Open Access

Janine Breßler

• In dieser Arbeit wurde eine Anwendung entwickelt, die das Verbinden der beiden technischen Bereiche Smart Home und Servicerobotik mit Hilfe von künstlichen neuronalen Netzen (KNN) ermöglicht, um damit Verhaltensabläufe einer Person in ihren eigenen vier Wänden zu erlernen und dabei auf grobe Abweichungen hin zu überwachen. Zusätzlich wurde ein Lernbaukasten für Schülergruppen der Sekundarstufe 2 entwickelt, mit dem die Funktionsweise von KNN vermittelt wird. Es wurden unterschiedliche Werkzeuge der Künstlichen Intelligenz untersucht sowie Projekte mit ähnlichen Zielen, um darauf aufbauend eine geeignete Anwendung zu entwickeln. Der entwickelte Lernbaukasten basiert auf der Lehrstrategie MOMBI (Model Of Model-Based Instruction). In der Testphase konnte erfolgreich ein erstes Anwendungsszenario getestet werden, dass das Überwachen des Schlafrhythmus einer Person auf Unregelmäßigkeiten hin ermöglicht. Ein erster Test hat gezeigt, dass neuronale Netze gut dafür geeignet sind, um Tätigkeiten mit einem regelmäßigen Verhalten zu überwachen. Im nächsten Schritt sollten die zu überwachenden Tätigkeitsvielfalt ausgebaut werden und auch die Verwendung von weiteren Werkzeugen der Künstlichen Intelligenz in Betracht gezogen werden.
• Over the course of this thesis, an application was developed which combined the fields of smart home and service robotics utilizing artificial neural networks (ANN), in order to learn the behavioral patterns of a person in their home and monitor them for significant deviations. Additionally, a learning tool comprising of educational building sets was developed for groups of students in second stage secondary education, to convey the functional principles of ANN. Various AI tools, as well as other projects with similar goals, were analyzed in order to build an application on their basis. The learning tool developed for this thesis is based on the teaching strategy MOMBI (Model Of Model-Based Instruction). During the testing phase, a first application scenario which enables the monitoring of a person’s sleep patterns for irregularities was successfully completed. A pilot has shown that neural networks are a good fit for monitoring regular behavior. The next steps should include extending the range of activities to be monitored, as well as considering the utilization of additional AI tools.