Sundar Subramanian, CEO von Zyter – Interviewreihe

Sundar Subramanian, CEO von Zyter, ist ein erfahrener Strategie‑ und Gesundheits‑Executive mit einem Hintergrund, der Managementberatung, digitale Transformation und groß angelegte Gesundheits‑Operationen umfasst. Bevor er im Juli 2025 CEO wurde, verbrachte er mehr als 16 Jahre bei PwC’s Strategy&, wo er das US‑Strategieberatungsgeschäft sowie die Praxis für Enterprise Strategy, Value und Digital Transformation leitete und große Organisationen bei Wachstum, Neugestaltung von Betriebsmodellen und KI‑gestützter Transformation beriet. Früher in seiner Laufbahn co‑leitete Subramanian das Medicaid‑ und Medicare‑Center of Excellence von Booz & Company und arbeitete intensiv mit Gesundheits‑Zahlungsträgern, nachdem er leitende Positionen bei WellCare und McKinsey & Company innegehabt hatte. Bei Zyter führt er die Expansion des Unternehmens im Bereich agentischer KI und intelligenter Workflow‑Orchestrierung an, wobei der Schwerpunkt darauf liegt, KI zu nutzen, um End‑zu‑End‑Geschäftsprozesse neu zu gestalten, statt lediglich einzelne Aufgaben zu automatisieren.

Zyter ist ein privat geführtes Unternehmen für Unternehmens‑Technologie mit mehr als zwei Jahrzehnten Erfahrung im digitalen Gesundheitswesen, wobei seine TruCare‑Plattform für Bevölkerungs‑Gesundheit über 44 Millionen Menschen in mehr als 45 Gesundheitsorganisationen unterstützt. Das Unternehmen baut nun über seine Gesundheits‑Wurzeln hinaus mit einer KI‑Ausführungsplattform, die für komplexe und stark regulierte Workflows in den Bereichen Gesundheitswesen, Regierung und Finanzdienstleistungen konzipiert ist. Die Architektur kombiniert Zyter Symphony, das KI‑Agenten, Unternehmenssysteme und menschliche Aktionen koordiniert; Zyter Praxis, das Agenten, Regeln, Daten und menschliche Aufsicht in End‑zu‑End‑Workflow‑Module verpackt; und den TruCare Digital Core, der diese Workflows mit Systemen wie elektronischen Gesundheitsakten, Leistungsplattformen, ERP‑Systemen und CRM‑Software verbindet. Das übergeordnete Ziel ist es, agentische KI in bestehenden Unternehmensumgebungen betriebsbereit zu machen und dabei Governance, Nachvollziehbarkeit und menschliche Aufsicht über wesentliche Entscheidungen zu wahren.

Sie haben mehr als 16 Jahre bei Strategy& verbracht, das US‑Strategieberatungsgeschäft geleitet und intensiv im Gesundheitswesen gearbeitet, nach früherer Erfahrung bei WellCare. Was hat Sie überzeugt, dass der nächste große Sprung im Gesundheitswesen von agentischer KI und Workflow‑Ausführung kommen wird und nicht von einer weiteren Generation traditioneller Software?

Im Laufe meiner Karriere hatte ich die Möglichkeit, das Gesundheitswesen aus mehreren Perspektiven zu sehen – als Betreiber, als Strategieberater und jetzt als Technologiebauer. Durch diese Erfahrungen wurde mir eine Beobachtung immer klarer: Das Gesundheitswesen kämpft nicht, weil es an Technologie mangelt. Es kämpft, weil Technologie nicht verändert, wie Arbeit erledigt wird.

Im vergangenen Jahrzehnt hat die Branche stark in die Digitalisierung investiert. Wir haben die Infrastruktur modernisiert, Analytik ausgebaut, Interoperabilität verbessert und kürzlich KI eingeführt. Diese Investitionen haben wichtige neue Fähigkeiten geschaffen, aber sie haben nicht eines der hartnäckigsten Probleme des Gesundheitswesens gelöst: die Koordination von Arbeit über Menschen, Systeme, Richtlinien und Organisationen hinweg. Zu oft wurde Technologie auf bestehende Betriebsmodelle aufgesetzt, anstatt deren Funktionsweise zu verändern.

Diese Erkenntnis hat meine Sicht auf Transformation verändert. Die nächste Phase wird nicht durch den Einsatz weiterer KI definiert. Es geht darum, zu überdenken, wie Arbeit erledigt wird. KI ist ein außergewöhnlicher Enabler, aber ihr größter Wert entsteht, wenn sie Organisationen dabei hilft, effektiver zu arbeiten, indem sie Arbeit über Menschen, Systeme, Richtlinien und KI orchestriert.

Genau das hat mich zu Zyter gezogen. Nach Jahren, in denen ich Organisationen bei der Entwicklung von Transformationsstrategien unterstützt habe, wollte ich die Ausführungsebene mitaufbauen, die diese Strategien in messbare Ergebnisse umsetzt. Für mich bedeutet die Zukunft des Gesundheitswesens nicht, KI intelligenter zu machen. Es bedeutet, das Gesundheitswesen intelligenter arbeiten zu lassen.

Zyter positioniert sich als Ausführungsebene für das agentische Unternehmen, wobei Symphony Agenten und Menschen orchestriert, Praxis Workflows ausführt und TruCare sie in Unternehmensdaten verankert. Was kann diese Architektur leisten, was einzelne KI‑Co‑Piloten nicht können?

Die Unternehmens‑Transformation war nie durch einen Mangel an Ideen oder Intelligenz begrenzt. Organisationen wissen in der Regel, was zu tun ist. Die größere Herausforderung besteht darin, diese Entscheidungen konsequent in Aktionen über Menschen, Systeme, Richtlinien und Workflows hinweg zu übersetzen.

Hier sehe ich die nächste Phase der Unternehmens‑KI. Einzelne KI‑Assistenten machen Menschen produktiver. Unternehmens‑KI sollte Organisationen effektiver machen. Sie sollte Arbeit koordinieren, Workflows ausführen, sich an veränderte Bedingungen anpassen und kontinuierlich verbessern, wie die Organisation arbeitet.

Unsere Architektur spiegelt diese Philosophie wider. Symphony orchestriert KI‑Agenten, Unternehmenssysteme und menschliche Expertise. Praxis führt Workflows aus, und TruCare liefert das operative Fundament, das diese Workflows in vertrauenswürdige Unternehmensdaten einbettet. Zusammen schaffen sie eine Ausführungsebene, in der KI Teil der Arbeitsweise wird und nicht ein weiteres Werkzeug, das Menschen neben ihrer Arbeit einsetzen.

Organisationen werden KI letztlich danach messen, wie gut sie Ergebnisse verbessert. Produktivität ist wichtig, aber langfristiger Wert entsteht dadurch, dass Unternehmen konsequenter, schneller anpassungsfähig und aus jedem ausgeführten Workflow lernen können.

Agentische KI wird deutlich komplexer, wenn mehrere Agenten Daten teilen, Aufgaben übergeben und Entscheidungen an Menschen eskalieren. Was hat Zyter darüber gelernt, mehr‑Agenten‑Systeme für das Gesundheitswesen im großen Maßstab zuverlässig zu machen?

Wenn KI über einzelne Anwendungsfälle hinaus in den Alltag integriert wird, ändert sich die Herausforderung. Es geht weniger darum, wie intelligent ein einzelner Agent ist, sondern mehr darum, wie Arbeit über Systeme, Richtlinien, Menschen und KI koordiniert wird.

Wir haben festgestellt, dass Spezialisierung wichtig ist. Im Gesundheitswesen verlässt man sich nicht auf eine Person, die alles erledigt, und KI sollte das ebenfalls nicht. Agenten mit klar definierten Verantwortlichkeiten sind zuverlässiger, leichter zu steuern und lassen sich im Laufe der Zeit besser verbessern. Die Orchestrierungsebene koordiniert diese Agenten, verwaltet Übergaben, wendet Richtlinien konsequent an und bestimmt, wann menschliche Expertise in den Workflow eingebracht werden muss.

Sichtbarkeit ist ebenso wichtig. Teams müssen verstehen, wie Entscheidungen getroffen wurden, welche Informationen sie beeinflusst haben und wie sie zum Ergebnis beigetragen haben. Das Erfassen der Entscheidungslinie schafft diese Transparenz und ermöglicht, dass jeder Workflow zu einer Lern‑ und Verbesserungsquelle wird.

Zuverlässige KI wird nicht daran gemessen, wie viele Agenten eingesetzt werden. Sie zeigt sich daran, wie konsequent Arbeit erledigt wird, wie zuversichtlich Menschen den Ergebnissen vertrauen können und wie effektiv das System im Laufe der Zeit verbessert wird.

Gesundheitsorganisationen wollen, dass KI‑Systeme im Laufe der Zeit besser werden, benötigen aber gleichzeitig vorhersehbares Verhalten und Nachvollziehbarkeit. Wie ermöglichen Sie kontinuierliches Lernen, ohne dass Systeme von klinischen Leitlinien, Zahler‑Richtlinien oder genehmigten Workflows abweichen?

Ich glaube nicht, dass jede Entscheidung durch KI automatisiert werden sollte. Im Gesundheitswesen gibt es viele Entscheidungen, bei denen deterministische Logik, etablierte Geschäftsregeln oder klinische Richtlinien eine klare und konsistente Antwort liefern können. Wo das möglich ist, sollten wir diese nutzen, anstatt unnötige Unsicherheit einzuführen.

Die interessantere Chance liegt darin, diese deterministischen Ansätze mit KI zu kombinieren. Wir haben erfolgreich neuro‑symbolische Logik eingesetzt, die eine Verifikationsschicht um KI‑gesteuerte Schlussfolgerungen schafft. KI kann komplexe oder unstrukturierte Informationen interpretieren, während deterministische Regeln und symbolische Logik prüfen, dass die resultierende Handlung mit etablierten Richtlinien, Leitlinien und genehmigten Workflows übereinstimmt. Das reduziert Unsicherheit und erhöht die Genauigkeit im Vergleich zu einem rein KI‑basierten Ansatz.

Das ändert auch meine Sicht auf kontinuierliches Lernen. Das Ziel ist nicht, KI mehr Freiheit zu geben, im Laufe der Zeit Entscheidungen zu treffen. Es geht darum, aus der Ausführung zu lernen und gleichzeitig die Kontrollen zu bewahren, die bestimmen, wie wesentliche Entscheidungen getroffen werden. Man kann die Interpretation von Informationen, das Handling von Ausnahmen und die Koordination von Arbeit verbessern, ohne dass das System von den Regeln abweicht, die den zugrunde liegenden Prozess steuern.

Diese Kombination aus KI‑Argumentation, deterministischer Entscheidungsfindung und kontinuierlicher Verifikation ist der Weg, Systeme zu schaffen, die im Laufe der Zeit besser werden und dabei vorhersehbar, auditierbar und verantwortungsvoll bleiben.

Zyter hat C‑RLM untersucht, einen rekursiven Ansatz zur Synthese langer und fragmentierter klinischer Historien. Wie wichtig wird langfristiges Kontext‑Reasoning im Gesundheitswesen werden, und könnten Agenten schließlich ein kontinuierlich weiterentwickeltes Verständnis jedes Patienten aufrechterhalten?

Im Gesundheitswesen fehlte nie an Informationen. Die Herausforderung besteht darin, dass die Geschichte eines Patienten über Jahre hinweg in Arzt‑Notizen, Laborergebnissen, Medikamenten, Bildgebung, Leistungsabrechnungen und Pflegeinteraktionen verteilt ist. Diese Historie zu verstehen erfordert mehr als die Verarbeitung großer Datenmengen. Es erfordert das Verbinden von Evidenz, das Erkennen von Mustern und den Aufbau eines kohärenten Verständnisses der jeweiligen Patientenreise.

Langfristiges Kontext‑Reasoning wird immer wichtiger, wenn KI über die Unterstützung einzelner Aufgaben hinausgeht und die langfristige Versorgung unterstützt. Unsere Arbeit mit C‑RLM spiegelt diese Richtung wider. Das Ziel ist nicht nur, mehr Informationen zusammenzufassen. Es geht darum, fragmentierte klinische Evidenz zu einer strukturierten Sichtweise zu synthetisieren, die im zugrunde liegenden Datensatz verankert bleibt. Jede Schlussfolgerung muss zudem bis zu ihrer Quelle zurückverfolgbar sein, damit Kliniker verstehen, wie sie zustande kam, und sie anhand der Evidenz validieren können.

Wenn diese Fähigkeiten reifen, werden KI‑Agenten zunehmend dabei helfen, ein kontinuierlich weiterentwickeltes Verständnis der Patientenreise zu erhalten. Dieses Verständnis sollte mit neuen Informationen reicher werden, dabei transparent, evidenzbasiert und in vertrauenswürdigen klinischen Daten verankert bleiben. Die Rolle der KI besteht darin, Kliniker mit einem umfassenderen Bild zu versorgen, damit sie fundiertere Entscheidungen mit größerem Vertrauen treffen können.

Zyter nimmt am CMS‑WISeR‑Programm teil, bei dem KI Workflows unterstützen kann, während lizenzierte Kliniker die Entscheidungsbefugnis behalten. Ist das ungefähr die heutige Grenze der Autonomie, und was müsste sich ändern, bevor KI‑Agenten wichtigere Entscheidungen übernehmen können?

Ich glaube nicht, dass es eine einheitliche Autonomie‑Grenze für das Gesundheitswesen gibt. Die passende Rolle für KI hängt vom jeweiligen Workflow, dem Risikoniveau und dem Vertrauen der Organisation ab, dass das System unter realen Bedingungen konsistent funktioniert.

Programme wie WISeR spiegeln diese Realität wider. KI ist bereits sehr effektiv beim Synthesieren von Informationen, beim konsequenten Anwenden etablierter Richtlinien, beim Koordinieren administrativer Workflows und beim Reduzieren repetitiver Aufgaben. Lizenzierte Kliniker behalten das Urteil für Entscheidungen, bei denen Kontext, Mehrdeutigkeit und Verantwortlichkeit am wichtigsten sind. Das ist ein Betriebsmodell, das die Stärken von KI und menschlicher Expertise kombiniert.

Im Laufe der Zeit werden diese Grenzen weiterentwickeln, aber sie sollten sich ändern, weil Vertrauen gewonnen wurde, nicht weil Modelle fähiger geworden sind. Vertrauen entsteht durch Evidenz, Transparenz, Validierung und konsistente Leistung in der Produktion. Jede Erweiterung der KI‑Rolle sollte denselben Standards unterliegen, die das Gesundheitswesen für jede andere kritische Fähigkeit anlegt.

Ich glaube nicht, dass der Erfolg daran gemessen wird, wie autonom KI wird. Er wird daran gemessen, ob Patienten bessere Versorgung erhalten, Kliniker mehr Zeit für komplexe Entscheidungen haben und das Gesundheitssystem dadurch effektiver arbeitet.

Zyter hat kürzlich TruCare auf eine cloud‑native AWS‑Basis verlagert, um KI‑Orchestrierung im Unternehmensmaßstab zu unterstützen. Wie viel der Herausforderung bei agentischer KI liegt an den Modellen selbst versus der Infrastruktur, die Daten, Systeme, Richtlinien und Menschen verbindet?

Foundation‑Modelle entwickeln sich in einem außergewöhnlichen Tempo, und das ist gut für die gesamte Branche. Die Diskussion verschiebt sich allmählich von dem, was Modelle können, hin zu ihrer Funktionsweise in realen Unternehmen.

Die Verbindung von Daten, Systemen, Richtlinien und Menschen ist der Ort, an dem Transformation entweder gelingt oder stagniert. KI muss innerhalb bestehender Betriebsumgebungen arbeiten, über mehrere Systeme hinweg ausführen, Richtlinien konsequent anwenden und zuverlässig im Produktionsmaßstab funktionieren. Ohne diese Grundlage bleibt selbst das leistungsfähigste Modell vom zu verbessernden Arbeitsprozess getrennt.

Unser Umstieg auf eine cloud‑native AWS‑Architektur spiegelt diese Entwicklung wider. Sie liefert das resiliente, skalierbare Fundament, das nötig ist, um KI über Unternehmens‑Workflows zu orchestrieren und gleichzeitig die Zuverlässigkeit, Governance und Performance zu gewährleisten, die das Gesundheitswesen verlangt. Die Infrastruktur ist wichtig, weil sie KI ermöglicht, Teil der täglichen Arbeitsausführung zu werden und nicht nur eine weitere Anwendung, die neben bestehenden Prozessen läuft.

Die langfristige Chance wird nicht allein durch bessere Modelle definiert. Sie entsteht durch die Kombination von Fortschritten in der KI mit der Infrastruktur und dem Betriebsmodell, das nötig ist, um Arbeit konsistent im Unternehmensmaßstab auszuführen.

Zyter positioniert sein Ausführungsmodell auch für andere regulierte Branchen, darunter Finanzdienstleistungen und Regierung. Welche Teile der Plattform sind wirklich horizontal, und welche Vorteile ergeben sich speziell aus Zyters Erfahrung im Gesundheitswesen?

Regulierte Branchen werden häufig durch das, was sie unterscheidet, betrachtet. Ich habe festgestellt, dass es ebenso wichtig ist, zu verstehen, was sie gemeinsam haben. Ob Sie im Gesundheitswesen tätig sind, finanzielle Risiken managen oder Regierungsprogramme unterstützen, der Erfolg hängt davon ab, komplexe Arbeit über Menschen, Systeme, Richtlinien und Daten zu koordinieren und gleichzeitig für jede Entscheidung Verantwortung zu übernehmen.

Hier sehe ich das Ausführungsmodell als grundsätzlich horizontal. KI, Unternehmenssysteme und menschliche Expertise zu orchestrieren, Richtlinien konsequent anzuwenden, Arbeit über mehrere Systeme zu koordinieren und Transparenz zu wahren, sind Herausforderungen, die weit über das Gesundheitswesen hinausgehen. Die Workflows unterscheiden sich je nach Branche, aber der Bedarf an zuverlässiger Ausführung ist bemerkenswert konsistent.

Das Gesundheitswesen hat nicht verändert, was wir gebaut haben. Es hat den Standard erhöht, wie wir es bauen mussten. Klinische Workflows erfordern Präzision, Interoperabilität, Governance, Resilienz und Vertrauen, weil die Folgen von Fehlern gravierend sind. Für dieses Maß an Komplexität ein Modell zu entwerfen, hat ein Ausführungsmodell geschaffen, das sich auf andere regulierte Branchen übertragen lässt, in denen operative Disziplin, Compliance und Verantwortlichkeit ebenso kritisch sind.

Wenn KI tiefer in Unternehmens‑Operationen eingebettet wird, denke ich, dass die Diskussion sich von der Frage entfernen wird, ob eine Fähigkeit für eine bestimmte Branche gebaut wurde, hin zu der Frage, ob sie zuverlässig in komplexen, regulierten Umgebungen ausgeführt werden kann. Das ist der Standard, den wir von Anfang an definiert haben.

Zyters Rural Health Orchestrator vereint virtuelle Pflege, Fernüberwachung, Fallmanagement und klinische Dienste. Was kann agentische Orchestrierung im ländlichen Gesundheitswesen lösen, das Telemedizin allein nicht kann?

Telemedizin hat ein wichtiges Zugangsproblem gelöst. Die nächste Herausforderung besteht darin, sicherzustellen, dass jede Interaktion zu koordinierter Aktion und messbaren Ergebnissen führt.

Die ländliche Gesundheitsversorgung hat dank Telemedizin, Fernüberwachung und Breitbandinvestitionen erhebliche Fortschritte beim Zugang erzielt. Dennoch haben die Ergebnisse nicht Schritt gehalten, weil zu viele digitale Interaktionen vom breiteren Versorgungsweg getrennt bleiben. Ein virtueller Besuch, der keinen Pflegeplan aktualisiert, keine Nachverfolgung auslöst oder den nächsten Schritt nicht koordiniert, verbessert den Zugang, aber nicht unbedingt die Gesundheit.

Hier wird Orchestrierung unverzichtbar. Sie verbindet Telemedizin, Fernüberwachung, Fallmanagement, Gemeinschaftsressourcen und klinische Workflows zu einem einzigen, koordinierten System, sodass Informationen nahtlos fließen und Aktionen automatisch folgen. Jede Interaktion wird Teil einer kontinuierlichen Versorgungsreise statt eines isolierten Ereignisses.

Das Ziel ist nicht nur, den Zugang zu erweitern. Es geht darum, Zugang in Ergebnisse zu verwandeln. Wenn die Versorgung über Menschen, Systeme und Workflows hinweg verbunden ist, verbringen Kliniker weniger Zeit mit fragmentierten Prozessen, Patienten erhalten konsistentere Nachverfolgung, und ländliche Gesundheitssysteme können mit den vorhandenen Ressourcen bessere Ergebnisse erzielen. Dort sehe ich den größten Mehrwert der KI‑Orchestrierung.

Mit der neuen PwC‑Zusammenarbeit, was würde eine erfolgreiche KI‑Transformation von einem weiteren KI‑Pilot im Gesundheitswesen unterscheiden? Welche messbaren Ergebnisse würden Sie überzeugen, dass KI die Arbeitsweise eines Zahlers oder Anbieters grundlegend verbessert hat?

Das Gesundheitswesen hat jahrelang in digitale Fähigkeiten investiert. Heute haben die meisten Organisationen Zugang zu Daten, KI und moderner Technologie. Die nächste Phase besteht nicht darin, mehr Fähigkeiten hinzuzufügen. Es geht darum, zu überdenken, wie Arbeit erledigt wird.

Deshalb messe ich Transformation nicht an der Anzahl der eingesetzten KI‑Modelle oder gestarteten Pilotprojekte. Ich schaue darauf, ob sich das Betriebsmodell einer Organisation verändert hat. Werden Entscheidungen schneller getroffen? Sind Workflows über Abteilungen und Systeme hinweg koordinierter? Verringern sich administrative Belastungen, während Kliniker und Pflegeteams mehr Zeit für Aktivitäten haben, die die Patientenversorgung verbessern? Sind diese Verbesserungen im gesamten Unternehmen wiederholbar und nicht nur auf einen einzelnen Anwendungsfall beschränkt?

Das ist die Philosophie hinter unserer Zusammenarbeit mit PwC. PwC bringt tiefes Fachwissen in Gesundheitsstrategie und -transformation ein. Zyter liefert die Ausführungsebene, die diese Strategien über komplexe Workflows operationalisiert, KI, Unternehmenssysteme, Richtlinien und Menschen verbindet, sodass Organisationen konsequent Strategie in Aktion umsetzen können.

Für mich bedeutet eine erfolgreiche KI‑Transformation, dass KI nicht mehr als separate Initiative gesehen wird. Sie wird Teil des Betriebsmodells. In diesem Moment messen Organisationen nicht mehr den Erfolg der KI selbst. Sie messen bessere Ergebnisse, geringere Verwaltungskosten, koordiniertere Versorgung und ein Gesundheitssystem, das effektiver arbeitet, weil die Ausführung grundlegend verbessert wurde.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten Zyter besuchen.