FallKI - Entwicklung von Sensorik und KI-Algorithmen zur Sturzerkennung im Umfeld von Pflegebetten

In der Pflege bilden Stürze von Patienten eine große Gefahrenquelle. Häufig finden Stürze nahe des Pflegebettes statt, zum Beispiel durch Kreislaufschwankungen nach dem Aufstehen. Eine unmittelbare Erkennung von Stürzen erlaubt eine schnelle Reaktion des Pflegepersonals und mindert so kurzfristiges Leid sowie langfristige gesundheitliche Auswirkungen.

Deshalb ist es Ziel des Projektes, ein kostengünstiges und effizientes Mittel zur Erkennung von Stürzen zu entwickeln. Dieses System soll Stürze schnell erkennen und das Pflegepersonal benachrichtigen. Gleichzeitig soll es datensparsam sein, und so z.B. ohne die Verwendung von tragbaren Sensoren, oder auch Videoüberwachung auskommen. Das entwickelte System wird in Pflegebetten integriert. Es nimmt mechanische Schwingungen auf, die über das Bettgestell übertragen werden. Hierfür ist sowohl eine sensitive Elektronik notwendig, als auch eine Möglichkeit um Schwingungsmuster von Stürzen möglichst eindeutig von anderen Mustern zu trennen. Um diese Herausforderung zu lösen, werden in sorgfältig geplanten Versuchen aussagekräftige Datenbeispiele ermittelt, die verwendet werden, um moderne KI-Modelle für die Sturzerkennung zu trainieren.

Auf einen Blick

Kategorie Beschreibung
Forschungsprojekt Entwicklung von Sensorik und KI-Algorithmen zur Sturzerkennung im Umfeld von Pflegebetten  
Leitung Prof. Dr. Axel Wellendorf
Prof. Dr. Thomas Bartz-Beielstein 
Fakultät Fakultät für Informatik und Ingenieurwissenschaften 
Institut Institut für Allgemeinen Maschinenbau
Institut für Data Science, Engineering, and Analytics 
Projektpartner TeKVor Care GmbH 
Fördermittelgeber BMWi (ZIM) 
Laufzeit 1/2021-12/2022 
M
M