Wie Computer Vision das Gesundheitswesen revolutioniert

Die Computer Vision Technologie in Kürze

Computer Vision ist ein innovativer Zweig der künstlichen Intelligenz, der es Maschinen ermöglicht, visuelle Daten ähnlich wie das menschliche Auge zu interpretieren und zu verarbeiten. Im Kern geht es um Algorithmen, die es Computern ermöglichen, visuelle Informationen aus digitalen Bildern oder Videos zu empfangen, zu analysieren und auf dieser Grundlage Entscheidungen zu treffen oder Aktionen auszuführen.

Wie Computer Vision Systeme funktionieren

Computer-Vision-Systeme erfassen visuelle Daten über Kameras oder Sensoren, die mit Algorithmen und Modellen des maschinellen Lernens verarbeitet werden. Diese Modelle werden mit großen Bilddatensätzen trainiert, um Muster, Formen und Objekte zu erkennen, indem das Gesehene mit ähnlichen Objekten innerhalb des Trainingsdatensatzes verglichen wird. Der Prozess umfasst mehrere Schritte, von der Bilderfassung und -verarbeitung bis hin zur Merkmalsextraktion und Entscheidungsfindung.

Die (bislang) häufigsten Computer Vision Anwendungen:

  • Erkennung von Bildern: Identifizierung von Objekten, Personen oder anderen Zielen in einem Bild.
  • Objekterkennung: Lokalisierung und Identifizierung mehrerer Objekte in einem Bild oder Video.
  • Mustererkennung: Erkennen von komplexen Mustern und Regelmäßigkeiten in Daten.
  • Segmentierung: Aufteilung eines Bildes oder Videos in mehrere Segmente oder Objekte.
  • Maschinelles Lernen und Deep Learning: Einsatz neuronaler Netze zur Verbesserung der Genauigkeit und Effizienz der Bildanalyse.

Die Entwicklung von CV

Die Computer Vision, die ursprünglich zur Nachahmung des menschlichen Sehvermögens entwickelt wurde, hat sich inzwischen so weit entwickelt, dass sie in vielen Bereichen die menschlichen Fähigkeiten übertrifft. Fortschritte im Bereich des deep learnings, insbesondere bei neuronalen Netzen (Convolutional Neural Networks, CNN), haben die Genauigkeit und Geschwindigkeit der Bildanalyse erheblich verbessert und zu Durchbrüchen in verschiedenen Bereichen, darunter auch im Gesundheitswesen, geführt.

Warum ist Computer Vision eine revolutionäre Technologie?

Die Fähigkeit, visuelle Daten schnell und präzise zu analysieren, hat enorme Auswirkungen. Sie kann visuelle Informationen verarbeiten und interpretieren und Muster oder Unstimmigkeiten viel schneller und konsistenter erkennen als der Mensch.

Computer Vision ist ein sich rasch entwickelnder Bereich der KI, der für die Interpretation und das Verständnis visueller Daten von entscheidender Bedeutung ist. Ihre Integration in verschiedene Sektoren, insbesondere im Gesundheitswesen, ist revolutionär und ermöglicht beispiellose Fortschritte bei der präzisen Diagnose, Behandlung und Pflege von Patienten.

Computer Vision Anwendungen im Gesundheitswesen

Die Computer Vision ist eine bahnbrechende Technologie im Gesundheitswesen. Sie kombiniert fortschrittliche bildgebende Verfahren mit künstlicher Intelligenz und bietet innovative Lösungen, die die Art und Weise verändern, wie wir Patienten diagnostizieren und behandeln. Diese Technologie geht über eine bloße Verbesserung bestehender Verfahren hinaus und ebnet den Weg für neue Ansätze in der Patientenversorgung.

Von der Verbesserung der Genauigkeit diagnostischer Bildgebung bis hin zur Revolutionierung von Patientenüberwachungssystemen - die Anwendungen von CV im Gesundheitswesen sind vielfältig und wirkungsvoll. Die visuelle Datenanalyse ermöglicht es den Leistungserbringern im Gesundheitswesen, Krankheiten früher zu erkennen, Behandlungen effizienter zu planen und eine noch nie dagewesene personalisierte Versorgung anzubieten.

Im Folgenden finden Sie einige Beispiele für den Einsatz von Computer Vision im Gesundheitswesen. Jede Anwendung ist ein Beleg für den technologischen Fortschritt und einen Schritt hin zu einer effizienteren, präziseren und leichter zugänglicheren Gesundheitsversorgung.

Computer Vision Technologien zur Unterstützung der Diagnose

  • Analyse medizinischer Bilder: Die Computer Vision eignet sich hervorragend für die Analyse medizinischer Bilder wie Röntgenaufnahmen, MRT- und CT-Scans, um Anzeichen von Krankheiten wie Krebs, Knochenbrüche oder neurologische Störungen zu erkennen. Diese automatisierte Analyse verbessert die Genauigkeit und Schnelligkeit von Diagnosen.
  • Pathologische Analysen: In der Pathologie analysieren Computer-Vision-Algorithmen effizient Gewebeproben, erkennen Zellanomalien, die auf Krankheiten wie Krebs hinweisen, und rationalisieren so den Diagnoseprozess.
  • Ophthalmologische Diagnostik: Computer Vision hilft bei der Diagnose von Augenkrankheiten durch die Analyse von Netzhautbildern, die für die Früherkennung von Krankheiten wie diabetischer Retinopathie und Glaukom entscheidend sind.
  • Dermatologisches Screening: Der Einsatz von Computer Vision zur Analyse von Hautläsionen erleichtert die Früherkennung von Hautkrebs, einschließlich Melanomen, durch den Vergleich von Läsionen mit umfangreichen Bilddatenbanken.

Verbesserte Behandlung mit Computer Vision

  • Telemedizin und Fernüberwachung: Computer Vision ermöglicht eine effiziente Fernüberwachung von Patienten, die für das Management chronischer Krankheiten und die Altenpflege unerlässlich ist. Mit Hilfe visueller Daten können Vitalparameter überwacht, Stürze erkannt und die Einnahme von Medikamenten kontrolliert werden.
  • Rehabilitation und Physiotherapie: In der Rehabilitation analysieren Computer Vision Systeme die Bewegungen von Patienten und geben Feedback, um die Genesung zu unterstützen und Therapieprogramme individuell anzupassen.
  • Personalisierte Behandlungspläne: Computer Vision hilft bei der Erstellung maßgeschneiderter Behandlungspläne, indem sie Patientendaten analysiert und Behandlungsergebnisse vorhersagt.
Foto eines Arztes bei der Arbeit mit einem Computer-Vision-Tool, das den Körperscan eines Patienten analysiert und nach Anomalien sucht.

Chirurgische Assistenz

  • Verbesserte chirurgische Planung: Computer Vision liefert dem Chirurgen detaillierte visuelle Daten für die präoperative Planung und erhöht so die Wahrscheinlichkeit eines erfolgreichen Ergebnisses.
  • Intraoperative Führung: Während der Operation unterstützt Computer Vision den Chirurgen mit Echtzeit-Bildgebung und erhöht so die chirurgische Präzision und Sicherheit.
  • Postoperative Überwachung: Computer Vision unterstützt die postoperative Versorgung durch die Überwachung des Heilungsprozesses und die Früherkennung von Komplikationen, um ein rechtzeitiges Eingreifen zu gewährleisten.

In jeder Kategorie ist die industrielle Computer Vision nicht nur ein Hilfsmittel, sondern eine zentrale Komponente bei der Revolutionierung des Gesundheitswesens, von der Diagnose über die Behandlung bis hin zu chirurgischen Eingriffen, die sowohl die Effizienz als auch die Effektivität steigern.

Implikationen von Computer Vision auf verschiedene Bereiche des Gesundheitswesens

Computer Vision (CV) ist eine vielseitige Technologie, die an die spezifischen Anforderungen verschiedener Sektoren des Gesundheitswesens angepasst werden kann. Lassen Sie uns einen Blick auf die innovative Anwendung von Computer Vision in neu gegründeten Unternehmen im Gesundheitswesen, bei Gesundheitsdienstleistern auf Unternehmensebene und in öffentlichen Gesundheitssystemen werfen. Der Einsatz von maschineller Computer Vision in den verschiedenen Sektoren unterstreicht das Potenzial der Technologie, die Gesundheitsversorgung zu verändern, und verdeutlicht ihre Rolle als unschätzbare Ressource für die Verbesserung der Gesundheitsversorgung in unterschiedlichen Umgebungen.

Healthtech-Startups

  • Innovative Diagnosewerkzeuge: Start-ups nutzen die Technologie der automatischen Bilderkennung, um bahnbrechende diagnostische Anwendungen zu entwickeln. Diese Werkzeuge konzentrieren sich häufig auf die Früherkennung von Krankheiten und nutzen Algorithmen zur Analyse medizinischer Bilder, um Zustände zu erkennen, die mit herkömmlichen Methoden möglicherweise unentdeckt bleiben.
  • Lösungen für das Patientenmonitoring: Viele Start-ups entwickeln CV-basierte Patientenmonitoringsysteme. Diese Systeme können Vitalparameter überwachen, Stürze erkennen und sogar das emotionale Wohlbefinden durch Analyse der Mimik überwachen.
  • Zugängliche Gesundheitstechnologien: Mit Hilfe der Computer Vision können Start-ups Lösungen entwickeln, die die Gesundheitsversorgung zugänglicher machen, insbesondere in abgelegenen oder unterversorgten Gebieten. Durch den Einsatz von maschineller Computer Vision in telemedizinischen Anwendungen können Start-ups fachärztliche Beratung und Diagnosen aus der Ferne anbieten.

Gesundheitsdienstleister auf Unternehmensebene

  • Verbesserung der Verwaltung von Patientendaten: Große Gesundheitseinrichtungen nutzen Computer Vision, um Patientendaten effizient zu verwalten. Dazu gehört die Automatisierung der Verarbeitung medizinischer Bilder und deren Integration in elektronische Patientenakten (ePA) für umfassende Patientenprofile.
  • Fortschrittliche Diagnosesysteme: Unternehmen investieren in fortschrittliche Computer Vision Systeme für schnellere und genauere Diagnosen, insbesondere in Bereichen wie Radiologie und Pathologie.
  • Betriebliche Effizienz: Computer Vision Technologien werden eingesetzt, um betriebliche Aspekte des Gesundheitswesens zu verbessern, z. B. die Steuerung des Patientenflusses in Krankenhäusern und die automatische Bestandsverfolgung medizinischer Produkte.

Staatliche Gesundheitssysteme

  • Screening-Programme für die öffentliche Gesundheit: Die Computer Vision Technologie ist ein wichtiges Werkzeug für groß angelegte Initiativen im Bereich der öffentlichen Gesundheit, wie z.B. Screening-Programme zur Erkennung von Krankheiten wie Tuberkulose oder Brustkrebs. Diese Programme nutzen Computer Vision, um große Mengen medizinischer Bilder schnell und präzise zu verarbeiten.
  • Epidemiologische Forschung: Staatliche Gesundheitssysteme nutzen Computer Vision in epidemiologischen Studien, um Krankheitsmuster und -ausbrüche zu verfolgen. Dies kann die Analyse medizinischer Bilder aus verschiedenen Regionen umfassen, um Krankheitsherde zu identifizieren.
  • Politikentwicklung und -umsetzung: Erkenntnisse aus Computer-Vision-Anwendungen helfen bei der Entwicklung von Maßnahmen im Bereich der öffentlichen Gesundheit. Beispielsweise können Daten aus CV-basierten Überwachungssystemen als Grundlage für Maßnahmen zur Behandlung chronischer Krankheiten oder zur Gesundheitsvorsorge dienen.

Gibt es bestimmte Arten von Krankheiten oder Behandlungen, bei denen sich Computer Vision als vielversprechend erwiesen hat?

Computer Vision hat sich in Bereichen wie der Onkologie bei der Erkennung von Tumoren, der Ophthalmologie bei der Diagnose von Augenkrankheiten und der Dermatologie bei der Analyse von Hautläsionen als vielversprechend erwiesen. Auch bei der Operationsplanung und der postoperativen Nachsorge erweist sie sich als wertvoll. Ein konkretes Beispiel ist ein von uns entwickeltes Computer-Vision-System zur Erkennung von Hautkrebs, das die Früherkennungsraten deutlich verbessert hat.

Sie spielt in allen Bereichen eine immer wichtigere Rolle. Für Start-ups im Bereich der Gesundheitstechnologie ist sie ein Tor zu Innovation und Zugänglichkeit. Für Unternehmen ist sie ein Instrument zur Verbesserung der Patientenversorgung und der betrieblichen Effizienz. Im öffentlichen Gesundheitswesen ist Computer Vision ein wichtiger Faktor für das öffentliche Gesundheitsmanagement und die Forschung.

Herausforderungen und Lösungen für die Implementierung von Computer Vision im Gesundheitswesen

Computer Vision Integration mit bestehenden Gesundheitssystemen

Herausforderung: Die nahtlose Integration von Computer-Vision-Technologien in bestehende Infrastrukturen des Gesundheitswesens kann sehr komplex sein. Sie erfordert Kompatibilität mit Altsystemen und die Fähigkeit, verschiedene Datenformate zu verarbeiten.

Lösungsansatz: Die erfolgreiche Integration neuer Lösungen in eine bestehende Systemarchitektur muss mit einer gründlichen Analysephase beginnen. Zu geringe Investitionen in die Analysephase sind einer der Hauptgründe für das Scheitern von Technologieprojekten. Eine gute Sondierung ermöglicht die Auswahl des richtigen Technologie-Stacks und die reibungslose Entwicklung maßgeschneiderter Integrationslösungen, die in solchen Implementierungsfällen in der Regel erforderlich sind.

Genauigkeit und Zuverlässigkeit von Computer Vision Algorithmen

Herausforderung: Die Genauigkeit von Computer Vision im Gesundheitswesen ist entscheidend, da Fehlinterpretationen zu Fehldiagnosen führen können. Die Gewährleistung der Zuverlässigkeit dieser Algorithmen, insbesondere unter verschiedenen und realen Bedingungen, stellt eine große Herausforderung dar.

Wie können wir sie lösen? Um die Robustheit der Daten zu erhöhen und Verzerrungen in Ihrem Computer Vision Projekt (und in KI-Projekten im Allgemeinen) zu reduzieren, sollten Sie Strategien wie Datenerweiterung, Feature-Engineering, Datensatz-Charakterisierung, Verzerrungsprüfungen, Techniken zur Korrektur von Verzerrungen, auf fairness ausgerichtete Algorithmen und umfangreiche Kreuzvalidierungsverfahren einsetzen, um eine konsistente Modellleistung unter verschiedenen Bedingungen zu gewährleisten. Ja - das ist eine ganze Menge. Wenn Sie mehr über Datenmanagement in KI-Projekten erfahren möchten, lesen Sie unseren Artikel über die Vorbereitung Ihrer Daten für ein Machine-Learning-Projekt oder kontaktieren Sie uns.

Skalierbarkeit und Anpassungsfähigkeit von Computer-Vision-Anwendungen

Herausforderung: Da sich die Anforderungen im Gesundheitswesen weiterentwickeln, müssen Computer Vision Systeme skalierbar und anpassungsfähig sein. Sie sollten in der Lage sein, wachsende Datenmengen zu verarbeiten und sich an neue medizinische Fortschritte anzupassen.

Wie können wir sie lösen? Entwickeln Sie Lösungen, die Skalierbarkeit berücksichtigen. Verwenden Sie modulare Architekturen und denken Sie bei der Auswahl Ihres technischen Stacks langfristig. Beauftragen Sie ein erfahrenes technisches Team mit Ihrem Projekt, das Ihnen hilft, Ihre aktuellen und zukünftigen Anforderungen zu analysieren, damit Sie bessere Entscheidungen treffen können.

Benutzerakzeptanz und Schulung für Computer-Vision-Lösungen

Herausforderung: Die Einführung des maschinellen Sehens im Gesundheitswesen erfordert oft erhebliche Änderungen der Arbeitsabläufe und Prozesse. Die Sicherstellung der Benutzerakzeptanz und die Bereitstellung geeigneter Schulungen sind entscheidend für eine erfolgreiche Implementierung.

Wie können wir sie lösen? Durch Fokussierung auf benutzerorientiertes Design und umfassende Schulung und Unterstützung. Ziel ist es, Computer Vision-Tools intuitiv und benutzerfreundlich zu gestalten, um eine reibungslose Akzeptanz durch medizinisches Personal und Patienten zu gewährleisten.

Lesen Sie mehr über Herausforderungen und Lösungen in KI-Projekten in unserem fundierten Artikel: Die unverzichtbare Checkliste für Start-ups im Bereich KI und maschinelles Lernen.


Zum Abschluss unserer Betrachtung von Computer Vision (CV) im Gesundheitswesen wird deutlich, dass diese Technologie nicht nur eine Innovation, sondern eine Revolution in der medizinischen Wissenschaft darstellt. Computer Vision hat das Potenzial, die Genauigkeit von Diagnosen zu verbessern, die Patientenversorgung zu personalisieren und chirurgische Verfahren zu revolutionieren. Sie läutet eine neue Ära im Gesundheitswesen ein, und ihre Anwendungen in verschiedenen Bereichen zeigen ihre Vielseitigkeit und ihr Potenzial, die Gesundheitsfürsorge effizienter, genauer und zugänglicher zu machen.

Der Einsatz von bildgebenden Verfahren im Gesundheitswesen ist entscheidend für die Bewältigung dringender medizinischer Herausforderungen, die zu besseren Gesundheitsergebnissen und einer Veränderung der Gesundheitslandschaft führen.

Auch Sie können Teil dieses Wandels sein. Wir bei punktum sind darauf spezialisiert, mit innovativen Organisationen - Start-ups, F&E-Teams und Regierungsbehörden - zusammenzuarbeiten, um Deep-Tech-Lösungen zu beraten, zu entwerfen und zu bauen. Lassen Sie uns zusammenarbeiten und Computer Vision nutzen, um eine bessere Zukunft für uns alle zu schaffen.


FAQ: Implementierung von Computer Vision im Gesundheitswesen

Wie genau sind Computer Vision Systeme in der medizinischen Diagnose?

Die Genauigkeit von CV im Gesundheitswesen verbessert sich ständig mit den Fortschritten in der Technologie und den Algorithmen des maschinellen Lernens. In unserem Projekt mit der Mayo Clinic haben wir beispielsweise ein Lebenslaufmodell entwickelt, das Blutgerinnsel bei ischämischen Schlaganfällen genau klassifiziert. Es ist jedoch wichtig, diese Systeme regelmäßig mit verschiedenen Datensätzen zu validieren, um eine konsistente Genauigkeit zu gewährleisten.

Kann Computer Vision in bestehende Systeme integriert werden?

Ja, aber es ist eine sorgfältige Planung erforderlich. Bei der Integration geht es um die Kompatibilität mit bestehenden Systemen und die Verarbeitung unterschiedlicher Datenformate. Eine gründliche Analysephase ist entscheidend für die Auswahl des richtigen Technologie-Stacks und die Entwicklung maßgeschneiderter Integrationslösungen. So haben wir beispielsweise CV erfolgreich in telemedizinische Anwendungen zur Fernüberwachung von Patienten integriert.

Was sind die typischen Herausforderungen bei Computer Vision Anwendungen im Gesundheitswesen?

Zu den Herausforderungen gehören die Gewährleistung von Genauigkeit und Zuverlässigkeit, Skalierbarkeit, Nutzerakzeptanz und Workflow-Integration. Die Bewältigung dieser Herausforderungen erfordert Strategien wie umfassende Datentests, nutzerzentriertes Design, modulare Architekturen und umfassende Schulungsprogramme.

Wie gewährleisten Sie den Datenschutz und die Sicherheit von Patientendaten in Lebenslaufanwendungen?

Datenschutz und Datensicherheit haben höchste Priorität. Dazu gehören die Verschlüsselung der Daten, die Einhaltung von Vorschriften wie HIPAA und die Einführung strenger Zugriffskontrollen. Regelmäßige Sicherheitsüberprüfungen und Updates sind unerlässlich, um die Integrität der Daten zu gewährleisten.

Wie hoch sind die typischen Kosten für ein Computer Vision Projekt im Gesundheitswesen?

Die Kosten können je nach Umfang, Komplexität und spezifischen Anforderungen des Projekts stark variieren. Faktoren wie die Entwicklung kundenspezifischer Algorithmen, die Integration in bestehende Systeme und der Umfang der Anwendung spielen eine wichtige Rolle. So kann ein kleines Projekt wie ein Diagnosetool für eine bestimmte Krankheit eine geringere Investition erfordern als ein umfassendes Patientenüberwachungssystem. Es ist wichtig, eine gründliche Kosten-Nutzen-Analyse durchzuführen, um das Projekt mit dem Budget und dem langfristigen Nutzen in Einklang zu bringen.

Wie lange dauert es in der Regel, ein Computer Vision System im Gesundheitswesen zu entwickeln und zu implementieren?

Der Zeitrahmen kann von einigen Monaten bis zu mehr als einem Jahr reichen, je nach Komplexität des Projekts und dem erforderlichen Grad der Integration mit bestehenden Systemen. Beispielsweise kann die Entwicklung eines Prototyps für ein diagnostisches Instrument einige Monate in Anspruch nehmen, während die Entwicklung eines umfassenden Patientenüberwachungssystems, das in elektronische Patientenakten integriert ist, wesentlich länger dauern kann. Ein schrittweises Vorgehen, das mit einem Minimum Viable Product (MVP) beginnt, kann den Prozess beschleunigen und erste Erkenntnisse liefern.

Kann Computer Vision sowohl klinische als auch administrative Funktionen im Gesundheitswesen unterstützen?

Ja, Computer Vision kann in beiden Bereichen von großem Nutzen sein. Im klinischen Bereich hilft sie bei der Diagnose, der Patientenüberwachung und der Unterstützung bei chirurgischen Eingriffen. In der Verwaltung kann sie die Verwaltung von Patientendaten rationalisieren, die Inventarisierung automatisieren und die Zuweisung von Krankenhausressourcen optimieren. So hat ein von uns entwickeltes Computer Vision Systeme einem Krankenhaus geholfen, die Aufnahme und Entlassung von Patienten zu automatisieren und damit den Verwaltungsaufwand erheblich zu reduzieren.

Wie lässt sich die Computer Vision im Gesundheitswesen mit den gesetzlichen Vorschriften in Einklang bringen?

Die Einhaltung von Vorschriften im Gesundheitswesen, wie z.B. HIPAA in den USA oder GDPR in Europa, ist von entscheidender Bedeutung. Es muss sichergestellt werden, dass die Handhabung, Speicherung und Verarbeitung von Daten strengen Datenschutz- und Sicherheitsstandards entspricht. Computer Vision Systeme im Gesundheitswesen müssen häufig auch strenge Zertifizierungsverfahren durchlaufen, um sicherzustellen, dass sie den klinischen Sicherheits- und Effizienzstandards entsprechen. Beispielsweise muss ein auf Computer Vision basierendes Diagnosewerkzeug von der FDA zugelassen werden, wenn es in den USA eingesetzt werden soll.

Welche Art von Unterstützung und Wartung ist nach der Implementierung eines Computer Vision Systeme im Gesundheitswesen erforderlich?

Kontinuierliche Unterstützung und Wartung sind unerlässlich, um sicherzustellen, dass das System effektiv, genau und auf dem neuesten Stand bleibt. Dazu gehören regelmäßige Software-Updates, Hardware-Wartung und Auffrischungskurse für die Anwenderschulung. Darüber hinaus ist eine kontinuierliche Datenanalyse erforderlich, um die Algorithmen des Systems zu verfeinern und an die sich ändernden Anforderungen im Gesundheitswesen anzupassen. Beispielsweise umfasste der Support für ein von uns entwickeltes, auf Computer Vision basierendes chirurgisches Tool nach der Implementierung regelmäßige Software-Updates, um die neuesten medizinischen Bildgebungsverfahren zu integrieren.

Wie können Gesundheitsdienstleister den Erfolg und den ROI eines Computer Vision-Projekts messen?

Erfolgsindikatoren können eine verbesserte diagnostische Genauigkeit, niedrigere Betriebskosten und bessere Patientenergebnisse sein. Die Kapitalrendite kann berechnet werden, indem diese Indikatoren mit den Projektkosten verglichen werden, wobei sowohl direkte finanzielle Gewinne als auch qualitative Vorteile wie die Patientenzufriedenheit berücksichtigt werden. Beispielsweise kann ein bildgebendes System, das die Zahl der Fehldiagnosen verringert, zu besseren Patientenergebnissen und niedrigeren Behandlungskosten führen, was zu einer positiven Kapitalrendite beiträgt.


Beginnen Sie Ihre AI/ML-Erfolgsgeschichte mit punktum

Nutzen Sie noch heute die transformative Kraft von KI.
Füllen Sie dieses Formular aus, um gemeinsam Ihre Zukunft zu gestalten.