Echtzeitdiagnose ermittelt Nutzerzustand Mensch, wie geht es Dir?

Die Software des Fraunhofer FKIE erkennt, wie leistungsfähig der Mensch ist und gibt die Information an den Computer weiter.
Die Software des Fraunhofer FKIE erkennt, wie leistungsfähig der Mensch ist und gibt die Information an den Computer weiter.

Macht eine Maschine Fehler, muss der Mensch eingreifen. Umgekehrt sollte die Maschine aber auch Menschen bei Fehlern helfen. Dafür muss sie jedoch erkennen, wie es ihm geht. Forscher des FKIE haben ein Verfahren entwickelt, das den Zustand des Nutzers in Echtzeit erkennt und den Maschinen mitteilt.

Fest hat die Kamera die Augen des Fahrers im Blick. Schließt er sie länger als eine Sekunde wird sofort ein Alarm ausgelöst und damit hat Sekundenschlaf am Steuer keine Chance mehr. Allerdings lässt sich der Zustand des Menschen laut Jessica Schwarz vom Fraunhofer-Institut für Kommunikation, Informationsverarbeitung und Ergonomie FKIE nicht immer so leicht erkennen.

Modell speist Echtzeit-Diagnose

In ihrer Doktorarbeit beschäftigt sich die Diplom-Psychologin mit der genauen Ermittlung von Nutzerzuständen, welchen Einfluss diese auf mögliches Fehlverhalten haben und wie automatisierte Systeme diese Information nutzen können. »Bei komplexen Anwendungen reicht es nicht aus, sich auf einen Einflussfaktor zu konzentrieren«, erläutert die Wissenschaftlerin. Zum Beispiel bedeutet eine gestiegene Herz-Rate nicht automatisch, dass ein Mensch gestresst ist. Das kann vielfältige Ursachen haben. Schwarz untersuchte daher, welche Faktoren konkret Einfluss auf die Leistungsfähigkeit des Menschen nehmen und konzipierte ein ganzheitliches Modell, das Nutzerzustände und deren Ursachen umfassend abbildet.

In ihrem Modell unterscheidet sie zwischen sechs Dimensionen des Nutzerzustands, die Einfluss auf die Leistungsfähigkeit eines Menschen haben:

  • Beanspruchung
  • Motivation
  • Situationsbewusstsein
  • Aufmerksamkeit
  • Müdigkeit
  • der emotionalen Zustand

Um Zustände zu erfassen, setzt sie physiologische und verhaltensbasierte Messmethoden ein. Die kombiniert sie zusätzlich mit äußeren Faktoren wie Aufgabenstellung, Umgebungsbedingungen, Automationsgrad und Tageszeit sowie individuellen Angaben zur Person – wie beispielsweise deren Erfahrung. »Auf diese Weise ist es möglich, den Nutzerzustand exakter zu erfassen und auch Ursachen für kritische Zustände zu identifizieren« erläutert Schwarz ihr Vorgehen.

Das Fluglotsenexperiment

Die theoretischen Erkenntnisse überprüfte die Doktorandin in Experimenten. Sie stellte die Probanden vor folgende Aufgabe: Sie mussten sich in Fluglotsen hineinversetzen und in einer Computersimulation Flugzeuge sicher durch einen virtuellen Luftraum steuern. Damit die Situation für die »Lotsen« stressig wird, wurde die Anzahl der Flugzeuge erhöht, Anweisungen nicht erwidert und Hintergrundlärm eingespielt. Individuelle Faktoren wie Erfahrungsgrad, Fähigkeiten und Befinden hatte Schwarz zuvor erfasst. EEG-Sensoren auf dem Kopf, ein Eyetracker und ein EKG-Brustgurt zeichneten die Körperdaten der Probanden auf. »Zuvor hatten wir intensive Gespräche mit echten Fluglotsen geführt, um deren Herausforderungen mit Mensch-Maschine-Schnittstellen so genau wie möglich nachstellen zu können«, erzählt Schwarz.

Es entstand eine Diagnoseschnittstelle, die in Echtzeit erkennt, wann einzelne Einflussfaktoren kritische Werte erreichen, und das der Maschine mitteilt. »Automatisierte Systeme erhalten so sehr genaue Informationen über die aktuelle Leistungsfähigkeit des Nutzers und können darauf reagieren«, beschreibt Schwarz den Mehrwert ihrer Software.

Bis Ende des Jahres will das FKIE das Forschungsprojekt abschließen. Schon jetzt sind die Forscher auf der Suche nach Industriepartnern. Laut Schwarz finden sich mögliche Einsatzgebiete bei allen hochautomatisierten Aufgaben, in denen kritische Nutzerzustände ein Sicherheitsrisiko darstellen, beispielsweise monotone Überwachungsaufgaben in Leitwarten oder Trainingssysteme für Piloten.