Wearables, als kleine, vernetzte Computersysteme, die direkt am Körper getragen werden, sind spätestens seit dem Einzug von Smartphones, Smartwatches und Fitnesstrackern nicht mehr aus dem Alltag wegzudenken. Die Fülle an integrierten Sensoren erzeugt dabei eine Breite an Daten, welche aufschlussreiche Informationen zu verschiedenen gesundheitlichen Aspekten wie Schlafqualität, zurückgelegte Distanzen oder den Kalorienverbrauch bereithalten. Darüber hinaus kann der zeitlich eintreffende Datenfluss mit Hilfe geeigneter Verfahren aus dem Bereich des Machine Learning zur Erkennung verschiedener Aktivitäten genutzt werden. Dieses als Aktivitätserkennung bekannte Forschungsfeld, ist heute bereits integraler Bestandteil verschiedener Wearables für bestimmte sportliche Aktivitäten oder der Erkennung von Bewegungsarmut. Möglich gemacht wird dies durch die Identifizierung spezifischer Bewegungsmuster in den Sensordaten.
Im Zuge des diesjährigen Bachelorprojekts Sensor-based Nursing Activity App am Lehrstuhl Digital Health – Connected Healthcare wird an einer App-basierten Lösung zur automatischen Erkennung von unterschiedlichen pflegerischen Aktivitäten mit Wearables gearbeitet. Betreut wird das Projekt von Orhan Konak und Prof. Dr. Bert Arnrich. Passend dazu fand im Rahmen einer Winter School des EU Projekts WideHealth, ein Machine-Learning-Wettbewerb zur Erkennung von 10 unterschiedlichen Aktivitäten mit Wearables für Studierende und Doktoranden, die sich für die Themen Pervasive Technologies, Machine Learning und e-Health interessieren, vom 14. bis 17. Februar 2022 an der Fakultät für Elektrotechnik und Informationstechnologien der Universität Skopje in Nordmazedonien statt.
Die HPI Studenten traten dabei als kollektives Bachelorprojekt-Team gegen Teams aus verschiedenen Ländern an. Insgesamt nahmen 11 Teams und 51 Teilnehmer an dem Wettbewerb teil. Die anderen Teams setzten sich dabei sowohl aus Bachelor-/Masterstudenten, als auch Doktoranden und bereits Berufstätigen mit Industrieerfahrung zusammen. Erlaubt war das Einreichen mehrerer Klassifikationsergebnisse je Team pro Tag. Am Ende kamen 258 Ergebniseinreichungen zusammen, worunter das mit der höchsten Genauigkeit von den HPI Studierenden kam. Für ihre großartige Leistung wurden sie mit einem Preisgeld in Höhe von 300€ belohnt.