DL Alarm | Weiterentwicklung der JAMES Smartwatch mit Hilfe von ML Algorithmen und KI Technologie

Schriftzug DL Alarm

Forschungsschwerpunkt: Medizinische Informationstechnik

DL ALARM

Logo James Notrufsystem

Projekt-Laufzeit

01/2021-06/2021
  

Fördergeber / Förderprogramm*

Logo FFG | Österreichische Forschungsförderungsgesellschaft

FFG Innovationsscheck

 

Gesamt-Projektvolumen

12.000 EUR

Auftraggeber

ilogs information logistics GmbH*

FH-Datenbank

Projektinformation*
folgt

Kurzbeschreibung des Projekts

Unternehmenskooperation im Zeichen von Forschung und Entwicklung

Diese Zusammenarbeit, die vom FFG Innovationsscheck unterstützt wird, ging aus dem Projekt Smart VitAALity hervor, in dem die FH Kärnten bereits eng mit dem Unternehmen ilogs information logistics GmbH* kooperiert hat. Das Alternsforschungszentrum IARA ist hier Forschungsdienstleister und arbeitet mit der Firma ilogs an der technischen Weiterentwicklung der JAMES Smartwatch, die als Notrufsystem im Einsatz ist.

Aktualisierung des Inaktivitätserkennungssystem nach neuestem Stand der Technik

Ziel der Auftragsforschung ist die Weiterentwicklung des in JAMES integrierten Alarmsystems. Mittels in der Uhr integrierter Sensorik und Software, soll eine automatisierte Erkennung und Unterscheidung von Aktivität bzw. Nicht-Aktivität einer Person, die eine JAMES Sicherheitsuhr trägt, erfolgen. In weiterer Folge soll im Bedarfsfall (z.B. bei ungewöhnlich langer andauernder Nicht-Aktivität) eine automatisierte Alarmierung (z.B. über eine 24/7 Alarmierungszentrale) erfolgen. Aktuell umgesetzt ist ein Ansatz zur Differenzierung zwischen Aktivität und Nicht-Aktivität mittels eines regelbasierten Verfahrens. Dies erfordert den Einsatz von starren, begrenzt individualisierbaren, Grenz- und Schwellwerten zur Erkennung von Aktivitäten und ist für einen individuellen und sich ändernden Alltag nur bedingt geeignet.

Anpassung an den Alltag mit Hilfe von ML Algorithmen und KI Technologie für ein Mehr an Sicherheit

Ziel  ist es nun, diesen Ansatz angepasst an den aktuellen Stand von Forschung und Technik zu erweitern. Gemeinsam soll evaluiert werden, ob es möglich ist, mit Hilfe von Machine Learning (ML) als Schlüsseltechnologie der Künstlichen Intelligenz (KI), die Erkennung und Differenzierung von Aktivität und Nicht-Aktivität im Alltag zu verbessern. Durch die Generierung von Wissen aus Erfahrung wäre es möglich, die Flexibilität der Erkennung um ein Vielfaches zu erhöhen, da eine automatisierte Anpassung an den individuellen Alltag einer Person erfolgen kann. Die regelbezogenen Schwell- und Grenzwerte könnten damit durch eine „mitlernende“ Software ersetzt werden. Resultat wären eine erhöhte Treffsicherheit und Produktakzeptanz und nicht zuletzt eine erhöhte Sicherheit im Alltag der Anwender*innen.

Kontaktperson im IARA

Foto Johannes Oberzaucher

Johannes Oberzaucher

Details

Beteiligtes Land

  • Österreich

Projekt-Partner*innen


* Dies ist ein externer Link. Für Inhalte wird keine Haftung übernommen. Barrierefreiheit ist möglicherweise nicht gegeben.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.