KI-gestütztes, vertikalisierbares Therapiebett im Einsatz auf Intensivstationen

Bild: Schön Klinik Bad Aibling Harthausen

Das von Reactive Robotics entwickelte Therapiesystem Vemo– bestehend aus einem bis zu 70 Grad vertikalisierbaren Intensivkrankenbett und Robotik, die mit KI-gestützter Software ausgestattet ist – unterstützt die Mobilisierung von Schwerstkranken direkt in deren Betten durch die Kombination von Gangtherapie und Aufrichtung. Gefährlicher Patiententransfer oder die Umlagerung auf ein separates Therapiegerät sind somit nicht erforderlich.

„Unser Ziel ist es, Schwerstkranken und beatmeten Patienten so zeitnah wie möglich Mobilisierungstherapie zu ermöglichen. Studien haben nachgewiesen, dass frühe Mobilisierung den Genesungsprozess wirksam unterstützen und beschleunigen kann,“ erläutert Dr. Alexander König, Entwickler des VEMO-Systems und Gründer der Reactive Robotics GmbH. „Aktuell hilft unser robotisches Assistenzsystem auch, dem Pflegekollaps durch Corona die Stirn zu bieten.“

Technik und Fertigung stammen aus dem Hause TQ 

Herzstück des Vemo Systems ist der frameless Motor ILM (Innen-Läufer-Motor) der TQ-Group, der durch seine herausragenden Eigenschaften wie beispiellose Drehmomentdichte und hohe Überlastfähigkeiten überzeugt.

Entwickelt wurde das Vemo System, das bereits in der Schön Klinik Bad Aibling Harthausen erfolgreich in Einsatz ist, in Kooperation mit Professor Sami Haddadin, dem Franka-Panda-Erfinder und Leiter des Lehrstuhls für Robotik und künstliche Intelligenz an der TU-München.

„Wir setzen das Therapiebett erfolgreich bei unseren schwer erkrankten Patienten in der neurologischen Frührehabilitation ein. Schritt für Schritt helfen wir ihnen damit zurück ins Leben. Und für unsere Pflegekräfte wird die Arbeit deutlich erleichtert, weil das anstrengende Heben und Umlagern der Patienten entfällt“, sagt Anja Dieterle, Leiterin der Schön Klinik Bad Aibling Harthausen.

Einige Highlights des gehäuselosen ILM:

  • höchste Drehmomentdichte bei maximaler Designfreiheit
  • Leichtgewicht: ist nur halb so schwer wie vergleichbare Motoren
  • Kleines Kraftpaket: Ermöglicht kompakteste Baueinheiten
  • Stark: Extrem hohes Drehmoment
  • Ökonomisch: Geringer Leistungsverlust und lange Lebenszeit durch hohe Wicklungsdichte und kompakte Bauweise
  • Flexibel: lässt sich schnell und einfach für vielfältige Einsatzbereiche anpassen

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige