In Notfallsituationen zählt jede Sekunde. Die Anwendung von Großsprachmodellen (Large Language Models, LLMs) in zeitkritischen Umgebungen mit geringer oder gar keiner Netzwerkverbindung bleibt bisher begrenzt. Aktuelle Modelle sind rechenintensiv und daher ungeeignet für Geräte niedriger Leistungsklasse, die häufig von Ersthelfern oder Bürgern eingesetzt werden. Ein zentrales Hindernis bei der Entwicklung leichtgewichtiger, domain-spezifischer Lösungen ist die fehlende Verfügbarkeit hochwertiger Datensätze, die speziell auf Erste-Hilfe- und Notfallmaßnahmen zugeschnitten sind. Um diese Lücke zu schließen, stellen wir FirstAidQA vor – einen synthetischen Datensatz mit 5.500 hochwertigen Frage-Antwort-Paaren, die eine breite Palette an Erste-Hilfe- und Notfallreaktionsszenarien abdecken. Der Datensatz wurde mithilfe des Großsprachmodells ChatGPT-4o-mini unter Verwendung von promptbasiertem In-Context-Lernen generiert, wobei Texte aus dem „Vital First Aid Book“ (2019) als Grundlage dienten. Anschließend wurden mehrere Vorverarbeitungsschritte durchgeführt, darunter Textbereinigung, kontextuelle Segmentierung und Filterung, gefolgt von einer menschlichen Validierung zur Sicherstellung von Genauigkeit, Sicherheit und praktischer Relevanz der QA-Paare. FirstAidQA ist darauf ausgelegt, die Instruction-Tuning- und Fine-Tuning-Prozesse von Groß- und Kleinsprachmodellen (Small Language Models, SLMs) zu unterstützen und somit schnellere, zuverlässigere und offline-fähige Systeme für Einsatzszenarien im Notfallbereich zu ermöglichen. Wir stellen den Datensatz öffentlich zur Verfügung, um die Forschung zu sicherheitskritischen und ressourcenbeschränkten KI-Anwendungen im Bereich Erste Hilfe und Notfallreaktion voranzutreiben.