Zusammenfassung zeigen Zusammenfassung verbergen
Eine Forschungsgruppe aus Regensburg hat den Wissenschaftspreis 2026 der Deutschen Gesellschaft für Prothetik (DGPro) gewonnen – ausgezeichnet wurde eine Studie, die zeigt: Bei KI-gestütztem Kronendesign entscheidet vor allem die Menge und Qualität der Scandaten über das Ergebnis. Die Erkenntnisse haben unmittelbare Relevanz für Zahnärzte, zahntechnische Labore und Anbieter digitaler Workflows.
Preisträger und Kontext
Gewürdigt wurde die Arbeitsgruppe um Alexander Broll sowie die Professoren Sebastian Hahnel und Martin Rosentritt von der Poliklinik für Zahnärztliche Prothetik am Universitätsklinikum Regensburg. Ebenfalls beteiligt war Professor Markus Goldhacker von der OTH Regensburg. Der mit 2.500 Euro dotierte Wissenschaftspreis der DGPro wurde für die Studie „Morphological effects of input data quantity in AI-powered dental crown design“ verliehen.
Quereinsteiger gesucht: Zahnarztpraxen setzen auf schnelle Hilfe gegen Fachkräftemangel
Kanzleramt neu besetzt: Warken an der Spitze, Linnemann leitet Gesundheitsressort
Kernergebnis der Studie
In einer kontrollierten In-vitro-Untersuchung analysierte das Team, wie sich die verfügbare Datenmenge auf die Güte von Zahnersatz auswirkt, der mithilfe von Deep-Learning-Modellen entworfen wird. Die zentrale Botschaft: Mehr und besser aufbereitete Scans verbessern die Passgenauigkeit von Kronen und verringern notwendige manuelle Nacharbeiten.
Das bedeutet nicht nur technisch höhere Präzision, sondern auch konkrete Effekte im Praxisalltag: geringerer Zeitaufwand für Nacharbeiten, weniger Materialverlust und potenziell weniger Nachbesserungen beim Patienten.
Wesentliche Erkenntnisse auf einen Blick
- Mehr Datensätze führen zu stabileren Modellergebnissen und präziseren Restaurationen.
- Qualität der Scans (Auflösung, Artefaktfreiheit) wirkt sich entscheidend auf das Training aus.
- Mehr Daten reduzieren die Varianz zwischen einzelnen Modellvorhersagen und senken den Bedarf an manuellen Korrekturen.
- Die Studie ist in-vitro – klinische Validierung bleibt notwendig.
Warum das heute wichtig ist
Digitale Workflows sind inzwischen Standard in vielen Praxen und Laboren. Wenn KI-Systeme zuverlässigere Ergebnisse liefern, lassen sich Behandlungszeiten verkürzen und Kosten senken. Zugleich erhöht sich die Abhängigkeit von umfangreichen, qualitativ hochwertigen Datensätzen — eine Herausforderung für kleinere Praxen und Anbieter.
Auswirkungen für Praxis und Labor
Für Zahnärzte und zahntechnische Betriebe heißt das konkret: Entscheidend wird die Datenerfassung. Wer hochwertige intraorale Scans systematisch erhebt und dokumentiert, schafft bessere Voraussetzungen für KI-gestützte Entwürfe.
Hersteller von CAD/CAM-Software müssen ihre Trainingsdaten breit aufstellen und ihre Algorithmen gegen unterschiedliche Scannerprofile, Zahnstellungen und Materialien validieren. Ohne diese Schritte besteht das Risiko, dass Modelle in der Praxis schlechter abschneiden als in Laborbedingungen.
Praktische Handlungsempfehlungen
- Standardisierte Scanprotokolle einführen und Mitarbeiter schulen.
- Datenqualität vor Quantität stellen: saubere, vollständige Scans bevorzugen.
- Bei Anschaffung von Software auf Transparenz der Trainingsdaten und Validierungsstudien achten.
- Zusammenarbeit zwischen Praxen, Laboren und Forschungseinrichtungen fördern, um repräsentative Datensätze aufzubauen.
Wichtig zu betonen: Die Regensburger Studie liefert belastbare Hinweise zur Rolle der Datenmenge, ersetzt aber keine klinischen Prüfungen. Die Übertragung in den Patientenalltag bedarf weiterer, prospektiver Studien und einer Prüfung unter realen Behandlungsbedingungen.
Ausblick
Die Auszeichnung durch die DGPro unterstreicht, dass die Diskussion um Datengrundlagen in der digitalen Zahnmedizin an Fahrt gewinnt. Zukünftige Arbeiten sollten neben Quantität auch Aspekte wie Datendiversität, Datenschutz und Interoperabilität stärker berücksichtigen.
Kurzfristig dürften Hersteller und Labore ihre Datensammlungen systematisch ausbauen — langfristig könnte dies zu robusteren, praxistauglichen KI-Lösungen führen und die Abläufe in der restaurativen Zahnmedizin weiter beschleunigen.
