INNOTEAM „MASCHINELLE INTELLIGENZ ZUR OBJEKTIVEN BESTIMMUNG INDIVIDUELLER LEBENSQUALITÄT (MI-LQ)“
Am 01.08.2023 startete die Appsfactory als einer von vier Projektpartnern aus Wissenschaft und Wirtschaft zusammen mit der der Juniorprofessor Health Economics and Management am Institut für öffentliche Finanzen und Public Management der Universität Leipzig ein neues Inno-Team-Projekt zum Thema „Maschinelle Intelligenz zur objektiven Bestimmung individueller Lebensqualität (MI-LQ)“.
Lebensqualität wird durch eine Vielzahl von Faktoren beeinflusst. In der modernen Arbeitswelt nehmen insbesondere digitale Dienste auf die Lebensqualität Einfluss und gleichzeitig spiegelt sich die Lebensqualität im Nutzungsverhalten wider. Um die Folgen der Digitalisierung auf die Lebensqualität zu erforschen und positiv beeinflussen zu können, braucht es objektive Mess- und Analysemethoden. Eine Chance, solche objektiven Methoden zu entwickeln, besteht in den großen Datenmengen, die durch die Nutzung digitaler Dienste entstehen und der Möglichkeit, diese durch Maschinelle Intelligenz auszuwerten. Das Projektteam nimmt diese Herausforderung an und schafft den Einstieg in eine Welt neuer Quantifizierungsmöglichkeiten der Lebensqualität, die objektiv gemessen und bewusst verbessert werden kann. Als inhaltlicher Fokus wurde das Szenario „Lebensqualität in der Büro- und Wohnumgebung“ ausgewählt. Ein zentrales Ziel des Vorhabens ist die Erstellung einer LQ-App, die zunächst digitale Daten der Nutzenden erfassen und die daraus ermittelten Auswirkungen auf die LQ sowie Empfehlungen zur LQ-Verbesserung darstellen soll. Das InnoTeam MI-LQ setzt sich aus den Projektpartnern InfAI e. V., Universität Leipzig (Juniorprofessur für Health Economics and Management), Appsfactory GmbH, 4K Analytics GmbH und WIG2 GmbH zusammen. Das Projekt wird im Rahmen der MINT-Fachkräfteentwicklung 2021–2027 durch die Sächsische Aufbaubank (SAB) und den Europäischen Sozialfonds Plus (ESF Plus) gefördert.
Hintergrund
Digitale Dienste spielen in der modernen Arbeitswelt eine zentrale Rolle. Sie können die Arbeit erheblich erleichtern und damit die Effizienz steigern. Die dabei anfallenden Daten können zur Modellierung des Nutzerverhaltens verwendet werden. Unternehmen nutzen diese Informationen, um die Verweildauer in sozialen Netzwerken zu erhöhen oder den Absatz von Dienstleistungen und Produkten zu steigern. Gleichzeitig zeigen sich in verschiedenen Lebensbereichen negative Auswirkungen der digitalisierten Arbeitswelt auf das Wohlbefinden und sogar den Gesundheitszustand der Nutzenden.
Einige Initiativen wie z. B. das Ethically Aligned Design der IEEE arbeiten bereits daran, die Auswirkungen der Digitalisierung auf die LQ zu erforschen und positiv zu beeinflussen. Sie stehen jedoch vor der Herausforderung, dass die LQ derzeit fast nur über Befragungen ermittelt wird und eine objektive und automatisierte Messung fehlt. Für letztere sind aber die Voraussetzungen günstiger denn je: Noch nie wurde durch die Nutzung digitaler (oft App-basierte) Dienste eine derart breite, tiefe und aktuelle Basis an Personen- und Sachdaten geschaffen, die Hinweise auf den jeweils aktuellen Status der personenspezifischen LQ enthalten (z. B. Stimmfarbe, Kommunikationsverhalten, Biomarker, Bewegung, …). Und noch nie standen so ausgefeilte Analysewerkzeuge, leistungsfähiges Maschinelles Lernen (ML) und Künstliche Intelligenz (KI) zur Verfügung, die in der Lage sind, multimodale Daten zu fusionieren, um daraus Indikatoren und Einflüsse für die LQ zu identifizieren. Das InnoTeam MI-LQ möchte hier ansetzen und versuchen, die Auswirkungen der digitalen Arbeitswelt auf die Lebensqualität (LQ) der Nutzenden im Szenario „Büro- und Wohnumgebung“ datenbasiert und objektiv zu bewerten, um dadurch Anhaltspunkte für eine Verbesserung der LQ zu erhalten.
Vorgehen
Indikatoren bzw. Einflussfaktoren für LQ werden durch eine systematische Literaturrecherche zusammengestellt. Angelehnt an den so ermittelten Status quo der Forschung werden die Indikatoren strukturiert und ihre bisher angenommene Wirkung auf die LQ dokumentiert. Als Orientierung dienen hierbei theoretische Modelle, die die Auswirkung der digitalen Dienste auf die LQ beschreiben. Die technische Basis der Untersuchung bilden indikatorspezifische Daten aus personenspezifischen digitaler Datenquellen, die das digitale Nutzungsverhalten abbilden. Ausgehend von den identifizierten Indikatoren werden durch die Anbindung und Auslesung dieser Datenquellen bei einer Stichprobe freiwilliger Probanden die objektive Messbarkeit erreicht und konkrete indikatorbezogene Messdaten erzeugt. Anschließend erfolgt die Untersuchung der Messdaten mittels ML und KI im Hinblick auf ihre Wirkungsrichtung und -stärke auf die subjektiv empfundene LQ. Neben der so erreichten objektiven Messung der LQ im Arbeitsumfeld dienen die ermittelten Ergebnisse zu den Einflüssen einzelner LQ-Indikatoren auch der empirischen Überprüfung der theoretischen Modelle.
Nutzenpotenziale
Durch die neuen Quantifizierungsmöglichkeiten der LQ und ihre objektive Messbarkeit ist ein großes gesellschaftliches und wirtschaftliches Nutzenpotenzial der geplanten Ergebnisse zu erwarten: es reicht von einer LQ-fördernden Gestaltung und Zertifizierung von digitalen Diensten und Anwendungen (Apps, Geräte usw.) in verschiedenen Anwendungskontexten bis hin zur Bewertung öffentlicher/politischer und privatwirtschaftlicher Maßnahmen hinsichtlich ihrer LQ-bezogenen Wirkungen auf die jeweils betroffenen Personengruppen. Das im Projekt erarbeitete fachliche und technische Know-how wird einem breiten Adressatenkreis aus Wirtschaft, Politik und Gesellschaft bereitgestellt werden.
Konsortialpartner & -leitung
Appsfactory GmbH
Universität Leipzig, Juniorprofessur Health Economics and Management
4K Analytics GmbH
InfAI e. V. (Projektleitung: Prof. Ulf-Dietrich Braumann)
WIG2 GmbH
Beteiligte Personen der Appsfactory GmbH
Dr. Rolf Kluge (Ansprechpartner), Hamlet Kosakyan
Weitere Unterstützer
Assoziierte Partner sind Prof. em. Hubert Österle, Prof. Ulrich Hegerl und Carolin Oehler (die beiden Letzteren von der Stiftung Deutsche Depressionshilfe)
Förderung
Im Rahmen der MINT-Fachkräfteentwicklung 2021-2027 gefördert durch die Sächsische Aufbaubank (SAB) und den Europäischen Sozialfonds Plus (ESF Plus).
