(c) Salzburg Research/shutterstock

Individuelles Stressmanangement

Salzburg Research entwickelt gegenwärtig ein automatisiertes Verfahren für nachhaltiges, individuelles Stressmanagement. Ein lernender Agent soll Stress-Mehrebenendiagnostik, personalisierte Stressprofile und Interventionen im Arbeitskontext ermöglichen. Viele Studien zeigen einen permanent steigenden Anteil an Stress in unserem Berufsalltag. Die Ursachen sind vielfältig und oft höchst individuell, sodass ein nachhaltiges Stressmanagement einen individualisierten Zugang erfordert. Digitale Technologie kann bei dieser Personalisierung unterstützen: psychologische Konzepte werden hierfür in Technologie modelliert und übersetzt. Ziel der Entwicklungsarbeit ist der Nachweis, dass eine kontinuierliche Mehrebenen-Erfassung von Stress technologisch mit automatisierten Verfahren umsetzbar ist. Verknüpft mit Lernstrategien soll darauf aufbauend ein personalisiertes und nachhaltiges Stressmanagementsystem für Menschen im Arbeitsprozess ermöglicht werden. Stress-Symptome sollen dafür soweit wie möglich multimodal und automatisiert auf verschiedenen Ebenen – physiologisch-körperlich, behavioural, emotional und kognitiv – erfasst werden. Auf der Grundlage eines individuellen Nutzer/-innen-Profils soll ein lernender Software-Agent durch Sensoren und durch Interaktion mit der Nutzerin bzw. dem Nutzer ständig dazulernen und abgestimmt auf die aktuelle Situation personalisierte Interventionen zur Stressbewältigung empfehlen. Zum Einsatz kommen verschiedene Sensordaten, wie Puls, Herzraten variabilität, Accelerometer, Schlafaufzeichnungen, Hautleitwerte, sowie ein Neuronales Netz für die Festlegung der individuellen Stress-Schwellwerte. Der Agent wird über vier Phasen trainiert, um ein personalisiertes Stressprofil zu erstellen, aus dem mit statistischen Methoden individuelle Stressmuster für ein präventives Stressmanagement abgeleitet werden können. Relax wird im Bridge-Programm aus Sondermitteln des Bundesministeriums für Klimaschutz, Umwelt, Energie, Mobilität, Innovation und Technologie gefördert. Mehr Information: Relax: Lernender Agent für individuelles Stress Management
Gepostet am 07.02.2022

Ähnliche Beiträge

Mit künstlicher Intelligenz will ITS-Masterstudent Georg Schäfer Sortieranlagen effizienter machen. Anhand eines »Digitalen Zwillings« entwickelt er Methoden des Machine Learning weiter. (Foto: FH Salzburg)
Die lernende Fabrik

Den Sortiervorgang einer Industrieanlage intelligent zu machen war das Ziel von Masterstudenten und Junior Researcher Georg Schäfer. Mit Methoden des Machine Learning will der gebürtige Salzburger die Industrie revolutionieren.

Data Science – Studierende im Speed Dating mit Unternehmen

Er lebt in einer komplexen Welt voller logischer Zusammenhänge. Christian Borgelt ist Professor für Data Science an der Universität Salzburg. Im Interview haben wir mit ihm über Deep Learning, Data Science und problemorientiertes Arbeiten gesprochen.

Anomalien in Echtzeit-Kommunikationsnetzen entdecken

Die rechtzeitige Erkennung von Anomalien in Kommunikationsnetzen ist speziell für zeitkritische Anwendungen wichtig. Denn je mehr Zeit vergeht, desto schwerwiegender können die Folgen sein. Eine Software-Architektur kann mittels Machine Learning Anomalien in Echtzeit erkennen und darauf reagieren.