Die Navigation durch Online-Gesundheitsinformationen ist oft überwältigend und mangelt an Personalisierung für den Einzelnen. Große Sprachmodelle (LLMs) können dies verbessern, aber aktuelle KI-Tools agieren als passive Frage-Antwort-Systeme. Ein Experte wie ein Arzt sucht aktiv nach Kontext, indem er klärende Fragen stellt, um eine maßgeschneiderte Beratung zu geben. Diese Forschung stellt "Wayfinding AI" vor, einen Prototyp im Frühstadium, der auf Gemini basiert und darauf ausgelegt ist, proaktiv klärende Fragen zu stellen. Durch Benutzerstudien erwies sich dieser Ansatz als signifikant hilfreicher, relevanter und maßgeschneiderter als eine Basis-KI. Die Teilnehmer haben oft Schwierigkeiten, ihre gesundheitlichen Bedenken zu artikulieren, was proaktives Fragen zur Sammlung relevanter Details unerlässlich macht. Wayfinding AI folgt drei Prinzipien: proaktive konversationelle Führung, bestmögliche Antworten in jeder Runde und transparente Begründung. Seine Benutzeroberfläche trennt die konversationellen Elemente von detaillierten Informationen, um sicherzustellen, dass Fragen nicht übersehen werden. Benutzerstudien zeigten, dass die Teilnehmer Wayfinding AI wegen seiner Hilfsbereitschaft, Relevanz, Zielverständnis und Anpassungsfähigkeit bevorzugten. Gespräche mit Wayfinding AI waren länger und konzentrierten sich stärker auf die Gewinnung detaillierter Benutzereingaben. Dieser menschenzentrierte, konversationelle Ansatz verspricht viel für zukünftige KI-Anwendungen im Gesundheitswesen.