Overview
Im Rahmen des vorliegenden IDN‑Projekts wird ein anonymisierter Datensatz untersucht, der von Nutzer*innen der HSLU‑Onlineplattform für Ressourcenmanagement, Prävention und Gesundheitsförderung rcc.hslu.ch stammt.
Dieser Datensatz wird im Hinblick auf frühe Anzeichen von emotionaler und physischer Erschöpfung innerhalb der von User*innen erzeugten Texte in Journalen, Anfragen, Analysen und Selbstbeschreibungen untersucht. Dabei wird mit sprachwissenschaftlichen Instrumenten nach Schlüsselwörtern/Wortkombinationen (Frequenz), Sentiment (Valenz), emotionaler Intensität, Sprachmodellen/LLMs (Embeddings) etc. gesucht.
Die in die Onlineplattform eingebettete KI‑basierte Assistenz begleitet Nutzer*innen durch ein selbstgesteuertes Ressourcenmanagement-Projekt. In diesem Projekt können zur individuellen Prävention und Gesundheitsförderung ein aus vier Kursen bestehendes Webbased-Training, Fragebögen zur Selbstauswertung und Orientierung, eine kuratierte Multimedia-Wissensdatenbank, eigene Journaltexte und Wochenfazite verwendet werden. Aktuell müssen Nutzer*innen die Resultate der Fragebögen und ihre Erkenntnisse aus den Kursen, Wochenfaziten und Journaltexten selbständig einordnen. Sie können die zur Verfügung stehende KI‑basierte Assistenz dafür nur nutzen, ohne dass diese ihre individuellen Daten kennt, verwendet und ohne proaktiv Hinweise zu erhalten.
Befragungen zeigen, dass Nutzer*innen Unterstützung bei der Einordnung der Resultate und Erkenntnisse ihrer individuellen Daten wünschen. Die KI‑basierte rcc‑Assistenz sollte nicht nur dazu in der Lage sein, bei manuellen Fragen durch Einbezug der individuellen Daten zu helfen. Sie sollte sich insbesondere auch proaktiv einschalten, wenn Anzeichen von Überlastung sichtbar werden (Maier, 2023).
Sollten im Rahmen dieses Projekts Frühindikatoren identifiziert werden, ist das Ziel wie folgt: Ein funktionierender Prototyp liegt vor. Dieser ermöglicht es Nutzer*innen, die rcc‑Assistenz bei Bedarf und freiwillig dazu aufzufordern, ihren erzeugten Datensatz nicht nur bei manuellen Anfragen zu berücksichtigen. Zudem können sie auch präventiv Hinweise geben, wenn eine Gefahr der Überlastung besteht, um ein daraus resultierendes Burnout zu verhindern.
Auf Basis dieses Prototyps werden Drittmittel (z. B. INNOSUISSE) akquiriert, um gemeinsam mit den entsprechenden Forschungspartner*innen den Prototypen zur Marktreife zu entwickeln.
