Skip to main content Skip to main navigation

Projekt | IoTAssist

Laufzeit:
Entwicklung einer Endbenutzer-Plattform für Assistenzdienste mit interoperablen IoT-Geräten und tragbarer Sensorik

Entwicklung einer Endbenutzer-Plattform für Assistenzdienste mit interoperablen IoT-Geräten und tragbarer Sensorik

Grundlegendes Ziel des IoTAssist Projekts ist die Entwicklung einer Plattform, die eine Interoperabilität zwischen Geräten und Diensten im IoT- und Wearable-Bereich ermöglicht. Diese Plattform bietet die Möglichkeit intelligente Assistenzsysteme einfach und intuitiv umzusetzen. Hier legen wir besonderen Fokus auf die Integration schon existierender Geräte-Ökosysteme im alltäglichen und häuslichen Umfeld, um dem wachsenden Problem der Insellösungen entgegenzutreten. Damit die verschiedenen Technologien einfach eingebunden werden können, stellen wir eine technologieneutrale Schnittstelle und verschieden Künstliche Intelligenz Module zur Verfügung. In nutzerzentrierten Workshops werden individuelle, auf den Benutzer zugeschnittene Assistenzsysteme aufgebaut und im täglichen Alltag erprobt.

Gesundheit ist ein hoch relevantes gesellschaftliches Thema. Das betriebliche Gesundheitsmanagement (BGM) stellt hierbei ein wichtiges Instrument für Unternehmen dar, um die Gesundheit der Beschäftigten nachhaltig zu verbessern. Neben Motivation und Produktivität soll dadurch auch die allgemeine Lebensqualität gefördert werden. Jedoch verzichten heutige BGM-Ansätze größtenteils auf digitale Technologien. Die IoTAssist Plattform erlaubt einen neuartigen, ganzheitlichen und technischen Lösungsansatz, der Benutzer in die Lage versetzt, individuelle Assistenzsysteme umzusetzen, die Unterstützung bei der Erreichung von persönlichen Gesundheitszielen im betrieblichen und häuslichen Alltag bieten.

Partner

Deutsche Hochschule für Prävention und Gesundheitsmanagement (DHfPG)

ThingOS

Centigrade GmbH

Eyeled GmbH

TH Ingoldstadt

Universität Duisburg-Essen

Publikationen zum Projekt

  1. “Absolute or Relative?” – Exploring the Choice Between Leaderboard Types in an Image Tagging Task

    Pascal Lessel; Maximilian Altmeyer; Marc Schubhan; Dennis Gudea; Antonio Krüger

    In: CHI PLAY '22: Extended Abstracts of the Annual Symposium on Computer-Human Interaction in Play. ACM SIGCHI Annual Symposium On Computer-Human Interaction in Play (CHI Play-2022), November 2-5, Bremen, Germany, Pages 63-69, ISBN 978-1-4503-9211-2, Association for Computing Machinery, New York, NY, USA, 11/2022.

Fördergeber

BMBF - Bundesministerium für Bildung und Forschung

16SV8364

BMBF - Bundesministerium für Bildung und Forschung