„Ein Algorithmus spürt kein Leuchten in den Augen“

Wer in Deutschland eine häusliche Betreuung für pflegebedürftige Eltern organisieren muss, betritt einen Markt im Dauerausnahmezustand. Hunderttausende Familien greifen Jahr für Jahr auf sogenannte 24-Stunden-Betreuungskräfte zurück, meist vermittelt über osteuropäische Dienstleister auf Basis der europäischen Entsenderichtlinie. In der Praxis gleicht das Verfahren oft einer Lotterie: Vermittler tauschen hastig eingescannte Fragebögen per E-Mail aus, versenden standardisierte Steckbriefe und hoffen, dass zwei fremde Menschen unter einem Dach miteinander auskommen. Nicht selten reisen Betreuerinnen nach wenigen Tagen wieder ab, weil die Realität vor Ort nichts mit den Angaben im Exposé gemein hat.

In Frankfurt am Main versucht Sebastian Schugar, diese Bruchstelle mit Methoden zu schließen, die man eher in der Softwareentwicklung vermuten würde als in der Sozialwirtschaft. Seine Fachagentur Thalpos (öffnet in einem neuen Tab) – hervorgegangen aus einer regionalen Pflegevermittlung für das Rhein-Main-Gebiet – setzt im Hintergrund auf eine vielschichtige Cloud-Architektur aus spezialisierten Sprachmodellen, regelbasierten Firewalls und biografischer Resonanzanalyse. Wer die Firmenräume im Frankfurter Nordend betritt, trifft jedoch nicht auf ein anonymes Plattform-Startup. Schugar versteht sich als Handwerker, der Software als Schutzschild gegen administrative Verharmlosung baut.

Im Gespräch mit Techspiegel-Redakteur Markus Bergmann erklärt der Gründer, warum Standard-Sprachmodelle an komplexen Lebensläufen scheitern, wie seine Sicherheitsarchitektur Angehörige vor Fehlentscheidungen schützt und weshalb er sich bis heute weigert, die eigentliche Vermittlung einem vollautomatischen Algorithmus zu überlassen.

I. Der Mensch im JSON-Format

Techspiegel: Herr Schugar, wenn deutsche Startups von künstlicher Intelligenz in der Pflege sprechen, meinen sie meistens einen simplen Prompt in ChatGPT, der Pflegeberichte zusammenfasst. Sie schicken die Lebensgeschichte eines pflegebedürftigen Menschen durch sieben parallele Spezial-Agenten in der Cloud und kompilieren daraus ein maschinenlesbares Resonanz-Profil. Warum zerlegen Sie die Seele eines Seniors in ein JSON-Objekt?

Sebastian Schugar: Weil ein einzelnes Sprachmodell schlampt. Wenn Sie einem Standard-Prompt eine ganze Lebensgeschichte hinwerfen, macht die Maschine genau das, was auch ein überarbeiteter Kassenprüfer tut: Sie überfliegt den Text, greift sich zwei Stichworte heraus und bastelt eine hübsche, glatte Zusammenfassung. Das ist wertlos.

Wenn zwei Menschen rund um die Uhr unter einem Dach leben sollen, entscheiden nicht die groben Daten. Es entscheidet das feine Gewebe. Ein Mensch ist kein einzelner Datenpunkt. Er hat ein Lebenskapitel, er hat einen eigenen Schlafrhythmus, er hat ein Kommunikationsbedürfnis und er hat Eigenheiten, die er niemandem gerne erzählt.

Unsere sieben Agenten haben jeweils nur eine einzige Aufgabe. Der Agent für den Tagesrhythmus interessiert sich nicht für den alten Beruf meines Klienten. Er sucht ausschließlich nach den Ankern im Tageslauf: Steht der Mann um sechs Uhr auf? Braucht er um zehn Uhr seinen Filterkaffee?

Jeder Agent muss seine Erkenntnisse mit einem echten Zitat aus dem Interview belegen. Wenn der Chat keine handfesten Aussagen hergibt, liefert der Agent eine Null-Meldung zurück. Keine Halluzinationen, kein Erfinden. Ähnlich wie bei strukturierten Unternehmensdaten im Betrieb nützt ein Modell nichts, wenn es fehlende Fakten mit Wahrscheinlichkeiten auffüllt. Wir verwandeln die Biografie nicht in kalte Daten. Wir nutzen die Daten als Schutzschild gegen die Oberflächlichkeit.

II. Latenz, Notfälle und nackte Angst

Techspiegel: In Ihrem Backend sieht man keine Standard-Anbindung an OpenAI, sondern eine kaskadierende Kette über OpenRouter: Nemotron von Nvidia, Trinity, Liquid LFM. Warum dieser Aufwand mit Fallbacks und 60-Sekunden-Timeouts?

Sebastian Schugar: Weil Familien nicht aus Spaß bei uns sitzen. Eine Tochter meldet sich nicht bei Thalpos, wenn alles ruhig ist. Sie meldet sich nachts um zwei, wenn die Mutter wieder gestürzt ist und der Krankenhausarzt mit der Entlassung droht. Am Küchentisch fließen Tränen. Die Nerven liegen blank.

Wenn in diesem Moment ein System hängenbleibt, weil ein amerikanischer Server überlastet ist, verliert diese Familie das Vertrauen. Ich kenne diese Situationen aus Hunderten von Hausbesuchen. Die Menschen haben keine Geduld mehr für Ladebalken.

Unsere Kette fängt Ausfälle lautlos im Hintergrund ab. Scheitert das erste Modell, übernimmt in Bruchteilen einer Sekunde das nächste. Wer sich mit der Frage beschäftigt, ob man lokale KI oder Cloud-Dienste einsetzt, lernt schnell: Redundanz ist keine Spielerei, sondern eine Frage der Verlässlichkeit. Die Angehörigen bekommen davon nichts mit. Sie sehen nur, dass ihre Sorgen ernst genommen und verlässlich festgehalten werden. Technik muss wie eine solide Hauswand sein: Man sieht sie nicht, aber sie hält den Wind ab.

III. Die Lumina-Firewall

Techspiegel: Ihr Chat-Assistent Lumina verfügt über eine erstaunlich harte Sicherheitsarchitektur: Regex-Filter auf dem Server, ein vorgeschalteter Llama-Klassifikator für die Intentionsprüfung und nachgelagerte Bereinigungsfilter. Warum braucht eine Pflegeagentur im Rhein-Main-Gebiet Schutzmechanismen gegen Prompt Injection und Code-Execution?

Sebastian Schugar: Weil das System eine klare Aufgabe hat: Es soll zuhören. Mehr nicht.

In der Pflege gibt es eine enorme Verunsicherung. Viele Angehörige versuchen verständlicherweise, jede Information aufzusaugen. Sie fragen eine KI dann: „Was kostet mich das Pflegeheim?“ oder „Welche Paragrafen muss ich beim Sozialamt ziehen?“. Ein normales Sprachmodell fängt dann an zu schwadronieren. Es gibt Halbwahrheiten von sich, zitiert falsche Gesetze und stiftet Verwirrung.

Lumina ist keine Rechtsberatung und kein Preisrechner. Lumina ist eine empathische Fragestellerin. Unsere Firewall blockiert jede themenfremde Frage sofort ab. Wenn jemand wissen will, wie viel eine 24-Stunden-Pflegekraft kostet, antwortet Lumina freundlich: „Darüber kann ich keine Auskunft geben, sprechen wir lieber über den Alltag Ihres Vaters.“

Gleichzeitig schützt uns die Architektur vor Missbrauch. Niemand soll unsere Schnittstellen für Unsinn zweckentfremden. Wer bei uns Daten eingibt, soll die Gewissheit haben, dass das System vollkommen fokussiert auf die eigene Familiensituation bleibt.

IV. Der Proxy-Bias der Töchter

Techspiegel: Im Frontend nutzen Sie einen Hook, der die gesamte Grammatik dynamisch anpasst: Ist der Nutzer der Betroffene selbst, formuliert das System in der Ich-Form. Schreibt die Tochter, wechselt alles in die dritte Person. Psychologisch birgt das ein Risiko: Töchter neigen dazu, die Situation ihrer Eltern schönzureden oder mit eigenen Ängsten zu überlagern. Wie filtert Ihr System diesen Proxy-Bias heraus?

Sebastian Schugar: Das ist der wichtigste Punkt überhaupt. Töchter handeln aus reiner Liebe, aber sie beschönigen oft. Am Küchentisch höre ich fast immer den gleichen Satz: „Mein Vater ist eigentlich ganz friedlich, er braucht nur ein bisschen Gesellschaft.“ Wenn man dann die Wohnung betritt, sieht man die verriegelte Haustür und den eingeschlagenen Nachttisch.

Unser System fragt deshalb keine Urteile ab, sondern Handlungen. Wir fragen nicht: „Ist Ihr Vater dement?“. Wir fragen: „Was passiert, wenn am Dienstagnachmittag die Glocke der Haustür klingelt?“.

Über das Discovery-Mosaik wählen die Angehörigen keine Diagnosen, sondern Situationen aus. Der Algorithmus gleicht diese Klicks mit den Textnachrichten im Chat ab. Wenn die Tochter schreibt, der Vater sei gesellig, im Fragebogen aber ankreuzt, dass er bei Besuch das Zimmer verlässt, schlägt unser System Alarm. Die Diskrepanz landet als deutlicher Hinweis im Analysebericht. Das ist keine Verurteilung. Es ist die Wahrheit, die wir brauchen, um die passende Hilfe zu finden.

V. Das Tabu: „Ungeschönte Realität“

Techspiegel: Die Tech-Industrie trainiert ihre KIs auf maximale Höflichkeit und Konformität. In Ihrem System gibt es ein Modul namens „Ungeschönte Realität“. Da geht es um Widerstand bei der Intimpflege, um Wutanfälle und um das berüchtigte Sundowning bei Demenz. Wie bringen Sie einem Sprachmodell bei, diese Abgründe sachlich zu analysieren, ohne die Patienten abzustempeln?

Sebastian Schugar: Indem wir aufhören, die Realität zu romantisieren. Altenpflege ist kein Werbeprospekt mit lachenden Senioren auf der Parkbank. Altenpflege ist harte, emotionale Arbeit.

Wenn eine demenziell veränderte Dame um 17 Uhr panisch wird, weil sie glaubt, ihre Kinder aus der Schule abholen zu müssen, dann hilft kein netter Spruch. Dann hilft nur Wissen. Wenn eine Betreuungskraft unvorbereitet in so eine Situation gerät, packt sie nach drei Tagen die Koffer. Das ist der Grund, warum konventionelle Vermittlungen so oft scheitern: Weil man den Betreuungskräften die Wahrheit verschweigt.

Wir haben die Prompts so kalibriert, dass sie schwieriges Verhalten nicht als Makel beschreiben, sondern als fachliche Anforderung. Im Dossier steht dann nicht: „Der Klient ist aggressiv.“ Dort steht: „Herr M. reagiert bei Berührungen im Schulterbereich mit Abwehr. Er benötigt eine Betreuungskraft mit hoher Frustrationstoleranz, die verbale Angriffe nicht persönlich nimmt und über taktile Beruhigung deeskaliert.“

Das ist der Unterschied zwischen Verurteilung und professionellem Schutz. Wir schützen die Familie vor Enttäuschungen und wir schützen die Betreuungskraft vor Überforderung.

VI. Cosinus-Ähnlichkeit gegen Küchentisch

Techspiegel: Jetzt zu der Frage, die jeden Tech-Investor irritieren dürfte: Sie erfassen all diese Daten, generieren hochkomplexe Vektoren der Familien, aber am Ende matchen Sie die Betreuungskräfte noch immer von Hand. Warum gibt es keine Vektordatenbank, die per Cosinus-Ähnlichkeit vollautomatisch die passende Kraft aus Polen oder Rumänien zuweist? Ist Ihr „Bauchgefühl“ nicht schlicht ein Engpass bei der Skalierung?

Sebastian Schugar: Wenn es ein Engpass ist, dann bin ich stolz darauf.

Lassen Sie mich eine Geschichte erzählen. Wir hatten in Frankfurt-Ostend einen Ingenieur im Ruhestand. 84 Jahre alt, ehemals im Brückenbau tätig. Er saß den ganzen Tag stumm am Fenster und blickte auf den Osthafen. Eine Vektordatenbank hätte ihm eine Betreuungskraft zugeteilt, die gerne spazieren geht und deutsche Hausmannskost kocht. Standard.

Ich habe seine Akte gelesen und seine Tochter gehört. Wir haben Marta gefunden. Marta hat keine Ingenieursausbildung. Aber ihr Vater und ihr Großvater waren Kranführer im Danziger Hafen.

Am ersten Tag saßen die beiden auf dem Balkon. Sie sprachen nicht über Blutdruck oder Essen. Sie sprachen über den Geruch von Diesel, über Stahlseile und über das Wasser. Das nenne ich Resonanz. Dieser Mann ist innerhalb von zwei Wochen wieder aufgeblüht.

Keine Cosinus-Ähnlichkeit der Welt erkennt so etwas. Ein Algorithmus kann Zahlen vergleichen. Aber er sieht nicht, ob eine Betreuungskraft die Fähigkeit besitzt, drei Minuten lang gemeinsam mit einem alten Menschen zu schweigen, ohne nervös auf das Smartphone zu schauen. Ich nenne das die geduldige Stille. Das prüfe ich persönlich. Genau wie bei der Frage, mit welchem Problem ein Betrieb bei KI anfangen sollte, gilt auch hier: Die Technik bereitet das Feld vor, aber die Verantwortung übernehme ich als Inhaber.

VII. Daten und Würde

Techspiegel: Ihre Kunden vertrauen dem System intime Geheimnisse an: Streitigkeiten über das Erbe, Scham bei Inkontinenz, religiöse Ängste. Wie garantieren Sie, dass diese Daten nicht irgendwo in Kalifornien zum Weitertrainieren von Modellen genutzt werden?

Sebastian Schugar: Indem wir die Daten trennen. Auf unserer Webseite werden keine sensiblen Datenbankabfragen ausgeführt. Alles läuft statisch und sicher.

Im internen Portal arbeiten wir mit temporären Zugängen, die nach Gebrauch verfallen. Die biografischen Rohdaten werden anonymisiert an die Sprachmodelle übergeben. Da steht nicht: „Frau Müller aus Bad Homburg“. Da steht: „Klientin, 82 Jahre, Rhein-Main-Gebiet“. Wir nutzen Schnittstellen, die vertraglich garantieren, dass Eingaben nicht für das Training künftiger Modelle verwendet werden. Wie bei der Trennung von Betriebs- und Personendaten im Datenschutz muss auch im Pflegebereich klar sein, wer welche Information zu welchem Zweck sieht.

Zudem gilt bei uns die Schweigepflicht. Wir sind eine Fachagentur hier in der Region, greifbar vor Ort. Wenn hier etwas schiefläuft, steht nicht ein anonymer Serverbetreiber gerade, sondern ich mit meinem Namen. Wer sich mit den Pflichten des AI Acts im Arbeitsalltag auseinandersetzt, merkt schnell, dass Vertrauen nicht aus Klauseln entsteht, sondern aus nachvollziehbaren Verantwortlichkeiten. Das wissen unsere Kunden im Westend, in Wiesbaden oder im Taunus sehr genau zu schätzen.

VIII. Wärme aus Silizium?

Techspiegel: Ihr Firmenname θάλπος steht für die lebensspendende Wärme der Sonne. Ihr Arbeitsalltag besteht aus Next.js, API-Pipelines und Prompt-Tuning. Kann Technologie am Ende wirklich menschliche Wärme erzeugen?

Sebastian Schugar: Nein. Das kann sie nicht. Und wer das behauptet, belügt die Menschen.

Code wärmt niemanden. Eine Zeile TypeScript nimmt niemanden in den Arm, wenn die Demenz wieder Angst macht. Ein Algorithmus bringt keinen heißen Tee ans Bett.

Aber gute Technik kann etwas anderes: Sie kann die Kälte der Verwaltung beseitigen. Sie räumt den bürokratischen Schotter aus dem Weg, der Familien heute erstickt. Sie verhindert Fehlbesetzungen, Tränen und ständige Betreuerwechsel.

Unsere Software ist nicht die Wärme. Sie ist das Fundament, auf dem echte menschliche Nähe überhaupt erst entstehen kann. Wir nutzen die künstliche Intelligenz, um den Menschen dahinter wieder sichtbar zu machen. Nicht mehr, aber ganz sicher auch nicht weniger.

Redaktionelle Einordnung: Der Wert des gebrochenen Workflows

Der Fall Thalpos illustriert eine Entwicklung, die weit über den Pflegemarkt hinausweist. Während viele Software-Anbieter versuchen, Prozesse von der ersten Dateneingabe bis zur Rechnungsstellung vollständig zu automatisieren, setzt das Frankfurter Modell auf einen gezielten Bruch im Workflow. Die Software übernimmt die ermüdende Vorarbeit: Sie filtert Widersprüche heraus, strukturiert unordentliche Schilderungen und zwingt die Beteiligten zu einer präzisen Beschreibung des Alltags. Doch an der entscheidenden Schnittstelle – der Zuteilung eines Menschen zu einem anderen – stoppt der Automatismus.

Diese Kombination aus maschineller Vorfilterung und menschlicher Letztentscheidung entspricht genau dem Grundgedanken, der sich auch in anderen Bereichen der betrieblichen Digitalisierung bewährt hat: Ein guter Pilot darf klein bleiben, solange er an den echten Reibungspunkten ansetzt. Die Versuchung, ein solches System über rein statistische Ähnlichkeitsmaße zu skalieren, ist groß. Doch gerade in sensiblen Lebensbereichen zeigt sich die Grenze der Vektorrechnung: Zahlen können Affinitäten abbilden, aber sie erfassen weder emotionale Resilienz noch jene leisen biografischen Übereinstimmungen, die über das Gelingen eines Zusammenlebens entscheiden.