Open Access

Andreas Seiderer

• Das menschliche Wohlbefinden wird von vielen verschiedenen Faktoren positiv und negativ beeinflusst. Durch die fortschreitende Verbreitung von ubiquitären Systemen, die mit Technologien des Internet of Things (IoT) und Mobile Computings umgesetzt werden können, werden zunehmend vernetzte Geräte mit einer Vielzahl an Sensoren und Aktuatoren in die Umgebung integriert oder von Personen getragen. Diese Technologien besitzen daher das Potenzial, automatisch oder durch Einbeziehung des Nutzers, relevante Faktoren für das Wohlbefinden zu erfassen, zu verarbeiten sowie die Ergebnisse in verschiedenartiger Form, die für den jeweiligen Nutzer möglichst gut verständlich sein soll, auszugeben. Das Ziel dieser Arbeit ist, Möglichkeiten der Nutzung von Technologien aus dem IoT- und Mobile-Computing-Bereich zur Verbesserung des menschlichen Wohlbefindens zu identifizieren, geeignete Verfahren sowie alltagstaugliche Assistenz-, Informations- und Empfehlungssysteme zu entwickeln und zuDas menschliche Wohlbefinden wird von vielen verschiedenen Faktoren positiv und negativ beeinflusst. Durch die fortschreitende Verbreitung von ubiquitären Systemen, die mit Technologien des Internet of Things (IoT) und Mobile Computings umgesetzt werden können, werden zunehmend vernetzte Geräte mit einer Vielzahl an Sensoren und Aktuatoren in die Umgebung integriert oder von Personen getragen. Diese Technologien besitzen daher das Potenzial, automatisch oder durch Einbeziehung des Nutzers, relevante Faktoren für das Wohlbefinden zu erfassen, zu verarbeiten sowie die Ergebnisse in verschiedenartiger Form, die für den jeweiligen Nutzer möglichst gut verständlich sein soll, auszugeben. Das Ziel dieser Arbeit ist, Möglichkeiten der Nutzung von Technologien aus dem IoT- und Mobile-Computing-Bereich zur Verbesserung des menschlichen Wohlbefindens zu identifizieren, geeignete Verfahren sowie alltagstaugliche Assistenz-, Informations- und Empfehlungssysteme zu entwickeln und zu untersuchen. Um dieses Ziel zu erreichen, wurde ein pragmatisches Wohlbefindensmodell entwickelt, das die fünf Kategorien emotional, mental, sozial, umgebungsbezogen und physisch beinhaltet. Für jede Kategorie werden zunächst maßgebliche Wohlbefindensfaktoren identifiziert, die auf aktueller wissenschaftlicher Literatur aus verschiedenen Disziplinen basieren, und von IT-Systemen erfasst werden können. Die Erfassung einer Auswahl dieser Faktoren wird in Untersuchungen umfassender behandelt, wobei spezielle Arten unaufdringlicher Sensorik, wie Gassensoren und drucksensitive Matten eingesetzt und Lösungen zur Echtzeitsignalverarbeitung unter Verwendung verschiedener Verfahren des maschinellen Lernens, wie z.B. tiefen neuronalen Netzen und Transferlernen, vorgestellt werden. Um das emotionale, mentale und soziale Wohlbefinden von Nutzern zu verbessern, wurde das PiHeart-System entwickelt. Es handelt sich hierbei um ein Biofeedback-System, das den eigenen Herzschlag bzw. den einer anderen Person mittels eines Tangible-Displays spürbar macht. Des Weiteren wurden zur Verbesserung des umgebungsbezogenen Wohlbefindens zwei Informationssysteme entwickelt, die ambientes Licht zur unaufdringlichen Systemausgabe nutzen. Eines der Systeme ermöglicht einen Überblick über den Öffnungszustand von sicherheitskritischen Fenstern und Türen in der Wohnung, das andere dient der Bewertung der Raumluftqualität. Um das physische Wohlbefinden von Anwendern zu verbessern, wurde das Drink-O-Mender-System entwickelt, bei dem ein sozialer Roboter Empfehlungen bezüglich gesunder Getränke gibt. Des Weiteren wird ein deutschsprachiger Sprachassistent präsentiert, der Fragen hinsichtlich Nährwertinformationen von Lebensmitteln beantworten kann. Abschließend wird das CARE-System, ein kontextsensitives Lifestyle-Empfehlungssystem für Senioren, vorgestellt. Es beinhaltet alle Kategorien des Wohlbefindensmodells. Die für einen Nutzer aktuell geeignetsten Empfehlungen werden, basierend auf Daten von in der Wohnumgebung integrierten Sensorik, ausgewählt. Zur Validierung wurden mehrere Hardware- und Software-Prototypen entwickelt und mit verschiedenen Nutzergruppen, nicht nur unter Laborbedingungen, sondern auch im Alltag getestet. Um eine nachhaltige Nutzerakzeptanz zu gewährleisten, wurde bei der Entwicklung der Systeme auf eine hohe Usability geachtet, wobei u.a. Daten der Systemnutzung sowie Feedback aus semistrukturierten Interviews und Workshops mit potenziellen Anwendern der Zielgruppen beim Entwicklungsprozess berücksichtigt wurden. Des Weiteren wurde der Schutz der Privatsphäre bei den Systemen gewährleistet, indem Verfahren zur lokalen Datenverarbeitung auf Nutzergeräten, z.B. der Einsatz von Transferlernen mit tiefen neuronalen Netzen auf Mobilgeräten, untersucht und angewandt wurden. Besonderes Augenmerk wurde in dieser Arbeit auf die Frage gelegt, wie sich Technologien aus dem IoT- und Mobile-Computing-Bereich zur Verbesserung des Wohlbefindens von Nutzern reibungslos in ihren Alltag integrieren lassen. Hierzu wurden verschiedene Interaktionstechniken implementiert, die im Aufmerksamkeitshintergrund der Nutzer stattfinden und sie somit nicht bei ihren täglichen Aktivitäten stören.…
• Human well-being is positively and negatively influenced by many factors. With the ongoing expansion of ubiquitous systems which can be implemented with Internet of Things (IoT) and Mobile Computing technologies, networked devices with a variety of sensors and actuators are increasingly integrated into the environment or worn by people. These technologies therefore have the potential to acquire and process relevant factors for well-being automatically or by involving the user and to output the results in various forms that should be as comprehensible as possible for the respective user. The aim of this work is to identify possibilities of using IoT- and Mobile Computing technologies to improve human well-being to develop and investigate methods as well as assistance, information and recommendation systems suitable for everyday use. To achieve this goal, a pragmatic well-being model was developed that included the five categories emotional, mental, social, environmental and physical.Human well-being is positively and negatively influenced by many factors. With the ongoing expansion of ubiquitous systems which can be implemented with Internet of Things (IoT) and Mobile Computing technologies, networked devices with a variety of sensors and actuators are increasingly integrated into the environment or worn by people. These technologies therefore have the potential to acquire and process relevant factors for well-being automatically or by involving the user and to output the results in various forms that should be as comprehensible as possible for the respective user. The aim of this work is to identify possibilities of using IoT- and Mobile Computing technologies to improve human well-being to develop and investigate methods as well as assistance, information and recommendation systems suitable for everyday use. To achieve this goal, a pragmatic well-being model was developed that included the five categories emotional, mental, social, environmental and physical. For each category, relevant well-being factors based on interdisciplinary literature were identified and investigated how to capture them by IT systems. The acquisition of a selection of these factors is addressed more comprehensively in studies using specific types of unobtrusive sensors, such as gas sensors and pressure-sensitive mats, and presenting solutions for real-time signal processing using various machine learning techniques, such as deep neural networks and transfer learning. To enhance the user's emotional, mental and social wellbeing, the PiHeart system was implemented, a biofeedback system with a tangible interface that enables users to experience heart beats as natural stimuli from themselves and another person in social proximity. Furthermore, to improve environmental well-being, two information systems were developed that use ambient light for unobtrusive system output. One of the systems provides an overview of the opening status of safety-critical windows and doors in the home, while the other is used to assess indoor air quality. To improve the physical well-being of users, the Drink-O-Mender system was developed, in which a social robot provides recommendations regarding healthy drinks. Furthermore, a speech assistant in the German language is presented that is able to answer questions regarding nutritional information. Finally, the CARE system, a context-aware lifestyle recommender system for older adults is introduced. It includes all categories of the well-being model. CARE chooses the currently most suitable recommendations based on data acquired by sensors embedded in the user's home environment. For validation, several hardware and software prototypes were developed and tested with different user groups, not only under laboratory conditions, but also in everyday life. To ensure enduring user acceptance, the systems were developed with a focus on high usability, taking into account, among other things, system usage data as well as feedback from semistructured interviews and workshops with potential users of the target groups. Furthermore, privacy protection was ensured for the systems by investigating and applying methods for local data processing on user devices, e.g., the use of transfer learning with deep neural networks on mobile devices. In this work particular emphasis was given on the question how to smoothly integrate technologies from the IoT and Mobile Computing fields into users' daily lives to improve their well-being. To this end, various interaction techniques were implemented that take place in the users' background of attention and thus don't disturb them during their daily activities.…