Case Study medo check GbR

Von Daten zu Therapie-Erfolgen

Für ein hochambitioniertes KI-Vorhaben holte sich medo check die Forschungszulage: KI-basierte personalisierte Trainingspläne, die mit Long-Short-Term-Memory-Netzen aus heterogenen Verlaufsdaten lernen, Effekte einzelner Übungen simulieren und Belastungen optimal steuern. Ziel: bessere Therapieergebnisse bei zeitkritischen Reha-Abläufen.

Ein Bild, das eine Frau in einem weißen Laborkittel zeigt, die ein Tablet hält. Auf dem Bildschirm ist ein digitaler Trainingsplan zu sehen. Im Hintergrund sind zwei Männer in einem modernen Raum, der mit mehreren Monitoren ausgestattet ist, die Trainings- und Gesundheitsdaten anzeigen.

Mehr Wissenschaft, weniger Zufall

Physiotherapeuten erstellen Trainingspläne häufig über Heuristiken. Fehler schleichen sich ein, sportwissenschaftliche Erkenntnisse bleiben ungenutzt, individuelle Risiken fallen durchs Raster. Genau hier setzt das Vorhaben an.

Die Bescheinigungsstelle erkennt den deutlichen Abstand zum Stand der Technik an – Neuartigkeit, Unwägbarkeit und Planmäßigkeit sind erfüllt.

medo check GbR: Gesundheit neu programmiert

Die medo check GbR aus Witten entwickelt digitale Trainingslösungen für Therapie und Gesundheit. Das Team kombiniert Sportwissenschaft, Biomechanik und Softwareentwicklung – mit dem Ziel, Reha-Prozesse schneller, präziser und persönlicher zu machen.

Echte Intelligenz im Training

Vorhandene Lösungen filtern Übungen, sprechen Kontraindikationen aus oder reagieren rudimentär auf Feedback. Komplexe, zeitdynamische Zusammenhänge bleiben außen vor.

Das Projekt baut eine systematische Datenbasis auf: Übungen, Muskelketten, Kontraindikationen, Therapielogiken, Ziele und Patiententypen bis hin zu Video-Mustererkennung. Darauf trainieren ML-Modelle Vorhersagen über optimale Trainingsbelastungen und Verletzungsrisiken. Genau diese Tiefe fehlte am Markt.

Ein Therapeut arbeitet konzentriert am Computer, während im Hintergrund eine Frau an einem Reha-Gerät trainiert. Auf dem Bildschirm sind KI-gestützte Trainingsdaten, Belastungskurven und Risikoprofile sichtbar – Symbol für Forschungszulage, F&E-Förderung und Innovationsförderung im Gesundheitswesen.

Die Forschungszulage verschafft uns Luft zum Forschen – Banhoek Consulting hat die Argumente geliefert, die den Ausschlag gaben.

Tino Heidötting, Geschäftsführender Gesellschafter der medo check GbR

Wer seine Innovation belegen kann, sichert sich die Forschungszulage. Wir zeigen, wie’s geht.

Wo die Forschung knifflig wurde

Die Risiken lagen nicht in der Programmierung, sondern in der Wissenschaftlichkeit: Reicht die Datenbasis? Verfälschen Selection Bias und unvollständiges Feedback die Modelle? Erkennen die Algorithmen Kausalitäten in nichtlinearen, zeitabhängigen Systemen? Lässt sich Bewegungsanalyse aus Videos robust genug gestalten?

Diese Unsicherheiten qualifizieren das Vorhaben eindeutig als F&E – und öffneten den Weg zur Forschungszulage.

Banhoek beschleunigte die Bescheinigung

Wir haben High-Tech in förderlogische Argumente übersetzt und aus komplexen Algorithmen eine förderfähiges Narrativ gewoben.

2) Unwägbarkeit nachweisen: Datenlücken, Störereignisse in Reha-Verläufen, Bias-Risiken und Video-Erkennung als echte wissenschaftlich-technische Hürden dokumentiert.

1) Neuartigkeit greifbar machen: Klare Abgrenzung zu Heuristiken und dynamischen Standardplänen. LSTM-Ansatz und biomechanische Modellierung verständlich hergeleitet.

3) Planmäßigkeit strukturieren: Arbeitspakete, Datenarchitektur, ML-Training, Testszenarien und Meilensteine sauber aufbereitet. Antworten auf Nachforderungen flossen präzise ein. Ergebnis: positive Bescheinigung.