
Effiziente Diagnose pathologischer Sprachmuster in der Gesundheitsforschung
HERAUSFORDERUNG #1
Effiziente Integration: Wie können komplexe Analyse-Engines nahtlos in die digitale Plattform „Mili“ integriert werden?
HERAUSFORDERUNG #2
Skalierbarkeit und Effizienz: Welche Maßnahmen optimieren die Performance und Skalierbarkeit der Sprachdatenanalyse?
HERAUSFORDERUNG #3
Benutzerfreundlichkeit für alle: Wie kann eine intuitive Lösung geschaffen werden, die es auch Nicht-Experten ermöglicht, komplexe Sprachdatenanalysen durchzuführen?
Über das Projekt
Projektziele
Ziel des Projekts ist die Entwicklung einer intuitiven digitalen Plattform-Komponente, die den Zugang zur Analyse von Sprachdaten erheblich erleichtert und gleichzeitig die Effizienz und Benutzerfreundlichkeit in der Gesundheitsforschung verbessert. Der Fokus liegt auf der Unterstützung von Expert*innen und Forscher*innen bei der Beurteilung von Krankheitsbildern wie Alzheimer und Schizophrenie durch automatisierte und KI-basierte Sprachdatenanalyse. Ein zentraler Aspekt des Projekts ist die Automatisierung von Analysedefinitionen, die den bisher notwendigen manuellen Aufwand reduziert und den Analyseprozess beschleunigt. Durch die Vereinfachung der Nutzung sollen auch Anwender*innen ohne tiefere technische Kenntnisse die erweiterten Funktionen der Plattform effektiv nutzen können. Ziel ist es, die Plattform für breitere Anwendungen zugänglich zu machen. Damit leistet das Projekt einen wesentlichen Beitrag zur Weiterentwicklung der medizinischen Forschung und ermöglicht eine präzisere und schnellere Beurteilung pathologischer Sprachmuster.
Ausganglage
ki:elements entwickelt KI-gestützte Sprach-Biomarker für die Gesundheitsforschung, die pathologische Zustände wie Alzheimer und Schizophrenie bewerten. Die digitale Plattform „Mili“ ermöglicht Sprachdatensammlung in klinischen und häuslichen Umgebungen und die Integration der Sprach-Biomarker. Herausforderungen lagen in der Integration komplexer Analyse-Engines wie beispielsweise der Sprachbiomarker und der Optimierung von Effizienz und Skalierbarkeit. Eine neue Engine erlaubt Forscherinnen und Forschern ohne Programmierkenntnisse direkten Zugriff auf erweiterte Sprachfeatures, was Studien vereinfacht und beschleunigt.
UNTERNEHMENSBESCHREIBUNG
Mit EDIH konnten wir direkt umsetzbare Ideen entwickeln, die uns nachhaltig voranbringen.
Janna Herrmann
Chief Technology Officer, ki:elements GmbH (ki:)
Vorgehen
Nach einer ersten Beratung und einer genauen Analyse der Prozesse im Unternehmen wurde das Projekt in drei Phasen unterteilt. In der ersten Phase (Januar bis April 2024) wurde ein Prototyp entwickelt, der die Erstellung von Analyseregeln für Sprachdaten automatisiert. Dieser Prototyp wurde mit den Technologien JavaScript und Flutter umgesetzt und am Ende als lauffähige Software bereitgestellt. Die zweite Phase (April bis Juli 2024) konzentrierte sich auf die Entwicklung einer neuen Funktion namens Sigma Feature Engine, die die Analyse von Sprachdaten erleichtert. Dabei wurde darauf geachtet, dass die Software mit einer aktualisierten Version der ki:elements’s proprietären Sprachfeature-Bibliothek Sigma kompatibel bleibt. In der dritten Phase (September 2024) wurde untersucht, wie das System unter hoher Last funktioniert und wo es Schwachstellen gibt. Die Ergebnisse wurden genutzt, um den Schwerpunkt auf Phase drei zu legen. Durch die enge Zusammenarbeit mit dem EDIH Saarland konnte das Team die Geschäftsprozesse genau evaluieren, die Machbarkeit prüfen und den Prototyp erfolgreich entwickeln.
Projektergebnis
Das Projektergebnis umfasst mehrere Softwarelösungen, die die Benutzerfreundlichkeit und Effizienz der Sprachdatenanalyse in Mili erheblich verbessern. Durch die Automatisierung wird der manuelle Aufwand deutlich reduziert, Fehler werden minimiert und langfristig Kosten eingespart. Statt komplexen YAML-Code manuell zu schreiben, können die Anwender*innen nun einfach über eine intuitive Oberfläche Analysedefinitionen erstellen. Das System schlägt automatisch passende Parameter vor und sorgt durch Typvalidierung und Codegenerierung für eine höhere Genauigkeit. Die Lösungen steigern die Produktivität, unterstützen flexible Kombinationen von Biomarkern und Engines und vereinfachen so die Datenverarbeitung. Die Vorteile für ki:elements liegen auf der Hand: Zeitersparnis, Fehlervermeidung und eine benutzerfreundliche Bedienung, die es auch Nicht-Technikexpert*innen ermöglicht, Analysen durchzuführen. Darüber hinaus wurde eine Sigma-Feature-Engine entwickelt, die es ermöglicht, Sprachaufnahmen effizient zu verarbeiten und relevante Merkmale aus einer Vielzahl von Aufgaben zu extrahieren.