IS-10: SmartSensors-E: Infrastruktur, Datenhaushaltung und integrierter Demonstrator

Entwicklung einer basalen, mehrfach verwendbaren Technologie-Plattform im AAL-Bereich

Projekttyp:

Projektpartner:

Ziel des Projektes Smart Sensors E ist es, die im Leitprojekt „Barrierefreie Gesundheitsassistenz“ geschaffene Basisfunktionalität so zu erweitern, dass das übergeordnete Ziel ein modulares, intelligentes Assistenzsystem zu erforschen, das Menschen in höchst unterschiedlichen Lebenslagen eine spezifische Unterstützung bieten kann, vollständig umgesetzt werden kann. Das Assistenzsystem ist in ein komplexes Dienstleistungssetting eingebettet und umfasst folgende Funktionen:

Datengewinnung direkt am Menschen,
direkte Informationsweitergabe an den Menschen,
bei Bedarf Weiterleitung der Informationen an Angehörige, Callcenter, Rettungsdienst u. a. sowie,
Einleitung situationsspezifischer Aktionen aufgrund der Informationslage.

Ausgangspunkt der Forschungsaktivitäten im Leitprojekt sind die Bedürfnislagen der im Zentrum stehenden Menschen (demand-pull) und nicht die technischen Potenziale. Dementsprechend richtet sich der Technikeinsatz in der Innovationskette nach den Anforderungen der jeweiligen Zielgruppe. Die bisherigen Anforderungsanalysen im Leitprojekt zeigen auf, dass für die Befriedigung der Bedürfnislage der potentiellen Anwender die heute verfügbaren technischen Potenziale ausgeschöpft werden müssen.

Dazu leistet Smart Sensors E einen unverzichtbaren Beitrag, indem es eine Weiterentwicklung dieser Potenziale vorantreibt. Eine weitere Besonderheit des Leitprojekts ist, dass die dortigen Forschungsaktivitäten zukunftsfähige Grundlagen für eine „Barrierefreie Gesundheitsassistenz“ herausarbeiten sollen, die für verschiedene Akteure im Sozial- und Gesundheitsbereich maßgeblich sein werden. Dies geschieht in Smart Sensors E u.a. durch die Weiterentwicklungen der im Leitprojekt begonnen Entwicklung einer basalen, mehrfach verwendbaren Technologie-Plattform und durch das Nutzen von Standards für Kommunikation, Datenhaltung und maschinelles Lernen zum Setzen eines Quasi-Standards im AAL-Bereich.