Abstract – Die Einreichung thematisiert ein humanzentriertes – d.h. ein sich an Nutzerpräferenzen orientierendes – Assistenzsystem als Lösung für die mit dem demografischen Wandel einhergehenden Herausforderungen, welches direkt in der Lebenswelt des Anwenders integriert wird. Folgend aus den spezifischen Bedürfnissen und besonderen Einschränkungen der Zielgruppe der älteren Menschen sieht die Entwicklung des altersgerechten Assistenzsystems die Integration einer medizinischen Komponente – bestehend aus einem kontinuierlichen medizinischen Monitoring und einem präventiven Diagnosemechanismus – vor, um Funktionalitäten wie Notfallindikation oder Compliance-Kontrolle realisieren zu können. Vor diesem Hintergrund wird die adaptive, generische Architektur des Assistenzsystems – eine hierarchische Anordnung domänenspezifischer Dienste – erläutert, wobei der Fokus auf der probabilistischen Modellierung der Nutzersituation mithilfe stochastischer Automaten wie Hidden Markov Models liegt. Die probabilistische Modellierung erfolgt auf Basis evaluierter Nutzer- und Umgebungsinformationen, die durch innerhalb der Wohnung eingebetteter Sensor-/Aktornetze erfasst werden, wobei Komponenten der Hausautomation, Telemedizin und UWB-Sensoren herangezogen werden. Diese robuste Aktivitäts- und Situationserkennung ist die Grundvoraussetzung für die Modellierung des gesundheitlichen Zustands des Anwenders, bei der je nach Anamnese unterschiedliche Modelle ausgewertet oder modifiziert werden. In dieser Publikation erfolgt die Veranschaulichung der generellen Funktionsweise durch die beispielhafte Erkennung unterschiedlicher Stadien der Herzinsuffizienz und der daraus folgenden Indikation mit verschiedenen Interventionen bis zum konkreten Notruf. Dabei erfolgt sowohl eine Simulation approximierter Modelle als auch die Auswertung realer Sequenzen innerhalb eines Living Labs, ergänzt durch reale Patienteninformationen und Vitalparameter mit abschließender Diskussion der Versuchsergebnisse.

Vortrag und Präsentation des Projekts AAL@Home mit dem Fokus auf der medizintechnischen Komponente der präventiven Diagnostik.