KI-Wundvermessung ohne Cloud: Technik, Datenschutz und Grenzen
- Güven Karakuzu
- vor 5 Tagen
- 7 Min. Lesezeit
Aktualisiert: vor 4 Tagen
Wundvermessung klingt nach einem gelösten Problem. Foto machen, Massband anlegen, fertig. Wer genauer hinschaut, merkt: Präzise, reproduzierbare Wundvermessung ist technisch deutlich anspruchsvoller als gedacht – und die meisten KI-Lösungen haben das Problem nur halb gelöst, weil sie die Bilddaten in die Cloud schicken.
Für alle, die nicht täglich in der Pflege arbeiten: Wundversorgung ist dokumentationspflichtig. Jede Behandlung muss nachvollziehbar festgehalten werden – Grösse, Zustand, Verlauf. Das ist nicht nur bürokratische Pflicht, sondern medizinisch notwendig: Nur wer den Heilungsverlauf präzise verfolgt, kann Therapieentscheidungen auf einer soliden Grundlage treffen.
In der Praxis bedeutet das: Bei jedem Verbandwechsel wird die Wunde vermessen, fotografiert und dokumentiert – oft mehrfach pro Woche, bei jedem Patienten. Ein enormer Zeitaufwand, der bisher weitgehend manuell anfiel. In Deutschland gibt der DNQP-Expertenstandard «Pflege von Menschen mit chronischen Wunden» den fachlichen Rahmen vor; in der Schweiz ergibt sich die Dokumentationspflicht aus den Qualitätsanforderungen an die Pflege und den Vorgaben der Leistungserbringer.
Das Problem: Ein Foto lügt
Eine Wunde ist dreidimensional. Ein Foto nicht. Und genau da beginnt die Herausforderung.
Jedes Wundfoto ist eine zweidimensionale Projektion auf gekrümmter Haut – ohne bekannten Massstab, ohne definierten Kameraabstand, ohne reproduzierbaren Winkel. Dazu kommen wechselnde Lichtverhältnisse, ähnliche Farbwerte von Wundgrund, Rötung und Exsudat, und Wundränder, die keine harte Kante haben. Selbst die Frage, wo die Wunde aufhört und gereizte Haut anfängt, beantwortet jede Pflegekraft anders.
Zwei Fehlerquellen kommen dabei zusammen. Die erste ist die Person: Wo genau der Wundrand liegt, ist eine Ermessensfrage, und verschiedene Anwenderinnen kommen bei derselben Wunde zu unterschiedlichen Werten. Die zweite ist die Methode selbst. Wer Länge mal Breite rechnet, legt ein Rechteck über eine irreguläre Form und überschätzt die tatsächliche Wundfläche systematisch – ein bekannter Effekt, der umso grösser wird, je unregelmässiger die Wunde ist.
Für die Verlaufsbeurteilung ist das gravierender, als es klingt: Wenn die Messunsicherheit in derselben Grössenordnung liegt wie die wöchentliche Heilungsrate, lässt sich aus zwei Messungen schlicht nicht ablesen, ob eine Therapie wirkt.
Warum bisherige KI-Lösungen nicht überzeugten
KI-gestützte Wundvermessung gibt es nicht erst seit gestern. Frühe Ansätze arbeiteten mit klassischer Bildverarbeitung: Farbschwellwerte, Region Growing, Watershed-Algorithmen. Sie scheiterten zuverlässig an wechselnden Lichtverhältnissen.
Dann kamen Deep-Learning-Modelle – leistungsfähiger, aber cloud-basiert. Das bedeutete: Wundfotos, also besonders schützenswerte Gesundheitsdaten, wurden auf externe Server übertragen. Für jede Einrichtung entstand damit ein datenschutzrechtlicher Aufwand: Auftragsverarbeitungsverträge, technisch-organisatorische Massnahmen, bei US-Anbietern zusätzlich die Frage des Drittlandtransfers.
Hinzu kommt ein praktisches Problem: Pflege findet nicht immer dort statt, wo es gutes WLAN gibt. Im Pflegeheim mit Betonwänden, in der Häuslichkeit ohne Mobilfunkabdeckung, im Keller eines Spitals – ein Feature, das offline nicht funktioniert, wird schlicht nicht benutzt.
Andere Ansätze setzten auf Spezialhardware: Stereokameras oder LiDAR-Sensoren. Sie funktionieren – aber nur mit zusätzlichem Gerät, das in der täglichen Pflege niemand mitschleppt.
KI-Wundvermessung ohne Cloud: Was die KI sieht und wie sie entscheidet
Die KI-Wundvermessung ohne Cloud läuft bei Alberta vollständig auf dem Smartphone oder Tablet und benötigt für die Analyse keinen externen Server.
Wenn ein Wundfoto geöffnet wird, läuft im Hintergrund eine mehrstufige Analysekette ab.
Zunächst liefert das Modell für jeden Pixel im Bild einen Wahrscheinlichkeitswert: Wunde oder nicht Wunde. Aus diesen Werten entsteht eine binäre Maske. Dann greift eine Reihe von Nachverarbeitungsschritten: Reflexe und Falschpositive werden herausgefiltert, kleine Störpixel entfernt, Lücken in der Kontur geschlossen.
Das Ergebnis ist ein Polygon mit maximal 30 Punkten, das die Wundkontur beschreibt. Die 30-Punkte-Grenze ist dabei keine technische Einschränkung, sondern eine bewusste Erleichterung für den Anwender: Eine Kontur mit 400 Punkten kann niemand von Hand nachkorrigieren. Mit 30 Punkten schon.
Für das Lineal läuft ein ähnlicher Prozess – hier wird die Richtung der Linie per statistischer Analyse aus allen erkannten Pixeln berechnet, was robuster ist, als einfach die zwei Extrempunkte zu nehmen.
Die eigentliche Flächenberechnung nutzt dann die sogenannte Shoelace-Formel – ein mathematisches Verfahren, das die tatsächliche Form des Polygons berücksichtigt, nicht eine vereinfachte Rechteck-Näherung. Massstab und Längenberechnung basieren auf dem physischen Lineal im Bild, dessen Länge der Anwender einmalig bestätigt.
Zwei Messmethoden – ein wichtiger Unterschied
Alberta bietet zwei Modi für die Vermessung, und der Unterschied ist klinisch relevant.
Der Perpendicular-Modus ermittelt automatisch den längsten Durchmesser der Wunde und misst die Breite im rechten Winkel dazu. Er ist vollautomatisch und geometrisch präzise – aber er orientiert sich nicht am Körper des Patienten. Dreht sich die Wunde zwischen zwei Aufnahmen leicht, etwa weil das Foto aus einem anderen Winkel gemacht wurde, ändern sich Länge und Breite, obwohl die Wunde gleich geblieben ist.
Der Körperachsen-Modus löst genau dieses Problem. Der Anwender legt einmalig eine Richtungslinie entlang der Körperlängsachse von Kopf nach Fuss fest. Länge und Breite werden immer relativ zu dieser Achse gemessen – unabhängig vom Aufnahmewinkel. Das entspricht der Konvention des DNQP-Expertenstandards und macht Verlaufsmessungen über Wochen und Monate erst wirklich vergleichbar.
Die Fläche ist in beiden Modi identisch, weil sie achsenunabhängig berechnet wird.
Die KI als Vorschlagsgenerator – nicht als Entscheider
Ein zentrales Prinzip der Lösung: Die Pflegekraft behält immer das letzte Wort – nicht die KI.
Die automatisch erkannte Kontur ist ein Vorschlag. Jeder der bis zu 30 Punkte lässt sich per Fingergeste verschieben, die Masse werden dabei live neu berechnet. Wer die Erkennung verwirft und von vorne beginnt, startet die KI nicht automatisch neu – die manuelle Arbeit wird nicht überschrieben. Ein expliziter Button startet die KI-Erkennung bei Bedarf erneut.
Wenn das Modell unsicher ist – etwa weil das Lineal zu klein im Bild ist oder die Wunde nicht eindeutig erkennbar – übernimmt der Anwender: Die Kontur lässt sich dann manuell per Fingergeste auf dem Foto einzeichnen und anpassen. Die App macht lieber nichts, als ein unplausibles Ergebnis stillschweigend zu übernehmen.
Das ist mehr als eine Bedienentscheidung. Wenn die fachliche Beurteilung bei der Pflegefachperson bleibt und das System nur einen überprüfbaren Vorschlag liefert, verschiebt sich auch die Verantwortungsfrage nicht auf einen Algorithmus.
Datenschutz durch Architektur
Das Wundfoto verlässt das Gerät zu keinem Zeitpunkt. Es gibt in diesem Prozess keinen einzigen Netzwerkaufruf für die Analyse.
Das verschiebt die rechtliche Einordnung: Für die rein lokale KI-Inferenz ist keine Übertragung der Wundaufnahme an einen externen Analyseserver erforderlich. Für diesen Analyseschritt entstehen laut Hersteller keine externen Bildübertragungen, Serverlogs oder serverseitigen Aufbewahrungsfristen. Ob darüber hinaus Auftragsverarbeitungsverhältnisse bestehen – etwa für Backend-Dienste, Benutzerverwaltung oder Support –, hängt von den übrigen Funktionen der Gesamtlösung ab und ist gesondert zu prüfen.
In Deutschland und der EU sind Gesundheitsdaten nach Artikel 9 DSGVO besonders geschützt; Datenschutz durch Technikgestaltung verlangt Artikel 25 DSGVO.
In der Schweiz gilt dasselbe Prinzip unter anderen Paragraphen: Daten über die Gesundheit zählen nach Artikel 5 des revidierten Datenschutzgesetzes zu den besonders schützenswerten Personendaten, und Artikel 7 revDSG verlangt Datenschutz durch Technik und datenschutzfreundliche Voreinstellungen. Eine Architektur, bei der das Bild für die Analyse auf dem Gerät bleibt, unterstützt diese Anforderung und reduziert Risiken durch externe Übertragungen. Sie ersetzt jedoch nicht die weiteren Pflichten der verantwortlichen Einrichtung – etwa bezüglich Rechtsgrundlage, Zugriffsschutz, Gerätesicherheit, Löschung und Dokumentation. Für den lokalen Analyseschritt stellt sich laut Hersteller keine Frage der Bekanntgabe des Wundbildes ins Ausland; andere Datenflüsse der Gesamtlösung, etwa Benutzerverwaltung oder Synchronisation, müssen davon getrennt geprüft werden.
Der Preis dafür ist explizit: rund 124 Megabyte Modelle im App-Bundle, eine aufwendige Speicherverwaltung und ein Feature, das bewusst nur auf nativen iOS- und Android-Geräten verfügbar ist – nicht im Browser. Das ist keine Einschränkung, sondern eine Entscheidung: lieber kein Feature als ein schlechteres.
Was das in der Praxis bedeutet
Das Umranden per Hand und die manuelle Kalibrierung entfallen. Nach Angaben des Herstellers kann die automatische Vermessung innerhalb weniger Sekunden erfolgen und den manuellen Aufwand gegenüber Umranden und Kalibrieren per Hand deutlich reduzieren. TechNovice hat diese Zeitangabe nicht unabhängig überprüft.
Innerhalb derselben App- und Modellversion soll dasselbe unveränderte Foto laut Hersteller reproduzierbar dasselbe Analyseergebnis liefern. Unterschiede durch Aufnahmewinkel, Kalibrierung und manuelle Wundrandkorrekturen bleiben davon unberührt. Der körperachsenbezogene Ansatz soll Schwankungen reduzieren, die allein durch unterschiedliche Fotoausrichtungen entstehen; ob und in welchem Umfang dies die klinische Verlaufsbeurteilung verbessert, müsste durch unabhängige Validierungsdaten belegt werden.
Keine Zusatzhardware, kein Verbrauchsmaterial. Ein Dienstsmartphone und ein handelsübliches Lineal reichen aus.
Was derzeit nicht unabhängig belegt ist
TechNovice hat keine öffentlich zugängliche unabhängige Validierungsstudie gefunden, aus der sich Messabweichung, Stichprobengrösse oder Leistungswerte der Alberta-Wundvermessung ableiten lassen. Auch die Angaben zu lokaler Verarbeitung, Geschwindigkeit und technischer Implementierung in diesem Beitrag beruhen auf Herstellerinformationen. Diese Punkte sollten nicht mit einer unabhängigen klinischen Bewertung oder einer regulatorischen Zulassungsprüfung gleichgesetzt werden. Zum Vergleich: Für andere KI-gestützte Wundvermessungssysteme existieren publizierte Validierungsstudien mit definierten Stichproben; ob und in welcher Form solche Daten für Alberta vorliegen, war zum Zeitpunkt der Veröffentlichung nicht öffentlich einsehbar.
Häufig gestellte Fragen
Werden Wundfotos für die KI-Analyse in die Cloud übertragen?
Nein. Die Analyse läuft vollständig auf dem Endgerät. Für die Vermessung erfolgt kein Netzwerkaufruf, das Bild verlässt das Gerät zu keinem Zeitpunkt.
Funktioniert die Wundvermessung offline?
Ja. Weil die Modelle lokal in der App liegen, funktioniert die Vermessung ohne Internetverbindung – relevant in Pflegeheimen, in der häuslichen Versorgung und in Gebäuden mit schlechter Abdeckung.
Braucht es Spezialhardware?
Nein. Ein handelsübliches Dienstsmartphone oder Tablet mit iOS oder Android sowie ein physisches Lineal im Bild genügen. Stereokameras oder LiDAR-Sensoren sind nicht erforderlich.
Kann die Pflegekraft das Ergebnis korrigieren?
Ja. Die erkannte Kontur ist ein Vorschlag mit maximal 30 verschiebbaren Punkten. Die Masse werden bei jeder Korrektur live neu berechnet, und die Kontur lässt sich auch vollständig manuell einzeichnen.
Warum gibt es zwei Messmodi?
Der Perpendicular-Modus misst geometrisch am längsten Durchmesser, ist aber vom Aufnahmewinkel abhängig. Der Körperachsen-Modus misst relativ zur Körperlängsachse und liefert dadurch über Wochen hinweg vergleichbare Verlaufswerte.
Wie wird die Wundfläche berechnet?
Über die Shoelace-Formel auf Basis des erkannten Polygons. Sie berücksichtigt die tatsächliche Form der Wunde, im Gegensatz zur verbreiteten Näherung Länge mal Breite, die die Fläche systematisch überschätzt.
Offenlegung: Der Autor ist bei der IT-Labs GmbH tätig, dem Hersteller der im Beitrag beschriebenen Software. TechNovice hat die Lösung nicht selbst getestet; die Angaben zur Funktionsweise beruhen auf Herstellerangaben. Die Redaktion hat den Text fachlich geprüft und um die Schweizer Rechtsebene ergänzt.
Kommentare