Interaktive Visualisierung von Schlafdaten im Smart Home Kontext (Master AI)

Description

Der demografische Wandel führt zu einer Alterung unserer Gesellschaft und in Folge dessen steigt die Belastung der Gesundheitssysteme. Neue Konzepte für ein gesünderes Leben, für den längeren Erhalt in der Arbeitswelt und für ein effizienteres sowie kostengünstigeres Gesundheitssystem mit fitteren älteren Bürgern sind somit unumgänglich. Individualität und Lebensqualität gewinnen immer mehr an Relevanz und liegen primär in individueller Verantwortung. Die Vernetzung von Personal Health Geräten wie Waagen, Blutdruckmessgeräten oder Schrittzählern und die weite Verbreitung von Smartphones und entsprechenden Apps haben diese Form des Selbst-Monitoring, auch Personal Analytics genannt, in den letzten Jahren begünstigt . Der Ausdruck Personal Analytics bezeichnet somit das bewusste Sammeln von persönlichen Lebensdaten zu dem Zweck, die eigene Lebensweise zu optimieren. Sie beschreibt also einen Versuch den Lebensstil zu quantifizieren. Alltagsaktivitäten wie z. B. Bewegung, Schlaf und Ernährung müssen ermittelt werden, um daraus gesundheitsrelevante Empfehlungen generieren zu können.

Es sind bereits einige Plattformen, wie z. B. Nike Fuelband SE , vorhanden, die Daten verschiedener Sensortypen für die Themenfelder Fitness, Gesundheit und Schlaf empfangen und analysieren können. Insbesondere Smartphones sind heutzutage mit ihren integrierten Sensoren eine Alternative zu Hardwarelösungen.

Im Rahmen der ausgeschriebenen Arbeit findet eine Auseinandersetzung mit dem Forschungsgebiet der Schlafanalyse basierend auf Smart Home-Komponenten statt. Der aktuelle Stand der Forschung wird ausgewertet und auf verwandte Arbeiten untersucht. Zusammen mit den Grundlagen wird ein Konzept zur Sammlung von relevanten Daten für die Schlafanalyse entwickelt. Hardwarekomponenten, wie z. B. der Beddit-Schlafsensor oder das Netatmo-Modul zur Überwachung von Temperatur, CO2-Gehalt und Luftfeuchtigkeit in einem Zimmer, sollen via Eclipse Smarthome (openHUB) angebunden und deren Daten aufbereitet und visualisiert werden.

Anforderungen:

• Eigenständige Literaturrecherche und Zusammentragung

• Fortgeschrittene Programmierkenntnisse (Java)

• Grundkenntnisse in gängigen IDEs und Werkzeugen wie Maven und Eclipse

Der Beginn der Arbeit ist ab sofort möglich. Es handelt sich um eine kooperative Arbeit mit dem Fraunhofer IMS. Der Großteil der praktischen Arbeiten ist im InHaus-Zentrum der Fraunhofer Gesellschaft (Forsthausweg 1, 47057 Duisburg) zu verrichten.

Kontakt:

Supervisor

Aysegül Dogangün

Personal Analytics group leader

Details

Related focus areas