Intelligente Vernetzung, Teil 6 Machine Learning in der Pflege

Das Thema Machine Learning wird häufig im Zusammenhang mit IT-Prozessen und neuen Geschäftsmodellen behandelt. Dabei kann die Technologie auch das alltägliche Leben verbessern. Ein Beispiel bietet der Einsatz moderner Sensoren und ML-Algorithmen in der Seniorenpflege.

Anbieter zum Thema

Captron Electronic GmbH

MPDV Mikrolab GmbH

NetModule AG

Campana & Schott IT Solutions GmbH

Microsoft Deutschland GmbH

mehr weniger

STEINEL Vertrieb GmbH

weniger

Im Stationszimmer leuchten mehrere rote Lampen. Der diensthabende Pfleger ist nachts alleine und weiß nicht, in welches Zimmer er zuerst gehen soll. „Manchmal war auch bei mehreren Bewohnern die Kanüle zum Atmen verstopft und ich musste entscheiden, wem ich zuerst helfe, während die andere Person fast erstickt“, berichtet ein Altenpfleger aus Thüringen.

Der Zeitdruck in Seniorenheimen wird in den kommenden Jahren noch deutlich steigen. Während 2020 rund 3 Millionen ältere Menschen in Deutschland versorgt werden müssen, sind es 2050 fast 5 Millionen. Gleichzeitig sinkt die Bevölkerungszahl von 80 auf 69 Millionen, sodass deutlich weniger Arbeitskräfte verfügbar sein werden.

Der zunehmende Mangel an Pflegepersonal sowie der dadurch weiter steigende Zeitdruck dürfte dazu führen, dass Qualität und Sicherheit der Betreuung im Alltag häufig auf der Stecke bleiben. Die steigende Überforderung und Überlastung in der Seniorenpflege macht den Einsatz neuer Lösungen und Technologien notwendig, um Pflegekräften die Arbeit zu erleichtern und gleichzeitig eine qualitativ hochwertige Versorgung zu gewährleisten.

Sensoren decken ungewöhnliches Verhalten auf

Dazu gehören vor allem Assistenz-Systeme, die Pflegern ungewöhnliche Verhaltensweisen der Bewohner melden. Diese Abweichungen können auf mögliche Notfälle oder Krankheiten hinweisen. Der Verdacht ist dabei von Ärzten oder Pflegern zu prüfen.

Der Sensorik-Hersteller Steinel entwickelte beispielsweise ein neues Produkt, das Standard-Werte wie Temperatur, Umgebungs-Helligkeit oder Luftfeuchtigkeit extrem präzise und in hoher Frequenz aufzeichnet. Zusätzlich kann mit Hilfe der verbauten Technologie aber auch die Anwesenheit von Personen sowie deren Bewegungsaktivitäten äußerst genau erfasst werden. Um Privatsphäre und Datenschutz zu berücksichtigen, lässt sich weder die Person identifizieren noch ihre genaue Position darstellen. Es ist jedoch eine Aussage darüber möglich, ob sich eine Person im Raum frei oder kaum noch bewegt – also etwa im Bad gestürzt ist.

Bildergalerie

Im Wesentlichen lassen sich damit drei Anwendungsfälle in Pflegeheimen abdecken:

• Stationsübersicht mit Umgebungsparametern: Das Stationspersonal sieht in einer Übersicht den „Zustand“ einzelner Räume. Dazu gehört zum Beispiel, ob eine Person anwesend ist, sowie aktuelle Temperatur, Luftqualität und Lichtverhältnisse. Dadurch muss das Personal nicht mehr zu den einzelnen Räumen gehen, um die Situation zu prüfen und wird entlastet.

• Direkte Alarme: Basierend auf hinterlegten Regeln werden Alarme per Chatbot abgesetzt, zum Beispiel wenn keine Person in Nachtzeiten im Zimmer ist, bei Bewegungsunfähigkeit im Bad oder wenn definierte Grenzwerte im Raum, wie zum Beispiel die Geruchsbelastung, überschritten werden.

• Machine Learning und Anomalie-Erkennung: Hier kann der Sensor erfassen, wie oft der Bewohner nachts aufwacht und aufsteht. Zudem lässt sich über den Tag verfolgen, in welchen Zeitabschnitten eine Person im Zimmer aktiv ist, also etwa hin- und hergeht. Hierüber können Änderungen im Verhalten des Bewohners erkannt werden, die eventuell auf eine einsetzende Demenz hinweisen. Dieser Verdacht ist natürlich durch den behandelnden Arzt zu prüfen.

Security

E-Health: Patienten sorgen sich um Datensicherheit

Hackathon zur Umsetzung von Use Cases

Inwiefern solche komplexen Anwendungsfälle auf Basis von Standard-Technologien umzusetzen sind, wurde anhand der drei oben aufgeführten Use Cases während des Microsoft Hackathons Ideafest evaluiert. Zwei Tage lang arbeitete ein Kernteam von sechs bis acht Entwicklern von Microsoft gemeinsam mit einem Team von Campana & Schott und Steinel, welche die Anwendungsfälle vorgeschlagen hatten, an der Implementierung einer Lösung sowie der Entwicklung der notwendigen zugrundeliegenden Algorithmen. Am Ende des Hackathons wurden die Ergebnisse intern vorgestellt. Dazu diente ein „Rollenspiel“, welches die Einsatzmöglichkeiten demonstrierte. Anschließend wurde die Lösung – auch mit Personal aus der Pflegebranche – diskutiert.

Eine Herausforderung bei der Implementierung solcher komplexen Projekte ist die Vielfalt der eingesetzten Technologien – und davon abgeleitet auch die notwendige Interdisziplinarität im Team. So mussten IoT-Experten involviert werden, um die Sensorik entsprechend anbinden zu können, Daten zu sammeln und in die Cloud zu übertragen. Datenanalytiker befassten sich mit den Themen Datenhaltung und Big Data. Experten für den digitalen Arbeitsplatz unterstützten die Dashboard-Entwicklung sowie die Applikationsentwicklung in MS Teams und PowerApp. Und ein Data Scientist mit Schwerpunkt Machine Learning arbeitete an der Implementierung der Anomalie-Erkennung. Dies zeigt die Vielfältigkeit der Lösung.

Die verschiedenen Experten stellten unterschiedliche Anforderungen an die technische Architektur. Zudem waren die richtigen Schnittstellen zu ermitteln. Diese Herausforderungen konnten schnell durch standardisierte Komponenten gelöst werden, die vergleichbar mit „Lego-Bausteinen“ funktionieren. Microsoft Azure diente dabei als Plattform für diese Services, die sich hervorragend ineinander verzahnen lassen. Sind in einem zweiten Schritt größere individuelle Anpassungen nötig, lassen sich die Komponenten entsprechend verändern.

Weitere Einsatzmöglichkeiten

Der Hackathon zeigte, dass der vorgeschlagene Ansatz für Sensorik und Machine Learning in der Seniorenpflege valide ist. So lassen sich Effizienzsteigerungen über eine Ausstattung des Pflegepersonals mit modernen IoT- und KI-basierten Elementen des digitalen Arbeitsplatzes erzielen. Dass die Nutzung solcher Technologien bei Firstline Workern nicht nur in der Pflege, sondern auch in anderen Bereichen wie im Kundendienst die Arbeitseffizienz erhöhen kann, belegt die diesjährige Deutsche Social Collaboration Studie. So spielen Technologien wie Künstliche Intelligenz und Machine Learning in deutschen Unternehmen eine immer wichtigere Rolle, auch durch den zunehmenden Einsatz von Chatbots.

Die beim Hackathon verwendeten Sensoren lassen sich nicht nur im Pflegeheim nutzen, sondern auch im privaten Bereich. Nach Weiterentwicklung der Lösung wäre es denkbar, dass ein älterer Mensch die Sensoren im Laden kaufen und bei sich zu Hause auf einfache Weise installieren kann. Er bezahlt dann monatlich einen Service, bei dem Push-Nachrichten an ihn oder seinen behandelnden Arzt geschickt werden – je nach erkannter Anomalie.

Der Einsatz solcher Systeme ist nicht nur in der Pflegebranche denkbar, sondern auch beispielsweise in der Industrie: Die Sensorik könnte etwa im Brandfall erfassen, ob und wo sich Mitarbeiter noch im Gebäude befinden – und somit einen wichtigen Beitrag zur Arbeitsplatzsicherheit liefern.

Fazit

Im Rahmen eines Hackathons ließ sich nachweisen, dass moderne IT-Lösungen IoT-basiert mit Machine-Learning-Algorithmen auf Basis von Standardkomponenten in kurzer Zeit mit wenig Aufwand erstellt werden können. Dabei ist der hier dargestellte Use Case nur ein Beispiel für den Einsatz dieser Komponenten. Die zugrundeliegenden Technologien lassen sich ebenso in anderen Einsatzfeldern in nahezu allen Branchen verwenden. Auch dort versprechen sie bei Berufsgruppen mit bis jetzt nur beschränktem Zugang zu digitalen Arbeitsplatzelementen deutliche Effizienzgewinne.

Forschung

Digitaler Zwilling: Ein Herzensprojekt

experte Healthcare 4.0

Wie sinnvoll sind Transportroboter im Healthcare-Bereich?

(ID:46066407)