Wie künstliche Intelligenz das Design bedarfsgerechter Technologien herausfordert

  • Lesedauer:3 min Lesezeit

Wir freuen uns sehr über die Veröffentlichung unserer neuesten Forschungsarbeit bei inContAlert in Zusammenarbeit mit dem FIM Forschungsinstitut für Informationsmanagement und der Universität Bayreuth. Das Forschungspapier mit dem Titel „How Artificial Intelligence Challenges Tailorable Technology Design“ von Pascal Fechner und Dr. Jannik Lockl wurde im renommierten Journal Business & Information Systems Engineering veröffentlicht.

Gemeinsam mit ihren Mitautoren Prof. Dr. Maximilian Röglinger und Fabian König untersuchen die beiden Co-Gründer von inContAlert die Auswirkungen von Künstlicher Intelligenz (KI) auf die individualisierte Medizin. Die Forschungsarbeit zeigt auf, wie KI, insbesondere das Transfer Learning, die patientenzentrierte Versorgung verbessern kann, indem die Behandlung auf die individuellen Bedürfnisse zugeschnitten wird. Die Autoren argumentieren jedoch, dass bestehende Theorien zum Design maßgeschneiderter Technologien die autonomen Lernfähigkeiten der KI nicht angemessen berücksichtigen. Die Studie untersucht diese Forschungslücke anhand einer Fallstudie über KI-gestützte Blasenüberwachungssysteme für Patientinnen und Patienten mit neurogener Funktionsstörung des unteren Harntrakts (NLUTD). Die Autoren schlagen eine überarbeitete Theorie und praktische Designerkenntnisse für solche Systeme vor und betonen das Potenzial der KI, die Eigenverantwortung der Betroffenen und die individualisierte Pflege zu verbessern.

Diese Forschungsarbeit von Dr. Jannik Lockl und Pascal Fechner eröffnet neue Perspektiven für die Versorgung und Unterstützung von Menschen mit neurogenen Blasenfunktionsstörungen und zeigt einmal mehr, wie innovative Technologien die Gesundheitsversorgung verbessern können.

Der vollständige Artikel kann hier nachgelesen werden: https://link.springer.com/content/pdf/10.1007/s12599-024-00872-9.pdf


Schlüsselwörter: Theory of tailorable technology design, Individualization, Smart wearables, Neurogenic lower urinary tract dysfunction, Bladder monitoring, Deep transfer learning.