Maschinelle Intelligenz zur objektiven Bestimmung individueller Lebensqualität (MI-LQ)

Digitale Dienste sind heute wichtige Bestandteile aller Lebensbereiche und generieren große Datenmengen. Unternehmen verwenden diese Daten längst, um das Nutzendenverhalten zu modellieren und damit den Verkauf von Diensten und Produkten zu steigern. Mit dem Streben nach wirtschaftlichem Erfolg besteht aber die Gefahr, dass digitale Dienste den Menschen nur als Arbeitskraft und Konsumierende sehen und Wirkungen, z. B. auf die Lebensqualität (LQ), unberücksichtigt bleiben. Auch in der Arbeitswelt wird eine Vielzahl digitaler Dienste genutzt, die neben ihren klar positiven Effekten auf Arbeitseffizienz und Arbeitserleichterung die LQ auch negativ (z. B. durch Überforderung und Stress) beeinflussen können.

Zahlreiche Initiativen wie z. B. das Ethically Aligned Design der IEEE arbeiten bereits daran, die Folgen der Digitalisierung und der Entwicklung der maschinellen Intelligenz auf die LQ zu erforschen und positiv zu beeinflussen. Sie stehen jedoch vor der Herausforderung, dass die LQ aktuell fast nur über Befragungen erhoben wird, und somit eine objektive und automatische Messung fehlt. Für letztere sind aber die Bedingungen günstiger denn je: Noch nie entstand in der Nutzung von (vielfach App-basierten) digitalen Diensten und Sensoriken eine derart breite, tiefe und aktuelle Basis an Personen- und Sachdaten, die Hinweise hinsichtlich des jeweils aktuellen Status der personenspezifischen LQ enthalten (z. B. Stimmfarbe, Kommunikationsverhalten, Biomarker, Bewegung, …). Und noch nie standen derart ausgeklügelte Analyseinstrumente und leistungsfähiges Maschinelles Lernen (ML) und Künstliche Intelligenz (KI) zur Verfügung, die in der Lage sind, multimodale Daten zu fusionieren, um daraus Indikatoren und Einflüsse für die LQ zu identifizieren.

Diese Chance will das InnoTeam MI-LQ nutzen und die Wirkung von digitalen Services auf die LQ auf Basis personenspezifischer digitaler Datenquellen und dem digitalen Nutzungsverhalten glaubwürdig messen und mittels KI analysieren. Unterstützt wird dies über eine zu erstellende LQ-App, durch die Messergebnisse von LQ-Indikatoren, die daraus ermittelten Auswirkungen auf Bedürfnisse / die LQ sowie Empfehlungen zur LQ-Verbesserung an die Nutzenden übermittelt werden sollen. Das Projekt baut dabei auf einem allgemeinen Bedürfnis-basierten Wechselwirkungsmodell der LQ von Prof. Dr. Hubert Österle auf, das im Rahmen des Vorhabens mit Hilfe konkreter LQ-Indikatoren für das Szenario „Büro- und Wohnumgebung“ in ein operationalisierbares Modell zu übertragen und experimentell zu überprüfen ist. Weiterhin soll das im Rahmen der Umsetzung bei den beteiligten Mitarbeitenden der Projektpartner erarbeitete fachliche und technische Know-how untereinander geteilt, sowie darüber hinaus einem breiten Adressatenkreis aus Wirtschaft, Politik und Gesellschaft bereitgestellt werden.

Das InnoTeam MI-LQ schafft somit als ein Vorreiter in diesem Bereich den Einstieg in eine Welt neuer Quantifizierungsmöglichkeiten der LQ, die dann kein unscharfes und beliebiges Konstrukt mehr bleiben wird, sondern konkret gemessen und bewusst verbessert werden kann. Das gesellschaftliche und wirtschaftliche Potential der geplanten Ergebnisse ist dementsprechend groß: es reicht von einer LQ-fördernden Gestaltung und Zertifizierung von digitalen Services und Anwendungen (Apps, Geräte usw.) in verschiedenen Themenbereichen bis hin zur Bewertung öffentlicher / politischer und privatwirtschaftlicher Maßnahmen hinsichtlich ihrer LQ-bezogenen Wirkungen auf die jeweils betroffenen Personengruppen.

Arbeit am InfAI

Im Rahmen des Projekts werden am InfAI verschiedene Schlüsselaktivitäten durchgeführt, dazu zählen u.a. eine gründliche Analyse zur Verfügbarkeit indikatorbezogener digitaler Datenquellen und Detailanalyse der Dateninhalte, die technische Integration der LQ-Indikator-Messdaten aus personenspezifischen Datenquellen, sowie die Analyse dieser Messdaten hinsichtlich ihrer Wirkungen auf übergeordnete Bedürfnisse bzw. die LQ.

Laufzeit:
08/2023-07/2025
Förderkennzeichen:
100669545

Projektteam am InfAI

  • Prof. Dr. Ulf-Dietrich Braumann
  • Christian Hrach