Marsbesiedlung und menschliche Leistungsfähigkeit: Die Rolle von Biosignalen und KI

Da es in den letzten Jahren immer mehr Pläne gibt den Mars und in Zukunft vielleicht auch andere Planeten zu besiedeln, ist es von großer Bedeutung, die Auswirkungen auf den menschlichen Körper zu erforschen und die kognitive Belastungsfähigkeit von Menschen in fremden Umgebungen vorhersagen zu können. In diesem Vortrag geht es darum mit welchen Biosignalen im Zusammenspiel mit KI die kognitive Belastungsfähigkeit eines Menschen vorhergesagt werden kann.

In der heutigen Zeit gewinnt die Neurorehabilitation zunehmend an Relevanz, da sie das Wohlbefinden von Menschen mit neurologischen Erkrankungen erheblich steigern kann. Ein vielversprechender Ansatz zur Optimierung dieser Rehabilitation ist die robotische Unterstützung der Oberkörperbewegung. Unsere Forschung konzentriert sich insbesondere auf die Erfassung von Daten, die später für die Entwicklung und Verbesserung robotischer Systeme genutzt werden können. Dabei werden verschiedene Messtechniken zur Aufzeichnung der Muskelaktivität in diesem Vortrag vorgestellt und deren Anwendung in Verbindung mit fortschrittlichen Signalverarbeitungs- und maschinellen Lernverfahren erläutert. Diese Ansätze ermöglichen wertvolle Einblicke in die Muskelaktivität, um die Bewegungsunterstützung der Roboter präzise auf die individuellen Bedürfnisse der Patienten abzustimmen.

Zur Person

Judith Bütefür ist seit Januar 2022 Doktorandin am Lehrstuhl für Systeme der Medizintechnik der Universität Duisburg-Essen. Ihr Schwerpunkt in diesem Bereich ist die Erforschung des kognitiven Belastungszustandes eines Menschen in verschiedenen Schwerkraftbedingungen mit Hilfe von Modellen des maschinellen Lernens.

Sabisan Santhakumaran ist seit November 2022 Doktorand am Lehrstuhl für Systeme der Medizintechnik an der Universität Duisburg-Essen. Seine Forschung konzentriert sich insbesondere auf die robotische Bewegungsunterstützung des Oberkörpers für den Einsatz in der Neurorehabilitation im Rahmen des Projekts terahertz.NRW. Ziel dieser wissenschaftlichen Forschungsarbeit ist die berührungslose Erfassung von Muskelbewegungen mittels THz-Technologien. In diesem Kontext werden adäquate Referenzsysteme, Methoden der Signalverarbeitung und des maschinellen Lernens erforscht und weiterentwickelt.

Prof. Dr. rer. nat. Elsa Andrea Kirchner ist seit 2021 Professorin der Universität Duisburg-Essen und leitet dort das Fachgebiet "Systeme der Medizintechnik" an der Fakultät für Ingenieurswissenschaften. Zudem kooperiert sie mit dem Deutschen Forschungszentrum für Künstliche Intelligenz und leitet am Robotics Innovation Center in Bremen das Team „Intelligent Healthcare Systems“. Hier hat sie über viele Jahre verschiedene Teams in den Bereichen Mensch-Maschine-Interaktion und Maschinelles Lernen geleitet.

Ausgezeichnet mit dem Förderpreis der "Familie Klee" Stiftung legte ein Forschungsaufenthalt am "Department of Brain and Cognitive Sciences", MIT in Boston, USA, nach Ihrem Studium der Biologie, das Fundamt Ihrer stark interdisziplinären Forschung. Anschließend folgte Ihre Promotion in der Informatik, die als eine der besten Dissertation 2014 von der Gesellschaft für Informatik ausgezeichnet wurde.

Im Sinne des Transfers von Forschung und Entwicklung ist sie zudem Gründungsmitglied des 2020 gegründeten und durch das BMWi geförderten Netzwerks "Space2Health" des DLR Raumfahrtmanagements. Von 2018 bis August 2022 war sie Mitglied der deutschen "Plattform für Künstliche Intelligenz" in der Arbeitsgruppe 6: "Gesundheitswesen, Medizintechnik, Pflege". Seit September 2022 hat sie hier die Co-Leitung der AG 7 „Lernfähige Robotik Systeme“ übernommen. Im April 2023 wurde sie zum Mitglied des Rates für Techniksouveränität des Bundesministerium für Bildung und Forschung in Berlin ernannt.

Human-Centered Learning Analytics with OpenLAP

Human-Centered Learning Analytics (HCLA) is an emerging approach that places human factors at the core of Learning Analytics (LA). It integrates principles from Human-Computer Interaction (HCI) into LA to involve stakeholders throughout the LA process, from design to evaluation. Most LA dashboards (LADs) have traditionally been designed without considering the unique needs and preferences of end-users, resulting in a misalignment between provided information and user expectations. HCLA seeks to address this gap by actively engaging students and teachers in the design, development, and evaluation of LADs.

Following an HCLA approach, the Open Learning Analytics Platform (OpenLAP) developed at the UDE Social Computing Group aims to support self-service LA by empowering stakeholders (e.g., teachers, students, researchers, and designers) to take control of the LA indicator design and development process, using no-code-environments. Specifically, the ISC Creator in OpenLAP provides an intuitive and theoretically-sound User Interface (UI) to help teachers and students design LA Indicator Specification Cards (ISCs). The Indicator Editor in OpenLAP provides stakeholders with knowledge about data analysis and visualization (e.g., researchers and designers) control over the indicator development process by supporting them in selecting data, choosing analysis methods, and specifying visualization techniques.

Hinweis: Dieser Vortrag findet auf Englisch statt.

Zur Person

Shoeb Joarder is a Ph.D. student within the Social Computing Group in the Department of Computer Science and Applied Cognitive Science at the University of Duisburg-Essen. Since May 2021, he has been actively contributing to the academic and research community as a research assistant. He holds a bachelor's degree in Computer Science and Communication Engineering, which he earned in 2018, and went on to achieve a master’s degree in Computer Engineering from the University of Duisburg-Essen in 2021, graduating with honors. His primary research areas encompass educational Data Science, Social Computing, and Learning Technologies, with a specialized focus on Human-centered Learning Analytics, Visual Analytics, and Big Data.

Prof. Dr. Mohamed Amine Chatti is a professor of computer science and head of the Social Computing Group in the Department of Computer Science and Applied Cognitive Science at the University of Duisburg-Essen (UDE). He has a diploma degree in computer science from the Technical University of Kaiserslautern in 2004 and a Ph.D. in computer science from RWTH Aachen University in 2010. Before joining the UDE, he worked as an assistant professor of computer science in the Learning Technologies Group and as research and development manager of the Center for Innovative Learning Technologies (CiL) at RWTH Aachen University. With his research group, he explores the fields of social computing, data science, and learning technologies, with a particular interest in intelligent data-intensive systems, human-centered explainable AI, and personalization. He is the author of many highly regarded publications in his field. He has been involved in several application-oriented and interdisciplinary projects at national and international levels.