Forschungsprojekt EMOIO. Schnittstelle zur Welt der Computer

Adaptive Assistenzsysteme können den Nutzer in den unterschiedlichsten Situationen unterstützen. Diese Systeme greifen auf externe Informationen zu und versuchen, die Nutzerintention aus dem Nutzungskontext zu erschließen - ohne dem Nutzer ein direktes Feedback abzuverlangen bzw. zu ermöglichen. Dadurch bleibt unklar, ob das Systemverhalten im Sinne des Nutzers war - was zu Problemen in der Interaktion zwischen Mensch und adaptiver Technik führt. Das Ziel im Projekt EMOIO ist es, mögliche Nutzungsbarrieren mithilfeneurowissenschaftlicher Methoden zu überwinden. Durch die Fusionierung der Arbeitswissenschaft mit den Neurowissenschaften zum neuen Forschungsfeld Neuroarbeitswissenschaft ergibt sich ein großes Innovationspotenzial, um die Symbiose zwischen Mensch und Technik intuitiver zu gestalten. Eine neue Generation von Mensch-Technik-Schnittstellen bietet hierzu das Brain-Computer-Interface (BCI). Mittels BCIs können mentale Zustände, beispielsweise Aufmerksamkeit und Affekte beim Menschen, erfasst und diese Informationen direkt an ein technisches System übermittelt werden. In sogenannten neuroadaptiven Systemen werden diese Informationen als Grundlage genutzt, um die Inhalte und Funktionen oder die Benutzungsschnittstelle eines Systems während der Interaktion entsprechend anzupassen. In einem Konsortium mit Partnern aus Forschung und Industrie wird im Projekt EMOIO ein neuro-adaptives System entwickelt. Dieses soll anhand der Gehirnaktivität des Nutzers erkennen, ob er systeminitiierten Verhaltensweisen zustimmt oder diese ablehnt. Das System kann die Informationen nutzen, um den Menschen eine optimale Unterstützung zu geben und sich somit den individuellen und situativen Bedürfnissen des Nutzers anzupassen. Dazu werden neurowissenschaftliche Methoden - etwa die Elektroenzephalographie (EEG) oder die funktionale Nahinfrarotspektroskopie (fNIRS) - bezüglich ihrer Einsatzpotenziale zur Emotionsmessung (Zustimmung/Ablehnung) evaluiert. Weiterhin wird ein entsprechender Algorithmus zur Echtzeit-Emotionserkennung entwickelt. Die Miniaturisierung und Robustheit der EEG- und fNIRS-Sensorik werden ebenfalls vorangetrieben. Schließlich wird das entwickelte System in drei verschiedenen Anwendungsfeldern erprobt: webbasierte adaptive Benutzungsschnittstellen, Fahrzeuginteraktion und Mensch-Roboter-Interaktion.