top of page
Woman on Her Phone
Cleverguard pictures.png

Energieintelligenz zum Schutz älterer Menschen zu Hause

Mit integrierter Machine-Learning-basierter Datenanalyse bietet CLEVERGUARD Schutz vor kritischen Situationen, frühzeitige Vorbeugung vor aufkommenden Risiken und kann Auskunft über den Aktivitäts-(Gesundheits-)Status der SeniorInnen geben. 

Our Services

CleverGuard

Erhöhung der Sicherheit alleinlebender älterer Menschen durch Mustererkennung bei der Nutzung von Elektrogeräten.

Unabhängigkeit

Älteren Menschen ein längeres, gesünderes und selbstständigeres Leben zu Hause zu ermöglichen, ist der Wunsch vieler Senioren, Angehöriger und medizinischer Fachkräfte.

Privatsphäre

Um dies zu gewährleisten, braucht der Markt nicht-invasive, nicht stigmatisierende Lösungen, die die Privatsphäre einzelner pflegebedürftiger Babyboomer respektieren und dabei kostengünstig und wartungsarm sind.

Würde

Aktuelle Lösungen wie Heimüberwachungs-kamerasysteme oder Umgebungssensor-systeme rufen Bedenken und Äußerungen hervor wie: „Ich will keinen Big Brother in meinem eigenen Haus“ und verletzen die Würde ältere Menschen.

Verbunden sein

Familienmitgliedern fehlen Lösungen, die die Privatsphäre ihrer Angehörigen respektieren, aber auch Veränderungen in der Aktivität verfolgen und sie mit einem einfachen, aber effizienten Warnsystem informieren können.

Prävention

Gesundheitspersonal benötigt aussagekräftige Daten, um Krankheiten frühzeitig zu erkennen und Diagnosen zu stellen, aber auch um ihre Arbeitsbelastung zu reduzieren.

Zu Hause

Auf diese Weise könnten ältere Menschen länger unabhängig und selbstbestimmt zu Hause leben.

Ziele

Das CleverGuard-System ist eine neuartige Smart-Home-Überwachungslösung für Senioren und ihre Pflegekräfte. Durch die Messung und Analyse des elektrischen Energieverbrauchs des Haushalts werden die Aktivitäten des täglichen Lebens der Bewohner mithilfe eines einfach nachrüstbaren, kostengünstigen Smart Meters aufgezeichnet. Kurz- und langfristige Abweichungen vom Tages-/Wochenablauf werden erkannt. Je nach Dringlichkeit erfolgt benutzerfreundlich und sicher eine Benachrichtigung oder Warnung an Angehörige und/oder Betreuer. Aufgrund ihres nicht sichtbaren Charakters ist die Lösung nicht stigmatisierend und fördert Sicherheit und Unabhängigkeit für alle Beteiligten.

Projektübersicht

In allen Projektphasen wird aktiv die Einbindung der Endanwender gesucht und deren Feedback für die Konzeption und Implementierung von CleverGuard genutzt. Der verwendete Prozess folgt der UCD-Methodik und bezieht allein zu Hause lebende Senioren sowie ihre direkten Angehörigen und/oder pflegenden Betreuer ein. Drei Iterationen sind geplant, um das endgültige System zu entwickeln:

Nutzerbeteiligung

  1. Abnahmetest von Schnittstellen-Mockups und den bereits verfügbaren Geschäftspartnerkomponenten

  2. 1. Feldversuch mit einem MVP;

  3. 2. Feldversuch mit dem Endprodukt.

Intelligente ADL

Das Hinzufügen einer intelligenten ADL-Erkennung und -Klassifizierung – mittels selbstlernender Big-Data-Algorithmen – ermöglicht die Erkennung und Analyse von  Muster und Musterverschiebung des Nutzerverhaltens. Die Aktivitätsstatuserkennung wird in einem sicheren Dashboard für formelle und informelle Pflegekräfte visualisiert. Zusätzlich können Alarmbenachrichtigungen in potenziell kritischen Situationen gepusht werden.

CLEMAP

CleverGuard beginnt mit dem kommerziell erhältlichen Smart Meter CLEMAP One und der entsprechenden IOT-Cloud-Infrastruktur, die eine fortschrittliche NILM-Erkennung und Überwachung der Lastaufteilung ermöglicht.

Erwartete Ergebnisse und Auswirkungen

CleverGuard unterstützt den allgegenwärtigen Wunsch der meisten älteren Menschen, möglichst lange selbstbestimmt und unabhängig zu leben. Es zielt auf diesen Wunsch durch drei Hauptaspekte ab: Sicherheit , Prävention, und Daten . Es bietet:

Kontinuierliche Überwachung 

der Gerätenutzung und der damit verbundenen Aktivitäten der Bewohner, unter Verwendung des wartungsarmen Smart Meters mit elektrischem Energieverbrauch in Kombination mit ausgeklügelter Datenanalyse;

der Gerätenutzung, Aktivitätsmuster und deren Variationen.

und frühzeitige Vorbeugung potenzieller bevorstehender Risiken;

Benachrichtigung über ungewöhnliche Situationen
Informationen zum Aktivitätsstatus
bottom of page