arc42-Architekturdokumentation: Leistungsabrechnung LEA
Dieser Artikel ist die vollständige arc42-Architekturdokumentation eines Fallbeispiels aus der Krankenversicherung. LEA prüft und rechnet ambulante Leistungsrechnungen weitgehend automatisiert ab, mit versionierten Regeln als Daten, einer BPMN-Fallsteuerung und AI-Diensten, die Daten liefern, aber keine Entscheide fällen. Die zwölf Kapitel folgen dem arc42-Template; Diagramme und Tabellen entsprechen der PDF-Fassung.
Hinweis
Die Dokumentation gibt es auch als PDF zum Lesen offline oder zum Weitergeben, 41 Seiten, 1.5 MB, Stand 16. November 2026: arc42-Architekturdokumentation Leistungsabrechnung LEA herunterladen.
Über dieses Dokument
LEA ist die Plattform, mit der die fiktive LimmatVita Krankenversicherung AG Leistungsrechnungen automatisiert prüft und abrechnet. Dieses Dokument beschreibt ihre Architektur nach dem arc42-Template (Version 8) in allen zwölf Kapiteln.
| Aspekt | Inhalt |
|---|---|
| Charakter | Fallbeispiel. Unternehmen, Kennzahlen, Teams und Entscheide sind erfunden. Tarife, Standards, Gesetze und Azure-Dienste sind real und unter «Quellen» belegt. |
| Systemumfang | Release 1: ambulante Rechnungen nach TARDOC und ambulanten Pauschalen, elektronisch und als Dokument. Stationäre SwissDRG-Rechnungen, Medikamente und Pflege folgen in späteren Releases. |
| Architekturstand | Baseline für Release 1. Der Pilot läuft im Schattenbetrieb parallel zum Altsystem. |
| Zielpublikum | Architektur-Board, Entwicklungsteams, Plattformbetrieb, Informationssicherheit, Datenschutzberatung, interne Revision |
| Notation | Kästen und Pfeile, angelehnt an C4 (Kontext, Container, Komponenten). Prozessmodelle in BPMN liegen im Repository, nicht in diesem Dokument. |
| Flüchtige Details | Versionsnummern von Bibliotheken, Sizing und Konfiguration stehen im Repository (Version Catalog, Kustomize-Overlays). Dieses Dokument hält fest, was länger als ein Release gilt. |
Rechtliche Aussagen sind Entwurfsannahmen des Fallbeispiels und keine Rechtsberatung.
1 Einführung und Ziele
LEA soll 85 % der ambulanten Leistungsrechnungen ohne manuellen Eingriff prüfen und abrechnen und dabei jeden Entscheid nachvollziehbar halten.
1.1 Aufgabenstellung
LimmatVita versichert rund 620'000 Personen in der obligatorischen Krankenpflegeversicherung (OKP) und in Zusatzversicherungen. Pro Jahr treffen etwa 8 Mio. Leistungsbelege ein: im Mittel 32'000 pro Arbeitstag, von Januar bis März bis 60'000. 82 % kommen elektronisch als XML, 18 % als Papier, PDF oder Foto.
Seit dem 1. Januar 2026 werden ambulante ärztliche Leistungen nach TARDOC und ambulanten Pauschalen abgerechnet; TARMED ist abgelöst (BAG). Das Altsystem wurde dafür mit hart codierten Regeln nachgezogen. Seither ist die Dunkelverarbeitungsquote elektronischer Rechnungen von 71 % auf 58 % gefallen. Dokumentbelege werden vollständig von Hand erfasst.
| Kennzahl | Heute (Altsystem) | Ziel mit LEA |
|---|---|---|
| Dunkelverarbeitung elektronische Rechnungen | 58 % | 90 % |
| Dunkelverarbeitung Dokumentbelege | 0 % | 60 % |
| Dunkelverarbeitung über alle Kanäle | 48 % | 85 % |
| Durchlaufzeit dunkel verarbeiteter Fälle (95. Perzentil) | 1 Arbeitstag (Nachtlauf) | 5 Minuten |
| Regeländerung bis Produktion | 6 bis 10 Wochen | höchstens 10 Arbeitstage |
Wesentliche Funktionen:
| ID | Funktion | Beschreibung |
|---|---|---|
| F1 | Eingang | XML-Rechnungen nach generalInvoiceRequest 5.0 (Forum Datenaustausch) sowie Dokumentbelege aus Kundenportal, App und Scan-Strasse annehmen |
| F2 | Dokumentenverständnis | Belege klassifizieren und in ein kanonisches Rechnungsmodell überführen, mit Konfidenz je Feld |
| F3 | Prüfung | Formal-, Deckungs- und Tarifprüfung sowie Auffälligkeitsprüfung gegen einen versionierten Regelstand |
| F4 | Fallsteuerung | Dunkel verarbeiten oder in einen Arbeitskorb leiten, mit Fristen, Eskalation und Vier-Augen-Prinzip |
| F5 | Abrechnung | Kostenbeteiligung berechnen, Leistungsabrechnung und Zahlungsauftrag erzeugen, Rechnungsantwort an Leistungserbringer senden |
| F6 | Nachweis | Entscheidhistorie lückenlos führen, Entscheide zum Stichtag reproduzieren, Belege archivieren |
Nicht im Umfang: Kostengutsprachen, Regress, Prämieninkasso, Tarifverhandlung und Vertragsmanagement.
1.2 Qualitätsziele
Die fünf Ziele sind nach Priorität geordnet. Bei Konflikten gewinnt das höhere Ziel. Messbare Szenarien dazu stehen in Kapitel 10.
| Prio | Qualitätsziel | Was das konkret heisst |
|---|---|---|
| 1 | Nachvollziehbarkeit und Korrektheit | Jeder Entscheid lässt sich mit Eingangsdaten, Regelstand und Modellversion reproduzieren. Fehlentscheide in der Dunkelverarbeitung liegen unter 0.5 % (Stichprobe). |
| 2 | Vertraulichkeit | Gesundheitsdaten werden nur in der Schweiz gespeichert und bearbeitet. Zugriff nach Need-to-know, jeder Zugriff protokolliert. |
| 3 | Automatisierungsgrad | Mindestens 85 % Dunkelverarbeitung über alle Kanäle, 95 % dieser Fälle in unter 5 Minuten entschieden. |
| 4 | Änderbarkeit | Neue Tarifversion oder Regeländerung in höchstens 10 Arbeitstagen produktiv. Reine Regeldaten ohne Software-Deployment. |
| 5 | Robustheit | Kein Beleg geht verloren. Fällt ein AI-Dienst aus, läuft die XML-Verarbeitung unverändert weiter. |
1.3 Stakeholder
| Rolle | Erwartung an die Architektur |
|---|---|
| Leiterin Leistungen (Auftraggeberin) | Automatisierungsgrad, Durchlaufzeit, Kosten je Beleg |
| Sachbearbeitende Leistungen (rund 140 Vollzeitstellen) | Ein Cockpit, verständliche Prüfhinweise, keine Doppelerfassung |
| Tarifspezialistinnen und -spezialisten | Regeln selbst pflegen, gegen historische Fälle testen und freigeben |
| Vertrauensärztlicher Dienst | Abgeschirmter Zugriff auf medizinische Angaben |
| Datenschutzberater und CISO | Datenhaltung Schweiz, Datenschutz-Folgenabschätzung, Zugriffskonzept |
| Interne Revision, Aufsicht (BAG für OKP, FINMA für Zusatzversicherung) | Nachvollziehbare Entscheide, kontrollierte Auslagerung, AI-Governance |
| Entwicklungsteams (3 Teams, 21 Personen) | Klare Modulgrenzen, schnelle Rückmeldung aus Tests |
| Plattformteam | Einheitliches Deployment, einheitliche Observability |
| Versicherte | Schnelle, verständliche Rückerstattung; menschliche Überprüfung auf Wunsch |
| Leistungserbringer | Zügige Zahlung, strukturierte und begründete Rückweisungen |
2 Randbedingungen
Drei Vorgaben prägen die Architektur am stärksten: Gesundheitsdaten bleiben in der Schweiz, jeder Entscheid muss begründbar sein, und der Betrieb läuft auf der bestehenden Azure-Plattform.
2.1 Technische Randbedingungen
| ID | Randbedingung | Hintergrund und Folge |
|---|---|---|
| T1 | Azure ist die strategische Cloud. Produktion in Switzerland North, Switzerland West nur für Backup und Notfall. | Gruppenvorgabe; die Landing Zone des Plattformteams besteht bereits. |
| T2 | Laufzeitplattform ist Kubernetes (AKS), ausgeliefert wird per GitOps mit Argo CD. | Plattformstandard. Teams haben keinen schreibenden Clusterzugriff. |
| T3 | Backend in Java mit Spring Boot, relationale Daten in PostgreSQL. | Unternehmensstandard und Know-how der Teams. |
| T4 | Geschäftsprozesse werden in BPMN auf Flowable modelliert. | Flowable ist seit 2021 für Vertragsmutationen im Einsatz; Betriebserfahrung vorhanden. |
| T5 | Das Kernsystem «Bestand» (Partner, Policen, Deckungen) bleibt führend und on-premises. Zugriff nur über dessen REST-API. | Ablösung nicht vor 2029. LEA darf dessen Daten puffern, aber nicht ändern. |
| T6 | Elektronische Rechnungen folgen den Standards des Forum Datenaustausch: generalInvoiceRequest und generalInvoiceResponse 5.0. Version 4.5 nimmt LimmatVita nur noch für Storni und Mahnungen zu Altfällen an. | Branchenstandard (Forum Datenaustausch). |
| T7 | Stationäre SwissDRG-Rechnungen mit medizinischem Datensatz laufen über die zertifizierte Datenannahmestelle nach Art. 59a KVV. | Nicht Teil von Release 1. LEA erhält daraus später nur die freigegebenen Angaben. |
| T8 | AI-Dienste werden nur genutzt, wenn die Verarbeitung in der Schweiz erfolgt und der Anbieter die Daten nicht zum Training verwendet. | Folgt aus R3. Schränkt die Modellauswahl ein (siehe ADR-004, Risiko RK1). |
2.2 Organisatorische Randbedingungen
| ID | Randbedingung | Hintergrund und Folge |
|---|---|---|
| O1 | Drei Teams entwickeln LEA: «Eingang und Dokumente», «Prüfung und Regeln», «Abrechnung und Cockpit». Das Plattformteam stellt Cluster, Pipelines und Observability. | Bausteingrenzen folgen den Teamgrenzen. |
| O2 | Die Regelpflege liegt beim Tarifteam im Fachbereich, nicht in der IT. | Regeln sind Daten mit eigenem Freigabeprozess. |
| O3 | Software-Releases alle zwei Wochen, Regeldaten bei Bedarf täglich. | Regeldaten und Code haben getrennte Lieferwege. |
| O4 | Vier-Augen-Prinzip für manuelle Zahlungsfreigaben über CHF 5'000 und für jede Regelfreigabe. | Internes Kontrollsystem. |
| O5 | Schattenbetrieb parallel zum Altsystem, bis die Abweichungsquote vier Wochen in Folge unter 0.5 % liegt. | Abnahmekriterium für die Umschaltung je Rechnungstyp. |
| O6 | Architekturdokumentation, ADRs und BPMN-Modelle liegen im Repository und werden per Pull Request geändert. | Docs as Code; dieses Dokument wird daraus erzeugt. |
2.3 Regulatorische Randbedingungen
| ID | Randbedingung | Folge für die Architektur |
|---|---|---|
| R1 | KVG und KVV: Leistungen müssen wirksam, zweckmässig und wirtschaftlich sein. Der Versicherer prüft die Rechnungen darauf. | Prüfkern mit Tarif- und Auffälligkeitsregeln; begründete Rückweisungen. |
| R2 | Der vertrauensärztliche Dienst gibt nur jene medizinischen Angaben weiter, die für den Leistungsentscheid nötig sind (Art. 57 KVG). | Abgeschirmter Bereich mit eigenen Rollen und eigener Datenablage. |
| R3 | Datenschutzgesetz (DSG): Gesundheitsdaten sind besonders schützenswert. Im OKP-Bereich handelt der Versicherer als Bundesorgan, in der Zusatzversicherung als Privater. | Datenhaltung Schweiz, Datenschutz-Folgenabschätzung, Mandantentrennung OKP und Zusatz. |
| R4 | Automatisierte Einzelentscheide (Art. 21 DSG): Die betroffene Person wird informiert und kann eine Überprüfung durch einen Menschen verlangen. Bundesorgane kennzeichnen solche Entscheide. | Kennzeichnung auf der Leistungsabrechnung, Einsprachekanal, der einen manuellen Fall eröffnet. |
| R5 | Aufsicht durch das BAG (OKP) und die FINMA (Zusatzversicherung). Das FINMA-Rundschreiben 2018/3 regelt Auslagerungen; LimmatVita wendet es gruppenweit an. | Prüfrechte, dokumentierte Exit-Strategie, portable Technologiewahl. |
| R6 | FINMA-Aufsichtsmitteilung 08/2024 zu Künstlicher Intelligenz: Inventar, Tests, laufende Überwachung, Dokumentation, Erklärbarkeit, unabhängige Überprüfung. | AI-Governance in Kapitel 8.4. |
| R7 | Belege und Entscheide werden 10 Jahre unveränderbar aufbewahrt (Art. 958f OR). | Archiv mit Schreibschutz (WORM), getrennt von den operativen Datenbanken. |
3 Kontextabgrenzung
LEA verantwortet die Rechnung vom Eingang bis zum Zahlungsauftrag und zur Leistungsabrechnung. Vertragsdaten, Zahlungsverkehr und Druck bleiben in den Nachbarsystemen.
3.1 Fachlicher Kontext
Pfeile zeigen die Richtung des Datenflusses. Doppelpfeile stehen für Rückmeldungen wie Rechnungsantwort oder Zahlungsstatus.
| Nachbar | Liefert an LEA | Erhält von LEA |
|---|---|---|
| Leistungserbringer (Praxen, Spitalambulatorien, Therapeuten), angebunden über Intermediäre | Elektronische Rechnungen, Storni, Antworten auf Rückfragen | Rechnungsantwort: akzeptiert, Rückfrage oder begründete Rückweisung |
| Versicherte, über Kundenportal und App | Rückforderungsbelege als PDF oder Foto, Einsprachen | Status des Belegs, Leistungsabrechnung |
| Scan-Dienstleister | Gescannte Papierbelege mit Metadaten | Quittung je Lieferung |
| Kernsystem Bestand | Versicherte Person, Deckungen und Produkte zum Behandlungsdatum | Nichts; LEA liest nur |
| Tarif- und Registerdaten | Tarifkataloge (TARDOC, ambulante Pauschalen), Taxpunktwerte, Leistungserbringer-Register (ZSR, GLN) | Nichts |
| Finanzsystem | Zahlungsstatus, Rückläufer | Zahlungsaufträge an Leistungserbringer und Versicherte |
| Output-Management | Versandstatus | Aufträge für Leistungsabrechnungen und Schreiben |
| Sachbearbeitung, vertrauensärztlicher Dienst, Tarifteam | Entscheide, Korrekturen, Regeländerungen | Arbeitskörbe, Prüfhinweise, Testergebnisse |
| AI-Dienste der Cloud-Plattform | Extrahierte Felder, Textvorschläge | Belegbilder, minimierte Textausschnitte |
| Data Warehouse | Nichts | Pseudonymisierte Ereignisse und Kennzahlen |
| Altsystem Leistungen (nur im Schattenbetrieb) | Dessen Entscheid je Rechnung | Nichts |
3.2 Technischer Kontext
| Partner | Kanal | Format | Hinweise |
|---|---|---|---|
| Intermediäre | HTTPS mit gegenseitiger TLS-Authentisierung, Abholung alle 2 Minuten | generalInvoiceRequest und generalInvoiceResponse 5.0 (XML) | Schema-Validierung am Eingang; Quittung erst nach dauerhafter Ablage |
| Kundenportal und App | REST, OAuth 2.0 | PDF, JPEG, HEIC bis 20 MB | Virenprüfung vor Ablage; Upload ist idempotent über eine Beleg-ID des Portals |
| Scan-Dienstleister | SFTP, vier Lieferungen pro Arbeitstag | PDF/A mit JSON-Begleitdatei | Stapelweise Quittung, fehlende Seiten werden zurückgemeldet |
| Kernsystem Bestand | REST über ExpressRoute, synchron | JSON | Zeitlimit 800 ms; Antworten 15 Minuten gepuffert; stichtagsbezogene Abfrage |
| Tarifkataloge, Taxpunktwerte | Dateiimport durch das Tarifteam | Kataloge der Tariforganisation, CSV | Import erzeugt einen neuen Regelstand im Entwurf, nie direkt produktiv |
| Register ZSR und GLN | Täglicher Abgleich | CSV | Historisiert; Prüfung gegen den Stand am Behandlungsdatum |
| Finanzsystem | Kafka-Ereignis, Adapter ruft REST-API des Finanzsystems | JSON | Zahlungslauf und Bankanbindung liegen im Finanzsystem |
| Output-Management | REST, asynchrone Rückmeldung | JSON mit Dokumentdaten | Vorlagen liegen im Output-Management |
| Azure AI Document Intelligence | REST über privaten Endpunkt | Belegbild hin, JSON zurück | Nur Switzerland North |
| Azure OpenAI | REST über privaten Endpunkt | JSON | Regionale Bereitstellung; nur minimierte Texte ohne Namen und Versichertennummer |
| Data Warehouse | Kafka-Topics | Avro | Pseudonymisierung vor der Veröffentlichung |
| Microsoft Entra ID | OpenID Connect | Tokens | Anmeldung der Mitarbeitenden, Workload Identity für Dienste |
4 Lösungsstrategie
LEA trennt, was sich unterschiedlich schnell ändert: Regeln sind versionierte Daten, Abläufe sind BPMN-Modelle, AI-Dienste sitzen hinter austauschbaren Schnittstellen. Der Entscheid selbst fällt immer in deterministischem Code oder durch einen Menschen.
4.1 Vom Qualitätsziel zum Ansatz
| Qualitätsziel | Ansatz | Vertieft in |
|---|---|---|
| 1 Nachvollziehbarkeit | Der Prüfkern ist eine reine Funktion: Rechnung, Kontext und Regelstand hinein, Prüfergebnis heraus. Jeder Entscheid speichert Eingaben, Regelstand-ID und Modellversionen. | 5.2, 8.2, ADR-002 |
| 1 Nachvollziehbarkeit | AI liefert Daten und Hinweise, nie den Entscheid. Kürzungen und Rückweisungen stammen aus Regeln oder von Menschen. | 8.4, ADR-008 |
| 2 Vertraulichkeit | Alle Daten und alle Verarbeitung in Switzerland North, private Endpunkte, eigene Schlüssel. AI-Dienste erhalten nur, was sie für die Aufgabe brauchen. | 7, 8.3 |
| 3 Automatisierungsgrad | Zwei Eingangspfade münden in ein kanonisches Rechnungsmodell. Konfidenzschwellen je Feld bestimmen, was dunkel läuft. | 5.3, 6.2 |
| 3 Automatisierungsgrad | Die Fallsteuerung behandelt Dunkelverarbeitung als Normalpfad. Menschen kommen nur über definierte Aufgaben ins Spiel. | 6.1, ADR-001 |
| 4 Änderbarkeit | Regeln sind zeitlich versionierte Daten, die das Tarifteam pflegt, gegen historische Fälle testet und freigibt. | 8.2 |
| 4 Änderbarkeit | Acht fachlich geschnittene Services mit hexagonalem Aufbau. Nachbarsysteme sind über Adapter entkoppelt. | 5.1, ADR-007 |
| 5 Robustheit | Asynchrone Kopplung über Kafka mit Transactional Outbox und idempotenten Verbrauchern. Fällt ein AI-Dienst aus, gehen Dokumentbelege in die manuelle Erfassung. | 6.3, 8.6, ADR-005, ADR-006 |
4.2 Technologieentscheide im Überblick
| Bereich | Wahl | Kurzbegründung |
|---|---|---|
| Backend | Java, Spring Boot | Unternehmensstandard (T3) |
| Prozesssteuerung | Flowable mit BPMN, DMN für Routingregeln | Vorgabe T4; Aufgaben, Fristen und Eskalation ohne Eigenbau |
| Messaging | Apache Kafka, betrieben mit Strimzi auf AKS | Portabel, volle Kafka-Semantik (ADR-005) |
| Operative Daten | Azure Database for PostgreSQL, eine Datenbank je Service | Standard T3; klare Datenhoheit je Baustein |
| Belege und Archiv | Azure Blob Storage mit Unveränderbarkeitsrichtlinie | Aufbewahrung R7 |
| Dokumentextraktion | Azure AI Document Intelligence mit eigenen Modellen je Belegtyp | Strukturierte Extraktion mit Konfidenzwerten (ADR-003) |
| Sprachmodell | Azure OpenAI als regionale Bereitstellung, hinter eigenem Port | Nur für Normalisierung und Assistenz (ADR-004) |
| Oberfläche | React-Anwendung mit Backend-for-Frontend | Ein Cockpit für drei Nutzergruppen |
| Plattform | AKS, Argo CD, Kustomize, Terraform | Vorgaben T1 und T2 |
| Observability | OpenTelemetry, Prometheus, Loki, Tempo, Grafana | Plattformstandard; fachliche und technische Kennzahlen in einem Werkzeug |
| Identität | Microsoft Entra ID, Workload Identity | Keine Passwörter und Schlüssel in Konfigurationen |
5 Bausteinsicht
LEA besteht aus acht Services, gekoppelt über Kafka-Ereignisse. Die Fallsteuerung führt den Ablauf, der Prüfkern beurteilt, alle anderen liefern zu oder führen aus.
5.1 Ebene 1: Gesamtsystem
Services oberhalb von Kafka erzeugen und prüfen den Fall, jene unterhalb
führen den Entscheid aus. Nicht gezeichnet sind die Assistenz-API für
Begründungsentwürfe (cockpit an docai) und die Bestand-API, die rules und
settlement über integration aufrufen.
Die Zerlegung folgt fachlichen Fähigkeiten und der Änderungsgeschwindigkeit: Regeln ändern sich wöchentlich, Extraktionsmodelle monatlich, Abrechnungslogik jährlich. Jeder Service gehört genau einem Team.
| Baustein | Verantwortung | Team |
|---|---|---|
Eingang (intake) |
Nimmt XML und Dokumente an, validiert, prüft auf Viren und Duplikate, legt das Original ab. Überführt XML direkt in das kanonische Rechnungsmodell. | Eingang und Dokumente |
Dokumentenverständnis (docai) |
Klassifiziert Dokumentbelege, extrahiert Felder, normalisiert sie in das kanonische Rechnungsmodell und liefert eine Konfidenz je Feld. Kapselt alle AI-Dienste. | Eingang und Dokumente |
Fallsteuerung (case) |
Führt je Rechnung einen Fall als BPMN-Prozess. Stösst Prüfung und Abrechnung an, erzeugt Aufgaben, überwacht Fristen. | Prüfung und Regeln |
Prüfkern (rules) |
Prüft eine Rechnung gegen einen Regelstand und liefert Befunde mit Entscheidvorschlag. Verwaltet Regelstände und Referenzdaten. | Prüfung und Regeln |
Abrechnung (settlement) |
Berechnet die Kostenbeteiligung, führt das Kostenbeteiligungskonto, erzeugt Leistungsabrechnung, Zahlungsauftrag und Rechnungsantwort. | Abrechnung und Cockpit |
Cockpit (cockpit) |
Weboberfläche für Sachbearbeitung, vertrauensärztlichen Dienst und Tarifteam. Ein Backend-for-Frontend bündelt die Zugriffe. | Abrechnung und Cockpit |
Integration (integration) |
Adapter zu Bestand, Finanzsystem, Output-Management und Data Warehouse. Übersetzt deren Modelle in jene von LEA. | Abrechnung und Cockpit |
Audit und Archiv (audit) |
Schreibt die Entscheidhistorie unveränderbar fort, archiviert Belege, beantwortet Nachweisabfragen. | Abrechnung und Cockpit |
Wichtige Schnittstellen:
| Schnittstelle | Art | Von → an | Inhalt |
|---|---|---|---|
BelegEingegangen |
Ereignis | intake → docai, audit | Beleg-ID, Kanal, Verweis auf das Original |
RechnungBereit |
Ereignis | intake oder docai → case | Rechnung im kanonischen Modell, bei Dokumenten mit Konfidenz je Feld |
| Prüf-API | REST, synchron | case → rules | Prüfauftrag hinein, Prüfergebnis heraus; idempotent über die Fall-ID |
FallEntschieden |
Ereignis | case → settlement, audit | Entscheid, Befunde, Regelstand-ID, Entscheidweg (dunkel oder manuell) |
AbrechnungErstellt, ZahlungsauftragErstellt |
Ereignis | settlement → integration, audit | Beträge, Empfänger, Verweis auf den Fall |
| Bestand-API | REST, gepuffert | rules, settlement → integration | Person und Deckungen zum Stichtag |
| Aufgaben- und Fall-API | REST | cockpit → case | Arbeitskörbe, Aufgaben übernehmen und abschliessen |
| Regelstand-API | REST | cockpit → rules | Regelstände bearbeiten, testen, freigeben |
| Assistenz-API | REST | cockpit → docai | Entwurf eines Begründungstexts zu einem Befund |
5.2 Ebene 2: Prüfkern
Der Prüfkern ist hexagonal gebaut. Im Inneren liegt ein funktionaler Kern ohne Ein- und Ausgabe, ohne Uhr und ohne Zufall. Dieselben Eingaben ergeben immer dasselbe Prüfergebnis.
| Komponente | Aufgabe |
|---|---|
| Prüf-API | Nimmt den Prüfauftrag an, lädt den Kontext, ruft den Kern, speichert das Ergebnis. |
| Kontextlader | Holt Deckung (über Integration), Stammdaten des Leistungserbringers und die Leistungshistorie der Person für Mengen- und Kumulationsregeln. |
| Funktionaler Kern | pruefe(rechnung, kontext, regelstand) durchläuft vier Stufen: formal, Deckung, Tarif, Auffälligkeit. Ergebnis: Befunde mit Regel-ID, Position, Schweregrad, Begründung und Betragswirkung sowie ein Entscheidvorschlag. |
| Regelstand-Verwaltung | Hält Regelstände mit Gültigkeit und Status (Entwurf, getestet, freigegeben). Importiert Tarifkataloge und Register. |
| Regel-Testbank | Lässt einen Entwurf gegen Referenzfälle und gegen die Rechnungen der letzten 90 Tage laufen und zeigt jede Abweichung zum gültigen Regelstand. |
| Ergebnisspeicher | Legt jedes Prüfergebnis mit Hash der Eingaben und Regelstand-ID ab. |
| Regeltyp | Beispiel | Darstellung |
|---|---|---|
| Katalogregel | Tarifposition am Behandlungsdatum gültig, Taxpunkte korrekt | Daten aus dem Tarifkatalog |
| Kombinationsregel | Position nicht kumulierbar mit einer anderen; Mengenlimit je Sitzung oder Zeitraum | Regeltabellen |
| Deckungsregel | Produkt deckt die Leistungsart; Leistungserbringer am Behandlungsdatum zugelassen | Regeltabellen plus Deckung aus Bestand |
| Auffälligkeitsregel | Gleiche Leistung auf zwei Rechnungen; Menge weit über dem Üblichen für die Fachrichtung | Parametrisierte Regeln mit Schwellenwerten |
| Routingregel | Ab welchem Betrag, welcher Konfidenz oder Befundkombination ein Mensch prüft | DMN-Tabelle in der Fallsteuerung, nicht im Prüfkern |
5.3 Ebene 2: Dokumentenverständnis
Das Dokumentenverständnis ist eine Pipeline aus sechs Schritten. Die Schritte 2 bis 4 rufen AI-Dienste auf, alle über denselben Port.
- Vorverarbeitung: Seiten trennen und drehen, Bildqualität prüfen. Unlesbare Belege gehen mit einem Hinweis an die Versicherten zurück.
- Klassifikation: Belegtyp bestimmen, zum Beispiel Rückforderungsbeleg einer Arztpraxis, Therapierechnung, Apothekenquittung oder kein Leistungsbeleg.
- Extraktion: Azure AI Document Intelligence liest Kopf- und Positionsdaten mit einem eigenen Modell je Belegtyp.
- Normalisierung: Leistungserbringer und Tarifpositionen werden gegen die Referenzdaten abgeglichen. Bei unklaren Positionstexten schlägt das Sprachmodell eine Katalogposition vor; übernommen wird nur, was im Katalog existiert.
- Konfidenzbewertung: Jedes Feld erhält eine Konfidenz, kalibriert an den Korrekturen der Sachbearbeitung. Für kritische Felder (Person, Leistungserbringer, Datum, Tarifposition, Betrag) gelten strengere Schwellen.
- Übergabe:
RechnungBereitmit kanonischem Modell, Konfidenzen und Modellversionen.
Der AI-Port protokolliert jeden Aufruf mit Modellversion und Dauer, begrenzt Parallelität und öffnet bei Störungen einen Circuit Breaker (siehe 6.3).
6 Laufzeitsicht
Vier Szenarien zeigen das Zusammenspiel: der dunkle Normalfall, der Dokumentbeleg mit menschlicher Prüfung, der Ausfall eines AI-Dienstes und die Freigabe einer Regeländerung.
6.1 Elektronische Rechnung, dunkel verarbeitet
Der gerade Weg nach unten ist die Dunkelverarbeitung. Die beiden Abzweigungen nach rechts sind die einzigen Stellen, an denen ein Mensch eingreift. Die Schritte im Einzelnen:
intakeholt die Rechnung beim Intermediär ab, validiert sie gegen das XML-Schema und prüft auf Duplikate.intakespeichert Original und kanonisches Modell und schreibtRechnungBereitin seine Outbox, alles in einer Transaktion. Erst danach quittiert es dem Intermediär.casestartet den Prozess «Rechnungsprüfung» und ruft die Prüf-API auf.ruleslädt Deckung, Stammdaten und Leistungshistorie, wählt den Regelstand zum Behandlungsdatum, führt den Kern aus und speichert das Prüfergebnis.- Die Routingtabelle in
casewertet das Ergebnis aus. Dunkel entschieden wird, wenn der Vorschlag «Freigabe» oder «regelbasierte Kürzung» lautet, der Betrag unter CHF 20'000 liegt und kein Auffälligkeitsbefund vorliegt. caseveröffentlichtFallEntschieden.settlementberechnet die Kostenbeteiligung, bucht auf dem Kostenbeteiligungskonto und erzeugt Leistungsabrechnung, Zahlungsauftrag und Rechnungsantwort.integrationübergibt Zahlungsauftrag und Dokumentauftrag an die Nachbarsysteme.auditschreibt die Entscheidhistorie fort.
Im Normalbetrieb dauert der Durchlauf unter 10 Sekunden. Das Ziel von 5 Minuten lässt Raum für Lastspitzen und Wiederholversuche. 2 % der dunkel entschiedenen Fälle gehen nachgelagert in eine Stichprobenkontrolle, ohne die Zahlung aufzuhalten.
6.2 Dokumentbeleg mit menschlicher Prüfung
- Eine versicherte Person lädt in der App das Foto eines Rückforderungsbelegs
hoch.
intakeprüft auf Viren, legt das Original ab und veröffentlichtBelegEingegangen. docaidurchläuft die Pipeline aus 5.3. Bei zwei Rechnungszeilen liegt die Konfidenz für die Tarifposition unter der Schwelle.docaiveröffentlichtRechnungBereitmit den Konfidenzen.casestartet den Fall und erzeugt die Aufgabe «Extraktion prüfen».- Die Sachbearbeiterin sieht im Cockpit Beleg und extrahierte Felder nebeneinander, unsichere Felder sind markiert. Sie korrigiert eine Position und bestätigt.
caseruft die Prüf-API mit den bestätigten Daten auf. Der Kern meldet den Befund «Mengenlimit überschritten» und schlägt eine Kürzung vor.- Der Entscheid belastet die versicherte Person und beruht auf Dokumentdaten.
Deshalb erzeugt
casedie Aufgabe «Entscheid bestätigen». Das Cockpit schlägt einen Begründungstext vor, die Sachbearbeiterin passt ihn an und bestätigt. - Weiter wie in 6.1 ab Schritt 6. Die Korrektur aus Schritt 4 geht in die Auswertung der Extraktionsqualität ein (8.4).
Dokumentbelege laufen nur dunkel, wenn alle kritischen Felder über der Schwelle liegen und der Prüfkern «Freigabe» vorschlägt.
6.3 Ausfall eines AI-Dienstes
- Aufrufe an Document Intelligence laufen in Zeitüberschreitungen. Nach fünf Fehlern innert 30 Sekunden öffnet der Circuit Breaker im AI-Port.
docaipausiert seinen Verbraucher. Die Belege bleiben im Topic, keiner geht verloren. Die XML-Verarbeitung läuft unverändert weiter.- Alle 60 Sekunden prüft ein Testaufruf, ob der Dienst wieder antwortet.
- Überschreitet der Rückstau 2'000 Belege oder 30 Minuten, geht ein Alarm an die Bereitschaft.
- Ab vier Stunden Rückstau kann die Betriebsleitung Leistungen im Cockpit die
manuelle Erfassung einschalten.
caseerzeugt dann Erfassungsaufgaben mit Beleg und leerer Maske. - Antwortet der Dienst wieder, schliesst der Circuit Breaker schrittweise.
docaiarbeitet den Rückstau mit begrenzter Parallelität ab.
Nachrichten, die sich dreimal nicht verarbeiten lassen, landen mit Fehlergrund in einem Dead-Letter-Topic. Die Betriebsansicht im Cockpit zeigt sie an und erlaubt die erneute Einspeisung.
6.4 Regeländerung freigeben
- Ein Tarifspezialist importiert einen neuen Katalog oder ändert eine Regel. Es entsteht ein Regelstand im Entwurf mit Gültigkeitsdatum.
- Die Regel-Testbank lässt den Entwurf gegen die Referenzfälle und die Rechnungen der letzten 90 Tage laufen. Der Bericht zeigt jede Abweichung, zum Beispiel «412 Rechnungen würden neu gekürzt».
- Eine zweite Person prüft den Bericht und gibt frei (Vier-Augen-Prinzip, O4).
- Der freigegebene Regelstand ist unveränderbar und wird ab seinem Gültigkeitsdatum angewendet. Ein Software-Deployment ist nicht nötig.
- Korrekturen erzeugen immer einen neuen Regelstand. Bereits gefällte Entscheide verweisen weiter auf den Stand, mit dem sie gefällt wurden.
7 Verteilungssicht
LEA läuft in einem privaten AKS-Cluster in Switzerland North, verteilt über drei Verfügbarkeitszonen. Alle Plattformdienste sind nur über private Endpunkte erreichbar.
7.1 Produktionsumgebung
Der einzige Weg hinein führt aus dem Unternehmensnetz über das Application Gateway, der einzige Weg hinaus über die Firewall zu den Intermediären.
| Knoten oder Dienst | Was dort läuft | Auslegung |
|---|---|---|
| AKS, Node-Pool «apps» | Die acht LEA-Services | Mindestens drei Replikate je Service, verteilt über die Zonen. docai und rules skalieren nach Kafka-Rückstau auf bis zu zwölf. |
| AKS, Node-Pool «kafka» | Kafka mit Strimzi, Schema-Registry | Drei Broker, einer je Zone; Replikationsfaktor 3, mindestens zwei synchrone Replikate |
| AKS, Node-Pool «platform» | Argo CD, Ingress, Telemetrie-Kollektoren | Betrieben vom Plattformteam |
| Azure Database for PostgreSQL | Eine Datenbank je Service mit eigenem Login, verteilt auf drei Server | Zonenredundante Hochverfügbarkeit, Wiederherstellung auf einen Zeitpunkt |
| Azure Blob Storage | Belegspeicher für Originale; Archiv mit Unveränderbarkeitsrichtlinie über 10 Jahre | Zonenredundant; Sicherungskopie in Switzerland West |
| Azure Key Vault | Eigene Schlüssel für Datenbanken und Speicher, Zertifikate | Zugriff nur über Workload Identity |
| Azure AI Document Intelligence, Azure OpenAI | Extraktion und Sprachmodell | Private Endpunkte, öffentlicher Zugriff abgeschaltet |
| Application Gateway mit Web Application Firewall | Eingang für Cockpit und Portal-Uploads aus dem Unternehmensnetz | Kein direkter Zugang aus dem Internet |
| Azure Firewall | Ausgehender Verkehr | Nur freigegebene Ziele, etwa die Intermediäre |
| ExpressRoute | Verbindung ins Rechenzentrum zu Bestand, Finanzsystem und Output-Management | Redundant ausgelegt |
7.2 Umgebungen
| Umgebung | Zweck | Daten |
|---|---|---|
| dev | Entwicklung, ein Namespace je Team | Synthetisch |
| test | Automatisierte Integrations- und Vertragstests | Synthetisch |
| abnahme | Fachtests, Lasttests, Vergleichsläufe der Regel-Testbank | Anonymisierte Rechnungsdaten, synthetische Belegbilder |
| prod | Produktion inklusive Schattenbetrieb | Echte Daten |
Produktion hat einen eigenen Cluster in einer eigenen Subscription. Die drei übrigen Umgebungen teilen sich einen Cluster.
7.3 Verfügbarkeit und Notfall
| Ereignis | Verhalten | Ziel |
|---|---|---|
| Ausfall einer Zone | Die verbleibenden zwei Zonen tragen die Last ohne Eingriff. | Keine Unterbrechung |
| Ausfall der Region | Wiederanlauf in Switzerland West aus Infrastruktur-Code und Sicherungen. Kafka wird neu aufgebaut; die Outbox-Tabellen halten Ereignisse 14 Tage und befüllen die Topics neu. | Wiederanlauf innert 8 Stunden, Datenverlust höchstens 1 Stunde |
| Ausfall der AI-Dienste | Siehe 6.3 | XML-Verarbeitung unberührt |
Im Notfallbetrieb in Switzerland West ist die Verfügbarkeit der AI-Dienste nicht zugesichert. Dokumentbelege werden dann manuell erfasst oder zurückgestellt (Risiko RK6).
7.4 Auslieferung
- Ein Merge in den Hauptzweig startet die Pipeline: bauen, testen, Code und Abhängigkeiten prüfen, Container-Image scannen, Stückliste (SBOM) erzeugen, Image signieren.
- Die Pipeline trägt die neue Image-Version im GitOps-Repository ein, im Kustomize-Overlay der Zielumgebung.
- Argo CD gleicht den Cluster mit dem Repository ab. Eine Zulassungsrichtlinie lässt nur signierte Images zu.
- Der Rollout erfolgt stufenweise, zuerst 10 % der Instanzen. Steigt die Fehlerquote, wird automatisch zurückgerollt.
- Infrastrukturänderungen (Terraform) haben einen eigenen Lieferweg mit Plan-Review durch das Plattformteam.
8 Querschnittliche Konzepte
Acht Konzepte gelten in allen Bausteinen. Die ersten fünf tragen die Qualitätsziele 1 und 2 und sind deshalb ausführlicher beschrieben.
8.1 Fachliches Modell
| Begriff | Bedeutung | Führender Baustein |
|---|---|---|
| Beleg | Das eingegangene Original, XML oder Dokument, unverändert | intake |
| Rechnung | Inhalt des Belegs im kanonischen Modell: Kopf (Person, Leistungserbringer, Behandlungszeitraum, Vergütungsart, Gesetz) und Positionen (Tarif, Tarifposition, Menge, Datum, Betrag) | intake, docai |
| Fall | Bearbeitungsvorgang zu einer Rechnung mit Status, Aufgaben und Entscheid | case |
| Regelstand | Unveränderbare Version aller Regeln und Kataloge mit Gültigkeitszeitraum | rules |
| Prüfergebnis | Befunde und Entscheidvorschlag zu einer Rechnung unter einem Regelstand | rules |
| Entscheid | Freigabe, Kürzung oder Rückweisung mit Entscheidweg und Begründung | case |
| Abrechnung | Vergüteter Betrag, Kostenbeteiligung, Auszahlung und Empfänger | settlement |
Das kanonische Rechnungsmodell liegt als versioniertes Avro-Schema in der Schema-Registry. Änderungen müssen abwärtskompatibel sein.
8.2 Regelversionierung und Reproduzierbarkeit
Jeder Entscheid lässt sich neu berechnen, weil alle Eingaben des Prüfkerns unveränderbar gespeichert sind.
- Ein Regelstand hat eine ID, einen fachlichen Gültigkeitszeitraum und einen Freigabezeitpunkt. Er wird nie geändert, nur abgelöst.
- Für jede Rechnungsposition gilt der Regelstand, der am Behandlungsdatum gültig und zum Prüfzeitpunkt freigegeben war.
- Der Entscheid speichert den Hash der Rechnung, einen Schnappschuss des Kontexts (Deckung, Auszug der Leistungshistorie), die Regelstand-ID und die Version des Prüfkerns. Bei Dokumentbelegen kommen Modellversionen und Konfidenzen dazu.
auditrechnet jede Nacht 1'000 zufällig gewählte Entscheide nach. Jede Abweichung löst einen Alarm aus.- Ändert sich der Code des Kerns, muss das Ergebnis für bestehende Regelstände gleich bleiben. Das sichern rund 12'000 Referenzfälle mit erwartetem Prüfergebnis.
8.3 Sicherheit und Datenschutz
| Thema | Umsetzung |
|---|---|
| Datenhaltung | Alle Daten liegen in Switzerland North, Sicherungen in Switzerland West. Kein Dienst verarbeitet Daten ausserhalb der Schweiz. |
| Verschlüsselung | TLS auf allen Verbindungen, gegenseitige Authentisierung zwischen den Services über das Service Mesh. Ruhende Daten sind mit eigenen Schlüsseln aus dem Key Vault verschlüsselt. |
| Identität | Mitarbeitende melden sich über Entra ID mit Mehrfaktor-Authentisierung an. Dienste nutzen Workload Identity; es gibt keine statischen Geheimnisse. |
| Berechtigung | Rollen (Sachbearbeitung, Teamleitung, Vertrauensarzt, Tarifpflege, Betrieb, Revision) kombiniert mit Attributen (Mandant, Team). Geprüft im Backend-for-Frontend und nochmals im Service. |
| Abschirmung des vertrauensärztlichen Dienstes | Medizinische Zusatzunterlagen liegen in einem eigenen Speicherbereich mit eigenem Schlüssel. Die Sachbearbeitung sieht nur die Beurteilung der Leistungspflicht. |
| Mandantentrennung | Jeder Datensatz trägt das Kennzeichen OKP oder Zusatzversicherung. Zugriffe und Auswertungen sind danach getrennt. |
| Datenminimierung gegenüber AI-Diensten | Document Intelligence erhält das Belegbild. Das Sprachmodell erhält nur Positionstexte und Katalogkandidaten, keine Namen, Adressen oder Versichertennummern. |
| Zugriffsprotokoll | Jeder lesende Zugriff auf Falldaten wird mit Person, Fallbezug und Zeitpunkt protokolliert. Technische Logs enthalten nur IDs, keine Personendaten. |
| Aufbewahrung und Löschung | 10 Jahre im Archiv (R7). Operative Datenbanken werden 24 Monate nach Fallabschluss ausgedünnt; Löschläufe sind protokolliert. |
| Datenschutz-Folgenabschätzung | Liegt vor und wird bei jeder neuen AI-Verwendung nachgeführt. |
8.4 AI-Governance
Jede AI-Verwendung ist inventarisiert, hat einen messbaren Qualitätsmassstab und einen Rückfallweg. Die Gliederung folgt den Erwartungen der FINMA-Aufsichtsmitteilung 08/2024 (R6).
| Verwendung | Technik | Wirkung auf den Entscheid | Risikoklasse | Rückfall |
|---|---|---|---|---|
| Belegklassifikation | Document Intelligence, eigenes Klassifikationsmodell | Bestimmt das Extraktionsmodell | Mittel | Manuelle Zuordnung |
| Feldextraktion | Document Intelligence, eigene Extraktionsmodelle | Liefert die Rechnungsdaten; unter der Schwelle prüft ein Mensch | Hoch | Manuelle Erfassung |
| Normalisierung von Positionen | Sprachmodell | Schlägt eine Katalogposition vor; der Katalog validiert | Hoch | Aufgabe «Extraktion prüfen» |
| Begründungsentwurf | Sprachmodell | Keine; ein Mensch redigiert und verantwortet den Text | Tief | Textbausteine |
| Auffälligkeitsregeln | Statistische Schwellenwerte, kein lernendes Modell | Führt nur zu manueller Prüfung | Mittel | Regel abschalten |
- Messung: Ein Referenzdatensatz mit 5'000 von Menschen geprüften Belegen, geschichtet nach Belegtyp und Sprache (Deutsch, Französisch, Italienisch). Ziel für dunkel verarbeitete Belege: mindestens 99 % korrekte kritische Felder.
- Freigabe: Ein neues Modell, ein neuer Prompt oder eine neue Schwelle geht erst nach einem Vergleichslauf gegen den Referenzdatensatz in Produktion. Entwicklung und Freigabe liegen bei verschiedenen Personen.
- Überwachung: Korrekturquote je Feld und Belegtyp, Verteilung der Konfidenzen, Anteil dunkel. Weicht die Korrekturquote über sieben Tage um mehr als zwei Prozentpunkte ab, geht ein Alarm an das Team.
- Versionierung: Jedes Ergebnis trägt Modell-, Prompt- und Schwellenversion.
- Dokumentation: Je Verwendung ein Steckbrief im Repository mit Zweck, Daten, Modell, Kennzahlen, Grenzen, Tests und Begründung der Risikoklasse.
- Unabhängige Überprüfung: Das Risikomanagement prüft Verwendungen der Klasse «Hoch» jährlich.
- Schutz des Sprachmodells: Belegtexte gelten als nicht vertrauenswürdige Eingabe. Das Modell hat keine Werkzeuge, antwortet in einem festen JSON-Schema, und nur existierende Katalogpositionen werden übernommen.
8.5 Menschen im Entscheidweg
| Situation | Wer entscheidet | Kennzeichnung |
|---|---|---|
| Elektronische Rechnung ohne Befund | System | Automatisiert |
| Elektronische Rechnung mit eindeutigem Regelbefund, etwa ungültige Tarifposition | System; die Rechnungsantwort nennt Regel und Begründung | Automatisiert, Überprüfung auf Verlangen |
| Dokumentbeleg, alle kritischen Felder sicher, Vorschlag «Freigabe» | System | Automatisiert |
| Dokumentbeleg mit Kürzung oder Rückweisung | Mensch | Manuell |
| Auffälligkeitsbefund oder Betrag ab CHF 20'000 | Mensch; ab CHF 5'000 Auszahlung zusätzlich eine zweite Person | Manuell |
| Medizinische Frage | Vertrauensärztlicher Dienst | Manuell |
Automatisierte Entscheide sind auf der Leistungsabrechnung gekennzeichnet (R4). Verlangt eine Person die Überprüfung, eröffnet LEA einen manuellen Fall mit Verweis auf den ursprünglichen Entscheid.
8.6 Ereignisverarbeitung und Konsistenz
- Transactional Outbox: Zustandsänderung und Ereignis werden in derselben Datenbanktransaktion geschrieben. Ein Relay veröffentlicht aus der Outbox nach Kafka.
- Zustellung mindestens einmal. Verbraucher sind idempotent und erkennen Wiederholungen an der Ereignis-ID.
- Reihenfolge: Partitionierung nach Fall-ID.
- Schemas: Avro in der Schema-Registry, nur abwärtskompatible Änderungen. Die Pipeline prüft die Verträge.
- Fehler: drei Wiederholungen mit wachsendem Abstand, danach Dead-Letter-Topic.
- Mehrstufige Abläufe koordiniert die Fallsteuerung. Kompensationen wie das Storno einer Abrechnung sind als BPMN-Pfad modelliert.
- Synchrone Aufrufe (Prüf-API, Bestand-API) haben Zeitlimit, Wiederholung, Circuit Breaker und begrenzte Parallelität.
8.7 Observability
- Eine Trace-ID begleitet die Rechnung vom Eingang bis zur Abrechnung. Die Fall-ID ist Attribut in Traces und Logs.
- Fachliche Kennzahlen: Dunkelverarbeitungsquote je Kanal, Durchlaufzeit, Rückstau je Arbeitskorb, Korrekturquote der Extraktion, Befunde je Regel.
- Technische Kennzahlen: Kafka-Rückstau, Fehlerquoten, Antwortzeiten der Nachbarsysteme, Zustand der Circuit Breaker.
- Alarmiert wird auf den Verbrauch des Fehlerbudgets der Service-Level-Ziele, nicht auf Einzelmetriken.
8.8 Test und Qualitätssicherung
| Ebene | Gegenstand | Zeitpunkt |
|---|---|---|
| Unit- und Property-Tests | Funktionaler Kern, Abrechnungslogik | Jeder Commit |
| Golden-Master-Tests | Rund 12'000 Referenzfälle mit erwartetem Prüfergebnis | Jeder Commit, jede Regeländerung |
| Vertragstests | Ereignis-Schemas und REST-Verträge | Pipeline |
| Prozesstests | BPMN-Pfade inklusive Fristen und Eskalation | Pipeline |
| AI-Evaluation | Referenzdatensatz mit 5'000 Belegen | Jede Änderung an Modell, Prompt oder Schwelle |
| Last- und Störungstests | 20 Rechnungen pro Sekunde über 30 Minuten; Zonenausfall; AI-Ausfall | Monatlich in der Abnahmeumgebung |
| Schattenbetrieb | Entscheid von LEA gegen Entscheid des Altsystems, je Rechnung | Laufend bis zur Umschaltung |
9 Architekturentscheidungen
Neun Entscheide prägen LEA. Alle haben den Status «akzeptiert». Die vollständigen ADRs mit Diskussion liegen im Repository.
ADR-001: Die Fallsteuerung orchestriert mit BPMN
- Kontext: Die Rechnungsprüfung kennt menschliche Aufgaben, Fristen, Eskalationen und Kompensationen. Reine Choreografie über Ereignisse würde diese Ablauflogik über alle Services verstreuen.
- Entscheid: Ein BPMN-Prozess je Fall in
case, mit eingebetteter Flowable-Engine. Die übrigen Services bleiben über Ereignisse entkoppelt. - Verworfen: Choreografie nur mit Kafka; eine selbst gebaute Zustandsmaschine.
- Konsequenzen: Der Ablauf ist sichtbar und für den Fachbereich lesbar,
Aufgabenverwaltung ist enthalten. Dafür wird
casezur zentralen Komponente, deren Durchsatz laufend zu testen ist (RK5). Laufende Prozessinstanzen brauchen Migrationsregeln bei Modelländerungen.
ADR-002: Der Prüfkern ist ein funktionaler Kern, Regeln sind Daten
- Kontext: Regeln ändern sich häufig, und jeder Entscheid muss reproduzierbar sein. Die Genehmigung des Tarifsystems ist bis Ende 2028 befristet; weitere Anpassungen sind absehbar (BAG).
- Entscheid: Ein eigener Kern in Java aus reinen Funktionen. Regeln liegen als typisierte, versionierte Tabellen vor. Der Kern kennt keine Ein- und Ausgabe.
- Verworfen: Eine Regel-Engine mit Regeln als Skripten, weil das Tarifteam sie nicht selbst pflegen kann und die Reproduktion über Versionen aufwendig wird. DMN für alle Regeln, weil Mengen- und Zeitraumregeln über die Leistungshistorie darin unhandlich sind.
- Konsequenzen: Deterministisch, schnell und mit Referenzfällen testbar. Neue Regeltypen brauchen weiterhin Code. Architekturtests verhindern, dass Ein- und Ausgabe in den Kern wandert.
ADR-003: Dokumentextraktion mit Document Intelligence, Sprachmodell nur zur Normalisierung
- Kontext: 18 % der Belege sind Dokumente, rund 1.4 Mio. pro Jahr. Layouts variieren, und die Fallsteuerung braucht eine Konfidenz je Feld.
- Entscheid: Azure AI Document Intelligence mit eigenen Modellen je Belegtyp. Das Sprachmodell ordnet nur unklare Positionstexte einer Katalogposition zu. Beides liegt hinter dem AI-Port.
- Verworfen: Ein Sprachmodell mit Bildeingabe für die gesamte Extraktion, weil es keine kalibrierten Feldkonfidenzen liefert und jeder Modellwechsel die ganze Extraktion betrifft. Selbst betriebene Texterkennung mit eigenem Modell, weil dem Team dafür die Erfahrung fehlt.
- Konsequenzen: Konfidenz je Feld und planbare Kosten je Beleg. Jeder Belegtyp braucht gelabelte Trainingsbelege. Die Bindung an Azure wird durch den Port und den Referenzdatensatz gemildert.
ADR-004: Sprachmodell als regionale Bereitstellung in der Schweiz, mit Ausstiegsweg
- Kontext: T8 verlangt Verarbeitung in der Schweiz. Azure OpenAI ist seit September 2023 in Switzerland North verfügbar (Microsoft). Nur regionale Bereitstellungen verarbeiten in der Region. Ob Nachfolgemodelle dort regional bereitstehen, sagt Microsoft nicht zu (Microsoft Q&A, Mai 2026).
- Entscheid: Regionale Bereitstellung in Switzerland North. Die Verwendungen sind so geschnitten, dass ein kleines Modell genügt und ein Ausfall verkraftbar ist. Ein Modellwechsel braucht die AI-Evaluation aus 8.4. Als Ausstiegsweg wird halbjährlich ein offenes Modell auf GPU-Knoten in AKS gegen den Referenzdatensatz geprüft.
- Verworfen: Bereitstellung in einer EU-Datenzone, weil die Verarbeitung die Schweiz verlässt. Ausschliesslich selbst betriebenes Modell, weil GPU-Betrieb und Modellpflege vom ersten Tag an anfallen würden.
- Konsequenzen: T8 ist erfüllt. Die verfügbare Modellgeneration hinkt nach, und Abkündigungen können einen Wechsel erzwingen (RK1).
ADR-005: Kafka mit Strimzi auf AKS statt eines verwalteten Dienstes
- Kontext: Ereignisse koppeln alle Services. R5 verlangt eine dokumentierte Exit-Strategie.
- Entscheid: Apache Kafka, betrieben mit dem Strimzi-Operator in einem eigenen Node-Pool.
- Verworfen: Azure Event Hubs mit Kafka-Protokoll, weil es an Azure bindet und sich nicht deckungsgleich mit Apache Kafka verhält.
- Konsequenzen: Portabel, und dieselbe Technik läuft in allen Umgebungen bis zum Entwicklerrechner. Betrieb und Upgrades liegen beim Plattformteam (TS4).
ADR-006: Transactional Outbox statt verteilter Transaktionen
- Kontext: Der Zustand in PostgreSQL und das Ereignis in Kafka müssen zusammenpassen.
- Entscheid: Eine Outbox-Tabelle je Service, ein Relay veröffentlicht, Verbraucher sind idempotent.
- Verworfen: Veröffentlichen direkt nach dem Commit, weil bei einem Absturz Ereignisse verloren gehen. Durchgängiges Event Sourcing, weil der Umstellungsaufwand für die Teams den Nutzen übersteigt.
- Konsequenzen: Kein Ereignis geht verloren, und Topics lassen sich aus der Outbox neu befüllen (7.3). Idempotenz ist in jedem Verbraucher Pflicht.
ADR-007: Acht fachlich geschnittene Services
- Kontext: Drei Teams mit 21 Personen.
docaiundruleshaben ein anderes Lastprofil und einen anderen Änderungsrhythmus als der Rest. - Entscheid: Acht Services, zwei bis vier je Team, jeder intern hexagonal aufgebaut. Ein neuer Service entsteht nur bei eigenem Skalierungs- oder Teamgrund.
- Verworfen: Ein modularer Monolith, weil die AI-Abhängigkeit isoliert und die Prüfung getrennt skalierbar sein soll. Feingranulare Microservices je Prüfstufe, weil sie Betriebsaufwand und verteilte Fehlerbilder ohne Gegenwert bringen.
- Konsequenzen: Jedes Team liefert unabhängig. Dafür gelten die Regeln verteilter Systeme aus 8.6 und 8.7.
ADR-008: AI fällt keine belastenden Entscheide
- Kontext: Qualitätsziel 1 und R4. Extraktionsfehler lassen sich nicht ausschliessen.
- Entscheid: Kürzungen und Rückweisungen entstehen nur aus einer deterministischen Regel auf strukturiert gelieferten Daten oder nach Bestätigung durch einen Menschen. Bei Dokumentbelegen ist jeder belastende Entscheid zu bestätigen.
- Verworfen: Dunkle Kürzung bei hoher Konfidenz. Sie brächte geschätzt drei Prozentpunkte mehr Automatisierung, aber Fehlkürzungen träfen Versicherte direkt.
- Konsequenzen: Ein AI-Fehler führt zu Mehrarbeit oder im schlechtesten Fall zu einer Überzahlung, nie zu einer ungerechtfertigten Ablehnung. Das Überzahlungsrisiko begrenzen Schwellen und die Stichprobe. Der Automatisierungsgrad bei Dokumenten bleibt bei rund 60 %.
ADR-009: Deckungsdaten synchron aus Bestand lesen, nicht replizieren
- Kontext: Nach T5 bietet Bestand eine REST-API, aber keine Ereignisse. Die Deckung muss stichtagsgenau sein.
- Entscheid: Synchroner Aufruf über
integrationmit 15 Minuten Puffer. Antwortet Bestand nicht, wartet der Fall und versucht es erneut; es gibt keinen Entscheid auf veralteten Daten. - Verworfen: Eine nächtliche Replik in LEA, weil bis zu 24 Stunden alte Deckungen bei Mutationen zu Fehlentscheiden führen.
- Konsequenzen: Die Deckung ist immer aktuell. Verfügbarkeit und Antwortzeit von Bestand begrenzen den Durchsatz von LEA (RK4, TS2).
10 Qualitätsanforderungen
Zwölf Szenarien machen die fünf Qualitätsziele aus 1.2 prüfbar. Jedes hat eine Messgrösse; gemessen wird in Produktion oder in der Abnahmeumgebung.
10.1 Qualitätsbaum
| Qualitätsziel | Teilmerkmal | Szenarien |
|---|---|---|
| 1 Nachvollziehbarkeit und Korrektheit | Reproduzierbarkeit, Begründbarkeit | Q1, Q2 |
| 1 Nachvollziehbarkeit und Korrektheit | Fachliche Richtigkeit, Extraktionsgüte | Q3, Q4 |
| 2 Vertraulichkeit | Datenhaltung, Zugriffsschutz | Q5, Q6 |
| 3 Automatisierungsgrad | Dunkelverarbeitung, Durchlaufzeit, Durchsatz | Q7, Q8 |
| 4 Änderbarkeit | Regeln, Modelle | Q9, Q10 |
| 5 Robustheit | Fehlertoleranz, Wiederherstellbarkeit | Q11, Q12 |
10.2 Qualitätsszenarien
| ID | Auslöser | Erwartete Reaktion | Messgrösse |
|---|---|---|---|
| Q1 | Die Revision verlangt die Herleitung eines Entscheids aus dem Vorjahr. | audit liefert Eingaben, Regelstand, Befunde und Entscheidweg und rechnet den Entscheid nach. |
Antwort in unter 1 Minute; Nachrechnung identisch |
| Q2 | Ein Leistungserbringer erhält eine Rückweisung. | Die Rechnungsantwort nennt je Befund Regel, Position und Begründung. | 100 % der Rückweisungen mit Regel-ID und Begründungstext |
| Q3 | Die Stichprobenkontrolle bewertet 2 % der dunkel entschiedenen Fälle nach. | Die Entscheide halten der Nachprüfung stand. | Fehlentscheide unter 0.5 % |
| Q4 | Dokumentbelege werden dunkel verarbeitet. | Die kritischen Felder stimmen mit dem Beleg überein. | Mindestens 99 % korrekt, gemessen am Referenzdatensatz und an der Stichprobe |
| Q5 | Ein Team will einen Dienst ausserhalb der Schweiz einbinden. | Die Plattformrichtlinie verweigert das Anlegen der Ressource. | Keine Ressource ausserhalb der zugelassenen Regionen; täglicher Bericht |
| Q6 | Eine Sachbearbeiterin öffnet einen Fall ausserhalb ihres Mandanten. | Der Zugriff wird verweigert und protokolliert. | 100 % verweigert; monatliche Auswertung an den CISO |
| Q7 | Normalbetrieb über einen Kalendermonat. | LEA entscheidet ohne manuellen Eingriff. | Mindestens 85 % über alle Kanäle, 90 % elektronisch, 60 % Dokumente |
| Q8 | Januar-Spitze mit 60'000 Belegen am Tag und Lieferungen von bis zu 5'000 Rechnungen auf einmal. | docai und rules skalieren nach Rückstau. |
95 % der dunklen Fälle in unter 5 Minuten; Lasttest mit 20 Rechnungen pro Sekunde über 30 Minuten ohne wachsenden Rückstau |
| Q9 | Die Tariforganisation publiziert eine neue Katalogversion. | Das Tarifteam importiert, testet und gibt frei. | Produktiv in höchstens 10 Arbeitstagen, ohne Software-Deployment |
| Q10 | Das eingesetzte Sprachmodell wird abgekündigt. | Das Team stellt hinter dem AI-Port um und durchläuft die AI-Evaluation. | Umstellung in höchstens 15 Arbeitstagen; Änderungen nur in docai |
| Q11 | Document Intelligence fällt zwei Stunden aus. | Dokumentbelege stauen sich, XML läuft weiter, der Rückstau wird danach abgebaut. | Kein verlorener Beleg; XML-Durchlaufzeit unverändert; Rückstau innert 4 Stunden abgebaut |
| Q12 | Eine Verfügbarkeitszone fällt aus. | Die übrigen Zonen übernehmen ohne Eingriff. | Unterbrechung unter 60 Sekunden, kein Datenverlust. Bei Regionsausfall: Wiederanlauf innert 8 Stunden, Datenverlust höchstens 1 Stunde, jährlich geübt |
11 Risiken und technische Schulden
Das grösste Risiko für das Automatisierungsziel ist die Extraktionsgüte bei Dokumentbelegen (RK2), das grösste für die Korrektheit ein fehlerhafter Regelstand (RK3).
11.1 Risiken
| ID | Risiko | Eintritt | Auswirkung | Massnahmen |
|---|---|---|---|---|
| RK1 | Das genutzte Sprachmodell wird abgekündigt, bevor ein Nachfolger in Switzerland North regional bereitsteht. | Mittel | Mittel | AI-Port, AI-Evaluation, halbjährlich geprüftes Ausstiegsmodell (ADR-004). Alle Verwendungen des Sprachmodells dürfen ausfallen. |
| RK2 | Die Extraktionsgüte bleibt unter dem Ziel, vor allem bei Handyfotos, handschriftlichen Ergänzungen und französischen oder italienischen Belegen. Die Dunkelquote für Dokumente bleibt unter 60 %. | Hoch | Mittel | Schwellen je Belegtyp, Nachtraining aus Korrekturen, Prüfung der Bildqualität schon in der App, stufenweise Zielwerte. |
| RK3 | Ein fehlerhafter Regelstand kürzt oder bezahlt tausende Rechnungen falsch. | Tief | Hoch | Regel-Testbank mit Abweichungsbericht, Vier-Augen-Freigabe, Ablösung durch neuen Regelstand, vorbereiteter Prozess für Massenkorrekturen. |
| RK4 | Antwortzeit oder Verfügbarkeit von Bestand begrenzt den Durchsatz in der Januar-Spitze. | Mittel | Mittel | Puffer, gemeinsame Lasttests mit dem Bestand-Team, Drosselung in integration (ADR-009). |
| RK5 | Die Flowable-Engine wird bei 60'000 Prozessstarts am Tag zum Engpass. | Tief | Hoch | Monatliche Lasttests, kurzlebige Prozessinstanzen, Historie asynchron auslagern. |
| RK6 | In der Notfallregion Switzerland West sind Kapazität und AI-Dienste nicht zugesichert. | Tief | Mittel | Manuelle Erfassung als Rückfall, jährliche Klärung der Kapazität mit Microsoft, jährliche Wiederanlaufübung. |
| RK7 | Sachbearbeitende bestätigen Vorschläge des Systems ungeprüft. | Mittel | Mittel | Unsichere Felder markieren, Kontrollfälle einstreuen, Stichprobe auch auf manuell bestätigte Fälle, Schulung. |
| RK8 | Ein Beleg enthält Text, der das Sprachmodell manipulieren soll. | Tief | Tief | Keine Werkzeuge, festes Antwortschema, Validierung gegen den Katalog (8.4). |
| RK9 | Das Tarifsystem ändert sich stärker als erwartet; seine Genehmigung ist bis Ende 2028 befristet. | Hoch | Mittel | Regeln als Daten (ADR-002), Szenario Q9. |
11.2 Technische Schulden
| ID | Schuld | Folge | Abbau |
|---|---|---|---|
| TS1 | Altsystem und LEA laufen parallel. Das Kostenbeteiligungskonto wird im Schattenbetrieb doppelt geführt. | Abgleichaufwand, Abweichungen | Umschaltung je Rechnungstyp bis Ende 2027, danach Stilllegung des Altsystems |
| TS2 | Bestand liefert keine Ereignisse (ADR-009). | Synchrone Kopplung, Durchsatz hängt an Bestand | Mit der Ablösung von Bestand ab 2029 auf Ereignisse umstellen |
| TS3 | Für Altfälle wird XML 4.5 weiter angenommen. | Zwei Übersetzer in intake |
Entfernen, sobald keine Storni im alten Format mehr eintreffen |
| TS4 | Das Kafka-Wissen liegt bei zwei Personen im Plattformteam (ADR-005). | Betriebsrisiko bei Ausfällen und Upgrades | Dritte Person ausbilden, Betriebshandbücher, halbjährliche Neubewertung verwalteter Angebote |
| TS5 | Die Regel-Testbank vergleicht Entscheide, aber nicht die Beträge der Kostenbeteiligung. | Lücke bei Änderungen an der Abrechnung | Erweiterung auf settlement im 1. Quartal 2027 |
| TS6 | Auffälligkeitsregeln sind einfache Schwellenwerte. | Geringe Trefferquote, viele unnötige manuelle Prüfungen | Bewusst so für Release 1; lernendes Modell wird nach zwölf Monaten Betriebsdaten evaluiert |
12 Glossar
| Begriff | Bedeutung |
|---|---|
| AI-Port | Schnittstelle in docai, hinter der alle AI-Dienste liegen. Macht Modelle austauschbar und protokolliert jeden Aufruf. |
| Ambulante Pauschalen | Tarifstruktur, die ambulante Behandlungen pauschal vergütet. Gilt seit dem 1. Januar 2026 zusammen mit TARDOC. |
| Circuit Breaker | Schutzschalter, der Aufrufe an einen gestörten Dienst vorübergehend unterbindet. |
| Datenannahmestelle | Zertifizierte Stelle des Versicherers, die bei DRG-Rechnungen als einzige die medizinischen Datensätze entgegennimmt (Art. 59a KVV). |
| Dead-Letter-Topic | Kafka-Topic für Nachrichten, die sich wiederholt nicht verarbeiten liessen. |
| Dunkelverarbeitung | Verarbeitung vom Eingang bis zum Entscheid ohne manuellen Eingriff. |
| Fall | Bearbeitungsvorgang zu genau einer Rechnung. |
| Forum Datenaustausch | Verein, der die XML-Standards für den administrativen Datenaustausch im Schweizer Gesundheitswesen publiziert. |
| generalInvoiceRequest, generalInvoiceResponse | XML-Meldungen des Forum Datenaustausch für Rechnung und Rechnungsantwort, aktuell Version 5.0. |
| GLN | Global Location Number. Identifiziert Leistungserbringer und Versicherer im Datenaustausch. |
| Golden-Master-Test | Test, der ein gespeichertes erwartetes Ergebnis mit dem aktuellen vergleicht. |
| Hexagonale Architektur | Aufbau, bei dem die Fachlogik im Kern liegt und Technik über Ports und Adapter angebunden ist. |
| Intermediär | Dienstleister, der elektronische Rechnungen zwischen Leistungserbringern und Versicherern übermittelt. |
| Kostenbeteiligung | Anteil, den Versicherte selbst tragen: Franchise und Selbstbehalt. |
| KVG, KVV | Bundesgesetz und Verordnung über die Krankenversicherung. |
| Leistungsabrechnung | Dokument an die versicherte Person mit vergütetem Betrag und Kostenbeteiligung. |
| OAAT | Organisation ambulante Arzttarife AG. Tariforganisation, die TARDOC und die ambulanten Pauschalen pflegt. |
| OKP | Obligatorische Krankenpflegeversicherung nach KVG. |
| Outbox | Tabelle, in die ein Service Ereignisse in derselben Transaktion wie seine Zustandsänderung schreibt. |
| Referenzdatensatz | 5'000 von Menschen geprüfte Belege, an denen jede AI-Änderung gemessen wird. |
| Regelstand | Unveränderbare Version aller Regeln und Kataloge mit Gültigkeitszeitraum. |
| Rückforderungsbeleg | Rechnung, die Versicherte im Tiers garant zur Rückerstattung einreichen. |
| Schattenbetrieb | LEA verarbeitet produktive Rechnungen parallel zum Altsystem; wirksam ist nur dessen Entscheid. |
| TARDOC | Einzelleistungstarif für ambulante ärztliche Leistungen, seit dem 1. Januar 2026 in Kraft. |
| Taxpunktwert | Frankenbetrag je Taxpunkt, je Kanton vereinbart oder festgesetzt. |
| Tiers garant | Die versicherte Person bezahlt die Rechnung und fordert den Betrag beim Versicherer zurück. |
| Tiers payant | Der Versicherer bezahlt den Leistungserbringer direkt. |
| Vertrauensärztlicher Dienst | Ärztinnen und Ärzte, die den Versicherer in medizinischen Fragen der Leistungspflicht beraten. |
| VVG | Versicherungsvertragsgesetz. Grundlage der Zusatzversicherungen. |
| Workload Identity | Verfahren, mit dem sich ein Dienst im Cluster ohne gespeichertes Geheimnis gegenüber Azure ausweist. |
| WZW | Wirksamkeit, Zweckmässigkeit, Wirtschaftlichkeit: Voraussetzungen für die Leistungspflicht nach KVG. |
| ZSR | Zahlstellenregister der SASIS. Die ZSR-Nummer identifiziert Leistungserbringer gegenüber den Versicherern. |
Quellen
Die realen Rahmenbedingungen des Fallbeispiels stützen sich auf diese Seiten, abgerufen am 16. November 2026:
- BAG: Ambulanter Arzttarif – TARDOC und ambulante Pauschalen seit 1. Januar 2026, Befristung bis Ende 2028, OAAT
- Forum Datenaustausch: XML-Standard Rechnung – generalInvoiceRequest und generalInvoiceResponse 5.0
- FMH: Rechtlicher Leitfaden, Rechnungsstellung KVG – Tiers garant und Tiers payant, Datenannahmestelle
- Onlinekommentar zu Art. 21 DSG – automatisierte Einzelentscheide, Kennzeichnung durch Bundesorgane
- Pro Infirmis: Rechtsratgeber Datenschutz – Krankenversicherer als Bundesorgane (OKP) und als Private (Zusatzversicherung)
- FINMA: Rundschreiben 2018/3 Outsourcing – Geltung für Versicherungsunternehmen
- FINMA: Aufsichtsmitteilung 08/2024 – Governance und Risikomanagement beim Einsatz von KI
- Microsoft: Azure OpenAI Service in Switzerland North – Verfügbarkeit seit 18. September 2023, Datenhaltung, kein Training mit Kundendaten
- Microsoft Q&A: Nachfolge für GPT-4o-Standard-Bereitstellungen in Switzerland North – keine Zusage für regionale Nachfolgemodelle (Mai 2026)
- arc42: Template-Übersicht – die zwölf Kapitel
Kommentare