KI-gestützte Smart Home Technologie für die Pflege

Interview mit Prof. Thorsten Jungeblut, Lehrgebiet Industrial Internet of Things, Hochschule Bielefeld (HSBI)

Der Einsatz Künstlicher Intelligenz (KI) soll für mehr Sicherheit und Selbständigkeit in der häuslichen Pflege sorgen. Prof. Thorsten Jungeblut schildert im Gespräch mit MEDICA.de, wie in der Bielefelder Forschungswohnung KogniHome die Daten zahlreicher Sensoren die häusliche Situation erfassen und eventuellen Handlungsbedarf feststellen.

Prof. Jungeblut, welche Daten werden erhoben?

Prof. Thorsten Jungeblut: Im Wesentlichen sammeln wir Bewegungsinformationen und erstellen Bewegungsprofile. Dabei setzen wir auf Minimalsensorik anstelle von Kameras und Mikrofone, die sensible Daten sammeln. Durch die Kombination von verschiedenen Sensoren versuchen wir, Mehrwerte zu generieren. Die sehr einfachen Sensoren wie Bewegungsmelder oder Türkontaktsensoren sind datensparsam und erheben nur eine einzige Information. Aber auch Möbelstücke oder Haushaltsgeräte wie ein Kühlschrank können so ausgestattet werden. Damit erkennen wir, womit eine Person interagiert.

Stromverbräuche von Geräten können wir durch Zwischenstecker erkennen und sehr genaue radarbasierte Bewegungsmelder sagen uns, wo sich die Personen aufhalten. So verfolgen wir Laufwege und können sogar erkennen, ob jemand im Bett liegt und atmet. Das alles geschieht unter Wahrung der Privatsphäre. 

Erfassen Sie auch Daten mit Wearables?

Jungeblut: Wir setzen Smartwatches ein. Während diese ständig angelegt sein müssen, ist die Smart Home Sensorik immer aktiv, so auch beim nächtlichen Toilettengang. Je mehr Sensoren wir haben, desto höher ist die Genauigkeit von Informationen. Ein Teil unserer Forschung gilt auch der Frage, wieviele Daten wir brauchen. Ziel ist die Erkennung von Aktivität und die Feststellung von Anomalien. Für die Aktivitätserkennung erhalten wir mit einer Smartwatch weitere physiologische Parameter wie die Herzfrequenz. 

Welches sind die wichtigsten Daten für eHealth?

Jungeblut: Wir achten vor allem darauf, wie sich das Verhalten im Vergleich zur Vergangenheit ändert. Im Fokus stehen starke Änderungen, abgesehen von saisonalen Trends oder Änderungen an Wochenenden. 

Gerade entwickeln wir eine App für Angehörige, die über einen Smiley anzeigt - traurig, mittel oder fröhlich - ob alles in Ordnung ist. Das erspart Kontrollanrufe und lässt mehr Raum für soziale Interaktionen. Die Menschen wollen sich nicht beobachtet fühlen, das bekommen wir auch als Feedback in Gesprächen mit älteren Menschen.

Benötigen Sie große Datenmengen, um die KI zu trainieren? 

Jungeblut: Die erhobenen Datenmengen sind nicht sehr groß, aber je länger man Daten aufnimmt, umso besser. Wir verwenden einfache Sensorkits mit bis zu 15 Sensoren. Bei Bewegungsmeldern und Türkontaktsensoren fallen nicht viele Daten an. Aber sie sind besonders schützenswert, gerade bei langfristiger Verwendung. Ziel ist, die Daten nur lokal zu verarbeiten, personenbezogene Daten sollten die Wohnung gar nicht erst verlassen.

Bestenfalls beginnt das Monitoring sehr früh, wenn es den Menschen gut geht. Stellt man nach ein paar Jahren fest, dass die Aktivitäten nachlassen, kann das ein Indiz für neurodegenerative Erkrankungen sein wie Alzheimer, Parkinson oder auch Depressionen. Rechenressourcen, um die Daten lokal zu verarbeiten, sind teurer, aber sicherer als eine zentrale Speicherung. 

Deswegen prüfen wir, ob leistungsschwache Geräte ausreichen. Alternativ gibt es spezielle Verschlüsselungsverfahren (zum Beispiel. die sogenannte “Homomorphe Verschlüsselung”) für Nutzende des Smart Homes zur Datenübertragung an externe Dienstleister für die Auswertungen. 

Müssten die Daten für Telemedizin und bessere Aussagekraft nicht mit Diagnosen verbunden werden?

Jungeblut: Da stehen wir am Anfang der Forschung, dazu müssen Ärztinnen und Ärzte mit ins Boot. Es gibt zum Beispiel ein vielversprechendes Alzheimermedikament (Lecanemab), das aber nur im sehr frühen Stadium eingesetzt werden kann. Die Hoffnung der Medizin ist, dass man durch unsere Daten sehr frühzeitig Indizien für neurodegenerative Erkrankungen erhält.