Smart Nutrition & Tragbare Sensoren und Digitalisierung II

Die neuartigen Ernährungsformen, die in food4future entwickelt werden, sollen in optimierter Form Konsumenten empfohlen und angeboten werden. Dafür ist es erforderlich, den aktuellen individuellen Ernährungszustand der Personen zu erkennen. In diesem Projekt wird auf der Basis von Sensordaten und einer phänotypischen Klassifikation eine Typen- und Zustandserkennung von Konsumenten zunächst an Testpersonen im Rahmen einer Probandenstudie realisiert. Moderne Sensortechnologien wie z.B. Smartwatches oder tragbare Sensoren liefern eine Fülle an Daten, die anschließend in einem Prozess des maschinellen Lernens zur Klassifikation ihres Trägers zu einem bestimmten Zeitpunkt eingesetzt werden. Auf der Basis einer physiologisch-medizinischen Phänotypisierung und dazu korreliertem Ernährungsbedarf sollen konkrete Lebensmittelvorschläge gegeben werden. Die eingesetzte Sensorik erfasst die Körperdaten ausschließlich nicht-invasiv und soll für den Träger nahezu unbemerkt arbeiten. Die Auswahl passender Sensoren und die Entwicklung eines geeigneten Sensorsystems ist Teil dieses Projekts.

Basierend auf den Erkenntnissen, die aus den Ergebnissen der Probandenstudie hervorgehen, wird eine mobile Anwendung (App) für Endnutzer entwickelt, die Lebensmittelvorschläge einerseits auf Basis der in foodf4uture generierten Smart Foods und andererseits auf Basis der lokalen Nahrungsangebote generiert. In Rückkopplung mit den anderen Forschungsfeldern von foodf4uture wird die Zusammensetzung und Darbietungsform der designten Nahrung bestimmt. Nährwertangaben der lokalen Nahrung werden dazu kommerziellen Nährwerttabellen entnommen. Alle Sensordaten und ggf. zusätzliche Nutzerbilder und -eingaben werden für die weitere Analyse auf einem zentralen Server zur Verfügung gestellt.

Eine von Nutzern gewollte Veränderung wie bspw. eine schlankere Figur oder eine sportlichere Erscheinung wird in einer Modellstudie mit vorher festgelegter Zielvorstellung für die Probanden evaluiert. Beispielhaft wird eine Gewichtsreduzierung angestrebt und dafür eine proteinreiche Ernährung empfohlen. Das System soll dann lernen welche Ernährungsformen zum Ziel führen. Die Zieleingabe kann ergänzt werden durch die Möglichkeit personenspezifisch bevorzugter oder abgelehnter Nahrung. Es entsteht so ein zeitlich wachsendes Kommunikationssystem, das den Endnutzer nach seinen Vorlieben in die Entscheidungsfindung einbezieht.

Das zu entwickelnde System soll im späteren Projektverlauf durch die Etablierung von rückkoppelndem dauerhaftem Lernen mit Selbstkorrektur in der Lage sein, den Lernerfolg und die Qualität der ausgesprochenen Empfehlungen selbstständig zu messen und kontinuierlich zu verbessern. Dafür werden die eingesetzten mobilen Messsysteme als Teil einer Internet-of-Things-(IoT)-Architektur untereinander vernetzt. Durch Korrelation des Zeitverlaufs der Phänotyp-Klassifikation in Abhängigkeit der Lebensmittelempfehlung wird die Auswirkung der empfohlenen Produkte auf die Probanden einbezogen und im laufenden Betrieb durch Algorithmen des maschinellen Lernens verbessert.

Text: P. Wagner, E. Gedat, TH Wildau

Kontakt
Technische Hochschule Wildau - Forschungsgruppe Telematik (TH Wildau)
Hochschulring 1
15745 Wildau

Webseite
www.th-wildau.de, Forschungsgruppe Telematik

Projektlaufzeit 
Januar 2020 - Februar 2024

Interaktion zu f4f- und assoziierten Partnern
DIfE, IGZ

Portraitfoto Dr. Egbert Gedat

Dr. Egbert Gedat

Projektleiter | Leiter Forschungsfeld III

gedat@th-wildau.de
T +49 (0) 3375 508-617

Egbert Gedat ist promovierter Naturwissenschaftler mit Hintergrund in physikalischer Chemie, experimenteller Kernspintomografie und medizinischer Bildverarbeitung. Er ist seit fünf Jahren in der Forschungsgruppe Telematik der TH Wildau tätig und beschäftigt sich mit der Erkennung und Interpretation von digitaler Bildinformation mit Computeralgorithmen. Dabei kommen sowohl klassische Methoden wie auch künstliche Intelligenz zum Einsatz. In Food4Future sollen diese Methoden auf die Auswertung von Körpersensordaten erweitert und für die Generierung von Ernährungsvorschlägen genutzt werden.

Portraitfoto Philipp Wagner
© Fox Fotoagentur

Philipp Wagner

Wissenschaftler

wagner@th-wildau.de
T +49 (0) 3375 508-617

Philipp Wagner ist wissenschaftlicher Mitarbeiter der Forschungsgruppe Telematik an der Technischen Hochschule Wildau. Als Ingenieur für Informations- und Kommunikationstechnik beschäftigt er sich mit vernetzten Systemen und der Entwicklung von mobilen und serverbasierten Softwareanwendungen. Im Rahmen des Projekts Food4Future entwickelt er ein IT-System zur Erfassung und Verarbeitung von Körpersensor- und Eingabedaten, welches eine KI-basierte Generierung von individuellen Nahrungsmittelempfehlungen ermöglichen soll.