Open Access

In dieser Masterarbeit wird ein KI-basiertes Assistenzsystem prototypisch entwickelt und evaluiert, das medizinische Freitextbefunde analysiert und geeignete OPS-Codes vorschlägt, um den administrativen Aufwand in der klinischen Dokumentation zu reduzieren. Aufgrund datenschutzrechtlicher Vorgaben und eingeschränkter Verfügbarkeit realer Patientendaten wird ein Simulationsansatz gewählt: Ein BERT-basiertes Modell (bert-base-german-cased) klassifiziert Städtebeschreibungen (Berlin, Chemnitz, Hamburg) als Surrogat für medizinische Befundtexte, um zentrale methodische Schritte wie Datenvorverarbeitung, Fine-Tuning und Evaluation zu erproben. Der Workflow umfasst die Erfassung heterogener Textquellen (n = 661), die Maskierung expliziter Ortsangaben, eine Sliding-Window-Tokenisierung sowie das Fine-Tuning mit einer Lernrate von 2 × 10⁻⁵. Die Evaluation mittels deduplizierter 10-facher Cross-Validation erzielt eine mittlere Genauigkeit von 93,4 % (± 0,034) und weist eine hohe Robustheit gegenüber Störungen wie Tippfehlern auf. Qualitative Analysen zeigen, dass Fehlklassifikationen vor allem durch thematische Überschneidungen und stilistische Ähnlichkeiten entstehen, bestätigen jedoch die Übertragbarkeit der Methodik auf medizinische Domänen im Rahmen von Transfer Learning. Die Arbeit adressiert technische (z. B. Token-Limit), methodische (Bias-Reduktion) und rechtliche Herausforderungen (Ethik, Datenschutz) und liefert Erkenntnisse für die Umsetzung praxisreifer Systeme wie SonoWin. Einschränkungen bestehen in der Simulationsdomäne; zukünftige Arbeiten sollten reale klinische Daten und multimodale Erweiterungen einbeziehen.

Diese Bachelorarbeit behandelt die Konzeption und prototypische Umsetzung eines Ex-portmoduls zur automatisierten Datenübertragung zwischen zwei Versionen der Konka Management Suite (KMS1 und KMS2) im System der Kamasys GmbH. Ziel war es, manuelle Exportschritte abzulösen und eine erweiterbare, konfigurierbare Lösung zu schaffen. Grundlage bildet das Prinzip Extract, Transform, Load (ETL) in modularer Architektur. Die Steuerung erfolgt über Yet Another Markup Language (YAML), wodurch Anpassungen ohne Codeänderung möglich sind. Als Exportformat dient primär JavaScript Object Notation (JSON); Erweiterungen für Extensible Markup Language (XML) und Comma Separated Values (CSV) sind durch ein Strategy-Muster vorgesehen. Die technische Umsetzung basiert auf Java, Spring Boot und dem Entwurfsmuster Chain of Responsibility. Tests bestätigten Funktionalität, Stabilität und Kompatibilität mit dem zukünftigen Importmodul von KMS1. Die Arbeit zeigt eine praxisnahe Lösung mit Potenzial zur Weiterentwicklung.

Um eine erfolgreiche Therapie zu gewährleisten, erfolgt die Wahl der korrekten Rückstellkraft bzw. der Widerstandsmomente einer Knöchel-Fuß-Orthese, bisher hauptsächlich auf Basis subjektiver Einschätzungen und Erfahrungen des Fachpersonals. Ziel dieser Arbeit war es, diesen Prozess durch einen technischen Prüfstand objektiver und standardisierter zu gestalten. Dazu wurde ein bereits existierender Prüfstandprototyp analysiert und weiterentwickelt. Auf der Grundlage einer systematischen Analyse, einer Funktionsübersicht und einer Anforderungsliste wurden vier neue Lösungsvarianten konzipiert. Nach deren Bewertung wurde die bestgeeignete Lösung praktisch umgesetzt und das optimierte System, bestehend aus dem neuen Prüfstand und einer App zur Prüfungsdokumentation, eingeführt. Der neue Prototyp zeichnet sich durch eine verbesserte Funktionalität, optimierte Benutzerfreundlichkeit und genauere Messergebnisse aus. Mit dem überarbeiteten System können die Widerstandsmomente der Orthesen quantitativ und qualitativ besser bestimmt und angepasst werden. Abschließend liefert die Arbeit Vorschläge zur weiteren Optimierung zum Beispiel bezüglich der Standardisierung und Automatisierung des Prüfvorgangs.