Automatisierte datengetriebene Modellierung des Bewohnerverhaltens für Ambient Assisted Living

Ein Schwerpunkt des Forschungsfelds Ambient Assisted Living (AAL) ist die Entwicklung von intelligenten Wohnumgebungen, welche den Bewohner, insbesondere ältere Menschen, auf vielfältige Weise im Alltag unterstützen. Hierfür werden typischerweise Modelle benötigt, welche den Bewohner bzw. dessen Verhalten abbilden. Mittels solcher Modelle können AAL-Systeme individuell auf den Bewohner angepasste Funktionen bereitstellen. Die Erstellung geeigneter Modelle unter praxistauglichen Bedingungen, insbesondere mit vertretbarem Aufwand, stellt jedoch eine große Herausforderung dar. In diesem Buch wird das sogenannte DFMB-Verfahren vorgestellt, welches diese Schwierigkeiten gezielt adressiert. Dieses neue Modellierungsverfahren zeichnet sich dadurch aus, dass keinerlei aktive Mitwirkung des Bewohners notwendig ist. Die Modelle basieren auf Sensordaten, die in der Wohnung der betrachteten Person gesammelt werden, während diese ungestört ihrem Alltag nachgeht. Das Verfahren ist so angelegt, dass verschiedenartigste Sensoren bzw. Datenquellen genutzt werden können, wobei der Fokus auf Sensoren aus der Gebäudeautomation liegt. Die Erfassung der Daten, deren Aufbereitung und die eigentliche Modellerzeugung erfolgen hochgradig automatisiert. Mittels Data Mining werden fuzzybasierte Modelle in Form von Assoziationsregeln generiert. Obwohl sie automatisiert und datengetriebenen erzeugt werden, ist eine gute Verständlichkeit der Modelle gegeben, was vielfältige Anwendungsmöglichkeiten eröffnet. All diese Merkmale heben das DFMB-Verfahren positiv von anderen Ansätzen ab. Das vorliegende Werk behandelt sowohl theoretische als auch praktische Aspekte des DFMB-Verfahrens. Letzteres umfasst auch die Realisierung in regulär bewohnten, mit dem AAL-System PAUL ausgestatteten Wohnungen.