Mastering CEREC’s New AI-Assisted Margin Detection: Clinical Tips for Perfect Crown Preparations

CEREC’s AI-assisted margin detection has been a game-changer in my practice, but like any new technology, there’s definitely a learning curve. After working with it for the past year and helping several colleagues get up to speed, I’ve picked up some practical insights that can help you maximize this feature from day one.

The AI margin detection isn’t just about convenience—it’s about consistency and precision that can elevate your crown preparations. But it’s not foolproof, and understanding its strengths and limitations is key to integrating it successfully into your workflow.

Understanding How CEREC’s AI Margin Detection Actually Works

Before diving into clinical tips, it helps to understand what the AI is actually doing. The system analyzes the 3D scan data to identify the transition between prepared tooth structure and unprepared enamel or existing restorative material. It’s looking for geometric changes, surface texture variations, and color differences that typically define a preparation margin.

The AI performs best when it has clear, distinct landmarks to work with. This means your preparation quality directly impacts the AI’s accuracy—garbage in, garbage out, as they say.

Optimale Präparationsmerkmale für die KI-Erkennung

Through trial and error, I’ve found that certain preparation characteristics consistently yield better AI margin detection:

• Klare Definition der Kanten: Eine deutliche Fase oder Schulter ist besser geeignet als abgeschrägte Kanten
• Gleichmäßige Tiefe: Gleichmäßige Randtiefe rund um die gesamte Präparation
• Saubere Übergänge: Vermeiden Sie raue oder zerrissene Gewebekanten, die das KI-System verwirren könnten
• Ausreichende Reduktion: Mindestens 1,0 mm okklusal und 0,8 mm axial, damit der AI eine eindeutige Unterscheidung vornehmen kann

Vorbereitung auf den Pre-Scan: So schaffen Sie die besten Voraussetzungen für den Erfolg

The quality of your scan directly impacts AI margin detection accuracy. I’ve learned to be more meticulous with my pre-scan preparation than I was with manual margin drawing.

Gewebemanagement

Das Gewebemanagement ist entscheidend, wenn man sich auf die Erkennung durch KI verlässt. Ich gehe dabei in zwei Schritten vor:

1. Anfängliche Retraktion: Setzen Sie die Retraktionsschnur (Nr. 00 oder Nr. 000) unmittelbar nach der Präparation ein
2. Letzte Rückzugphase: Fügen Sie 5–10 Minuten vor dem Scannen eine zweite, dickere Schnur (Nr. 0 oder Nr. 1) hinzu

The AI struggles with tissue that’s draped over margins or bleeding that obscures the preparation edge. I’ve found that spending an extra 2-3 minutes on tissue management saves 5-10 minutes in post-processing corrections.

Reinigung und Trocknung

Ablagerungen im Zahnfleischtaschenbereich sind der Feind einer präzisen KI-Erkennung. Ich wende ein systematisches Reinigungsprotokoll an:

• Gründlich mit Wasser/Luftstrahl abspülen
• Verwenden Sie einen kleinen Pinsel (ich empfehle die Kerr OptiClean-Pinsel), um Zementreste oder Rückstände zu entfernen
• Abschließend abspülen und mit ölfreier Luft trocknen
• CEREC Optispray nur dort leicht auftragen, wo es nötig ist

Scanverfahren für optimale KI-Leistung

Your scanning technique needs to be adjusted when you’re planning to use AI margin detection. The AI needs comprehensive data to make accurate decisions.

Änderungen am Scanmuster

I’ve modified my scanning pattern to give the AI more information to work with:

1. Beginnen Sie mit der Okklusalansicht: Nehmen Sie die Präparation direkt von oben auf
2. Erfassung des Umfangsrandes: Bewegen Sie sich langsam um die Präparation herum und behalten Sie dabei den Rand im Blick
3. Mehrere Blickwinkel: Nehmen Sie jedes Randsegment aus mindestens zwei verschiedenen Blickwinkeln auf
4. Benachbarte Zähne: Achten Sie darauf, dass die benachbarten Zähne gut erfasst werden, damit sie als Referenz dienen können

Der Schlüssel liegt in bewussten, langsamen Bewegungen. Ich sage meinen Assistenten, sie sollen während der Erfassung der Ränder eher „methodisch“ als „effizient“ vorgehen.

Beleuchtung und Positionierung

Consistent lighting helps the AI distinguish between different surface textures. I’ve found that:

• Die Deckenbeleuchtung sollte gleichmäßig, aber nicht grell sein
• Vermeiden Sie Schatten am Präparationsrand
• The scanner’s built-in LED provides adequate illumination when positioned correctly

Arbeiten mit den Ergebnissen der KI-Erkennung

Once you have your scan, the AI will propose margin lines. In my experience, it gets it right about 80-85% of the time on straightforward cases. Here’s how I evaluate and refine the results.

Erstbeurteilung

Bevor ich Anpassungen vornehme, werfe ich immer einen kurzen Blick auf die vorgeschlagenen Margen. Achten Sie dabei auf Folgendes:

• Kontinuität: Gibt es Lücken oder Sprünge in der Randlinie?
• Gleichmäßige Tiefe: Ist der Rand rund um die Präparation gleichmäßig tief?
• Anatomische Logik: Folgt der Rand den erwarteten anatomischen Konturen?

Häufige Fehler bei KI und schnelle Lösungen

Die KI neigt dazu, in bestimmten Situationen vorhersehbare Fehler zu machen:

Interproximale Bereiche: Der AI hat manchmal Schwierigkeiten mit engen Kontakten oder Bereichen, in denen die Gewebebehandlung eine Herausforderung darstellt. In der Regel muss ich diese Bereiche manuell anpassen und den Rand etwas weiter in Richtung Zahnhals ziehen.

Lingual margins on molars: Access limitations during scanning can lead to imprecise lingual margin detection. I’ve learned to be extra careful with my lingual scanning technique.

Vorhandene Restaurationen: Bei der Präparation eines Zahns mit vorhandenen Komposit- oder Amalgamfüllungen kann es vorkommen, dass das KI nicht genau erkennt, wo die eigentliche Zahnsubstanz endet. In solchen Fällen ist eine manuelle Überprüfung unerlässlich.

Einstellungen und Präferenzen optimieren

CEREC allows you to adjust the AI sensitivity settings. After experimenting with different configurations, here’s what works in my practice:

Einstellungen für die KI-Empfindlichkeit

I keep the AI sensitivity at “Medium” for most cases. Here’s when I adjust:

• Hohe Empfindlichkeit: Bei sehr feinen Rändern oder bei der Arbeit mit zahnfarbenen bestehenden Restaurationen
• Geringe Empfindlichkeit: Bei tiefen Präparationen oder bei erheblichen Farbunterschieden zwischen präparierten und nicht präparierten Oberflächen

Materialspezifische Überlegungen

Verschiedene Restaurationsmaterialien scheinen bei unterschiedlichen KI-Einstellungen besser zu funktionieren:

• Lithiumdisilikat: Die Standardeinstellungen funktionieren gut
• Zirkon: Profitiert manchmal von einer etwas höheren Empfindlichkeit
• Verbundblöcke: Eine geringere Empfindlichkeit ist oft vorteilhafter

Integration in den Praxis-Workflow

Implementing AI margin detection efficiently requires some workflow adjustments. In my practice, we’ve found that the time saved on margin drawing allows us to be more thorough with preparation quality and tissue management.

Speaking of practice efficiency, I’ve noticed that many CEREC practices excel at chairside digital workflow but still struggle with front-desk processes. We recently started using Intake.Dental for digital patient onboarding, which pairs well with our same-day dentistry approach—patients can complete their paperwork digitally before arriving, just like we complete their crowns in a single visit.

Überlegungen zur Mitarbeiterschulung

Wenn Sie Mitarbeiter haben, die beim Scannen helfen, müssen diese verstehen, wie sich ihre Vorgehensweise auf die Leistung der KI auswirkt. Ich widme viel Zeit der Schulung meines Teams in folgenden Bereichen:

• Unterscheidung zwischen guter und schlechter Margenerfassung
• Wann sollte man erneut scannen und wann manuell anpassen?
• Understanding the AI’s common failure patterns

Fehlerbehebung bei häufigen Problemen

Even with perfect technique, you’ll encounter situations where the AI doesn’t perform optimally. Here are the most common issues I see and how to address them:

Erkennung unvollständiger Ränder

Wenn die KI nur Teilränder erkennt:

1. Überprüfen Sie die Scanqualität in den fehlenden Bereichen
2. Achten Sie auf Gewebeveränderungen oder Fremdkörper
3. Versuchen Sie, nur den problematischen Bereich erneut zu scannen
4. Füllen Sie den Rand manuell aus, wenn die Scanqualität ausreichend ist

Der Rand liegt zu zervikal oder okklusal

Dies deutet in der Regel darauf hin:

• Uneinheitliche Präparations-Tiefe
• Gewebebeeinträchtigungen während der Untersuchung
• Notwendigkeit einer Empfindlichkeitseinstellung

Gezackte oder unregelmäßige Randlinien

Häufige Ursachen:

• Bewegung des Scanners während der Aufnahme
• Unzureichende Beleuchtung
• Oberflächenverunreinigung

Clinical Cases: When AI Works Best (and When It Doesn’t)

After using AI margin detection on hundreds of cases, I’ve identified patterns in its performance.

Ideale Anwendungsfälle für die KI-Erkennung

• Einzelkronen an Prämolaren und Molaren mit guter Zugänglichkeit
• Frische Präparationen an gesunden, unbehandelten Zähnen
• Fälle mit hervorragendem Gewebemanagement
• Supragingivale oder leicht subgingivale Ränder

Schwierige Fälle

• Frontzahnkronen mit tiefen subgingivalen Rändern
• Präparationen an stark restaurierten Zähnen
• Fälle mit ausgeprägter Gewebeentzündung
• Komplexe Präparate aus mehreren Einheiten

Bei schwierigen Fällen nutze ich die KI zwar weiterhin als Ausgangspunkt, rechne aber damit, dass ich noch mehr manuelle Anpassungen vornehmen muss.

Erfolgsmessung: Qualitätskennzahlen

Ich verfolge einige einfache Kennzahlen, um sicherzustellen, dass die KI meine Ergebnisse tatsächlich verbessert:

• Nachbearbeitungsquote: Ist seit der Einführung der KI-Erkennung unverändert geblieben oder hat sich verbessert
• Genauigkeit der Ränder: Subjektive Beurteilung der Passform der Ränder beim Anprobieren
• Zeitersparnis: Durchschnittliche Verkürzung der Zeit für die Randanpassung um 3–5 Minuten pro Krone

Zukünftige Überlegungen und Aktualisierungen

CEREC verbessert die KI-Algorithmen durch Software-Updates kontinuierlich weiter. Ich lege besonderen Wert darauf, dass:

• Installieren Sie Updates umgehend
• Lesen Sie die Versionshinweise zu den Verbesserungen im Bereich KI
• Nehmen Sie an Benutzerforen teil, um von anderen Praktikern zu lernen
• Dentsply Sirona Feedback geben, wenn ich immer wieder auf Probleme stoße

Die Technologie befindet sich noch in der Entwicklung, und durch die aktive Einbindung in den Entwicklungsprozess kann sichergestellt werden, dass sie auch weiterhin den klinischen Anforderungen gerecht wird.

Häufig gestellte Fragen

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

In my experience, the AI is accurate about 80-85% of the time on straightforward cases. For complex cases or challenging anatomy, manual refinement is often needed. The key advantage is consistency—the AI doesn’t have “off days” like we might when manually drawing margins.

Muss ich meine Präparationstechnik für die KI-Randerkennung anpassen?

Ihre grundlegenden Präparationsprinzipien bleiben unverändert, doch müssen Sie bei der Festlegung der Präparationsränder und der Präparationstiefe konsequenter vorgehen. Die KI funktioniert am besten mit klaren, deutlich abgegrenzten Präparationsrändern und nicht mit ausgefransten Kanten. Ein gutes Gewebemanagement wird dadurch noch wichtiger.

Was soll ich tun, wenn die KI den Rand komplett verfehlt?

Überprüfen Sie zunächst die Qualität Ihres Scans – schlechte Scans führen zu einer schlechten KI-Leistung. Wenn der Scan gut aussieht, überprüfen Sie die Empfindlichkeitseinstellungen der KI und versuchen Sie, diese anzupassen. Wenn die KI weiterhin Probleme hat, wechseln Sie für diesen Fall zum manuellen Zeichnen der Ränder. Manche klinische Situationen lassen sich nach wie vor besser manuell bewältigen.

Kann ich die KI-Randerkennung für alle Arten von Restaurationen verwenden?

Die KI eignet sich am besten für Einzelkronen und einfache Fälle. Bei komplexen mehrgliedrigen Fällen, Brücken oder Präparationen mit ungewöhnlicher Anatomie müssen Sie möglicherweise stärker auf manuelle Nachbearbeitung zurückgreifen. Ich nutze sie nach wie vor als Ausgangspunkt, rechne aber bei komplexen Fällen mit einem höheren manuellen Arbeitsaufwand.

Wie viel Zeit spart die KI-Randerkennung tatsächlich?

Im Durchschnitt spare ich bei der Randdarstellung etwa 3 bis 5 Minuten pro Krone. Dies setzt jedoch eine gute Scanqualität und eine unkomplizierte Anatomie voraus. Bei komplexen Fällen, die eine erhebliche manuelle Nachbearbeitung erfordern, lässt sich zwar keine Zeitersparnis erzielen, doch bieten sie dennoch eine einheitliche Ausgangsbasis für die Randplatzierung.

---