KI ist kein Autopilot – doch sie strukturiert Informationen so konsequent wie nie zuvor. In meinem Gespräch mit Prof. Dr. Falk Schwendicke (LMU München) geht es darum, welche Voraussetzungen erfüllt sein müssen, damit KI-gestützte Prozesse in der Zahnmedizin verlässlich funktionieren und warum die Verantwortung beim Menschen bleibt.
Hier könnt Ihr einen Auszug lesen. Das vollständige Interview ist in der Zeitschrift Quintessenz Zahntechnik (2/2026) erschienen und kann hier als PDF heruntergeladen werden.
Intraoralscanner: Mehr als reine Scandaten
Moderne Intraoralscanner erzeugen multimodale Datensätze, KI-Tools strukturieren Befunde und klinische Informationen stehen bereits vor restaurativen Maßnahmen bereit. Für Dentallabore bedeutet das mehr Informationskontext. Vor diesem Hintergrund lohnt der Blick darauf, wie Prof. Dr. Falk Schwendicke (LMU München) die digitale Transformation in der Zahnmedizin einordnet. Er zählt zu den prägenden Stimmen an der Schnittstelle von KI-Forschung, Regulierung sowie zahnärztlicher Praxis und sensibilisiert dafür, dass Datenqualität, Validierung und Ausbildung über den Erfolg digitaler Workflows entscheiden.
Wo steht die Zahnmedizin derzeit in der digitalen Transformation?
Falk Schwendicke: … zwischen Hype und Ernüchterung. Vor zwei Jahren war das Feld noch vom reinen Hype geprägt; jetzt sind wir weiter. Sowohl in der Forschung als auch der Industrie beschäftigen wir uns intensiv mit der Frage, wie wir digitale Technologien tatsächlich in die Praxen bringen: Welche Standards, Schnittstellen, Terminologien und Ontologien braucht es, um Workflows zu verknüpfen? Besonders beeindruckend sind die Entwicklungen in der Sprachverarbeitung. Das ging unglaublich schnell. Und auch in der Bildverarbeitung, etwa bei Röntgenbildern oder Scans, hat sich viel getan: Heute gibt es kaum noch Zweifel, dass diese Tools funktionieren – ein klarer Unterschied zu den großen Fragezeichen vor wenigen Jahren.
Welche Rolle spielen Validierung und Ausbildung?
Falk Schwendicke: Validierung und Ausbildung sind Grundvoraussetzungen. Technik darf nicht nur verfügbar sein, sie muss ihre Zuverlässigkeit unabhängig belegen und zwar im Realbetrieb, nicht nur unter Idealbedingungen. Viele Systeme sind zwar zertifiziert, wurden aber nie auf Generalisierbarkeit und Praxistauglichkeit getestet. Wir brauchen randomisiert-kontrollierte Studien und Real-World-Analysen, so wie wir es bei anderen Medizinprodukten lange gewohnt sind.
Parallel fehlt es an Ausbildung: Die Technologien sind neu und niemand in der Zahnmedizin hat sie bislang im Studium oder in der Weiterbildung systematisch kennengelernt – auch nicht viele derjenigen, die sie heute lehren müssten. Wir brauchen Data- und Digital Literacy, damit Risiken erkannt und Tools bewusst eingesetzt werden können. Der EU AI Act macht klar: Nur geschultes Personal darf diese Systeme nutzen. In meiner WHO-Arbeitsgruppe haben wir ein Core Curriculum entwickelt und ergänzende Lernmaterialien vorbereitet. Aber es fehlt schlicht an kompetenten Lehrenden und bis das in der Breite ankommt, ist die Technik schon wieder ein Stück weiter.
Welche Bedeutung haben KI-basierte Systeme im Praxisalltag?
Falk Schwendicke: Align™ X-ray Insights ist ein Beispiel dafür, wie KI-Anwendungen in den klinischen Alltag integriert werden. Es handelt sich um eine computerassistierte Detektionslösung (CADe), die auf Deep-Learning-Algorithmen basiert und 2D-Röntgenbilder auf pathologische Veränderungen hin analysiert. Die Ergebnisse werden farbcodiert dargestellt und zusätzlich in Zahndiagrammen aufbereitet. Der Nutzen liegt weniger in einer „neuen Diagnose“, sondern in der Standardisierung und Strukturierung vorhandener Informationen: Befunde werden systematisch erfasst, lassen sich besser dokumentieren und klarer mit Patienten besprechen. Entscheidend ist, dass diese Systeme immer als Unterstützung gedacht sind. Sie können helfen, Sicherheit und Effizienz zu steigern, ersetzen aber nicht die ärztliche Untersuchung und Entscheidung. Damit sind sie ein Baustein, um Diagnostik transparenter und reproduzierbarer zu machen; vorausgesetzt, ihre Leistungsfähigkeit ist wissenschaftlich validiert und sie werden bewusst in den klinischen Workflow integriert.