---
title: "Zahnarztpraxis: Jotform-Aufnahme in Cliniko - APIANT.ai"
description: "Eine Zahnarztpraxis wollte, dass ihre Online-Buchungen und Gesundheitsfragebögen in Cliniko landen, dem richtigen Patienten zugeordnet oder gar nicht geschrieben."
canonical: "https://apiant.ai/de/stories/dental-practice-patient-intake"
---

# Eine Zahnarztpraxis wollte, dass ihre Online-Buchungen und Gesundheitsfragebögen in Cliniko landen, dem richtigen Patienten zugeordnet oder gar nicht geschrieben.

Eine Zahnarztpraxis nimmt Buchungen und Gesundheitsanamnesen über Jotform entgegen und führt ihre Patientenakten in Cliniko. Die Praxis verband beide Apps mit APIANT und bat ihren AI-Client um die Abläufe.

Apps in dieser Geschichte

- [ Jotform](https://apiant.ai/connections/jotform)
- [ Cliniko](https://apiant.ai/connections/cliniko)

## Die Herausforderung

Jede Online-Buchung und jeder Gesundheitsfragebogen musste die Akte des richtigen Patienten in Cliniko erreichen, mit dem ausgefüllten Formular als PDF angehängt, und niemals die falsche.

Eine Regel steht über allen anderen: auf E-Mail und Geburtsdatum zusammen abgleichen, einen neuen Patienten nur anlegen, wenn eindeutig kein Treffer existiert, und wenn der Treffer nicht sicher ist, nichts schreiben und es an einen Menschen geben.

- **39** Live-Formularübermittlungen seit dem Go-live verarbeitet, jede davon erfolgreich
- **37** Formular-PDFs an eine zugeordnete Patientenakte angehängt
- **78** Validierungsläufe mit erfundenen Datensätzen, keine echten Patientendaten
- **2** unsichere Treffer für einen Menschen zurückgestellt, nicht geschrieben

Auf einen Blick

- Unternehmen: Zahnarztpraxis

- Apps: [Jotform](https://apiant.ai/connections/jotform), [Cliniko](https://apiant.ai/connections/cliniko)

- Gebaut mit: Einem AI-Client, über den [APIANT MCP-Server](https://apiant.ai/de/mcp)

- Vom kostenlosen Plan aufgestiegen: Wenige Minuten nach der Registrierung

## Der Weg

- Tag 1

### Erster getesteter Ablauf innerhalb einer Stunde

Die Praxis registrierte sich, verband Jotform und Cliniko und hatte 43 Minuten nach der Registrierung einen Ablauf von der Buchung zum Patienten gebaut und durch den ersten Testlauf gebracht.

- Drei Wochen später

### Live am selben Tag

Sie kamen zurück, und der Buchungsablauf ging mit echten Buchungen live. Innerhalb einer Stunde erstellte der Agent zwei weitere Kopien für die anderen Buchungsformulare der Praxis und schaltete sie ein.

- Tag 21

### Der Gesundheitsfragebogen

Als Nächstes kam der Anamnesebogen: die Antworten anhand des Fragewortlauts lesen, jede Antwort in das passende Feld der Patientenakte schreiben und das ausgefüllte Formular als PDF anhängen. Der Agent baute und testete ihn, und er ging am selben Tag live.

Funktioniert

- Tag 22

### Zuerst erfundene Patienten, dann strengerer Abgleich

Bevor der Abgleich verschärft wurde, wurden die Regeln belegt, ohne echte Datensätze anzufassen. Der Agent baute zwei Validierungssuiten, die nur mit synthetischen Testdatensätzen laufen, und führte sie in 44 Minuten 78 Mal aus. Minuten später wurden alle vier Live-Abläufe mit den strengeren Regeln aktualisiert: auf E-Mail und Geburtsdatum zusammen abgleichen, einen Patienten nur anlegen, wenn eindeutig kein Treffer existiert, und alles Mehrdeutige zur Prüfung schicken.

- Tage 22 bis 29

### Im Betrieb

Jede Buchung und jeder Gesundheitsfragebogen ist seitdem durch die strengeren Regeln gelaufen: 30 Live-Übermittlungen, alle erfolgreich.

## Was sie gebaut haben

Ablauf | Was es tut | Ergebnis |

Buchung zur Patientenakte (drei Buchungsformulare) | Findet den Patienten über E-Mail und Geburtsdatum, legt nur dann einen an, wenn eindeutig kein Treffer existiert, füllt die Behandlungsfelder und hängt das Buchungs-PDF an | 28 Live-Buchungen, alle erfolgreich; 24 neue Patientenakten |

Gesundheitsfragebogen zur Patientenakte | Schreibt jede Anamnese-Antwort in das passende Feld der Patientenakte und hängt das Formular-PDF an; eine leere Antwort lässt den vorhandenen Wert unverändert | 11 Live-Formulare: 9 mit PDF geschrieben, 2 zur Prüfung zurückgestellt |

Abgleichs- und PDF-Validierung (zwei Suiten) | Führt die Abgleichs- und PDF-Regeln nur gegen erfundene Datensätze aus | 78 Läufe, stillgelegt, sobald die Regeln belegt waren |

Vier Abläufe sind heute live, jeder mit einem erfolgreichen letzten Lauf.

## Warum es funktioniert hat

- 01

### Eine Regel in jedem Ablauf.

Sicherer Treffer oder kein Schreiben: Seit Tag 22 folgt jeder Ablauf dieser Regel, und eine unsichere oder ungültige Übermittlung geht an einen Menschen statt in eine Akte.

- 02

### Belegt mit erfundenen Datensätzen.

Die strengeren Abgleichsregeln wurden 78 Mal mit synthetischen Testpatienten durchgespielt und erst dann in die Live-Abläufe übernommen.

- 03

### Das Formular reist mit der Akte.

Jede zugeordnete Buchung und jeder Gesundheitsfragebogen wird als PDF an die Patientenakte in Cliniko angehängt: bisher 37.

## Weitere Geschichten

- [Eine Kirchengemeinde brauchte jede Stripe-Spende in DonorPerfect, beim richtigen Spender, mit ihren eigenen Codes. Am nächsten Tag kamen ihre Zahlungen von selbst als Spenden an.](https://apiant.ai/de/stories/church-stripe-donorperfect-gifts)
- [Ein Yogastudio wollte jeden Mindbody-Verkauf in seinem Mitgliederregister, sortiert nach eigenen Regeln. Es ging an Tag drei live und hatte bis zum Nachmittag von Tag vier 21 bezahlte Verkäufe sortiert.](https://apiant.ai/de/stories/yoga-studio-membership-register)
- [Eine Spa-Leitung wollte die Buchungen und Zeitblöcke aus Mindbody in Google Calendar, synchron gehalten. Die Block-Synchronisierung lief in etwas über zwei Wochen 1.508 Mal, alle Läufe erfolgreich.](https://apiant.ai/de/stories/wellness-spa-calendar-sync)

## Worum würden Sie bitten?

[Kostenlos starten](https://app.apiant.ai/register?utm_source=stories&utm_medium=cta&utm_campaign=story_dental)[Weitere Geschichten lesen](https://apiant.ai/de/stories)

Die Angaben stammen aus dem eigenen Ausführungsverlauf des Accounts, wurden nur anhand des Ausführungsstatus gezählt und werden ohne den Namen der Praxis geteilt. Für diese Geschichte wurden keine Patientendaten gelesen oder verwendet.
