BehAIve: Behaviour Monitoring and Support of Older Adults

(for English version see below)

Projektzusammenfassung

Deutschland befindet sich in einem tiefgreifenden demografischen Wandel, der durch eine alternde Bevölkerung und sinkende Geburtenraten gekennzeichnet ist. Diese Entwicklung geht mit einer Zunahme altersbedingter chronischer Erkrankungen einher und damit mit einem erheblichen Anstieg des Langzeitpflegebedarfs. Besonders gravierend ist die Zunahme kognitiver Beeinträchtigungen wie der leichten kognitiven Beeinträchtigung und der Demenz, die einen hohen Pflegeaufwand erfordern. Gleichzeitig nimmt der Fachkräftemangel in der Pflege ein alarmierendes Ausmaß an. Angesichts dieser Herausforderungen werden innovative Lösungen benötigt.

Das Projekt BehAIve leistet hierzu einen vielversprechenden Beitrag. Ziel ist die Entwicklung eines KI-gestützten, situationsadaptiven Systems, das ältere Menschen im Alltag oder geriatrische Patientinnen und Patienten während des Krankenhausaufenthalts unterstützt. Durch kontinuierliches Monitoring mittels Sensoren wird das Verhalten der Personen analysiert, problematisches Verhalten identifiziert und bei Bedarf gezielte Unterstützung angeboten. Dies kann die Lebensqualität von Menschen mit kognitiven Beeinträchtigungen oder von geriatrischen Patientinnen und Patienten deutlich verbessern und zugleich das Pflegepersonal entlasten.

Das Projekt gliedert sich in acht Teilprojekte, die die technologischen und anwendungsbezogenen Aspekte des Systems behandeln. Darüber hinaus werden auch ethische und datenschutzrechtliche Aspekte berücksichtigt.

Teilprojekt 1: Multimodal Behaviour Analysis and Support

Leitung: Kristina Yordanova, Institut für Data Science, Universität Greifswald

Das Teilprojekt „Multimodal Behaviour Analysis and Interaction” befasst sich mit der Entwicklung und Implementierung von Methoden zur automatischen Wissensextraktion, zur multimodalen Verhaltensanalyse und zur sprachbasierten Interaktion.

Teilprojekt 2: Hybrid Neurosymbolic and Neuroprobabilistic Models for the Analysis of Dynamic Systems

Leitung: Thomas Kirste, Arbeitsgruppe Hybride Methoden der Künstlichen Intelligenz und des Maschinellen Lernens, Universität Rostock

Das Teilprojekt „Hybrid Neurosymbolic and Neuroprobabilistic Models for the Analysis of Dynamic Systems” befasst sich mit der Bereitstellung der Systemkomponente zur Aktivitäts- und Situationserkennung, der Entwicklung einer szenariospezifischen Parametrisierung dieser Komponente sowie ihrer kontinuierlichen Weiterentwicklung und Anpassung auf Grundlage der Ergebnisse der Systemevaluation.

Teilprojekt 3: Automatic Knowledge Extraction and Learning of Situation Models

Leitung: Frank Krüger, Arbeitsgruppe Data Science und Maschinelles Lernen, Hochschule Wismar

Das Teilprojekt „Automatic Knowledge Extraction and Learning of Situation Models” befasst sich mit der Identifikation und Extraktion von Informationen aus strukturierten und unstrukturierten Quellen, sodass eine maschineninterpretierbare Beschreibung von Anweisungen (Situationsmodell) erzeugt werden kann, die zur Erstellung kausaler Modelle menschlichen Verhaltens verwendet wird.

Teilprojekt 4: Scalable Systems for Multimodal Data Analysis

Leitung: Ralf Schneider, Universitätsrechenzentrum, Universität Greifswald

Das Teilprojekt „Scalable Systems for Multimodal Data Analysis” befasst sich mit der Entwicklung und Implementierung von Methoden zur multimodalen Verhaltensanalyse sowie mit der Entwicklung skalierbarer sensor- und sprachbasierter Systeme zur Erfassung menschlichen Verhaltens.

Teilprojekt 5: Contextadaptive Explanation and Interaction for People with Mild Cognitive Impairments

Leitung: Stefan Teipel und Martin Dyrba, Deutsches Zentrum für Neurodegenerative Erkrankungen (DZNE)

Das Teilprojekt „Contextadaptive Explanation and Interaction for People with Mild Cognitive Impairments” befasst sich mit der nutzerzentrierten Entwicklung des Systems für Menschen mit leichter kognitiver Beeinträchtigung (MCI), einschließlich der Entwicklung und Anwendung partizipativer Methoden des Technologie-Co-Designs. Darüber hinaus ist das DZNE unter der Leitung von Dr. Martin Dyrba für die Entwicklung erklärbarer sprachbasierter Schnittstellen zur Unterstützung der Nutzerinnen und Nutzer verantwortlich.

Teilprojekt 6: Intelligent Interventions and Support for People with Mild Cognitive Impairments

Leitung: Agnes Flöel, Klinik für Neurologie, Universitätsmedizin Greifswald

Das Teilprojekt „Intelligent Interventions and Support for People with Mild Cognitive Impairments” befasst sich mit der Identifikation von Studienteilnehmenden mit MCI sowie mit der Entwicklung von Baseline-Messungen und der zugehörigen Zielparameter. Es ist außerdem für die Evaluation der Ergebnisse hinsichtlich kognitiver Parameter und Indikatoren der Lebensqualität verantwortlich.

Teilprojekt 7: Intelligent Interventions and Support of Geriatric Patients

Leitung: Maximillian König, Geriatrie, Universitätsmedizin Greifswald

Das Teilprojekt „Intelligent Interventions and Support of Geriatric Patients” befasst sich mit der Identifikation von Studienteilnehmenden im Anwendungsfall „Geriatrie” sowie mit der Entwicklung von Baseline-Messungen und der zugehörigen Zielparameter. Es ist außerdem für die Evaluation der Ergebnisse hinsichtlich kognitiver Parameter und Indikatoren der Lebensqualität verantwortlich.

Teilprojekt 8: Explainable and Ethical AI Methods

Leitung: Giovanni Rubeis, Institut für Ethik und Geschichte der Medizin

Das Teilprojekt „Explainable and Ethical AI Methods” befasst sich mit der Erarbeitung, Umsetzung und Evaluation einer Roadmap für erklärbare KI (Explainable AI, XAI). In enger Zusammenarbeit mit den relevanten Interessengruppen im Projekt soll eine Methode zur Sicherstellung von XAI implementiert und für die weitere ethische Forschung dokumentiert werden.

Project Summary 

Germany is undergoing profound demographic change, characterised by an ageing population and declining birth rates. This development is accompanied by an increase in age-related chronic diseases – and thus a significant growth in the need for long-term care. Particularly serious is the increase in cognitive impairments such as mild cognitive impairment and dementia, which require a high level of care. At the same time, the shortage of nursing staff is reaching alarming proportions. In view of these challenges, innovative solutions are needed.

The BehAIve project is making a promising contribution in this area. It aims to develop an AI-supported, situation-adaptive system to support older people in their everyday lives or geriatric patients during hospital stays. Continuous monitoring using sensors will analyse people's behaviour, identify problematic behaviours and offer targeted support where necessary. This can significantly improve the quality of life of people with cognitive impairments or geriatric patients – while also reducing the workload of nursing staff. 

The project is divided into 8 subprojects addressing the technological and application aspects of the system. Furthermore, the ethical and privacy aspects are also considered.  

Sub-project 1:Multimodal Behaviour Analysis and Support

PI: Kristina Yordanova, Institute of Data Science, Unversity of Greifswald

The sub-project ‘Multimodal Behaviour Analysis and Interaction’ deals with the development and implementation of methods for automatic knowledge extraction, multimodal behaviour analysis and language-based interaction.

Sub-project 2:Hybrid Neurosymbolic and Neuroprobabilistic Models for the Analysis of Dynamic Systems

PI: Thomas Kirste, Hybrid Methods in Artificial Intelligence and Machine Learning Group, University of Rostock

The sub-project ‘Hybrid Neurosymbolic and Neuroprobabilistic Models for the Analysis of Dynamic Systems’ deals with the Provision of the system component for activity and situation recognition, development of scenario-specific parameterisation for this component, and its continuous further development and adaptation based on the results of the system evaluation.

Sub-project 3:Automatic Knowledge Extraction and Learning of Situation Models

PI: Frank Krüger, Data Science and Machine Learning Group, University of Applied Sciences Wismar

The sub-project 'Automatic Knowledge Extraction and Learning of Situation Models' deals with the Identification and extraction of information from structured and unstructured sources so that a machine-interpretable description of instructions can be generated (situation model), which is used to create causal models of human behaviour.

Sub-project 4:Scalable Systems for Multimodal Data Analysis

PI: Ralf Schneider, University Computing Centre, University of Greifswald

The sub-project ‘Scalable Systems for Multimodal Data Analysis’ deals with the development and implementation of methods for multimodal behaviour analysis and the development of scalable sensor- and speech-based systems for recording human behaviour.

Sub-project 5: Contextadaptive Explanation and Interaction for People with Mild Cognitive Impairments

PI: Stefan Teipel and Martin Dyrba, German Centre for Neurodegenerative Diseases 

The sub-project ‘Contextadaptive Explanation and Interaction for People with Mild Cognitive Impairments’ deals with the user-centred development of the system for people with MCI, including the development and application of participatory methods of technology co-design. Furthermore, under the leadership of Dr Martin Dyrba, the DZNE is responsible for the development of explainable voice-based interfaces to support users.

Sub-project 6: Intelligent Interventions and Support for People with Mild Cognitive Impairments

PI: Agnes Flöel, Klinik für Neurologie, Universitätsmedizin Greifswald

The sub-project ‘Intelligent Interventions and Support for People with Mild Cognitive Impairments’ deals with the identification of study participants with MCI, as well as the development of baseline measurements and the corresponding target parameters. It is also responsible for the evaluation of the results in terms of cognitive parameters and identificators of quality of life. 

Sub-project 7: Intelligent Interventions and Support of Geriatric Patients

PI: Maximillian König, Geriatrie, Universitätsmedizin Greifswald

The sub-project ‘Intelligent Interventions and Support of Geriatric Patients’ deals with the identification of study participants in the use case “Geriatrics”, as well as the development of baseline measurements and the corresponding target parameters. It is also responsible for the evaluation of the results in terms of cognitive parameters and identificators of quality of life. 

Subproject 8: Explainable and Ethical AI Methods

PI: Giovanni Rubeis, Institut für Ethik und Geschichte der Medizin

The sub-project ‘Explainable and Ethical AI Methods’ deals with the creation, implementation and evaluation of a roadmap for explainable AI (XAI). In close cooperation with relevant stakeholders in the project, a method for ensuring XAI is to be implemented and documented for further ethical research.