Das DFKI (Deutsche Forschungszentrum für Künstliche Intelligenz) arbeitet an intelligenten Lösungen, die Gesundheitseinschränkungen am Arbeitsplatz reduzieren sollen. Bei dem Projekt Bionic analysiert ein am Körper getragenes Sensornetzwerk Belastungen und soll Fehlstellungen in Echtzeit korrigieren.
Viele Beschäftigte leiden unter Beschwerden, die auf körperliche Belastungen am Arbeitsplatz zurückgehen. Die Ursachen dafür sind häufig Fehlbelastungen des Stütz- und Bewegungsapparats, monotone Bewegungsabläufe oder eine ergonomisch ungünstige Körperhaltung. Insbesondere ältere Arbeitnehmer leiden aufgrund ihrer langjährigen Tätigkeiten oftmals an Störungen des Muskel-Skelett-Systems oder anderen Einschränkungen.
Gesundheitseinschränkungen reduzieren mit Künstlicher Intelligenz
In dem von der EU geförderten Projekt Bionic arbeitet das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI ) als Koordinator zusammen mit zehn internationalen Partnern aus Medizin, Biotechnik, Elektronik, Informationstechnologie und Künstlicher Intelligenz an intelligenten Lösungen, die solche Gesundheitseinschränkungen reduzieren sollen.
Bionic steht für „Personalized Body Sensor Networks with Built-In Intelligence for Real-Time Risk Assessment and Coaching of Ageing workers, in all types of working and living environments“. Gemeinsam mit Bau- und Fabrikarbeitern sollen in Pilotversuchen die Ergebnisse validiert werden.
Sensor-Netzwerk und intelligenter Chip direkt am Körper
Prof. Didier Stricker, der Projektkoordinator von Bionic, erklärt: „Durch ein Netzwerk von verschiedenen, am Körper getragenen Sensoren wollen wir ein System entwickeln, welches den gesundheitlichen Zustand von Arbeitern im Verlauf des Tages anhand der Bewegungen erfasst. Die Analyse wird auf einem intelligenten Chip direkt am Körper stattfinden, so dass die Rohdaten direkt an der Quelle vorverarbeitet und eine Berechnung der Datenströme in Echtzeit möglich wird.“
Neuartige Methoden der Risikoanalyse erlauben so eine direkte Rückmeldung zu Belastungen und Fehlstellungen. Spielerische Anwendungen und eine Trainings-App motivieren den Anwender dazu, einseitigen Belastungen entgegenzuwirken und geben personalisierte und medizinische Hilfestellungen für ein Training zuhause.
Weiterentwicklung aus Vorgängerprojekt „Easy-Imp“
Einige der Partner haben bereits im vom DFKI geleiteten EU-Projekt „Easy-Imp“ erfolgreich an der Entwicklung eines Body-Sensor-Netzwerks (BSN) gearbeitet. Dort wurden zur Analyse von Körperbewegungen kleine Beschleunigungssensoren (IMU) eingesetzt, die in der Kleidung oder auf der Haut befestigt waren. Diese leichte und modulare Bauweise des Systems entwickeln sie in Bionic weiter, um eine einfachere Integration zu realisieren.
Biomechanische Modelle und „Deep Learning“ zur ergonomischen Risikobewertung
Die Entwickler entwerfen Algorithmen zur ergonomischen Risikobewertung der physischen Belastungen. Dafür setzen sie biomechanische Modelle für altersbedingte und chronische Beeinträchtigungen ein. Zu den Eingangsparametern gehören Körperhaltung, Kräfte und Momente sowie physiologische Parameter wie Herzfrequenz oder Körpertemperatur.
Als Grundlage ziehen sie Verfahren heran, die auf objektiven sowie subjektiven Daten basieren. Diese ergänzen sie durch personalisierte Algorithmen, für die Methoden des Deep Learning eingesetzt werden. Die erzeugten Daten speichern sie entsprechend der EU-Datenschutzrichtlinie.
Autor: Lilli Bähr
(c)2019
Vogel Communications Group
Bitte beachten Sie
Die Beiträge in der Rubrik "Trends und Innovationen" sind Inhalte unseres Medienpartners Vogel Communications Group GmbH & Co. KG. Sie spiegeln nicht unbedingt die Meinung von DATEV wider.
Vogel Communications Group
