Digitale persönliche Assistenten sollen den Menschen helfen, die Nutzung neuer Funktionen und den vereinfachten Zugriff auf Informationen effizient zu gestalten. Diese Arbeit beschäftigt sich mit der Aufgabe, eine Basis für einen digitalen und kontextsensitiven Mobilitätsassistenten zu untersuchen. Dabei wird mit Hilfe von mehreren Studien erforscht, welche Anforderungen ein solcher Assistent erfüllen sollte. Um umfangreichere Einblicke in die Handlungen einer Person zu erhalten, untersucht diese Arbeit, wie GPS-Koordinaten semantisch angereichert werden können. Diese Grundlage wird zur Ermittlung des Tageskontextes einer Person genutzt. Mit Hilfe eines Modells eines typischen Wochentages und diversen Vergleichsmaßen kann die Ähnlichkeit zu einem aktuellen Tagesverlauf bestimmt werden. Zudem wird untersucht, welchen Einfluss die semantisch annotierten Aufenthaltsorte auf die Vorhersage des nächsten Ortes haben. Die Mobilitätsgewohnheiten einer Person werden dazu in einem Modell abgebildet und semantisch abstrahiert. Abschließend wird die mögliche Fusion von Tageskontext und Mobilitätsgewohnheiten eines Menschen zur möglichst akkuraten Unterstützung im Mobilitätsalltag diskutiert.

Textprobe: Kapitel 2. Mobilitätsassistent In diesem Kapitel wird beschrieben, wie sich Nutzer eine mögliche Unterstützung durch einen digitalen Assistent vorstellen könnten. Einige Inhalte dieser Forschungsarbeit sind bereits in [82] veröffentlicht. 2.1. Einleitung In der heutigen Gesellschaft ist es für viele Menschen wichtig und fast unabdingbar, digital vernetzt zu sein. Die weitreichende Verfügbarkeit von vernetzten Geräten, wie zum Beispiel Smartphones, erlaubt den Nutzern Zugriff auf eine Vielzahl an Informationen. So ist es möglich, sich unter anderem über das Wetter und den Verkehr zu informieren sowie Informationen über anstehende Termine und den Status seines Fahrzeugs einzuholen. Je mehr Informationsquellen in Betracht gezogen und je intelligenter diese kombiniert werden, desto aktiver kann der Tagesverlauf beeinflusst werden. So könnte beispielsweise ein existierender Verkehrsstau rechtzeitig umfahren werden oder auch, anstatt mit dem Fahrrad in einen Regenschauer zu kommen, direkt auf einen Regenschirm und öffentliche Verkehrsmittel zurückgegriffen werden. Um überraschende Alltagssituationen weitestgehend zu vermeiden, kann der Nutzer oder die Nutzerin weitere Informationsquellen konsultieren. Je nach Komplexitätsgrad der Informationen und Anzahl der Informationsquellen kann es zeitintensiv werden, jegliche Eventualitäten eines möglichen Tagesverlaufs zu bedenken. Aktuell existieren verschiedene Smartphone-basierte Assistenten, die in Form von Apps versuchen, den Nutzer bereits in seinem Alltag mit verschiedenen Funktionalitäten zu unterstützen. Neben Google Now gibt es beispielsweise noch Apples Kombination aus Siri und HomeKit -App, die einen Assistenten aus dem Smarthome-Umfeld formen. Amazon hat mit Echo ein assistierendes Gerät für den Heimgebrauch veröffentlicht, das via Spracheingabe bestimmte Aufgaben erledigen kann. Die Forschungsarbeit im Bereich der humanoiden Roboter, die dem Menschen im Alltags assistieren, steigt aktuell weiter an. Holistisch gesehen kann jedoch eine Vielzahl von möglichen Assistenten überfordern und zusätzlichen Stress erzeugen, obwohl genau das Gegenteil erreicht werden soll. Um dennoch eine Entlastung im Alltag für den Nutzer erreichen zu können, wäre ein domänenübergreifender persönlicher Assistent eine mögliche Lösungsvariante. Dazu sollten Informationen und Steuerungen aus unterschiedlichen Quellen kombiniert und auf die Bedürfnisse und Gewohnheiten des Nutzer angepasst werden, um eine verlässliche und proaktive Unterstützung des Nutzers bewerkstelligen zu können. Mit Google Now wurde ein erster Schritt in Richtung tägliche Mobilitätsplanung und proaktive Notifikation getätigt. Basierend auf den Google bekannten Daten und Mobilitätsgewohnheiten eines Nutzers versucht die App situationsgerecht Vorschläge zu unterbreiten, wie z.B. zum Umfahren eines Staus, rechtzeitigen Aufbruch zum Flughafen oder Lieferzeitpunkt einer Paketsendung. BMW hat im Jahr 2016 den ConnectedMirror vorgestellt, der eine Mischung aus einem persönlichen Assistenten und einem Spiegel darstellt, wie in Abbildung 1.1 auf Seite 13 zu sehen ist. Je nach Situation werden dem Nutzer proaktiv die benötigten Informationen angezeigt und Aktoren gesteuert. So werden beispielsweise beim Verlassen des Hauses am Morgen die Tagesagenda angezeigt, die besten Mobilitätsoptionen dargestellt sowie das Fahrzeug autonom aus der Garage gefahren und die Heizungstemperatur im Haus gesenkt. Dennoch sind solche Assistenten in ihrem Funktionsumfang heute noch beschränkt. Zudem können die Nutzer oft nicht genau sagen, welche spezifischen Anforderungen sie an so einen Assistenten haben. Dieser Umstand erschwert die Erforschung der Bedürfnisse. Fragebogen-basierte Studien können daher nur bedingt hilfreich sein, da theoretische Aussagen mit der Realität divergieren. Deswegen bieten sich Prototyp-basierte Studien an. Diese sind jedoch begrenzt auf bereits existierende Ideen und eignen sich vor allem zur Validierung der Umsetzung. Kombinierte Studien, basierend auf Fragebögen und Prototypen, neigen dazu, Aussagen über die tatsächlichen Bedürfnisse eines Nutzers zu tätigen. Braucht der Nutzer oder die Nutzerin überhaupt einen persönlichen (Mobilitäts-)Assistenten und wenn ja, welche Funktionalitäten sollte dieser besitzen? In welcher Situation sind welche Informationen für den Nutzer am nützlichsten? Diese und weitere Fragen werden in diesem Kapitel über einen domänenübergreifenden Mobilitätsassisten untersucht. Dazu wurden drei Studien durchgeführt – zwei Fragebogen- und eine Prototyp-basierte. Der wissenschaftliche Beitrag dieses Kapitels lässt sich wie folgt zusammenfassen: - Identifizierung der Unzulänglichkeiten beim täglichen Gebrauch persönlicher Assistenten. - Untersuchung geeigneter Funktionen für den täglichen Gebrauch. - Erkenntnisse über die Eignung eines Smartphone-basierten persönlichen Assistenten. 2.2. Stand der Forschung In den letzten 25 Jahren sind einige Generationen von Systemen entstanden, die den Nutzer mit Hilfe von künstlicher Intelligenz in diversen Bereichen unterstützen möchten. Am Anfang wurden überwiegend Expertensysteme erforscht, heutzutage sind es kontextbasierte, intelligente Assistenzsysteme, die als vielversprechende Basis für persönliche Assistenten erforscht werden [16]. In [47] diskutieren Keeble et al., ob eine Benutzeroberfläche adaptiv oder intelligent sein soll. Das von ihnen vorgestellte Framework kann domänenübergreifende Daten verarbeiten und mit seinem Umfeld interagieren, indem es tägliche Aufgaben im Internet automatisiert. Eine Erkenntnis, zu der sie kamen, ist, dass der Fokus bei Benutzeroberflächen auf der Adaption liegen und das intelligente Verhalten dem Nutzer überlassen werden soll. Es sind unterschiedliche Herangehensweisen möglich, um zu erforschen, welche Anforderungen und Bedürfnisse Menschen hinsichtlich Funktionalität und Benutzeroberfläche an unterstützende Geräte haben. Eine Möglichkeit stellen Umfragen dar. Bhattacharya et al. [11] nutzten papierbasierte Umfragen, um adaptive Bedienoberflächen und natürliche Sprachverarbeitung zu erforschen. So auch Horzyk et al. [42], die ihre Studie mit einen Prototypen erweitert haben. Dafür haben sie einen Chatbot-basierten Einkaufsassistenten realisiert, der sich auf die Bedürfnisse des Kunden einstellt und sich ähnlich wie ein realer Einzelhandelsmitarbeiter verhält. In [79] haben die Autoren mit Hilfe einer Umfrage (N = 158) die Anforderung an intelligente Mobilitätsdienste für zu Hause beleuchtet. Die Studie erkannte unter anderem einen Informationsmangel für Mobilitätsoptionen aus dem Bereich der mobilitätszentrierten Informationen für zu Hause. Mit Hilfe von realitätsnahen Modellen können durch Simulationen ebenfalls Untersuchungen bezüglich Nutzeranforderungen und -bedürfnissen angestellt werden. Koordination und Unterstützung von Gruppen ist laut Nourjo et al. [71] ein anspruchsvolles und aktuell stark erforschtes Gebiet. Um Erdbeben-Notfallrettungsteams effizient koordinieren zu können, haben sie einen intelligenten Assistenten vorgestellt, der den Teams räumlich-zeitlich effizient optimierte Aufgaben zuweist und dies mit Hilfe von Simulationen belegt. Um ältere Menschen in Einpersonenhaushalten zu unterstützen und die Produktivität in ihren täglichen Aufgaben zu verbessern, liegt der Fokus der Forschung in [101] auf lebensgroßen, humanoiden Robotern. Das Ziel ist. eine autonom arbeitende Anwendung für einen Roboter zu entwickeln, zur Wahrnehmung der Umgebung, Objekterkennung und Ausführung manipulierender Haushaltsaufgaben. Um Erkenntnisse über konkrete Implementierungen von Funktionen zu erhalten, können Prototyp-basierte Evaluationen hilfreich sein. Dies haben die Autoren Segal et al. in [87] versucht, um quantitative Daten über den Mehrwert einer adaptiven Benutzeroberfläche zu erheben. Der Prototyp hat E-Mails adaptiv klassifiziert und sortiert, sodass eine Verringerung der benötigten Zeit und kognitiven Last erreicht werden konnte. In [27] stellen Costa et al. einen Android-basierten, intelligenten Prototypen eines Erinnerungsassistenten vor, der demenzkranken Menschen helfen soll, ihre Aktivitäten und Termine nicht zu vergessen und somit der Krankheit entgegenzuwirken. Coronato et al. fokussieren ihre Forschungsarbeit in [25] auf die semantische Integration unterschiedlicher Lokalisierungssysteme. Ihr Framework nutzt Ontologien, um die absolute sowie semantische Position zu erkennen. Dies ist ein weiterer Schritt in Richtung kontextsensitive, persönliche Assistenten innerhalb Smarthome-Umgebungen. Zur Lokalisierung und Überwachung von Aktionen, Vitalzeichen, Symptomen und Sicherheit eines Menschen ist es notwendig, den aufkommenden Bedarf zu erkennen. Zhou et al. [106] haben sich dafür auf Menschen mit Gehbehinderung fokussiert und einen Roboter entwickelt, der versucht multimodale Handlungen des Menschen zu erkennen und vorherzusagen, um ihn hinsichtlich ihrer Mobilität proaktiv zu unterstützen. Gemischte Methodenstudien können, durch Einbeziehung von Nutzeraussagen und -aktionen, zu einer nutzenorientierten Lösung der Problemstellung führen. So haben es unter anderem auch Ko et al. [50] gemacht und die Prototyp-basierte Studie mit jeweils einem Fragebogen vor und nach der Durchführung ergänzt, um die Effizienz in Gruppenarbeiten zu untersuchen. Das Ziel ist es, einen Smartphone-basierten Assistenten zu erschaffen, der durch Nutzungsbeschränkungen die Ablenkung durch das Smartphone reduziert. Mit Hilfe der Studie konnte gezeigt werden, dass der entwickelte Assistent, Lock n’ Lol, die Produktivität in Gruppen steigern konnte. Alnosayan et al. [1] versuchten die Fitness des Nutzer in einer Smarthome-Umgebung zu verstehen und zur Selbstpflege anzuregen. Wang et al. [96] haben einen proaktiv assistierenden Rollstuhl für eine Smarthome-Umgebung entwickelt, der mit zwei Roboterarmen ausgestattet ist. Dieser Rollstuhl kann über einen lokalen oder kooperativen Modus gesteuert werden und Menschen mit Beeinträchtigungen helfen, Gegenstände zu versetzen. Um einen Einblick zu bekommen, warum Nutzer manche Funktionalitäten in Smarthome-Umgebungen nicht nutzen, wurde in [29] eine Langzeitstudie durchgeführt. Die Ergebnisse machen deutlich, dass unterschiedliche Nutzergruppen ihre eigenen Gründe haben für die Nichtnutzung oder sogar Auflehnung gegen bestimmte unterstützende Funktionen. In [19, 26] untersuchen Cesta et al. und Cortellessa et al. die Wahrnehmung älterer Menschen bei der Interaktion mit unterstützenden Robotern und Smarthome-Umgebungen. Anstatt jedes Mal mit Hilfe des Roboters jedem Probanden die acht zu bewertenden Aktionen vorzuführen, wurde eine Video-basierte Methode konzipiert, bei der den Probanden die Aktionen mit Hilfe von aufgezeichneten Filmen vorgeführt wurden. Dies soll Fehler minimieren und die Konzentration der Probanden steigern. Sie kommen zu dem Entschluss, dass die positive Wahrnehmung des Roboters abhängig von der komplexen Beziehung zwischen kognitiven, affektiven und emotionalen Komponenten ist, neben den praktischen Vorteilen, die durch einen unterstützenden Roboter geboten werden. Die vorgestellten Forschungsarbeiten fokussieren sich hauptsächlich auf Assistenz innerhalb einer bestimmten Domäne. Damit ein Nutzer oder eine Nutzerin in unterschiedlichen Alltagssituationen durchgehend unterstützt werden kann, ist es für ihn aktuell notwendig, auf verschiedene Lösungen zurückzugreifen. Angesichts der Benutzerfreundlichkeit wäre eine holistische und domänenübergreifende Lösung in diesem Fall geeigneter. Aus diesem Grund haben Sun et al. [95] einen Smartphone-basierten und domänenübergreifenden persönlichen Assistenten entwickelt, der generelle Intentionen des Nutzers erkennen kann. Dadurch kann der Assistent bei Aufgaben unterstützen, indem er die richtigen Apps vorschlägt. Die in diesem Kapitel beschriebene Forschungsarbeit basiert ebenfalls in dem domänenübergreifenden Bereich und konzentriert sich auf die Exploration der Anforderungen der Menschen an einen persönlichen Assistenten zur Unterstützung bei täglichen Aufgaben und der generellen Mobilität. Dazu wurden drei Studien durchgeführt, die eine Kombination aus Online-Umfragen und einer Prototyp-basierten Studie sind. 2.3. Methode und Evaluation Um darzulegen, welche generellen Anforderungen die Nutzer an einen Mobilitätsassistenten haben, wurde ein gemischtes Studiendesign gewählt. Es wurden drei jeweils aufeinander aufbauende Studien durchgeführt, ausgerichtet darauf zu erforschen, welche notwendigen Eigenschaften ein Mobilitätsassistent haben sollte. Wie in [82] beschrieben, ist die Forschung folgendermaßen verlaufen: Die Ergebnisse der ersten Studie wurden als Grundlage für die zweite Studie genutzt sowie die Ergebnisse der zweiten Studie als Grundlage für die dritte Studie. Die ersten beiden Studien wurden jeweils Fragebogen- und die dritte Studie Prototyp-basiert durchgeführt. Jede der Studien beginnt mit der Einverständniserklärung zur anonymen Datenerhebung und der anschließenden Ermittlung von persönlichen Informationen (demografische Daten, tägliche Verkehrsmittelwahl und Pendelzeit).

• Maschinelles Lernen

• Persönlicher Assistent

• Mobilitätsgewohnheiten

• Semantische Ortklassifizierung

• Tagesvergleich

• Vorhersage

• Ortklassifizierung

• Mobilitätsassistent

Roman Roor, M.Sc., schloss sein Studium der Wirtschaftsinformatik 2014 erfolgreich in Karlsruhe ab. Bereits während des Studiums sammelte der Autor praktische Erfahrungen im Bereich des maschinellen Lernens. Durch engen Kontakt zur Wirtschaft erkannte er den Wandel der menschlichen Mobilitätsgewohnheiten und den Bedarf an einer Unterstützung im Alltag. Fasziniert von persönlichen digitalen Assistenten widmete er sich der Forschung zur Unterstützung eines Menschen während der Planung alltäglicher intermodaler Mobilität. Die Begeisterung an der fortschreitenden Automatisierung im Alltag motivierte ihn, sich der Thematik des vorliegenden Buches zu widmen.