Mensch, wie geht es dir?

Maschinen übernehmen immer mehr Aufgaben. Idealerweise sollten sie auch in der Lage sein, den Menschen bei Fehlverhalten zu unterstützen. Voraussetzung dafür ist, dass die Maschine versteht, wie es dem Menschen geht, der sie bedient. Fraunhofer-Forscher haben ein Diagnose-Verfahren entwickelt, das Nutzerzustände in Echtzeit erkennt und den Maschinen mitteilt.

Die Kamera hat die Augen des Fahrers fest im Blick. Sind sie länger als eine Sekunde geschlossen wird Alarm ausgelöst. “Nicht immer ist der Zustand, in dem sich ein Mensch befindet, von einer Maschine so einfach zu erkennen wie hier”, sagt Jessica Schwarz vom Fraunhofer-Institut für Kommunikation, Informationsverarbeitung und Ergonomie. Die Diplom-Psychologin ist in ihrer Doktorarbeit der Frage nachgegangen, wie sich Nutzerzustände sehr genau ermitteln lassen, 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”, sagt sie. Beispielsweise bedeutet eine gestiegene Herzrate nicht automatisch, dass ein Mensch gestresst ist. Schwarz untersuchte daher, welche Faktoren 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 haben: Beanspruchung, Motivation, Situationsbewusstsein, Aufmerksamkeit, Müdigkeit und den emotionalen Zustand. Zur Erfassung dieser Zustände setzt sie physiologische und verhaltensbasierte Messmethoden ein. Diese kombiniert sie zusätzlich mit äußeren Faktoren sowie individuellen Angaben zur Person – wie etwa deren Erfahrung. Die theoretischen Erkenntnisse überprüfte sie in Experimenten, in denen sie Probanden vor folgende Aufgabe stellte: Sie mussten sich in Fluglotsen hineinversetzen und in einer Computersimulation Flugzeuge sicher durch einen virtuellen Luftraum steuern. Dabei wurden als Stressfaktoren die Anzahl der Flugzeuge erhöht, Anweisungen der ‘Lotsen’ nicht erwidert und Hintergrundlärm eingespielt. Individuelle Faktoren wie Erfahrungsgrad, Fähigkeiten und Befinden wurden zuvor erfasst. EEG-Sensoren, ein Eyetracker und ein EKG-Brustgurt zeichneten die Körperdaten auf. Es entstand eine Diagnoseschnittstelle, die in Echtzeit erkennt, wann einzelne Faktoren kritische Werte erreichen, und das der Maschine mitteilt. Bis Ende des Jahres soll das Forschungsprojekt abgeschlossen sein.