Konsolidiert Gesundheitsakten, Blutuntersuchungen und Symptome, um strukturierte Kontexte in lokale oder Cloud-KI-Modelle einzuspeisen.
Medizinische Akten zusammenführen und kontextbezogene Abfragen über lokale Modelle wie Ollama oder kommerzielle APIs ausführen.
🚀 **OpenHealth** fasst verstreute Gesundheitsdaten – wie Blutuntersuchungen, Körperwerte und Symptomprotokolle – in einem strukturierten Format für die KI-gestützte Analyse zusammen. Sie können es vollständig offline mit Docker und Ollama ausführen oder auf gehostete Web-Schnittstellen zugreifen. Es richtet sich an Einzelpersonen und Praktiker, die ein strukturiertes, privates Kontextmanagement neben LLM-Modellen suchen.
Die Plattform analysiert rohe medizinische Eingaben wie Laborergebnisse, persönliche Körperwerte und Familiengeschichte in eine standardisierte Datendatei. Anschließend verwendet sie diese analysierte Struktur als Kontext für Gespräche mit Modellen wie LLaMA, DeepSeek-V3, GPT, Claude oder Gemini. Für die lokale Ausführung wird es mit Docling für das Parsing und Ollama für private Inference kombiniert.
Es eignet sich für technikaffine Medizinprodukte-Experten und Patienten, die durch die lokale Ausführung von Gesundheitsassistenten-Workflows Datendatenschutz wünschen. Es ist auch über gehostete Webplattformen für schnelle Konsultationen nutzbar. Es eignet sich nicht für nicht-technische Benutzer, die eine vorgefertigte native Desktop-Anwendung ohne Serverkonfiguration suchen.
Aggregiert Blutuntersuchungen, Wearable-Daten, Familiengeschichte und persönliche Symptomaufzeichnungen in einem strukturierten Repository.
Verbindet sich mit kommerziellen APIs wie Claude und GPT oder lokalen Modellen über Ollama und LLaMA.
Verarbeitet Dokumente lokal mit Docling, um strukturierte Dateien zu extrahieren, ohne Rohdaten an Dritte zu senden.
Bietet maßgeschneiderte Antworten durch Einspeisung Ihrer standardisierten medizinischen Daten in den Modellinteraktionskontext.
🚀 **OpenHealth** ist kostenlos und Open Source unter der AGPL-3.0 Lizenz. Gehostete Optionen wie Clinic und Full Platform sind online verfügbar, aber das Self-Hosting erfordert Hosting-Infrastruktur und eigene API-Schlüssel für kostenpflichtige LLMs.
901 offene Remote-Stellen im KI-Training, aktualisiert am 17. November 2026; die meisten zahlen $20–$170 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Ja, Sie können den gesamten Stack lokal ausführen, indem Sie Docling für das Dokumenten-Parsing und Ollama für die lokale LLM-Inference verwenden.
Sie können Ergebnisse von Blutuntersuchungen, Gesundheitsvorsorgeberichten, physische Informationen, Symptomprotokolle und Familiengeschichte eingeben.
Es unterstützt nativ LLaMA, DeepSeek-V3, GPT, Claude und Gemini.
Zekai zuerst in Google sehen