Mensch-Maschine-Interaktion Wenn die Maschine weiß, wie es ihrem Nutzer geht

Dank eines voranschreitenden Automatisierungsprozesses übernehmen Maschinen immer mehr Aufgaben des Menschen. Fraunhofer-Forscher haben nun ein Diagnoseverfahren entwickelt, durch das Maschinen Nutzerzustände in Echtzeit erkennen und entsprechend reagieren können.

Anbieter zum Thema

MPDV Mikrolab GmbH

HOPPE Unternehmensberatung

kothes GmbH

Fraunhofer-Gesellschaft z.För. d. angewandten Forschung e.V.

Das Smartphone-Display, das nicht in den Ruhezustand wechselt, solange sein Nutzer den Blick darauf gerichtet hat; der Saugroboter, der bei der Fahrt über den heimischen Teppich den Füßen seines Besitzers ausweicht; oder das Auto, das ein lautes Signal ertönen lässt, wenn sein Fahrer die Spur verlässt – immer häufiger treten Maschinen mit Menschen in Interaktion. Jedoch ist es mit der Kommunikation nicht immer so einfach wie in den genannten Fällen. Vor allem dann nicht, wenn die Maschine den physischen oder gar emotionalen Zustand ihres Nutzers erkennen soll.

Weil Maschinen aber immer mehr Aufgaben im Alltag übernehmen, sollten sie idealerweise auch in der Lage sein, den Menschen bei Fehlverhalten zu unterstützen. Voraussetzung dafür ist, dass die Maschine versteht, wie es dem Menschen geht, der sie bedient. Fraunhofer-Forscher haben ein Diagnose-Verfahren entwickelt, das Nutzerzustände in Echtzeit erkennt und den Maschinen mitteilt.

Ganzheitliches Modell der Nutzerzustände und Ursachen

Die Diplom-Psychologin Jessica Schwarz vom Fraunhofer-Institut für Kommunikation, Informationsverarbeitung und Ergonomie FKIE ist in ihrer Doktorarbeit der Frage nachgegangen, wie sich Nutzerzustände sehr genau ermitteln lassen, welchen Einfluss diese auf mögliches Fehlverhalten haben und wie automatisierte Systeme diese Information nutzen können. Dabei bedeute beispielsweise eine gestiegene Herzrate nicht automatisch, dass ein Mensch gestresst ist, erklärt die Wissenschaftlerin. Schwarz untersuchte daher, welche Faktoren konkret Einfluss auf die Leistungsfähigkeit des Menschen nehmen.

Sie konzipierte ein ganzheitliches Modell, das Nutzerzustände und deren Ursachen umfassend abbildet. Darin unterscheidet sie zwischen sechs Bereichen: Beanspruchung, Motivation, Situationsbewusstsein, Aufmerksamkeit, Müdigkeit und emotionaler Zustand. Zu deren Erfassung setzt sie physiologische und verhaltensbasierte Messmethoden ein und kombiniert sie zusätzlich mit äußeren Faktoren wie Aufgabenstellung, Umgebungsbedingungen, Automationsgrad und Tageszeit sowie individuellen Angaben zur Person.

(ID:44193703)