulären Sprechzeiten aktiv (Mo–Fr dunkelblau). Außerhalb der Sprechzeiten komplett auf „aus“ (weiß).

AB 2: Außerhalb der Sprechzeiten

Rufannahme: Sofort (0 Sekunden) (nach Praxisschluss muss niemand 20 Sekunden warten).
Zeitsteuerung & Ansagen:
- Mo–Fr nachts & abends (Dunkelblau = Nachrichten aufnehmen): Hier greift die Feierabend-Ansage. Patienten können unter der Woche 24 Stunden rund um die Uhr ihre Rezepte aufsprechen.
- Samstag & Sonntag ganztägig (Hellblau = Nur Ansage): Hier greift eine reine Wochenend-Infoansage (Notdienst 116 117 / 112, Online-Termine, Rezeptannahme ab Montagmorgen). Der AB legt danach auf. So läuft das Postfach am Wochenende nicht voll.
- Während der Sprechzeiten (Weiß = aus): Komplett stumm, da hier AB 1 aktiv ist.

AB 3: Urlaub

Reiner Infotext („Nur Ansage“, sofortige Annahme). Bleibt im Alltag einfach deaktiviert und wird vor Praxisurlauben in der FRITZ!Box (oder am FRITZ!Fon) aktiviert.

3. Natürliche Ansagen via edge-tts & die „Endansage-Falle“

Die FRITZ!Box-Standard-Sprachsynthese klingt blechern und ist auf 250 Zeichen begrenzt. Ich habe die Ansagen daher vorab mit dem kostenlosen Python-Tool edge-tts (Microsoft Neural Voices) als MP3 erzeugt:

$$
pip install edge-tts
edge-tts --voice de-DE-FlorianMultilingualNeural --rate="-4%" --text "Herzlich willkommen..." --write-media ansage.mp3
$$

(Die Stimme de-DE-FlorianMultilingualNeural klingt mit -4% Sprechgeschwindigkeit ruhig, natürlich und ist auch für ältere Patienten verständlich).

Wichtige Praxiserfahrungen bei den Texten:

Die Endansage-Falle: Nahezu alle Anrufer legen auf, sobald sie fertig gesprochen haben. Sie hören die FRITZ!Box-Endansage im Alltag niemals (diese wird von der FRITZ!Box nur abgespielt, wenn das Aufnahme-Zeitlimit von z. B. 180 Sekunden abläuft).
Konsequenz: Alle wichtigen Erwartungen müssen zwingend vor den Signalton in die Hauptansage:
„Sofern Ihre Versichertenkarte im aktuellen Quartal bereits eingelesen ist, können Sie Ihr E-Rezept ab dem nächsten Werktag direkt in jeder Apotheke einlösen. Wir rufen Sie nur an, falls Rückfragen bestehen.“
Endansage nur für Dauerquatscher: Die Endansage nutze ich nur noch als Timeout-Hinweis für Anrufer, die die vollen 3 Minuten ausnutzen („Die maximale Aufnahmezeit ist nun erreicht. Vielen Dank für Ihre Nachricht...“).
Phonetische Schreibweise von Domains: Neural-Stimmen neigen dazu, z.B. Bindestriche in Domains zu verschlucken oder „de“ als Silbe auszusprechen. Im Ansagentext schreibt man Domains daher am besten phonetisch aus: Praxis minus Meinepraxis Punkt D E.

4. Technisches Setup des Transkriptors (macOS)

Wahl des Rechners

Ich lasse das Skript nicht auf dem Tomedo-Server laufen, sondern auf einem Mac mini an der Anmeldung (M-Chip). Ein 30-Sekunden-Audio wird dort mit dem Modell turbo in etwa 1 bis 2 Sekunden transkribiert.

Voraussetzungen

Im Terminal des Macs einmalig die Xcode-Tools installieren:

$$
xcode-select --install
$$

Ordner & Virtual Environment einrichten

$$
mkdir -p ~/PraxisTools/fritz_transcriber
cd ~/PraxisTools/fritz_transcriber
python3 -m venv venv
./venv/bin/pip install --upgrade pip
./venv/bin/pip install faster-whisper
$$

E-Mail-Sicherheitskonzept

Das Skript greift niemals auf die normale INBOX zu!

Die FRITZ!Box schickt die Mails an einen eigenen Alias bzw. eine Filterregel im Mail-Konto (in meinem Fall Workspace/Gmail) verschiebt sie sofort in das Label/den Ordner abwav (unter Umgehung des Posteingangs).
Das Python-Skript ist auf den Ordner abwav isoliert. Es hat im Code eine Sperre, die Zugriffe auf INBOX oder Alle Nachrichten strikt verweigert. So ist ausgeschlossen, dass reguläre Praxis-Mails berührt oder gelöscht werden.

Konfiguration (config.json)

$$
{
"gmail_adresse": "info@meinepraxis.de",
"app_passwort": "hier-generiertes-app-passwort",
"gmail_label": "abwav",
"ziel_email": "ab-text@meinepraxis.de",
"check_intervall_sekunden": 30,
"whisper_model": "turbo",
"audio_loeschen_nach_verarbeitung": true
}
$$

(Hinweis: Bei Google Workspace oder Microsoft 365 nutzt man hierfür am besten ein eigenes App-Passwort mit 2FA und nicht das Masterpasswort!).

Gelöste Stolperfallen im Python-Skript:

Kein versehentliches Gelesen-Markieren: Beim IMAP-Abruf nutze ich BODY.PEEK[] statt RFC822. Bricht der Abruf ab, bleibt die E-Mail auf dem Server unberührt.
Idempotenz: Verarbeitete Message-IDs werden in processed_ids.txt gecacht. Doppelte Transkriptionen sind damit auch bei einem Skript-Neustart ausgeschlossen.
RAM-Verarbeitung: Die .wav-Datei wird direkt im Arbeitsspeicher (io.BytesIO) an faster-whisper übergeben, ohne dass temporäre Audio-Dateien auf die SSD geschrieben werden müssen.
Gmail-Eigenheit bei Selbstversand: Wenn ein Postfach eine E-Mail an sich selbst (oder einen Alias desselben Kontos) schickt, markiert Google diese oft automatisch als gelesen. Das Skript setzt nach dem Versenden per IMAP sofort das Flag -FLAGS \Seen, damit die Mail in Tomedo zuverlässig fett als ungelesen erscheint.
Datensparsamkeit: Erst nach erfolgreicher Zustellung in Tomedo wird die Audio-Mail in abwav in den Papierkorb verschoben.

5. Dauerbetrieb als macOS-Hintergrunddienst (launchd)

Damit das Skript nach jedem Rechnerneustart automatisch im Hintergrund läuft, ohne dass ein Terminalfenster offen bleiben muss, richtet man einen macOS-Dienst ein:

Datei ~/Library/LaunchAgents/de.meinepraxis.abtranscribe.plist:

$$
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
<key>Label</key>
<string>de.meinepraxis.abtranscribe</string>
<key>ProgramArguments</key>
<array>
<string>/Users/IHR_MAC_BENUTZERNAME/PraxisTools/fritz_transcriber/venv/bin/python3</string>
<string>/Users/IHR_MAC_BENUTZERNAME/PraxisTools/fritz_transcriber/transcribe_ab.py</string>
</array>
<key>RunAtLoad</key>
<true/>
<key>KeepAlive</key>
<true/>
<key>Nice</key>
<integer>15</integer>
<key>StandardOutPath</key>
<string>/Users/IHR_MAC_BENUTZERNAME/PraxisTools/fritz_transcriber/transkriptor.log</string>
<key>StandardErrorPath</key>
<string>/Users/IHR_MAC_BENUTZERNAME/PraxisTools/fritz_transcriber/transkriptor.log</string>
</dict>
</plist>
$$

Der Eintrag <key>Nice</key><integer>15</integer> weist macOS an, dem Prozess eine niedrige Systempriorität zu geben. Sollte auf dem Mac mini gleichzeitig in Tomedo gearbeitet werden, hat Tomedo immer Vorfahrt.

Dienst aktivieren:

$$
launchctl load ~/Library/LaunchAgents/de.meinepraxis.abtranscribe.plist
$$

6. Fazit

Gerade ältere Patienten oder Analphabeten können uns jetzt eine Nachricht hinterlassen, ohne dass wir einen Anrufbeantworter abhören müssen
Die MFA arbeiten die eingegangenen E-Mails blockweise ab, wenn gerade kein Patient an der Rezeption steht.
0 € laufende Kosten, keine Cloud-Abhängigkeiten und 100 % Konformität mit § 203 StGB und DSGVO.