Mastering CEREC’s New AI-Assisted Margin Detection: Clinical Tips and Troubleshooting Guide

CEREC’s AI-assisted margin detection has been a game-changer in my practice, but like any new technology, it comes with a learning curve. After six months of daily use, I’ve discovered techniques that dramatically improve accuracy and identified common pitfalls that can derail your workflow.

Let’s dive into the practical aspects of making this AI feature work consistently in real-world clinical situations.

So funktioniert die CEREC-KI-Randerkennung

Der KI-Algorithmus analysiert Kontrastgrenzen, Oberflächenstrukturen und geometrische Übergänge, um Präparationsränder zu identifizieren. Im Gegensatz zur herkömmlichen manuellen Randmarkierung verarbeitet er den gesamten Scan gleichzeitig und sucht nach Mustern, die auf die Lage der Ränder hinweisen.

Was mich anfangs überrascht hat, war, wie sehr sich die KI auf den Gewebekontrast stützt und nicht nur auf geometrische Veränderungen. Das bedeutet, dass die Behandlung des Weichgewebes noch entscheidender wird als bei herkömmlichen CEREC-Arbeitsabläufen.

Wichtige klinische Faktoren, die die Genauigkeit von KI beeinflussen

• Qualität der Geweberetraktion: Saubere, trockene Ränder mit guter Gewebeverdrängung
• Oberflächenvorbereitung: Minimale Verschmutzung durch Ablagerungen oder Blut
• Beleuchtungsverhältnisse: Gleichmäßige Ausleuchtung ohne Schatten
• Vollständigkeit des Scans: Ausreichende Abdeckung des Randbereichs

Vorbereitung vor dem Scan: Die Weichen für den Erfolg mit KI stellen

Das alte Sprichwort „Garbage in, garbage out“ trifft hier voll und ganz zu. Ihre Vorbereitungstechnik wirkt sich direkt auf die Leistung der KI aus.

Protokoll zum Gewebemanagement

I’ve found that dual-cord retraction works best with AI margin detection. Place a thin cord (#00 or #000) at the base of the sulcus, then a larger cord (#0 or #1) for displacement. Remove only the larger cord before scanning.

Bei Behandlungen, die nur einen einzigen Besuch erfordern, verwende ich mit Aluminiumchlorid imprägnierte Schnüre anstelle von Produkten auf Adrenalinbasis. Die blutstillende Wirkung ist besser vorhersehbar, und man erhält sauberere Schnittkanten, ohne dass das Gewebe erblasst, was den KI-Algorithmus verwirren könnte.

Checkliste zur Untergrundvorbereitung

1. Entfernen Sie alle temporären Zementrückstände mit einem Zahnsteinentferner
2. Gründlich ausspülen und an der Luft trocknen lassen
3. Mit einem sanften Luftstrom sicherstellen, dass die Ränder frei von Rückständen sind
4. Überprüfen Sie das Gerät auf undichte Stellen und beheben Sie diese vor dem Scannen

Optimierung Ihrer Scan-Technik für KI

Die KI benötigt umfassende Daten, um präzise Entscheidungen zu treffen. Ihr Scanmuster spielt dabei eine wichtigere Rolle als bei der manuellen Randerkennung.

Der „Margin-First“-Scan-Ansatz

I’ve developed a scanning sequence that prioritizes margin capture:

1. Anfängliche Margin-Überprüfung: Beginnen Sie mit einem langsamen, sorgfältigen Rundgang durch die gesamte Margin
2. Okklusale/inzisale Erfassung: Die Präparationsfläche fertigstellen
3. Randüberprüfung bestanden: Zweite detaillierte Überprüfung fragwürdiger Bereiche
4. Integration benachbarter Zähne: Verbindung mit benachbarten Strukturen

Entscheidend ist, bei der Randaufnahme einen Abstand von 10–15 mm zur Präparation einzuhalten. Bei einem Abstand von weniger als 10 mm entstehen häufig Schatten; bei einem Abstand von mehr als 15 mm nimmt die Detailauflösung ab.

Umgang mit schwierigen Standorten

Subgingivale Ränder: Die KI hat Schwierigkeiten mit Rändern, die mehr als 1 mm subgingival liegen. In diesen Fällen greife ich weiterhin auf die herkömmliche Randmarkierung zurück, nutze die KI jedoch als Kontrollinstrument.

Interproximale Felder: Betrachtung aus verschiedenen Blickwinkeln – bukkal, lingual und direkt okklusal. Die KI kombiniert diese Perspektiven, um eine höhere Genauigkeit zu erzielen.

Gekrümmte Ränder: Führen Sie die Bewegung eher wie beim „Malen“ aus, anstatt in geraden Strichen. Der Algorithmus liefert bessere Ergebnisse, wenn sich die Datenpunkte entlang gekrümmter Oberflächen überlappen.

KI-Einstellungen und Softwareoptimierung

Die Standard-Einstellungen für die KI-Empfindlichkeit funktionieren in etwa 70 % der Fälle gut, doch zu wissen, wann und wie man sie anpassen muss, macht einen erheblichen Unterschied.

Empfindlichkeitseinstellungen

Hohe Empfindlichkeit: Für Präparationen mit feinen Rändern oder minimaler Verjüngung. Häufig bei konservativen Veneers oder Kronen mit minimaler Reduktion.

Standardempfindlichkeit: Ideal für klassische Kronenpräparationen mit 6-Grad-Konus und klarer Randdefinition.

Geringe Empfindlichkeit: Am besten geeignet für stark konisch zulaufende Präparate oder bei Gewebeentzündungen, die zu falschen Kontrastgrenzen führen.

Materialspezifische Überlegungen

Unterschiedliche Vorbereitungsmaterialien beeinflussen die KI-Leistung:

• Natürliche Zahnstruktur: Die Standardeinstellungen funktionieren gut
• Kompositaufbauten: Leichte Verringerung der Empfindlichkeit aufgrund ähnlicher Farbwerte
• Amalgamstifte: Erhöhte Empfindlichkeit zur besseren Erkennung der Grenzfläche zwischen Metall und Zahn
• Stift- und Stumpfversorgung: Erfordert häufig eine manuelle Überprüfung des Randes

Häufige Probleme bei der KI-Randerkennung und deren Lösungen

Problem: KI übersieht offensichtliche Ränder

Mögliche Ursachen:

• Unzureichende Geweberetraktion
• Verunreinigungen oder Feuchtigkeit an der Randlinie
• Unzureichende Scan-Abdeckung

Lösungen:

• Das Gewebe erneut zurückziehen und den Randbereich erneut scannen
• Reinigen Sie die Arbeitsfläche und trocknen Sie sie gründlich ab
• Führen Sie weitere, auf die Ränder ausgerichtete Scans aus verschiedenen Blickwinkeln durch

Problem: KI erkennt falsche Ränder

Dies kommt häufig bei Kompositrestaurationen oder verfärbter Zahnsubstanz vor.

Lösungen:

• Einstellung für die AI-Empfindlichkeit verringern
• Die Oberfläche glätten, um Unebenheiten zu beseitigen
• Verwenden Sie die manuelle Randbearbeitung, um Fehlalarme zu beseitigen

Problem: Uneinheitliche Randerkennung

Wenn die KI in manchen Bereichen gut funktioniert, in anderen jedoch versagt:

Auf Folgendes prüfen:

• Ungleichmäßige Gewebezugführung um die Präparation herum
• Schwankende Feuchtigkeitswerte
• Uneinheitliche Scanqualität in verschiedenen Bereichen

Workflow-Integration und Zeitmanagement

Die KI-Funktion verlängert die Scanzeit anfangs um etwa 30 bis 60 Sekunden, doch diese Investition zahlt sich in Form von höherer Konstruktionsgenauigkeit und weniger Nachbesserungen aus.

Effizienter KI-Workflow

1. Erster Scan (3–4 Minuten): Vollständige Erfassung der Präparation mit Fokus auf den Rand
2. KI-Verarbeitung (15–30 Sekunden): Lassen Sie den Algorithmus die Margen analysieren
3. Manuelle Überprüfung (30–60 Sekunden): Von der KI erkannte Ränder überprüfen und anpassen
4. Antagonisten- und Bissabdruck (2–3 Minuten): Fertigen Sie den Abdrucksatz an

Wann man auf KI verzichten und manuell vorgehen sollte

In bestimmten Situationen ist es angebracht, die KI-Randerkennung zu umgehen:

• Tiefe subgingivale Ränder (>1,5 mm)
• Stark restaurierte Zähne mit mehreren Materialübergängen
• Präparate mit bewusst ausgefransten Rändern
• Fälle, die eine sofortige Bearbeitung erfordern (die KI-Überprüfung nimmt zusätzliche Zeit in Anspruch)

Qualitätskontrolle und Verifizierungsverfahren

Never trust AI margin detection blindly. I’ve developed a systematic verification process:

Die „Drei-Ansichten-Regel“

Betrachten Sie die von der KI erkannten Ränder aus drei Perspektiven:

1. Blick von der Wange/Gesichtsseite: Überprüfen Sie die Kontinuität und Position des Randes
2. Linguale Ansicht: Überprüfung schwer zugänglicher Bereiche
3. Okklusale Ansicht: Überprüfen Sie die Genauigkeit der interproximalen Ränder

Häufige Prüfpunkte

• Kontinuität des Randes: Keine Lücken oder Sprünge in der Randlinie
• Anatomische Logik: Die Ränder folgen der erwarteten Präparationsgeometrie
• Gewebeverhältnis: Richtige Position im Verhältnis zum Zahnfleischgewebe

Fortgeschrittene Tipps für komplexe Fälle

Fälle mit mehreren Einheiten

Bei der Vorbereitung von Brücken sollten Sie zunächst jeden Pfeiler einzeln scannen und anschließend den gesamten Zahnbogen erfassen. Dadurch erhält die KI bessere Daten für jeden Rand, bevor sie die komplexen Beziehungen zwischen den einzelnen Elementen verarbeitet.

Revisionsfälle

Beim Austausch bestehender Kronen hat die KI häufig Probleme mit Zementrändern und Gewebeentzündungen. Planen Sie in solchen Fällen eine zusätzliche manuelle Randbearbeitung ein.

Anwendungen in der Pädiatrie

Die KI eignet sich gut für Kinderzahnkronen, allerdings sollten die Empfindlichkeitseinstellungen aufgrund der in der Regel geringeren Präparationsgröße und der unterschiedlichen Gewebeeigenschaften höher eingestellt werden.

Fehlerbehebung bei Hardware-Problemen

Manchmal sind Probleme bei der Kantenerkennung eher auf die Ausrüstung als auf die Technik zurückzuführen.

Kamerakalibrierung

Kalibrieren Sie Ihre CEREC-Kamera monatlich neu. Eine schlechte Kalibrierung beeinträchtigt die Scanqualität, was sich direkt auf die Leistung der KI auswirkt.

Software-Updates

Halten Sie Ihre CEREC-Software auf dem neuesten Stand. Dentsply Sirona verbessert die KI-Algorithmen regelmäßig durch Software-Updates.

Pulverauftrag

Selbst beim puderfreien Scannen kann ein leichtes Bestäuben der Ränder in schwierigen Fällen die Genauigkeit der KI verbessern. Verwenden Sie nur wenig Puder – gerade so viel, dass reflektierende Oberflächen beseitigt werden.

Häufig gestellte Fragen

How accurate is CEREC’s AI margin detection compared to manual marking?

In my experience, AI margin detection is accurate about 85-90% of the time for ideal preparations. It’s particularly strong with traditional crown preparations but struggles with complex margin geometries. Manual verification and editing are still essential for consistent results.

Funktioniert die KI-Randerkennung mit allen CEREC-Softwareversionen?

AI-assisted margin detection requires CEREC SW 5.0 or newer. Older software versions don’t support this feature. The AI algorithms continue to improve with each software update, so staying current is important for optimal performance.

Kann ich die KI-Randerkennung für Implantatabutments verwenden?

Ja, aber mit Einschränkungen. Die KI funktioniert gut bei Implantataufbauten mit klarer Randdefinition, hat jedoch Schwierigkeiten bei gewebegleichen Implantaten oder Fällen mit starker Zahnfleischentzündung. Bei Implantatfällen verwende ich in der Regel Einstellungen mit reduzierter Empfindlichkeit.

Was soll ich tun, wenn die KI einen Rand komplett übersieht?

Überprüfen Sie zunächst die Scanqualität – achten Sie auf eine ausreichende Geweberetraktion, saubere Oberflächen und eine vollständige Randabdeckung. Wenn der Scan gut aussieht, versuchen Sie, die Empfindlichkeitseinstellungen der KI anzupassen. Wenn alles andere fehlschlägt, markieren Sie die übersehenen Randbereiche manuell und überlassen Sie der KI die Bereiche, in denen sie gute Ergebnisse erzielt hat.

Wie viel Zeit kostet die KI-Randerkennung zusätzlich beim Scanvorgang?

Rechnen Sie zunächst damit, dass sich Ihr Scan-Workflow um 1–2 Minuten verlängert, während Sie sich mit dem Überprüfungsprozess vertraut machen. Sobald Sie den Prozess beherrschen, verlängert die KI den Vorgang in der Regel nur noch um 30–45 Sekunden, kann aber durch die Reduzierung von Nacharbeiten aufgrund von Randfehlern erhebliche Zeit einsparen.

---