Maschinelle Intelligenz zur objektiven Bestimmung individueller Lebensqualität (MI-LQ) – erste Erkenntnisse nach mehreren Monaten Forschungsarbeit

Forschungsstand Mai 2024

Zusammenhänge zwischen der Nutzung digitaler Anwendungen, mentaler Gesundheit und der Lebensqualität im Berufskontext werden seit August 2023 im Forschungsprojekt MI-LQ analysiert. Erste Ergebnisse stellte das InnoTeam im Mai mit einem Poster auf der ISPOR-Konferenz in Atlanta vor.

Das zentrale Ziel des Projektes MI-LQ ist es, eine App zu entwickeln, die relevante Daten sammeln, auswerten und schließlich Empfehlungen zur Reduktion von Faktoren für Burnouts und Stress am Arbeitsplatz ausgeben soll.

Nachdem in einer systematischen Literaturrecherche bereits relevante Indikatoren für die Lebensqualität im beruflichen Kontext identifiziert wurden – beispielsweise werden die Termindichte, Tastaturanschläge und Schwankungen der Herzfrequenz einbezogen –, werden nun neben Fragebögen auch entsprechende Messsensoren eingesetzt, um Valenz und Erregung von Arbeitnehmer:innen zu erfassen. Die Nutzerdaten werden anschließend ausgewertet und dafür genutzt, ein Vorhersagemodell zu trainieren, das auf dem Deep Learning Ansatz beruht. Mithilfe neuronaler Netze ist es möglich, dass das System verborgene Muster identifizieren und Informationen im Zeitverlauf verknüpfen kann. Diese soll später in die App integriert werden, um individuelle Empfehlungen zur Verbesserung der Lebensqualität im Arbeitsleben auszugeben.

Die ersten Erkenntnisse des Forschungsteams betreffen die Mess-Sensorik, die eingesetzt werden soll, um die identifizierten Indikatoren festzuhalten. Smartwatches sind dafür nicht gut geeignet, da sie Werte zur Herzratenvariabilität liefern, die teilweise auf unbeständigen Messungen beruhen und sich je nach Hersteller aufgrund mangelnder Standardisierung unterscheiden. Stattdessen sollen spezielle Fitnesstracker eingesetzt werden, die physiologische Parameter wie den Pulsschlag genauer erfassen.

Aktuell beschäftigt sich das MI-LQ-Team mit der Erstellung eines Prototyps der App und der Integration der Daten in das Vorhersagemodell. Nach Abschluss dieser Arbeitsschritte soll eine mindestens vierwöchige Erprobungsphase mit Arbeitnehmer:innen folgen.