Laura Steffny
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Laura Steffny has a total of 26 co-authors. Here are the top co-authors by number of shared publications:
- Nanna Dahlem
August-Wilhelm Scheer Institut für digitale Produkte und Prozesse gGmbH
4 shared publications - Karolin Theilmann
August-Wilhelm Scheer Institut für digitale Produkte und Prozesse gGmbH
3 shared publications - Tobias Greff
August-Wilhelm Scheer Institut für digitale Produkte und Prozesse gGmbH, Saarbrücken, Deutschland
3 shared publications - Anne Gebert
German Institute for Applied Nursing Research, Cologne, Germany
2 shared publications - Daniela Podevin
August-Wilhelm Scheer Institut für digitale Produkte und Prozesse gGmbH, Saarbrücken, Deutschland
2 shared publications - Dirk Werth
August-Wilhelm Scheer Institut für digitale Produkte und Prozesse gGmbH
2 shared publications
Latest Publications
- Open Access
- 10 October 2026
- Published by Springer Nature in Health Care Management Science
- Vol. 29 (4) , 50
Prototyping and evaluation of a clinical decision support system in long-term care in German nursing homes
Demographic change in Germany is increasing the demand for professional long-term care. Given rising requirements and simultaneous staff shortages, the need for digital systems is growing to effectively support nursing staff and mitigate staffing bottlenecks. This article introduces a hybrid clinical decision support system (CDSS) designed to generate actionable intervention recommendations by combining structured data and narrative nursing documentation. The CDSS consists of three interacting components: (1) knowledge models that encode state-of-the-art nursing knowledge, (2) a rule-based expert system that applies these models to generate individualized nursing interventions within the application fields mobility and pain management, and (3) a large language model (LLM) that extracts indicators that are necessary for knowledge-based decision-making from free-text entries to fill documentation gaps. A prototype was implemented and descriptively evaluated in two German nursing homes. Overall, 72% of the CDSS recommendations were rated as “correct” by nursing professionals, meaning appropriate for the care situation. In a separate evaluation, the LLM achieved 76% agreement rate in extracting care-relevant information from narratives. These results suggest that a hybrid architecture integrating expert knowledge, rule-based logic, and language models may have the potential to enhance nursing planning in long-term care settings.
- 10 October 2026
- Published by Springer Nature in Health Care Management Science
- Vol. 29 (4) , 50
Open AccessPrototyping and evaluation of a clinical decision support system in long-term care in German nursing homes
Demographic change in Germany is increasing the demand for professional long-term care. Given rising requirements and simultaneous staff shortages, the need for digital systems is growing to effectively support nursing staff and mitigate staffing bottlenecks. This article introduces a hybrid clinical decision support system (CDSS) designed to generate actionable intervention recommendations by combining structured data and narrative nursing documentation. The CDSS consists of three interacting components: (1) knowledge models that encode state-of-the-art nursing knowledge, (2) a rule-based expert system that applies these models to generate individualized nursing interventions within the application fields mobility and pain management, and (3) a large language model (LLM) that extracts indicators that are necessary for knowledge-based decision-making from free-text entries to fill documentation gaps. A prototype was implemented and descriptively evaluated in two German nursing homes. Overall, 72% of the CDSS recommendations were rated as “correct” by nursing professionals, meaning appropriate for the care situation. In a separate evaluation, the LLM achieved 76% agreement rate in extracting care-relevant information from narratives. These results suggest that a hybrid architecture integrating expert knowledge, rule-based logic, and language models may have the potential to enhance nursing planning in long-term care settings.
- 1 October 2026
- Published by Hogrefe Publishing Group in Pflege
- Vol. 39 (5) , 239-248
Die Strukturierte Informationssammlung als Datenbasis für KI-Anwendungen: Eine qualitative Studie zur Datenqualität
Zusammenfassung: Hintergrund: Künstliche Intelligenz (KI) zur Unterstützung der Pflegeprozessverantwortung gewinnt an Bedeutung. Die Aussagekraft von KI-basierten Anwendungen hängt jedoch von den Trainingsdaten ab. Fragestellung: Inwieweit eignen sich die mit der Strukturierten Informationssammlung (SIS) dokumentierten Pflegebedarfe als Trainingsdaten für KI-gestützte Entscheidungsunterstützungssysteme zur Maßnahmenplanung im Pflegeprozess? Methoden: Es wurde eine qualitative Prozessanalyse mit Ableitung relevanter Konsequenzen durchgeführt. Die Datenerhebung umfasste elf leitfadengestützte Interviews in zwei Langzeitpflegeeinrichtungen. Die Interviews wurden mittels qualitativer Inhaltsanalyse ausgewertet, die Datenqualität wurde ergänzend mit dem METRIC-Framework bewertet. Ergebnisse: In allen fünf Clustern des Frameworks zeigte sich eine eingeschränkte Datenqualität, insbesondere im Hinblick auf Vollständigkeit, Genauigkeit und Präzision. Schlussfolgerungen: Die SIS ist für das Training von KI-Anwendungen zur Maßnahmenplanung nur bedingt geeignet. Eine Verbesserung der Datengrundlage könnte durch eine Erweiterung der Datenbasis sowie Anpassungen der Dokumentationspraxis erfolgen. Zudem sollten Methoden zur Steigerung der Ergebnisgüte von KI-Systemen berücksichtigt werden. Schulungen von Pflegefachpersonen sind notwendig, um den sicheren Umgang mit KI-Anwendungen in der Pflege zu fördern. Limitationen: Die Ergebnisse beruhen auf elf qualitativen Interviews in zwei Pflegeeinrichtungen und bilden damit die Breite der „Dokumentationskultur“ in Pflegeeinrichtungen nicht ab.
- 1 October 2026
- Published by Hogrefe Publishing Group in Pflege
- Vol. 39 (5) , 239-248
Die Strukturierte Informationssammlung als Datenbasis für KI-Anwendungen: Eine qualitative Studie zur Datenqualität
Zusammenfassung: Hintergrund: Künstliche Intelligenz (KI) zur Unterstützung der Pflegeprozessverantwortung gewinnt an Bedeutung. Die Aussagekraft von KI-basierten Anwendungen hängt jedoch von den Trainingsdaten ab. Fragestellung: Inwieweit eignen sich die mit der Strukturierten Informationssammlung (SIS) dokumentierten Pflegebedarfe als Trainingsdaten für KI-gestützte Entscheidungsunterstützungssysteme zur Maßnahmenplanung im Pflegeprozess? Methoden: Es wurde eine qualitative Prozessanalyse mit Ableitung relevanter Konsequenzen durchgeführt. Die Datenerhebung umfasste elf leitfadengestützte Interviews in zwei Langzeitpflegeeinrichtungen. Die Interviews wurden mittels qualitativer Inhaltsanalyse ausgewertet, die Datenqualität wurde ergänzend mit dem METRIC-Framework bewertet. Ergebnisse: In allen fünf Clustern des Frameworks zeigte sich eine eingeschränkte Datenqualität, insbesondere im Hinblick auf Vollständigkeit, Genauigkeit und Präzision. Schlussfolgerungen: Die SIS ist für das Training von KI-Anwendungen zur Maßnahmenplanung nur bedingt geeignet. Eine Verbesserung der Datengrundlage könnte durch eine Erweiterung der Datenbasis sowie Anpassungen der Dokumentationspraxis erfolgen. Zudem sollten Methoden zur Steigerung der Ergebnisgüte von KI-Systemen berücksichtigt werden. Schulungen von Pflegefachpersonen sind notwendig, um den sicheren Umgang mit KI-Anwendungen in der Pflege zu fördern. Limitationen: Die Ergebnisse beruhen auf elf qualitativen Interviews in zwei Pflegeeinrichtungen und bilden damit die Breite der „Dokumentationskultur“ in Pflegeeinrichtungen nicht ab.
- 7 July 2026
- Published by Springer Nature
- p. 384-402
One Size Does Not Fit All: A Systematic Review of Use-Case-Specific Design Criteria for Healthcare Chatbots
- 7 July 2026
- Published by Springer Nature
- p. 384-402
One Size Does Not Fit All: A Systematic Review of Use-Case-Specific Design Criteria for Healthcare Chatbots
- 7 October 2025
- Published by Springer Fachmedien Wiesbaden GmbH in HMD Praxis der Wirtschaftsinformatik
- Vol. 62 (6) , 1298-1311
Der Gender-Datengap in Künstlicher Intelligenz: Digitale Unsichtbarkeit und ihre Folgen für Inklusion und Teilhabe
Digitale Technologien gelten als Motor gesellschaftlicher Innovation. Zugleich besteht jedoch die Gefahr, dass sie bestehende soziale Ungleichheiten nicht
- 7 October 2025
- Published by Springer Fachmedien Wiesbaden GmbH in HMD Praxis der Wirtschaftsinformatik
- Vol. 62 (6) , 1298-1311
Der Gender-Datengap in Künstlicher Intelligenz: Digitale Unsichtbarkeit und ihre Folgen für Inklusion und Teilhabe
Digitale Technologien gelten als Motor gesellschaftlicher Innovation. Zugleich besteht jedoch die Gefahr, dass sie bestehende soziale Ungleichheiten nicht
- 22 June 2025
- Published by Springer Nature
- p. 173-188
Towards Effective AI in Healthcare: Identifying Success Factors and the Potential of Human-in-the-Loop
- 22 June 2025
- Published by Springer Nature
- p. 173-188
Towards Effective AI in Healthcare: Identifying Success Factors and the Potential of Human-in-the-Loop