Institut für Lasertechnologien in der Medizin und Messtechnik

Sepsis ist eine lebensbedrohliche systemische Infektionsreaktion, bei der eine schnelle und zielgerichtete Therapie entscheidend für den Behandlungserfolg ist. Insbesondere die frühzeitige Identifikation des verursachenden Erregers sowie möglicher Antibiotikaresistenzen stellt in der klinischen Diagnostik eine große Herausforderung dar. Im Projekt ASTANA (ILM, Hahn-Schickard – gefördert durch das BMFTR) wurden in mikrofluidischen IVD-Kassetten Sepsiserreger in einer Vielzahl kleinster Kammern untersucht, die jeweils unterschiedliche Antibiotika enthielten. Mithilfe holographischer Verfahren konnten die Erreger dabei einzeln gezählt und ihr Wachstum präzise verfolgt werden. Die Bestimmung der Wachstumsraten ermöglicht eine deutlich schnellere Identifikation von Resistenzen und trägt dazu bei, die Zeit bis zur passenden Therapieentscheidung erheblich zu verkürzen. Damit leistet das Verfahren einen wichtigen Beitrag zur beschleunigten und präziseren Sepsisdiagnostik.

Am ILM kann die Lichtausbreitung in natürlichen Objekten präzise bestimmt werden. Grundlage sind detaillierte Messungen der optischen Materialeigenschaften, die in physikalisch basierte 3D-Modelle und Simulationen der Lichtausbreitung überführt werden. Darauf aufbauend ermöglichen die Modelle eine hochgenaue visuelle Reproduktion biologischer und technischer Strukturen. Am ILM entwickelte Algorithmen erlauben zudem ein äußerst schnelles Rendering dieser Objekte und damit eine effiziente visuelle Vorhersage ihres Erscheinungsbildes. Ein besonderer Anwendungsfokus liegt auf der Zahnmedizin: Physikbasiertes Rendering ermöglicht realistische und vorhersagbare Vorschauen für präzise Zahnersatzrestaurationen. Dadurch lassen sich Passform und Farbgebung frühzeitig beurteilen, Nacharbeiten reduzieren und der Abstimmungsaufwand zwischen Patienten und Zahntechnik deutlich verringern.

Schlechte Wetter- und Sichtbedingungen wie Regen, Nebel oder Schneefall sind eine zentrale Herausforderung für das autonome Fahren. Das Fehlen ausreichender realitätsnaher Daten erschwert das Training KI-gestützter Systeme und kann im Extremfall zu Systemversagen führen. Das ILM verfügt über die Expertise, Lichtausbreitung in streuenden Medien zu messen, zu simulieren und physisch zu reproduzieren. Dadurch können Fahrszenen mit Nebel beliebiger Qualität und Sichtweite realitätsgetreu augmentiert werden. Auf dieser Basis lassen sich KI-Systeme gezielt trainieren sowie Lidar- und Sensorsysteme validieren. So entsteht eine wichtige Grundlage für sicheres autonomes Fahren bei eingeschränkter Sicht. Darüber hinaus sind auch weitere Anwendungen denkbar, etwa erschwerte Sichtbedingungen in OPs oder die Erkennung von Objekten unter streuenden Medien.