Smarte Fußböden
Lektion 4
Innovative Technologien
Stefan: Hey, Sabina, bist du das? Mensch, lange nicht gesehen!
Sabina: Oh, hi Stefan, schön dich zu sehen! Wie geht's dir?
Stefan: Gut geht’s mir. Ich kann mich wirklich nicht beschweren, auch im Krankenhaus läuft alles wunderbar. Wir haben jetzt zwei neue Kolleginnen, das schafft etwas Entlastung. Und bei dir? Ich wollte mich schon die ganze Zeit mal melden, wir wollten ja eigentlich noch mal alle zusammen grillen.
Sabina (lacht): Ja, so ist das wohl bei den vielbeschäftigten Leuten. Da trifft man sich nicht mehr bei Grillabenden, sondern zwischen Pasta und Dosentomaten im Supermarkt.
Stefan: Bei unserem letzten Treffen hast du von euren spannenden Neuerungen im Quartier erzählt. Ich bin total neugierig, erzähl doch mal!
Sabina: Stimmt, da hast du recht, es hat sich viel getan.
Stefan: Ich kann mich an ein paar Dinge erinnern – du hattest irgendwas von intelligenten Sensoren erzählt, richtig?
Sabina: Ja, genau. Wir suchen ständig nach innovativen Techniken, mit denen wir unsere Wohnungen ausstatten können, um unseren Bewohnern das Leben leichter und sicherer zu machen. Dazu gehört zum Beispiel der smarte Fußboden.
Sabina: Der smarte Fußboden begeistert mich absolut. Die Fußböden unserer Bewohner erfassen mithilfe von Näherungs- und Drucksensoren Echtzeitdaten und können anhand dieser Daten registrieren, dass ein Bewohner gestürzt ist.
Stefan: Das ist ja interessant!
Sabina: Aber das ist noch nicht alles. Unter bestimmten Voraussetzungen kann das System sogar vorhersagen, dass dieser Bewohner stürzen wird. Ist das nicht verrückt?!
Stefan: Allerdings! Erklär mal, wie genau funktioniert das?
Sturz oder kein Sturz?
Viele kleine Näherungssensoren messen über einen längeren Zeitraum Bewegungen auf dem Fußboden. Mithilfe von Algorithmen lassen sich aus diesen Daten Informationen gewinnen, zum Beispiel die Verteilung des Gewichts oder das Schrittmuster.
Wie kann das System darauf trainiert werden, einen Sturz vorherzusagen? Zunächst einmal muss das Ereignis „Sturz“ in den Daten erkannt werden. Anschließend wird nach bestimmten Mustern gesucht, die häufig vor einem Sturz auftauchen: Bewegt sich eine Person plötzlich viel langsamer? Schwankt sie? Diese Muster werden mittels „Machine Learning“ gefunden und erlernt. Registriert das System aufgrund dieser Muster ein erhöhtes Sturz-Risiko, kontaktiert es einen Pflegenden.
Exercise:
Wie kann ein smartes Fußbodensystem lernen, einen Sturz vorherzusagen? Wähle die Schritte so aus, dass sie in der richtigen Reihenfolge stehen:
Keine Schlüsse ohne Kontext
Stefan: Das ist bestimmt eine große Erleichterung! Aber ich bin auch skeptisch. Arbeitet diese ausgeklügelte Technik denn im Pflegealltag auch zuverlässig?
Sabina: In den meisten Fällen funktioniert der Fußbodensensor wirklich gut, aber in bestimmten Situationen stößt er an seine Grenzen.
Stefan: Wann zum Beispiel?
Sabina: Wenn unsere Bewohner über einen längeren Zeitraum Gäste zu Besuch haben, registriert der Fußboden dauerhaft verschiedene Benutzerprofile, die er nicht eindeutig zuordnen kann. In der Folge gibt er entweder dauerhaft Warnungen aus oder – schlimmer noch – gar keine.
Stefan: Das ist weniger gut.
Sabina: Eine Falschmeldung, dass es einen Sturz gegeben hat, kommt beispielsweise auch vor, wenn Handwerker schwere Kisten oder Materialien abstellen. Das sollte natürlich nicht passieren.
Stefan: Ich verstehe. Das System sammelt zwar laufend Daten und kann diese fehlerfrei verarbeiten, aber in komplexen Situationen kann es schnell zu falschen Schlüssen kommen.
Sabina: Genau, man muss immer den Kontext betrachten, bevor man Schlüsse zieht.
Exercise:
Gut aufgepasst? Teste dein Wissen!
Systematisch oder zufällig?
Eine weitere Fehlerquelle, die zu ungenauen oder falschen Interpretationen führen kann, ist die Verwechslung von zufälliger und systematischer Abweichung. Das Fußbodensystem muss entscheiden, ob die Häufung eines bestimmten Musters vor Stürzen nur zufällig auftritt oder ob es sich bereits um eine systematische Abweichung handelt, die für Vorhersagen nutzbar ist.
Hierfür wird als Maß oft die statistische Signifikanz verwendet. Ist in unserem Fall ein gefundenes Muster statistisch signifikant, bedeutet dies, dass mit sehr hoher Wahrscheinlichkeit ein Zusammenhang zwischen Muster und Sturz existiert.
Statistische Signifikanz bedeutet nicht immer, dass ein relevanter Aussagewert generiert wird. Wenn zum Beispiel ein Stolpern häufig direkt vor einem Sturz registriert wird, wäre das Stolpern ein statistisch signifikantes Muster. Weil aber das Stolpern und der Sturz unmittelbar nacheinander passieren, ist dieses Muster für ein Frühwarnsystem unbrauchbar, denn die Sturzwarnung kommt zu spät.
Daher bietet es sich an, Mediziner*innen oder Bewegungswissenschaftler*innen bewerten zu lassen, ob ein gefundenes statistisch signifikantes Muster überhaupt relevant für die Prognose von Stürzen ist.
Exercise:
Gut aufgepasst? Teste dein Wissen!