1.1Ambient Assisted Living bzw. Active and Assisted Living (AAL)

Die Zielsetzung im Arbeits- und Forschungsbereich des sog. „Ambient Assisted Living“ bzw. seit einiger Zeit oft auch als „Active and Assisted Living“ bezeichnete Feld (beide: kurz AAL) ist es, die Lebensqualität bei Älteren zu Hause durch die Entwicklung und Nutzung innovativer Technik und Assistenzsysteme zu erhalten und zu steigern. Dabei umfasst AAL „als ein hybrides Produkt eine technische Basisinfrastruktur im häuslichen Umfeld und Dienstleistungen durch Dritte mit dem Ziel des selbstständigen Lebens zuhause“ (VDE, 2012, S. 9).

Die wichtigen Domänen von AAL sind dem VDE (2012) zufolge Kommunikation, Mobilität, Selbstversorgung und häusliches Leben (ebd., S. 14). In den letzten Jahren hat es sich zu einem bedeutenden Forschungsgebiet in Europa entwickelt, was sich u. a. an der Einführung von Joint Programming Initiativen zeigen lässt12. Im Programm „Ambient Assisted Living“ wird mit dem Punkt „Living actively and independently at home“ eine Verschiebung des thematischen AAL-Bezugs auf Aspekte wie Lifestyle, Lebensqualität, soziale Inklusion und Prävention deutlich.

Um hier gezielte Aktivitäten und Services für AAL zu entwickeln, bedarf es nicht nur der passenden Technologie, sondern eben auch ausreichender Informationen über die Lebenssituation und Bedürfnisse der Zielgruppe. Um umgebungsunterstütztes Leben zu erleichtern und zu optimieren, werden Studien unterschiedlicher Art durchgeführt. Häufig handelt es sich dabei um Befragungen; wobei sowohl standardisierte als auch qualitativ-partizipative Verfahren zum Einsatz kommen. Letztere finden häufig bei Entwicklungsprojekten mit enger Einbindung der Zielgruppe statt3.

Die Verschiebung des AAL-Fokus und der Zielgruppen wirkt sich dabei ebenso auf Informationsbedürfnisse und -gewinnungsmethoden aus: Es werden Daten für Bewegungs-, Verhaltens- und Interaktionsanalysen notwendig. Da AAL-Lösungen zukünftig auch vermehrt über private Zahler/innen finanziert werden, werden auch andere Informationen wie beispielsweise regionale/überregionale Kaufkraft oder Marktstatistiken wichtiger. Es stellt sich die Frage, ob es hilfreich ist, alternativ oder ergänzend existierende Daten, insbesondere solche, die mithilfe des Internets zur Verfügung stehen, auszuwerten, um neue relevante und hilfreiche

Informationen zu AAL-Themen zu erhalten. Allgemein lässt sich der Prozess der Verwendung existierender Daten folgendermaßen darstellen (s. Abbildung 1).

Prototypischer Forschungsprozess mithilfe existierender Daten

Während bei der eigenen Datenerhebung die Forschungsfrage klar definiert ist, wird diese bei der Verwendung von existierenden Datensätzen häufig erst im Nachhinein bestimmt bzw. konkretisiert (vgl. Pfeil von der Interpretation zur Forschungsfrage in Abbildung 1). Darüber hinaus bestimmen die Datenformate und der Umfang der Daten auch die Datenverarbeitung und -auswertung (vgl. Wechselwirkungspfeil in Abbildung 1). Beim herkömmlichen Verfahren sind hingegen das Datenformat und -auswertung eine (auch, aber nicht allein durch praktische Aspekte beeinflusste) Folge der Forschungsfrage.

1.2Problemstellung

Auch wenn es Beispiele für die Nutzung von verfügbaren Daten für AAL-relevante Informationen gibt, fehlt eine systematische Darstellung für die konkreten Möglichkeiten und das damit verbundene Potential. Offene Fragestellungen in diesem Zusammenhang sind beispielsweise die Fragen nach den relevanten verfügbaren Daten, den notwendigen oder möglichen Analysetechniken (vgl. Abbildung 2) sowie (zukünftige) Realisierungen und Erfahrungen damit.

Forschungsleitende Fragestellungen im Projekt

Als erste Herausforderung ist also zu klären, welche Daten prinzipiell zugänglich sind, um für den österreichischen Kontext relevante Informationen der Generation 60+ und AAL-Themen zu erhalten. Hier ist es notwendig, eine Übersicht der Angebote, insbesondere, aber nicht nur, von Open Government Data zu geben. In der herkömmlichen sozialwissenschaftlichen Forschung wird zunächst eine Forschungsfrage gestellt, dann werden die Konzepte entsprechend operationalisiert und in einer Befragung umgesetzt. Die Antworten werden wiederum hinsichtlich der Eingangs gestellten Forschungsfragen und ggf. Hypothesen ausgewertet und interpretiert. In der Nutzung vorhandener Daten, und insbesondere bei Daten die eben nicht gesondert durch Befragungen erhoben wurden (z. B. Big Data), stellen sich andere Herausforderungen an die Analyseverfahren. So ist es hier durchaus üblich und sinnvoll, explorativ vorzugehen und auch kreative Auswertungsverfahren einzusetzen.

Insbesondere ergeben sich bei bestimmten Datenformaten und -strukturen auch eine Reihe notwendiger oder möglicher Arbeitsschritte zur Datenaufbereitung oder -auswertung (Bitkom, 2012). Zur Bewältigung der Anforderungen umfangreicher Datenmengen (Big Data) sind Verfahren der künstlichen Intelligenz (Machine Learning, Reasoning) notwendig, es können Verfahren wie soziale Netzwerkanalysen von Interesse sein oder auch explorative Data-Mining-Verfahren oder Visualisierungen.

Eine Herausforderung besteht also darin, dass es notwendig erscheint, nicht nur den Status quo von verfügbaren Daten und Verfahren zu beschreiben, sondern auch kreativ-innovative Ideen für Analysemöglichkeiten zu entwickeln.

Von besonderem Interesse sind dabei

• Kombinationen von Daten bzw. Methoden (z. B. mit Linked-Data-Technologien);
• neue Methoden und Verfahren (z. B. Data Mining, Verfahren für Big Data) und
• kreative Nutzung von Daten(-sätzen), die nicht auf den ersten Blick geeignet erscheinen, z. B. die Verzeichnisse von Patenten, Fotos auf einer Plattform.

Neben der Entwicklung innovativer Analyseansätze zur Informationsgewinnung im Themenfeld AAL ist es übrigens durchaus möglich, dass auch (Ideen für) neuartige Business- und Service-Modelle entstehen können (vgl. Bitkom, 2015).

Das Potential wird allgemein als vorhandene bzw. noch nicht genutzte Möglichkeiten beschrieben (z. B. Mackensen, 1991, S. 828). Wie lässt sich das Potential vorhandener Daten für AAL-Entwicklung und -Forschung einschätzen? Diese Frage zu beantworten hat auch gesellschaftliche Relevanz. Die Möglichkeit, mehr über die Nutzung von offenen Daten zu AAL-relevanten Aspekten zu erfahren, stärkt mittelbar insgesamt die Bemühungen und Zielsetzungen der AAL-Aktiven und ihre gesellschaftlich relevanten Absichten. Aufbauend auf den Ergebnissen solcher zukünftigen (Sekundär-)Analysen lassen sich Verbesserungen im Hinblick auf die Zielgruppe erwarten: Auswertungen des Mobilitätsverhalten können dazu führen, dass öffentliche Verkehrsangebote verbessert werden, indem sie an die Bedürfnisse älterer Menschen angepasst werden (und so die gesellschaftliche Teilhabe gefördert werden kann). Ebenso kann die Auswertung geografischer Daten dazu führen, dass medizinische oder andere Versorgungsstrukturen verbessert werden können, indem geografische Versorgungslücken identifiziert werden. Problematische Aspekte dieser Entwicklung, insbesondere wenn Big-Data-Entwicklungen angesprochen sind, können dabei Auswirkungen auf schutzwürdige Aspekte wie Datenschutz und Persönlichkeitssphäre berühren. Die unmittelbaren Projektergebnisse sind von dieser Herausforderung jedoch nicht betroffen; das Thema wird dabei zudem kritisch im Rahmen der Möglichkeiten adressiert.

1.3Zielsetzung und Vorgehen der Studie im Überblick

Ziel der vorliegenden Studie ist das Potential der verfügbaren Daten (hier in einem weiten Sinne als „Open Data“ bezeichnet) für die AAL-Community zu untersuchen, und dabei auch innovative Zugangsweisen zu explorieren. Teilziele sind dabei:

• das bestehende Angebot an frei verfügbaren Daten (aus Österreich bzw. relevanten internationalen Vergleichsregionen) systematisch zu identifizieren und kriterienbasiert zu beschreiben (Ergebnis: Bestandsaufnahme Teil 1);
• die Relevanz für AAL-Forschungszwecke und -themen basierend auf klassischen Auswerteverfahren zu analysieren (Ergebnis: Bestandsaufnahme Teil 2), und
• exemplarisch das Potential für neue AAL-Fragestellungen und Lösungen durch innovative Zugangsweisen, z. B. neu kombinierbare offene Datensätze unter Einbezug neuer und komplexer Auswertungsverfahren, aufzuzeigen (Ergebnis: Potentialanalyse).

Im Projekt werden dabei drei Zugänge gewählt: (a) eine Sammlung der aktuell verfügbaren Daten (u. a. Public Government Data und Open Data), (b) ihre Analyse im Hinblick u. a. AAL-relevanter Fragestellungen für die österreichische Community sowie (c) die kreativ-kritische Diskussion neuartiger Ansätze für die Kombination und/oder Analyse der Daten. Dabei wird methodisch u. a. auf Recherchen unterschiedlicher Art, systematische Sammlung und...