NICO – Eine intelligente, browserbasierte Lösung zur Unterstützung der Betätigungsbalance informeller Pflegekräfte

Projektträger:
IMC Hochschule für Angewandte Wissenschaften Krems
Wissenschaftliche Leitung:
Hanna Köttl
Weitere beteiligte Einrichtungen:
Duervation GmbH
Handlungsfeld(er):
Digitalisierung, intelligente Produktion und Materialien
Gesundheit und Ernährung
Wissenschaftsdisziplin(en):
3030 - Gesundheitswissenschaften (60 %)
1020 - Informatik (40 %)
Förderinstrument: Projekte angewandte Forschung
Projekt-ID: FTI25-A-008
Projektbeginn: 01. Februar 2027
Projektende: 31. Jänner 2030
Laufzeit: 36 Monate / noch nicht begonnen
Fördersumme: € 359.862,00
Kurzzusammenfassung:
Hintergrund: Demografische Veränderungen führen zu einer deutlichen Zunahme pflegender Angehöriger, die mit einer Vielzahl von Gesundheitsrisiken konfrontiert sind, wie zum Beispiel einer unausgeglichenen Betätigungsbalance, Stress und körperlicher Belastung. Obwohl Regierungen und Gemeinden verschiedene Unterstützungsmaßnahmen wie Kurzzeitpflege, finanzielle Beihilfen und Beratungsmöglichkeiten eingeführt haben, werden diese Angebote aufgrund von Hürden wie restriktiven Anspruchsvoraussetzungen, zeitlichen Beschränkungen oder einem Mangel an klaren Informationen häufig nicht in Anspruch genommen.
Ziel: Ziel des Projektes ist, in einem kollaborativen Design-Prozess NICO zu entwickeln, eine intelligente browserbasierte Online-Lösung. NICO setzt fortschrittliche Chatbot-Systeme und Technologien des maschinellen Lernens ein und erleichtert dadurch pflegenden Angehörigen im Raum Niederösterreich das Auffinden und den Zugang zu maßgeschneiderten Dienstleistungen, die ihre Betätigungsbalance unterstützen.
Methode: Das Projekt gliedert sich in zwei Phasen. Phase 1 dient der Definition des Umfangs und der Ziele der Online-Lösung, der Datenerhebung auf öffentlichen Websites und bei Nichtregierungsorganisationen, sowie die Erfassung aktuell verfügbarer Unterstützungs-maßnahmen, um Versorgungslücken und benachteiligte Bevölkerungsgruppen zu identifizieren. Phase 2 umfasst die Entwicklung und Validierung von Machine-Learning-Modellen zur Analyse und Kategorisierung von Unterstützungsangeboten, das Benchmarking dieser Modelle mit bestehenden Anwendungen und ihre Weiterentwicklung im Rahmen von Co-Design-Workshops mit betroffenen Interessengruppen.
Impact: Das Projekt stärkt das Verständnis für Unterstützungsangebote zur Betätigungsbalance pflegender Angehöriger, insbesondere bislang unterrepräsentierter Gruppen, indem es Fragen der Zugänglichkeit und Inklusivität durch eine digitale, KI‑gestützte Lösung adressiert.
Schlüsselbegriffe:
informal care, health technology, occupational balance, support service, intelligent products
