Künstliche Intelligenz in der Einlagenfertigung
Gemeinsamer Austausch für noch präzisere Ergebnisse
Wie Studierende der Hochschule Heilbronn gemeinsam mit pedcad an der Zukunft der Orthopädie arbeiten
Die pedcad foot technology GmbH ist aus einem erfahrenen Orthopädieschuhtechnik-Betrieb und der Vision entstanden, die Einlagenfertigung digital und intelligent zu gestalten. Heute zählt pedcad zu den führenden Anbietern von Mess-, Software- und Fertigungssystemen für die Herstellung individueller Maßeinlagen.
In Kooperation mit der Hochschule Heilbronn entstanden zwei Abschlussarbeiten, die zeigen, wie praxisnahe Forschung die Digitalisierung der Orthopädietechnik vorantreibt. Unter der Betreuung von Prof. Dr. Alexander Windberger und Prof. Dr. Alexandra Reichenbach entwickelten zwei Studierende KI-basierte Systeme, die künftig wichtige Arbeitsschritte in der Analyse und Konstruktion digitaler Einlagen übernehmen.
Ein herzliches Dankeschön gilt beiden Professoren für die ausgezeichnete Zusammenarbeit, ihre fachliche Unterstützung und den inspirierenden Austausch während der gesamten Projektphase.
Automatische Fußtypbestimmung auf Basis von Druckmessdaten
Bachelorarbeit von Nina Stegmayer – Hochschule Heilbronn, Institut für Künstliche Intelligenz
Eine präzise Bestimmung des Fußtyps bildet die Grundlage für die individuelle Anpassung orthopädischer Einlagen. Bislang erfolgt diese Beurteilung manuell durch Fachkräfte, die Druckmessbilder
auswerten und auf Basis ihrer Erfahrung entscheiden, ob beispielsweise ein Hohl-, Spreiz- oder Plattfuß vorliegt. Dieser Vorgang erfordert umfangreiches Fachwissen und ist zeitintensiv,
insbesondere bei großen Datenmengen oder begrenzten personellen Ressourcen.
Ziel der Bachelorarbeit von Nina Stegmayer war es, diesen Schritt durch ein KI-basiertes Verfahren zu automatisieren und damit objektiver, schneller und reproduzierbarer zu gestalten. Grundlage
des Projekts bildeten über 1.000 reale Fußdruckmessungen, die pedcad zur Verfügung stellte. Diese Druckbilder zeigen die Belastungsverteilung des Fußes und ermöglichen es, charakteristische
Unterschiede zwischen verschiedenen Fußtypen zu erkennen, etwa die Ausprägung des Längsgewölbes, die Druckverteilung im Mittelfuß oder die Symmetrie der Belastung.
Auf Basis dieser Daten wurde ein Bildklassifikationsmodell entwickelt und trainiert. Die Künstliche Intelligenz analysiert dabei die Druckverteilung, erkennt wiederkehrende Muster und ordnet das
Bild einer von fünf vordefinierten Klassen zu: Hohlfuß, leichter Hohlfuß, Spreizfuß, Senk-Spreizfuß oder Plattfuß. Der Lernprozess basiert auf dem Prinzip, dass die KI aus zahlreichen Beispielen
lernt subtile Unterschiede zwischen den Fußtypen zu identifizieren und diese zuverlässig zuzuordnen.
Nach Abschluss des Trainings erreichte das Modell eine Klassifikationsgenauigkeit von rund 83% . Damit konnte erfolgreich nachgewiesen werden, dass Künstliche Intelligenz in der Lage ist,
Fußfehlstellungen automatisiert und mit hoher Zuverlässigkeit zu erkennen. Gleichzeitig zeigte die Arbeit, dass die Qualität und Einheitlichkeit der Trainingsdaten einen entscheidenden Einfluss
auf die Präzision der Ergebnisse haben. Eine standardisierte Datenbasis und die Einbeziehung mehrerer Fachpersonen im Labeling-Prozess sind daher wesentliche Faktoren für die Weiterentwicklung
des Systems.
Langfristig soll die entwickelte Lösung in die pedcad-Softwareumgebung integriert werden. Dadurch kann die Fußtypbestimmung künftig automatisch erfolgen, ohne dass der Nutzer zusätzliche Angaben
machen muss. Das System liefert objektive, reproduzierbare Ergebnisse und schafft damit die Grundlage für eine effizientere, standardisierte Einlagenkonstruktion: Ein weiterer Schritt in Richtung
vollständig digitalisierter Versorgungsprozesse in der Orthopädietechnik.
Segmentierung anatomischer Fußbereiche zur Einlagenkonstruktion
Masterarbeit von Mohammad Alkassab – Hochschule Heilbronn & Universität Heidelberg
Während Nina Stegmayer sich auf die automatische Bestimmung des Fußtyps konzentrierte, beschäftigte sich Mohammad Alkassab mit der präzisen Segmentierung anatomischer Fußbereiche. Ziel seiner
Masterarbeit war es, eine KI-basierte Lösung zu entwickeln, die den Fuß auf 2D-Scans und Druckmessbildern automatisch in funktionell relevante Segmente unterteilt. Diese Segmentierung bildet die
Grundlage, um Einlagen künftig digital und anatomisch exakt zu konstruieren.
Für das Projekt standen mehr als 1.000 reale 2D-Fußscans und Druckmessdaten aus dem pedcad-Datenpool zur Verfügung. Um die Modelle zu trainieren, wurden die Datensätze zunächst manuell annotiert.
Fachpersonen markierten dabei 24 definierte Schlüsselpunkte, die charakteristische anatomische Regionen des Fußes abbilden: von der Großzehe über das Quer- und Längsgewölbe bis zur Ferse. Diese
Punkte dienten der KI als Referenz, um die Position und Form der einzelnen Fußbereiche eigenständig zu erkennen.
Das entwickelte System analysiert die Formkonturen und Druckverteilungen des Fußes und leitet daraus die räumliche Struktur der Segmente ab. Es unterscheidet beispielsweise klar zwischen Vorfuß,
Mittelfuß und Rückfuß und kann dabei auch asymmetrische oder individuelle Abweichungen berücksichtigen. Auf Basis dieser Daten erzeugt das System automatisch präzise Segmentgrenzen, die für die
digitale Einlagenkonstruktion weiterverarbeitet werden können.
Die Ergebnisse sind bemerkenswert: Das Modell erreichte eine durchschnittliche Abweichung von lediglich etwa einem Prozent der Bilddiagonale. Dieser Wert gilt in der Bildverarbeitung als
hochpräzise. Zusätzlich entwickelte Alkassab ein Verfahren, mit dem sich die gewonnenen Segmentierungsinformationen aus 2D-Scans auf Druckmessdaten übertragen lassen. Dadurch können auch Bereiche
ergänzt werden, die in der Druckmessung aufgrund geringer Belastung nicht vollständig erfasst sind, wie etwa die Zehenregion. Zur praktischen Anwendung entstand ein eigenständiges Softwaretool
mit grafischer Benutzeroberfläche, das die Segmentierungen visuell darstellt. Es erlaubt sowohl eine automatische KI-Auswertung als auch manuelle Nachbearbeitungen durch Fachanwender. Die
exportierten Segmentdaten können direkt in die pedcad-Konstruktionssoftware eingebunden werden und ermöglichen so eine automatisierte, anatomisch fundierte Einlagenherstellung. Mit dieser Arbeit
wurde eine zentrale technologische Grundlage geschaffen, um KI-gestützte Segmentierungsverfahren in die digitale Orthopädietechnik zu integrieren und die Einlagenkonstruktion künftig effizienter,
standardisierter und reproduzierbarer zu gestalten.
Zusammenführung beider Systeme – KI als Werkzeug für moderne Orthopädietechnik
Beide Projekte greifen nahtlos ineinander:
- Die Fußtypbestimmung von Nina Stegmayer liefert eine fundierte, KI-basierte Diagnose.
- Die Segmentierung von Mohammad Alkassab erkennt präzise die anatomischen Strukturen.
Gemeinsam ermöglichen sie einen vollständig automatisierten Analyseprozess, in dem Diagnose und Konstruktionsparameter direkt aus dem Scan generiert werden. Der bisher notwendige manuelle
Schritt, bei dem pedoffice-Nutzer den Fußtyp und die Diagnose eingeben mussten, entfällt künftig vollständig.
Für Orthopädiebetriebe eröffnet sich dadurch ein neuer Grad an Effizienz: Die Software liefert nicht nur Messdaten, sondern auch direkt die passende Analyse. Fachkräfte können darauf aufbauen und
ihre eigene Einlagenform gezielt anpassen: ähnlich wie bei der Platzierung einer Pelotte, nur wesentlich präziser und schneller.
Mit der Integration beider Systeme entsteht bei pedcad ein Workflow, in dem Mensch und KI intelligent zusammenarbeiten. Die KI läuft ausschließlich auf den pedcad-Servern, analysiert die
Messdaten automatisch und stellt die Ergebnisse direkt in der Software zur Verfügung.
Damit rückt pedcad seinem Ziel, die Einlagenfertigung vollständig zu digitalisieren und zu standardisieren, einen entscheidenden Schritt näher und zeigt, wie technologische Innovation und
handwerkliche Expertise gemeinsam den Fortschritt in der Orthopädietechnik gestalten.
1 Gilt für Lieferungen in folgendes Land: Deutschland. Lieferzeiten für andere Länder und Informationen zur Berechnung des Liefertermins siehe hier: Liefer und Zahlungsbedingungen
2 exkl. MwSt.