Fehlbelastungen des Stütz- und Bewegungsapparats, repetitive Bewegungsabläufe oder eine ergonomisch ungünstige Körperhaltung führen bei vielen Beschäftigten zu Beschwerden. Insbesondere ältere Arbeitnehmer leiden aufgrund ihrer langjährigen Tätigkeiten oftmals an Störungen des Muskel-Skelett-Systems oder anderen altersbedingten Einschränkungen. Im von der Europäischen Union (EU) geförderten Projekt BIONIC arbeitet das DFKI als Koordinator zusammen mit zehn internationalen Partnern an intelligenten Lösungen, die solche Gesundheitseinschränkungen reduzieren sollen.
Body Sensor-Netzwerk (BSN) analysiert Belastungen und korrigiert Fehlstellungen in Echtzeit
Durch ein Netzwerk von verschiedenen, am Körper getragenen Sensoren soll ein System entwickelt werden, das den gesundheitlichen Zustand von Arbeitern im Verlauf des Tages erfasst. Die Analyse wird auf einem intelligenten Chip am Körper stattfinden; die Rohdatenvorverarbeitung direkt an der „Quelle“ ermöglicht eine lokale Verarbeitung der Datenströme in Echtzeit. Neuartige Methoden der Risikoanalyse erlauben eine direkte Rückmeldung zu Belastungen und Fehlstellungen. Spielerische Anwendungen und eine Trainings-App motivieren dazu, einseitigen Belastungen entgegenzuwirken und geben personalisierte und medizinische Hilfestellungen für ein Training zuhause.
Weiterentwicklung der Anwendungen aus Vorgängerprojekt „EASY-IMP“
Ein Großteil der Partner hat bereits im EU Projekt „EASY-IMP“ erfolgreich an der Entwicklung eines BSN gearbeitet, das zur Analyse von Körperbewegungen kleine IMU-Sensoren verwendete (Beschleunigungs- oder Drehratensensoren), die in der Kleidung oder auf der Haut befestigt waren. Die leichte und modulare Bauweise des Systems wird in BIONIC weiterentwickelt, um eine einfachere Integration zu realisieren.
Biomechanische Modelle und Deep Learning zur ergonomischen Risikobewertung
Durch den Einsatz biomechanischer Modelle für altersbedingte und chronische Beeinträchtigungen werden Algorithmen zur ergonomischen Risikobewertung der physischen Belastungen entworfen. Zu den Eingangsparametern gehören Körperhaltung, Kräfte und Momente, sowie physiologische Parameter wie Herzfrequenz oder Körpertemperatur.
Verfahren, die auf objektiven sowie subjektiven Daten (Expertenkriterien) basieren, werden als Grundlage herangezogen und durch personalisierte Algorithmen ergänzt, für die Methoden des Deep Learning eingesetzt werden.Die erzeugten Daten werden entsprechend der EU Datenschutzrichtlinie gespeichert.
„BIONIC – 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 “ ist ein interdisziplinäres Forschungsprojekt mit elf Partnern aus Medizin, Biotechnik, Elektronik, Informationstechnologie und Künstliche Intelligenz, bis hin zu Bau- und Fabrikarbeitern, die in Pilotversuchen die Ergebnisse validieren werden.
Partner
- Deutsches Forschungszentrum für Künstliche Intelligenz GmbH DFKI (Projektkoordination)
- Technische Universität Kaiserslautern – wearHEALTH Group
- Instituto de Biomechanica de Valencia, Spanien
- Roessingh Research and Development, University of Twente, Niederlande
- University of Piraeus – Systems Security Lab, Griechenland
- Interactive Wear GmbH, München
- Hypercliq IKE, Griechenland
- ACCIONA Construcción S.A. – Spanien
- Rolls-Royce Power Systems AG – Friedrichshafen
- Bundesanstalt für Arbeitsschutz und Arbeitsmedizin (BAuA), Dortmund
- Fundación Laboral de la Construcción – Spanien
Prof. Dr. Didier Stricker
