| Steckbrief | |
|---|---|
| Firma | Ottobock SE & Co. KGaA |
| Produkte & Dienstleistungen | Prothesen, Orthesen, Rollstühle |
| Business Model Canvas | Kundensegmente, Wertangebote, Kundenbeziehungen, Einnahmequellen, Schlüsselaktivitäten |
| ca. Zahl der Mitarbeiter:innen (weltweit) | 9. 000 |
| Zielgruppe | Entwickler |
| Hauptsitz | Duderstadt, Niedersachsen |
| Use Cases | Robotik |
Mechatronische Handprothesen werden mithilfe von Sensoren gesteuert, die Muskelaktivitäten im Amputationsstumpf erfassen. Normalerweise können aufgrund der begrenzten Unterscheidbarkeit der Signale lediglich zwei Bewegungen erkannt werden.
Das Ziel der Ottobock SE & Co. KGaA besteht darin, die Bewegung der Prothesen für den Nutzer durch den Einsatz von KI zu verbessern.
Elektroden im Prothesenschaft nehmen Muskelimpulse (myoelektrische Impulse) auf. Mittels KI lernt die Prothese die Bewegungsmuster des Trägers, gleicht dies ab und führt sie entsprechend automatisch aus. Nach eine ersten Anpassung durch einen Orthopädietechniker, kann der Nutzende über eine App im weiteren die Prothese selbst steuern. Individuellen Daten werden auf der App abgebildet und unterstützten so bei der Optimierung der Steuerung.
Die Prothesensteuerung nutzt als KI-Lösung die Mustererkennung. Acht Elektroden messen die Bewegungsmuster der Muskeln und ordnen diese bestimmten Bewegungen bzw. -griffen zu. Zur Umsetzung der KI-Lösung werden integrierte Microcontroller wie auch eine individuelle Datenbank des Prothesenträgers benötigt. Es gelten hohe Anforderungen bei Energie- und Platzbedarf, bei gleichzeitiger angestrebter Echtzeitfähigkeit, was nur über hocheffiziente Trainings- und Auswertealgorithmen überwunden werden kann.
Nach dem ersten Nutzungszyklus entschieden sich bisher viele Prothesennutzer oft nicht für eine erneute Versorgung, da häufig nur eine kosmetische Anpassung gewünscht wurde. Durch die intuitive Steuerung und den Einsatz von KI wird die Benutzerfreundlichkeit mechatronischer Prothesen erheblich gesteigert, was zu einer höheren Nutzung und einer erhöhten Rate bei der Prothesenversorgung führt.
Im Vergleich zu anderen KI-Anwendungen sind für die individuelle Mustererkennung nur sehr wenige Daten für das Training der KI verfügbar, welche aufgrund der Individualität immer neu aufgenommen werden müssen. Durch die Nachbildung natürlicher Bewegungsmuster kommt es zu einer höheren Akzeptanz der Prothese.