00:15

Inga Bergen

Dagmar Schuller ist Gründerin und CEO von Nodearing, einem Unternehmen, das die Stimme als Gesundheitskompass nutzt und mit seiner Technologie das Wohlbefinden des Menschen unterstützt. Audering wurde 2012 gegründet und hat es geschafft, deutsche Grundlagenforschung in ein Produkt zu verwandeln. Im Podcast erklärt sie, was unsere Stimme über unsere Gesundheit und unser Wohlbefinden verrät, wie die Technologie in den verschiedenen Bereichen Prävention, Diagnostik sowie Monitoring und Therapie eingesetzt werden kann bzw. schon eingesetzt wird, und diskutiert mit Podcast-Moderatorin Inga Bergen, ob Audering helfen kann, Roboter empathisch zu machen.

00:53

Inga Bergen

Ja, herzlich willkommen zum Visionäre der Gesundheit Podcast.

00:58

Dagmar Schuller

Ich freue mich total über meinen heutigen Gast, Professor Dr. Dagmar Schuller, und ich freue mich über Dagmar als Gast, weil sie sich mit Stimme beschäftigt, weil sie Gründerin von Audiring ist. Was Audiring macht, dazu kommen wir gleich. Kurzer Spoiler: Es wird um digitale Biomarker rund um die Stimme gehen, und das ist ein Thema, was mich total fasziniert, und deswegen freue ich mich total, dass du mir heute Rede und Antwort stehen wirst, liebe Dagmar. Herzlich willkommen!

01:28

Inga Bergen

Ja, vielen herzlichen Dank für die Einladung, liebe Inga. Ich freue mich auch sehr. Und ja, die Stimme, um die geht es ganz oft.

01:35

Dagmar Schuller

Ja, genau. Du hast— du bist Gründerin von Audiring. Vielleicht steigen wir da mal ein. Du bist auch CEO und ihr seid kein Startup, kann man sagen, sondern ihr seid ein Unternehmen mit einem funktionierenden Geschäftsmodell. Vielleicht wollen wir erst mal über Audiring sprechen und du erklärst mal, was ihr da so macht.

01:55

Inga Bergen

Gerne. Also die Audirink hat sich mehr oder weniger geformt mit der Vision, aus der Stimme Marker zu erkennen, die insbesondere das Wohlfühlen des Menschen an sich unterstützen. Und wie wollen wir das machen? Indem wir eben dementsprechend mit KI-basierten Algorithmen unterschiedliche Merkmale und Zustände aus der Stimme extrahieren. Das Ganze ist entstanden an der TU München schon vor gut 20 Jahren. Das heißt, es ist auch gebacked up mit ungefähr 20 Jahren solider Forschung mit mehr als 1000 Papern, die auch in High-Impact-Journals gelandet sind, und hat mit Esoterik oder Tarotkartenlegen an der Stelle jetzt gar nichts mehr zu tun. Das war im Übrigen etwas, das man uns vorgeworfen hat, ganz am Anfang.

02:38

Dagmar Schuller

Da muss ich jetzt einhaken, weil wenn du das so sagst, dann gehe ich davon aus, dass das— also jetzt wissen wir das ja, das ist seit ein paar Jahren vollkommen normal, sich damit auseinanderzusetzen. Aber wenn du sagst 20 Jahre, dann war das vor 20 Jahren War das so: „Ihr Esoteriker geht mir weg", oder was war oft die Antwort?

02:57

Inga Bergen

Ja, so ungefähr tatsächlich. Das ist wirklich— wir haben mehr oder öfter gehört, am Anfang gab es ja andere Modelle. Wir haben am Anfang klassisch mit Feature Extractoren gearbeitet, also mit Classifiern wie Support Vector Machines oder Hidden Markov Models. Und oft hieß es ja: „Macht ihr Esoterik mit Hidden Markov Models? Das ist ja etwas, was man an sich nicht so machen kann", oder so was, „ist völlig irrelevant." Aber wir haben im Grunde genommen dann auch entdeckt, dass insbesondere mit der Spracherkennung, der Zunahme der Industrialisierung der Spracherkennung, natürlich auch für unser Feld die logische nächste Erweiterung und damit wirtschaftliche Komponente ist. Und wir haben dann Audireng 2012 gegründet, exakt am 27.12. Wir haben noch während der Weihnachtsfeiertage eine Notarin gefunden, die das für uns gemacht hat. Und aus dem simplen Grund: Wir wollten noch das Jahr des Drachen in China erwischen. Wir waren da so ein bisschen doch Esoteriker, weil wir gesagt haben, das bringt Glück. Und haben dann eben da gegründet. Und wir waren zu fünft damals, eben aus dem Mensch-Maschine-Kommunikations-Lehrstuhl der TU München. Es gab damals auch gar nicht diese großen Initiativen noch. Unternehmertum war am Anfang mehr oder weniger. Das heißt, wir haben die Firma dann auch gebootstrapped mit der Vision, dass wir eben unsere Technologie für jedermann jederzeit und von überall aus zugänglich machen wollen. Indem wir diese Komponenten so liefern, dass sozusagen sie in jedem Gerät auch verbaut werden können, egal ob Smartphone, ob Laptop, ob Wearable, ob Hearable, ob Auto, you name it. Und so sind wir dann sozusagen entstanden, haben am Anfang sehr stark projektbasiert gearbeitet, waren auch von Anfang an Cashflow-positiv aufgrund der Projektarbeit, weil eben die wissenschaftliche Leistung sehr bekannt war. Und also weniger hier in Deutschland, lustigerweise, sondern mehr international, hatten dann die Möglichkeit, tatsächlich uns darauf zu fokussieren, das Produkt zu standardisieren. Das ist nach ein paar Jahren passiert. Das heißt, das war wirklich auch ein Entwicklungsprozess, wo wir die komplette Translation von der Grundlagenforschung in die angewandte Forschung in das Produkt gemacht haben. Das ist kein einfacher Prozess, ja, stellt man sich manchmal einfacher vor. Und währenddessen sozusagen hat sich auch technologisch sehr viel getan. Und wir haben uns wirklich dann diszipliniert und gut 2 Jahre Zeit genommen, nachdem wir auch einen strategischen Partner mit reingenommen hatten, um diese Produktentwicklung wirklich in die Marktreife zu bringen. Das war für uns dann von enormem Vorteil, weil wir tatsächlich, wenn uns jemand gefragt hat: Ja, was macht ihr denn? Was tut ihr denn? Und wir immer gesagt haben: Wir erkennen nicht nur, was jemand spricht, sondern insbesondere wie, und leiten aus diesem Wie fundiert eben Erkenntnisse über Merkmale und Zustände ab. Und wir haben das auch quasi off the shelf. Das kannst du jetzt auf dein Smartphone laden. Und das hat sehr viel gebracht. Und insofern auch für die Kommerzialisierung war dieser Schritt extrem wichtig.

05:59

Dagmar Schuller

Ich finde das total interessant. Also liebe Startups, falls hier jemand von einem Startup zuhört, hört gut zu, weil es ist ja auch eine Herangehensweise, komplett ohne Risikokapital auszukommen und einfach projektbasiert Geld zu verdienen und dann weiter ein Produkt zu entwickeln. Finde ich total interessant. Weil ich habe mich auch gefragt, wie ihr das aufgebaut habt. Ihr habt euch ja 2017 gegründet. Das ist jetzt seit 2012. Okay, alles klar. Weil ich habe auf dein LinkedIn geguckt und da stand 2017. Aber seitdem bist du quasi CEO im Unternehmen.

06:33

Inga Bergen

Ja, also ich war vorher lange Zeit ich. Bevor ich gegründet habe, habe ich quasi sozusagen meine Work Experience bei einem sehr großen Unternehmensberatungs- und Prüfungsunternehmen gemacht, danach weiter sozusagen in ein sehr großes Medienunternehmen, wo ich für die Operations für Europa zuständig war. Und als es da zu einer Umstrukturierung kam und ich auch wirklich meiner Leidenschaft frönen wollte, und das war immer ein eigenes Unternehmen zu haben, habe ich dann gesagt, so, jetzt fühle ich mich gut genug aufgestellt. Ich weiß nun mal, wie der Hase läuft. Ich weiß auch, wie ich ein Unternehmen aufbaue. Ich hatte ja bei den Firmen vorher die Units auch komplett von null weg teilweise aufgebaut. Und dann habe ich mir auch gedacht, so, Jetzt machst du das, und mach ich mehr.

07:20

Dagmar Schuller

Weil das ist ja immer eine Frage, die sich auch in Deutschland stellt: Wie funktioniert eine Translation? Also ich denke, seitdem ihr gegründet habt, sind wir da schon weitergekommen, weil es sehr schwierig ist, IP auch aus einem Hochschulkontext auch rauszulösen. Aber es ist ja so, dass in Deutschland extrem viel Deep-Tech-Forschung schlummert, und so würde ich jetzt euer Thema auch ein Stück weit bezeichnen, denn ihr seid ja sehr visionär damit angetreten zu sagen, okay, es gibt diesen Trend, wir haben immer mehr Spracherkennung, wir haben immer mehr KI-Analyse, und auch das ganze Thema digitale Biomarker in Bezug auf Gesundheit werden relevant. Also wobei es bei euch jetzt nicht nur um Gesundheit geht, sondern auch um Wohlbefinden. Und hättet ja mit diesem Sprachprodukt quasi alles machen können, habt euch jetzt aber fokussiert. Wie kam es denn dazu eigentlich?

08:14

Inga Bergen

Also ich muss noch einen Schritt zurückgehen. Die Entwicklung, die ist maßgeblich auch von dem Gründerteam vorangetrieben worden. Also als 2008, 2009 haben wir tatsächlich schon eben Deep Learning auf Audiosignale angewendet. Kann man nachlesen, Paper. Da war von Big Data und ähnlichen Dingen noch überhaupt gar keine Rede. Das heißt, wir haben auch sehr massiv in der Forschung Grundlagen weiterbereitet und haben erst danach sozusagen gesagt, wir schaffen das auch als, jetzt sage ich mal ketzerisch, Nerds, ja, nicht nur eine gute Idee zu haben, sondern auch tatsächlich damit Geld zu verdienen. Und die Schwierigkeit war bei uns, uns eh her, dass sobald man eine komplette Innovation hat hierzulande, ich sage jetzt mal Europa, vorsichtig, dann wird man immer so ein bisschen komisch beäugt, so nach dem Motto: Ja, kann das funktionieren, wenn es noch keine einzigen Konkurrenten gibt? Oder: Seid ihr da komplett auf dem Holzweg? Das ist in den USA oder beispielsweise in Israel anders. Ja, aber bei uns ist das halt nun mal so dieses: Was machen die denn da? Und wir haben uns dann tatsächlich eben getraut und gesagt: Wir sind diejenigen, die das auch massiv thematisch vorangetrieben haben in der Forschung. Wir können es auch praktisch, weil wir wissen, wie diese Standardisierung geht. Es ist ein sehr interdisziplinäres, hochkomplexes Thema. Das heißt, wir haben die Audioanalyse aus der Elektrotechnik, wir haben die KI-Algorithmik aus der Informatik, wir haben im Grunde genommen die Phonetik, wir haben die Psychologie mit dabei, wenn es beispielsweise um den Bereich Mental Disorder oder psychische Zustände geht oder Merkmale. Wir haben die Linguistik mit dabei, wir haben ein ganz, ganz breites Spektrum an Wissen, Wissenschaften sozusagen, die wir interdisziplinär kombinieren. Und dann natürlich auch im gesamten Bereich Effective Computing die Technologie auch so aufzustellen, dass sie unproblematisch als Add-on-Sensor beispielsweise für Vision-Leute oder für Batches sozusagen funktioniert.

10:09

Dagmar Schuller

Okay, jetzt verlierst du mich. Und da müssen wir jetzt ein bisschen konkreter einsteigen und einmal vielleicht so ein bisschen ermitteln. Also ich verstehe, es ist super komplex. Es hört sich einfach an. Stimmanalyse ist aber gar nicht so einfach. Ihr müsst interdisziplinär zusammenarbeiten. Finde ich auch total spannend, weil was ist ein digitaler Biomarker? Also das ist etwas Digitales, womit man Rückschlüsse auf einen gesundheitlichen Zustand schließen kann. Und das ist ja die Stimme. Was könnt ihr damit genau ermitteln? Was könnt ihr daraus analysieren?

10:43

Inga Bergen

Aus der Stimme? Also im Grunde genommen gucken wir uns immer 3 sehr große Bereiche an. Der wesentlichste Bereich, um beispielsweise in Verbindung mit einer Krankheit sozusagen eine Analyse zu machen, ist die Sprachproduktion, der komplette Vokaltrakt. Das heißt als Erstes beispielsweise die Muskelgruppen, die damit verbunden sind, dass die Sprache überhaupt produziert werden kann, die Art und Weise, wie eingeatmet wird und dann wieder auch ausgeatmet wird und wie dieser Luftstrom sozusagen durch den Körper fließt. Das ist der erste Teil. Wenn irgendeine dieser Muskelgruppen beispielsweise beeinträchtigt ist oder wie bei Corona beispielsweise die Stimmlippen nicht mehr synchron, sondern eher asynchron schwingen, dann kann man das im Audiosignal sehen bzw. bemerken. Der zweite große Teil ist die Kognition, sprich diese Muskelgruppen, dieses für uns vermeintlich ganz normale Ein- und Ausatmen oder das Produzieren dieser Sprache muss ja gesteuert werden. Das macht unser Hirn idealerweise. Wenn wir hier eine Beeinträchtigung haben, beispielsweise durch hohes Fieber oder auch durch eine neurodegenerative Krankheit, dann hat das tatsächlich Auswirkungen auf die Intonation, hat das Auswirkungen auf die Art und Weise, wie ich zum Beispiel Vokale und Konsonanten produziere, hat das Auswirkungen auch beispielsweise im Bereich des Ein- und Ausatmens, das heißt ein anderes Sprechpauseverhältnis. Und diese Dinge kann ich auch im Audiosignal beobachten bzw. hören. Der dritte große Teil ist natürlich auch der physiologische, sprich, wenn ich beispielsweise einen Tumor habe im Hals-Trakt, dann wird die Luft, wie gesagt, anders angesaugt und auch wieder anders rausgepresst. Auch das höre ich durch die Veränderung des Audiosignals und die Art und Weise, wie ich spreche, sprich wie schnell, wie dominant, wie positiv erregt oder wie negativ erregt oder wie valent. Das gibt dann wieder Aufschlüsse in den gesamten Bereich des Zustandes, wie sich jemand tatsächlich fühlt. Und dann sind wir beim Wellbeing. Das heißt, wir haben die drei großen Bereiche, wo wir eher Anomalien oder Dysfunktionalitäten in der kompletten Sprachproduktion feststellen. Und dann haben wir den Bereich, der tatsächlich allumfassend dieses Wohlfühlen sozusagen erkennt, beziehungsweise nicht erkennt, sondern tatsächlich Aufschluss darüber gibt, wie der Zustand eines Menschen auch emotional sein kann.

13:07

Dagmar Schuller

Ja, und jetzt ist die Frage ganz konkret: Wie kann man damit wirklich Produkte entwickeln und auch ein Geschäftsmodell entwickeln, was funktioniert? Das, das interessiert mich total, weil es geht ja von wahrscheinlich unterstützt, also Diagnostikunterstützung schon, kann man sagen, bis hin zu so einem, so einer Art Monitoring von Menschen. Und, und was sind so Anwendungsfelder? Kannst du da über was reden, wo ihr konkret Lösungen macht?

13:35

Inga Bergen

Ja, also prinzipiell hat man im Grunde genommen die gesamte Patient Journey, die man mit dieser Technologie abdecken kann. Und Ziel ist eigentlich auch, das tatsächlich komplett zu machen, denn wesentlich für die Feststellung von Unterschieden ist es, wenn man im Grunde genommen schon einen gesunden Menschen vorneweg hat bzw. ein komplett holistisches Bild bekommt. Und dafür ist diese Technologie ja da, weil sie sehr modular und adaptiv in, wie gesagt, sämtliche Geräte des Alltags implementierbar wäre. Sogar in den Kühlschrank. Und der Punkt ist im Grunde genommen der: Wir haben den Bereich Screening, Prävention, wir haben den Bereich Diagnostik und wir haben den Bereich Monitoring, Therapie. In der Diagnostik möchte ich prinzipiell vorausschicken, das ist keine Technologie, die einen Arzt ersetzen kann oder soll. Es ist eine Technologie, die eine Unterstützung bieten kann, wenn man sie auch richtig interpretiert. Dazu komme ich auch noch mal, weil die Ergebnisinterpretation ist manchmal nicht so einfach. Und gerade deshalb ist es interessant, relativ früh frühzeitig anzufangen, diese Audiosignale sozusagen auszuwerten. Man denkt beispielsweise an eine Audiodaten-Stimmspende, ähnlich wie eine Nabelschnur-Spende, wo ich im Grunde genommen schon versuche, den Menschen nahezulegen, seine Stimme zu konservieren, möglichst wenn er sich besonders gesund schon fühlt.

14:56

Dagmar Schuller

Das könnte auch etwas sein, das finde ich spannend, dass du das jetzt sagst, also wenn wir da mal einsteigen, weil was ich ja heute schon habe per Default, ist jetzt in meinem— ich habe ein Apple iPhone und da werden immer meine Aktivitäten, also meine Schritte getrackt und es wird eine Sturzwahrscheinlichkeit errechnet. Es wäre jetzt ein einfaches, so eine Stimmanalyse in gängige Geräte einzubauen, wo wir mit Stimme arbeiten, also Smartphones, aber auch so Sprachassistentensysteme im Auto oder so, und dann vielleicht Feedback zu geben, wenn sich da was entwickeln könnte, oder?

15:34

Inga Bergen

Tatsache, genau um so was geht es auch. Das heißt, wir bieten beispielsweise, wir haben zwei große Produktgruppen bei uns, die wir standardisiert haben. Das eine ist das sogenannte AI Sound Lab. Das ist eine Plattform, die insbesondere für Studien herangezogen wird. Da sind wir eigentlich eher im Monitoring- und Therapiebereich schon, wenn eine Diagnose bereits gestellt wurde. Was beispielsweise auch von größeren Pharmakonzernen, aber eben auch von Forschungseinrichtungen gerne genommen wird, um Stimm-Biomarker nicht nur zu erkennen, sondern auch zu verstehen. Das heißt, das kann beispielsweise eingesetzt werden für längerfristige Studien oder auch nur für kurze, punktuelle Beobachtungen, aber hat eben die Möglichkeit, tatsächlich diese langfristigen Verläufe auch sehr gut darzustellen und kann sehr modular eingesetzt werden während eines Gespräches bzw. eben, dass man dieses Tool auch einem Patienten oder einer Patientin Patientin an die Hand gibt und sagt, zu Hause mach doch mal dein Audiotagebuch. Ja, da weiß ich aber schon, was hat der, ja, und kann eben zum Beispiel Interventions— beobachten, ob Interventionen hilfreich sind, wie der Gemütszustand danach ist, beziehungsweise wie sich eben Medikamentierung unterschiedlich entwickelt. Da sind wir dann auch in dem Teil, wo man sagt, interessant insbesondere für die Präzisionsmedizin. Der vorige Teil, Das Screening und die Prävention, die ist eigentlich noch nicht im medizinischen Bereich, sondern eher in dem Bereich Wellbeing. Idealerweise haben wir da jemanden, der sich noch ganz gut fühlt und über einen längeren Zeitraum beispielsweise diese Audiotests macht. Also er, SoundLab, hat normierte Sprachtests, mit denen es uns möglich ist, diese Marker aufgrund dieser Dreifaltigkeit plus Vier, sage ich jetzt mal, mit der Psychologie eben gut zu erfassen und eben auch zu sehen, ob sich dann dementsprechend was ändert und auch abklären zu lassen, ist diese Änderung etwas, was sich langfristig entwickelt hat, oder ist sie punktuell? Beispielsweise Erschöpfungssyndrom. Bin ich erschöpft, weil sich tatsächlich eine Krankheit entwickelt, oder bin ich erschöpft, weil ich 3 Tage lang durchgefeiert habe? Und naja, irgendwann einmal rächt sich das halt. Diese Dinge kann man eben an dieser Stelle auch gut abfragen. Das heißt tatsächlich auch den Kontext erkennen. Ja, und das ist das, wo wir sagen, das macht sehr viel Sinn, Das ist das, was ein guter Arzt ja auch hat. Er kennt seinen Patienten. Und wir liefern eben diese Information vorneweg. Idealerweise so, dass jemand dann schon sagen kann: Oh, ich merke, da ist was. A) Ich lasse es nicht nur abklären, sondern B) ich versuche auch aktiv gegenzusteuern, indem ich beispielsweise mehr schlafe oder im Grunde genommen mich gesünder verhalte.

18:14

Dagmar Schuller

Ja, wir können da ja mal ein bisschen konkreter werden, weil Das ist jetzt noch relativ abstrakt, finde ich. Also mir würde jetzt noch nicht so ganz klar sein, okay, warum soll ich denn solche Tests mit meiner Stimme machen? Was bringt mir das? Ich könnte mir jetzt aber vorstellen, wenn man jetzt sich im Bereich der psychischen Erkrankungen bewegt, die sich in Schüben äußern, nehmen wir irgendwie Beispiel Depression oder auch so was wie Schizophrenie. Ganz, ganz breite Palette gibt es da ja. Die Menschen vielleicht in den Anfängen gar nicht so selbst bemerken und dann Hilfe dabei brauchen, vielleicht auch vorzubeugen, wenn so ein Schub sich wieder ankündigt. Wäre das etwas, wo ihr mit Technologie unterstützen könntet?

19:02

Inga Bergen

Genau. Also ich gebe mal ein konkretes Beispiel. Wir hatten kürzlich eine sehr schöne Anwendung im Bereich der Seeschifffahrt bei Frachtschiffen. Das ist Frachtschiffmitglieder oder Crewmitglieder haben aufgrund der Schwere oder der Arbeit, die sie leisten, tatsächlich ein sehr hohes Stressmoment beziehungsweise auch eine höhere Gefahr, das hat sich in mehreren Studien validiert, suizidgefährdet zu sein. Jedenfalls haben wir hier eben mit einem NGO zusammen und auch mit einem Projekt dementsprechend versucht, diese Mental States um diese unterschiedlichen Stressmomente sowohl aktiv als auch passiv zu validieren. Das heißt, auf der einen Seite haben wir aktiv die Technologie mit so einer Art Emotionstagebuch zur Verfügung gestellt, was die Crewmitglieder selbstständig machen konnten. Die konnten öfter sozusagen ein Audio-Tagebuch führen oder auch nur punktuell. Aber es gab eine bestimmte Mindestvorgabe. Das war für jeden sozusagen eine eigene Übung. Das war aktiv. Und auf der anderen Seite haben wir passiv akustisch auch versucht, diese Stressmomente an Punkten zu erfassen, wo beispielsweise besondere Aufgaben bestehen, wie das Ein- und Ausladen der Fracht, was immer ein besonders hohes Stressmoment erfordert. Und so versucht eben zuerst mal festzustellen, was triggert denn da, ja, wo haben wir hier die Problematik, um danach diese Information zu liefern, dass man intervenieren kann. Wir selbst von der Technologie her schlagen diese Intervention nicht vor. Das macht dann sozusagen der begleitende Arzt oder der begleitende Therapeut bzw. dementsprechend das Unternehmen, das die Technologie einsetzt. Wir liefern aber die Informationen dafür, dass wir sagen, das sind die entsprechenden Verläufe. Hier könnte ein wichtiger Punkt sein, hier solltest du jetzt einhaken. Up to you.

20:59

Inga Bergen

Wir möchten euch unseren Werbepartner Dr. Lib vorstellen, der mit seinen Lösungen dafür sorgt, dass Gesundheitsfachkräfte mehr Zeit für eine optimale Patientenversorgung haben und der Arztberuf wieder attraktiver wird. Terminbuchungs- und Verwaltungssoftware bietet benutzerfreundliche und nützliche Angebote aus einer Hand, die für Ärzte und Ärztinnen sowie Patienten und Patientinnen mobil und auf dem Desktop verfügbar sind. Dabei ist die Digitalisierung für Dr. Libcon kein Selbstzweck, sondern schafft durch technologische Expertise und tiefe Kenntnisse des Gesundheitswesens ein Angebot, das wirklich hilft, wie mehr als 14 Millionen patientenseitige Nutzer und Nutzerinnen beweisen.

21:38

Dagmar Schuller

Ja, ich finde das interessant, weil das ist ja noch, also du beschreibst jetzt so diese Studienbegleitung, das ist ja alles relativ klein, ne? Das, also das sind jetzt Anwendungsszenarien, da könnt ihr ja nachweisen, okay, es gibt hier einen Impact, man kann hier etwas erkennen. Und ich fand es total spannend, während der Covid-Pandemie hatten wir das ja öfter, dass dann so Meldungen kamen aus China, da muss man irgendwo reinsprechen und dann wird da analysiert, ist ist der Patient irgendwie COVID-gefährdet, oder die Temperatur wird per Gesichtserkennung gemessen, oder wir brauchen nur noch 5 Selfies, um den Blutdruck zu ermitteln. Also all das, wo es auch um Population Health geht und wo es darum geht, so etwas in der Skalierbarkeit auch einzusetzen. Weil das ist, glaube ich, das Interessante an solchen Lösungen. Wir alle erfassen Stimme, das ist so. Also fast jeder Mensch hat ein Handy, das heißt, wir erfassen Stimme. Das heißt, wir hätten theoretisch die Möglichkeit, die gesamte Bevölkerung über Biomarker zu screenen, die aus der Stimme kommen, und da auch sozusagen skaliert zu intervenieren oder Hilfemöglichkeiten anzubieten.

22:47

Inga Bergen

Wir haben das bei Covid-19 im Übrigen auch gemacht. Wir haben ja die Studien durchgeführt zum Thema Covid-19-Erkennung aus der Stimme. Wir hatten den ersten Prototypen, der sogar 89% Erkennungsleistung under curve gebracht hat, deutlich höher als das, was beispielsweise Konkurrenzprojekte gemacht haben. Und wir konnten das auch noch ein Stückchen weiterführen beziehungsweise auch die Erkennungsleistung steigern, wobei Erkennungsleistung muss man immer relativieren an dieser Stelle. Es ist tatsächlich dadurch, dass COVID-19 sich respiratorisch sehr stark geäußert hat, für uns, auf Österreichisch würde man sagen, ein Aufklickter gewesen, das zu machen. Und es hat sehr, sehr erfolgreich funktioniert. Wir haben es aber nicht in die 2A-Zertifizierung gebracht, weil im Grunde genommen zwar das Interesse bestand, auch behördlich, die Technologie einzusetzen, man dann aber sich doch entschieden hat, quasi sozusagen die klassischen Antigentests bzw. PCR-Tests für die Studien zu nehmen. Nichtsdestotrotz haben wir im Grunde genommen von der Lösung her das komplett skalierbar so gemacht. Man hätte unproblematisch beispielsweise an die Corona-Warn-App auch eine Stimmerkennung andocken können und hätte auch da tatsächlich diese Tests machen können, zu Hause, wo auch immer, wer auch immer. Wie oft auch immer, komplett nicht invasiv und hätte zumindest das als sehr gutes Screening-Tool verwenden können, um eben danach mit einem PCR-Test beispielsweise danach zu validieren, ob es sich tatsächlich um eine Corona-Krankheit handelt.

24:11

Dagmar Schuller

Ja, und ihr habt euch jetzt ja, du hast ja anfänglich gesagt, ihr habt euch so ein bisschen auf psychische Gesundheit fokussiert, macht aber auch Tests zu Covid und es ginge ja noch viel mehr. Also es geht ja alles von COPD tatsächlich bis über Herz-Kreislauf-Erkrankungen, sogar Diabetes habe ich irgendwo mal gelesen.

24:30

Inga Bergen

Das stimmt. Also wobei man echt unterscheiden muss zwischen ersten Prototypen und Laborergebnissen und in the wild. Also zwischen das funktioniert mal prinzipiell und es funktioniert tatsächlich auf deinem Handy und daheim und unter egal welcher Bedingung relativ gut. Da ist ein riesengroßer Unterschied. Und deswegen, es ist wahnsinnig viel möglich und wir haben in unserem Spektrum beispielsweise nicht nur die Mental Disorder, die steht uns deshalb im Fokus, weil wir eine sehr gute Datenbasis hier haben, auch von normativen Daten. Wir haben aber auch sehr viel im Bereich neurodegenerative Krankheiten gemacht, insbesondere Parkinson, sind auch im Bereich Schizophrenie, Narkolepsie, Fatigue sehr stark gewesen, haben eine sehr erfolgreiche Studie beziehungsweise validierte Marke für Multiple Sklerose unter Klasse IV. Sind da im Grunde genommen sehr fokussiert eben darauf, dass wir aber diese diese Marker modular einsetzen können. Das heißt, unsere Technologie oder unsere Idee besteht eben nicht darin, nur punktuell Dinge abzufassen, sondern wirklich Lifestyle abzufassen und zu sagen, okay, je nach Anwendungsgebiet, ja, ist zum Beispiel für die Sicherheit in einem Auto wesentlicher, dass ich ein Erschöpfungssyndrom erkenne bzw. Müdigkeit erkenne, oder zum Beispiel eben kognitive Last oder bestimmte Stressmomente. Und dann docke ich quasi diese Marker an. Während ich beispielsweise im Bereich von psychologischen Erkrankungen, Depression, Burnout, unterschiedliche Zustände beispielsweise während einer Therapie erfassen will, um festzustellen, funktioniert das überhaupt mit dieser Therapie oder müsste ich die ändern oder kann ich irgendetwas für den Patienten tun, damit er einfach besser mit der Situation klarkommt. Und Und das ist mehr oder weniger die Lebensrealität, die man so abbilden kann. Und das war das, was unser Ziel auch war mit dem Produkt. Jetzt klingt das nach extrem viel, ist es aber an der Stelle nicht, weil die Technologie ist im Grunde genommen von der Basis her die gleiche, nur die Anwendungsgebiete, die sind mehr oder weniger medizinisch, manchmal mehr im Wellbeing-Bereich.

26:38

Dagmar Schuller

Ja, ich finde das sehr spannend, weil das ja auch eigentlich Tür und Tor öffnet für Integration digitale Gesundheitsanwendungen, die wir in Deutschland haben, auch in Frankreich, auch in anderen Ländern, gerade im Bereich Psyche, weil die Versorgung ja sehr schwer zugänglich ist. Und das ist nicht nur in Deutschland so, auch in anderen Ländern. Und da kann das ja etwas Ergänzendes auch sein, was dann vielleicht hilft, wenn wirklich eine Intervention von einer Person notwendig wird. Weil es schwer im Selbstmanagement zu bewältigen ist für die Patientinnen und Patienten, oder?

27:19

Inga Bergen

Ja, auf jeden Fall, absolut. Und im Grunde genommen ist es auch etwas, das ich beispielsweise— wir hatten auch ein sehr schönes EU-Projekt, bei dem wir mitgemacht haben, namens ECO-Web, wo es insbesondere um Mental Health ging von Jugendlichen aus dem Bereich 16 bis 24, weil es eben gerade hier beispielsweise mit schulischem Stress, mit hormonellem Stress. Ja, man ist Teenager und man hat halt andere Vorstellungen. Im Grunde genommen eben sehr stark fluktuiert. Und hier hat man eben sehr gut die Möglichkeit, auch den Kontext zu erfassen. Der Kontext erzählt einem unglaublich viel. Ja, und gibt sehr, sehr guten Aufschluss darüber tatsächlich, wie ich mein Wohlfühlen auch selbst positiv beeinflussen kann. Und darum geht es. Also unsere Technologie soll ja nicht nur dafür da sein, dass Ärzte und Therapeuten auch gut damit umgehen können und bestimmte Marker erkennen, sondern das Herzstück der Technologie ist ja eigentlich, sich selber auch besser kennenzulernen in unterschiedlichen Situationen, die Möglichkeit zu haben, dieses holistische Bild zu erfassen und zu sagen, das tut mir jetzt wirklich gut. Jetzt habe ich eine sehr anspruchsvolle Situation. Wie kann ich schon vorneweg damit gut umgehen und danach sozusagen diszipliniert zu meinem Arzt, zu meinem Therapeuten? Und wie kann ich dem auch sagen, was mir so gut tut, dass die Therapie, die ich bekomme, für mich die beste Therapie ist und nicht für alle anderen?

28:45

Dagmar Schuller

Ja, und das würde zum Beispiel jetzt bei anderen Erkrankungen— du hast jetzt zum— über neurodegenerative Erkrankungen gesprochen, wie Parkinson oder auch die MS, und das ist ja auch so, dass sich so eine Krankheit Ganz unterschiedlich darstellen kann und auch teilweise Schübe hat, die gar nicht so erkannt werden unbedingt, weil die Patient:innen alle paar Monate nur eigentlich in eine ärztliche Praxis gehen und dann vielleicht wieder so diese Standardtests machen, die man so kennt. Das kann man aber auch eigentlich viel näher an die Patientinnen und Patienten bringen. Wenn ihr sagt, ihr wollt in die ganze Patient Journey, dann könnte da ja auch schon die Stimme genug genutzt werden, um zu sagen, es gibt hier ein Progress in irgendeiner Form und es muss irgendwie eine Medikationsanpassung geben, oder?

29:32

Inga Bergen

Richtig, richtig, genau das ist es. Und deswegen sprechen wir ja auch zurzeit mit sehr vielen DiGA-Anbietern, um eben auf diese Möglichkeiten aufmerksam zu machen und eben auch insbesondere das, was nutzt es dem Patienten, das ist ja die große Frage immer bei den DiGAs, die ja auch versicherungstechnisch gestellt wird, auch noch mal auf einer anderen Ebene nachweisen zu können. Also insbesondere auch auch nachweisen zu können und schauen zu können, das Wohlfühlen des Patienten hat sich gesteigert. Ja, wenn ich beispielsweise Adipositas habe und im Grunde genommen sehr viel abnehmen muss, dann habe ich vielleicht nur einen bestimmten Fortschritt, irgendwann mal Plateau wieder oder sonst etwas. Aber wesentlich ist ja auch, dass ich für mich einen Fortschritt habe, indem ich mich besser fühle und motivierter bin, vielleicht dann auch weiterzumachen.

30:18

Dagmar Schuller

Ich finde das sehr interessant, dass du das sagst, weil unser Gesundheitssystem bildet das gerade überhaupt nicht ab. Also auch in den Verhandlungen zum Beispiel zu Erstattung von Medikamenten kommt jetzt nicht darauf an, wie ist die Lebensqualität, wie fühlen sich die Leute dabei. Also das ist ein kompletter Blindspot, zumindest in unserem System. Und, und deswegen finde ich das gerade spannend, weil es so neue Möglichkeiten eröffnet. Ich es mir aber auch sehr, sehr schwer vorstelle, das Thema wirklich zu monetarisieren im Gesundheitsbereich. Was ist denn das, womit ihr gerade das meiste Geld verdient? Sind das so Studien, wo ihr experimentelle Projekte unterstützt, eher, oder ist das schon, ist da schon der große Wurf dabei?

30:57

Inga Bergen

Also im Grunde genommen verdienen wir das meiste Geld im Wellbeing-Bereich, das heißt eigentlich noch vor der Diagnose. Wir machen ungefähr ein gutes Drittel mittlerweile mit Umsatz nach der Diagnose. Wie gesagt, zwei Drittel sind insbesondere vor der Diagnose. Wir haben bei uns, bei Produkten ganz klares Software-as-a-Service- bzw. Lizenzmodell, das einerseits davon ausgeht, wie eben tatsächlich in Verbindung mit Endgeräten, auf wie vielen Geräten das stattfindet sozusagen, oder eben wie viel Volumen an Minuten analysiert werden sollen. Das sind die zwei großen Bereiche.

31:32

Dagmar Schuller

Ist das immer aktiv? Also die Kunden von euch setzen das immer so ein, dass die Leute immer gefragt werden, bevor ihre Stimme analysiert wird, oder wird das so mit den Nutzungsbedingungen dann mit abgefragt und dann kann die Stimme analysiert werden? Kannst du dazu was sagen?

31:51

Inga Bergen

Beidseitig. Manchmal werden sie aktiv darüber informiert. Das sind aber auch die, die ganz konkret diese Art von Service bzw. Technologien nutzen wollen. Und bei anderen, da muss man aber auch noch mal das etwas klarer darstellen, wird das sozusagen eher in die analytische Gesamtbetrachtung mit einbezogen mit anderen Faktoren. Der Punkt ist der: Wir stellen die Technologie zur Verfügung als B2B. Wie der Kunde dann damit umgeht, das liegt außerhalb unserer Kontrollmacht. Wir sagen zwar oder geben immer die Empfehlung, entsprechende Informationen zu geben und transparent zu sein. Jetzt ist es aber so, dass manche Kunden die Technologie auch komplett anonymisiert einsetzen. Das heißt, im Grunde genommen hat man überhaupt gar keine Möglichkeit, auf den Einzelnen da zurückzugehen, sondern versucht im Grunde genommen eine aggregierte Information zu erhalten über einen bestimmten Kundenstamm oder einen Patienten-Patientinnen-Stamm und hat hier gar nicht die Möglichkeit, den Einzelnen zu betrachten, weil wir hier in Echtzeit die Daten analysieren, die Die werden auch überhaupt nicht mehr gespeichert und dann wird ein sogenanntes Fingerprinting gemacht. Das heißt, es werden die entsprechend wesentlichen Merkmale in Echtzeit aus dem Signal rausgeholt und die sind auch nicht mehr rückführbar auf die eine oder andere Person. Das ist der Einsatz, der insbesondere im Bereich Consumer Health, Marktforschung oder Ähnliches fokussiert, da wo ich keine Individualisierung an der Stelle brauche. Und aus diesem Bereich heraus sozusagen wird diese Technologie breit eingesetzt. Im medizinischen Bereich ist es nicht so breit. Im medizinischen Bereich ist es dann durchaus individuell. Da haben die Patientinnen und Patienten bereits zugestimmt, die wissen, was da auch passiert. Und meistens ist tatsächlich der Audiosensor, das Mikrofon, nur ein Teil der gesamten Studie. Das ist prinzipiell auch etwas, was ich sagen möchte. Man kann mit Audio sehr viel machen, aber wenn ich noch mehr Informationen brauche, muss ich natürlich eine Sensor Fusion machen. Das heißt, ich muss natürlich auch anderen Input kombinieren. Dazu und der kann zusätzliche Informationen liefern. Ich werde aber nicht alleine sozusagen mit dieser Technologie komplett weiterkommen. Sie ist kostengünstig, sie ist nicht invasiv, sie ist schnell, sie ist mittlerweile extrem zuverlässig, aber manchmal reicht sie halt nicht aus. Genau, und im Bereich davor ist diese Unschärfe meistens gar nicht so relevant. Das heißt, hier komme ich mit Audio schon so weit, dass ich im Grunde genommen diese Entscheidung sehr valide treffen kann, Auch wenn ich die eine oder andere Fehlerrate habe, weil sie sich nicht auswirkt oder nicht so heftig auswirkt.

34:21

Dagmar Schuller

Weil es dann eher um die große Frage geht, zum Beispiel: Wie fühlen sich Menschen in unserem Auto? Oder wie fühlen sich Menschen in unserem Angebot, in unserer Warteschleife? Whatsoever. Also ganz viele Anwendungsmöglichkeiten, die es da gibt. Aber was ich spannend finde, ist, dass ich gerade verstehe, dass es tatsächlich sein kann, dass ich eure Technologie schon mal ohne Wissen genutzt habe, oder ohne Wissen, ja genau, weil ich mir AGB oder Nutzungsbedingungen natürlich nicht jedes Mal im Detail durchlese. Ich weiß auch nicht, wer das macht. Das finde ich sehr, sehr spannend. Ich würde gerne, weil wir kommen schon langsam zum Ende unseres Gesprächs, und ich würde gerne noch mal so über die große Vision sprechen. Jetzt ist es ja so, bei euch hast du ja eingangs erklärt, ihr seid von Anfang an Cashflow-positiv, ihr beschäftigt euch mit Projekten. Das heißt, du musst wahrscheinlich nicht alle 6 Monate vor irgendwelchen Investoren und Investorinnen auftauchen und von der Weltherrschaft sprechen. Also das, was man klassisch, wenn man Risikokapital sucht, halt ja tun muss. Ja, das ist ja so, dass man sagt, also unser Szenario ist, dass wir weltweit so und so viel Suizide verhindern, weil wir in der Spracherkennung wissen, okay, da Da spricht jemand und ist jetzt suizidal, als Beispiel. Was ist so die große Vision von diesen digitalen Stimm-Biomarkern? So würde ich die jetzt nennen. Was ist da die große Version? Was könnte man damit lösen, wenn das wirklich überall eingesetzt werden könnte und genutzt werden könnte?

35:57

Inga Bergen

Also die große Vision ist tatsächlich, dass ich in meinem Leben oder mit meinem Lifestyle sozusagen eine deutlich verbessert, ein deutlich verbessertes Wohlfühlen bekomme. Egal ob ich schon in der Nähe einer Krankheit bin oder auch nicht, die Technologie ermöglicht es mir, mich selber besser zu kennen, eine bessere Kommunikation zu haben und tatsächlich mein Wohlfühlen ganz individuell für mich zu steigern. Das ist es, das war eigentlich immer unsere Vision.

36:23

Dagmar Schuller

Wenn du das so beschreibst, dann hört sich das für mich total an nach einem B2C-Produkt, wo ich halt irgendwie die Endanwenderin bin. Aber das ist ja gar nicht, das ist ja gar nicht das, was ihr macht, oder?

36:37

Inga Bergen

Richtig, also das ist unsere Vision gewesen, aber wir haben natürlich gesagt, wir sind jetzt nicht die großen Big Five, wir haben auch nicht den Zugang zu diesen ganzen Endkonsumenten, den haben andere, ja. Und unser Ziel ist es tatsächlich, diese Technologie so modular und so robust zu machen, das ist sie mittlerweile, dass egal Jeder der Big Five oder auch andere Hersteller sozusagen diese Technologie mit dem guten Gewissen nutzen können. Hier habe ich wirklich ein tolles KI-Produkt, das standardisiert ist, das meinem Kunden einen Mehrwert bietet, sozusagen.

37:10

Dagmar Schuller

Also ich merke schon, es fällt dir ein bisschen schwer, diese große Vision zu formulieren. Dann würde ich das jetzt einfach mal probieren, weil es wäre ja absolut möglich, dass ihr irgendwann in ein Samsung, Apple, Google, whatsoever Phone integriert werdet. Das dann wie eine Art Coach direkt mit mir Kontakt aufnimmt, sobald es merkt, okay, ich bin gestresst, ich bin depressiv verstimmt, ich bin einfach nicht sozusagen in my best mental state, und dann wirklich direkt mit mir Kontakt aufnimmt. Das ist ja, oder eine Spracherkennung, nehmen wir Alexa, Siri, also diese ganzen Sprachassistenten, ich nutze die, stehen bei mir rum. Also könnte das gut sein, dass irgendwann in der Zukunft, wenn ich das aktiviere, dass dann mein Alexa zu mir sagt, so Inga, jetzt ist Zeit für 3 Minuten Meditationsübung, weil du läufst schon wieder hier komplett aus dem Ruder. Das wäre eine Möglichkeit, die ihr unterstützen könntet.

38:09

Inga Bergen

Genau, das ist eine Möglichkeit, die wir unterstützen, die wir auch schon aktiv unterstützen, will ich an dieser Stelle sagen. Und das, was du vorhin gesagt hattest von einen oder anderen Anbietern, das ist durchaus schon der Fall, dass der eine oder andere IoT-Hersteller Jeder, der nicht so klein ist und vielleicht auch einen Global-Span hat, unsere Technologie bereits nutzt, oder dass du eben Kopfhörer aufhast oder Earbuds aufhast, die schon Technologie von uns nutzen, bestimmte Komponententeile, das heißt nicht komplett umfassend jetzt alle Biomarker, aber beispielsweise schon erkennen kann, wie die akustische Umgebung ist und ob diese akustische Umgebung für dich gut ist oder nicht. Und dann automatisch, ohne dass du überhaupt irgendetwas drücken oder tun musst, bewusst auf dein bestimmtes Hörvermögen, auf dein Gefühl sozusagen schon das Gerät adaptiert.

38:54

Dagmar Schuller

Ja, also das, aber du bist ja auch sehr zurückhaltend jetzt zu sagen, wer das einsetzt. Also das heißt, darüber könnt ihr gar nicht unbedingt sprechen, wer eure Technologie einsetzt? Nicht bei allen, nein, nicht bei allen.

39:05

Inga Bergen

Wir haben einige Partner, die wir auch bei uns auf der Homepage nennen, mit denen wir Kollaborationen haben, die wir auch öffentlich gemacht haben. Beispielsweise arbeiten wir mit Hanson Robotics, wahrscheinlich Kennst du die Sophia? Die hat ja auch schon mal Angela Merkel die Hand geschüttelt als einer der wesentlichsten Social Robots, die im Grunde genommen unsere Komponenten mit einsetzen. Wir sind der Audio-Partner von iMotions. Das ist sozusagen die Instanz für affektives Computing, insbesondere in der Forschung und Entwicklung von den Great Labs, auch universitär. Wir arbeiten sehr stark mit der Firma GN zusammen. Das sind die Komponenten Jabra. Das ist eine Brand, die man doch durchaus kennt. Wir haben den einen oder anderen Automotive-Client.

39:49

Dagmar Schuller

Komm, noch ein Thema. Du hast es jetzt gerade gesagt, ja, KI, Robotik. Und da will ich jetzt auf jeden Fall noch mal eintauchen, weil wenn wir uns vorstellen, wir haben in der Zukunft viel mehr KI, mit der wir interagieren werden, auch in Robotern, also aber auch überall anders, dann muss ja diese, also man nennt es ja künstliche Empathie. Und das ist etwas, das könnt ihr ja auch unterstützen. Das geht mir jetzt gerade erst auf, aber ihr könnt ja letztendlich ein Roboter, die Sophia, also dieser Roboter mit einer verbauten künstlichen Intelligenz, der total einfach wie so ein humanoider Roboter aussieht. Da könnt ihr in die Spracherkennung etwas ergänzen, was dann dazu führt, dass dieser Roboter ein Stück weit empathiefähig wird. Habe ich das jetzt richtig zusammengezählt?

40:39

Inga Bergen

Das hast du richtig zusammengezählt und das ist genau auch das, was passiert. Wobei man eben sagen muss, aber man muss das wirklich relativieren, ein Roboter an sich ist nie empathisch, weil er hat kein Bauchgefühl, er hat kein Gewissen. Das kann ein Gerät oder kann eine künstliche Intelligenz— wir könnten auch philosophieren über den Terminus Intelligenz, der ist empirisch auch noch nicht validiert— tatsächlich nicht. Was man aber diesen Geräten beibringen kann, was man einem Algorithmus beibringen kann, ist tatsächlich zum Beispiel die Emotion zu erfassen, wie ein anderer Mensch sie erfassen würde, oder wie auch da ein Profi, sag ich jetzt mal, Psychotherapeut sie erfassen würde, beziehungsweise eben jemand, der sich mit dieser Thematik besonders gut auskennt. Kennt. Das heißt, das kann man der Maschine beibringen. Die Maschine selbst ist per se nie empathisch, sondern sie würde dann auch gelernterweise das ausdrücken, was so ein Profi oder ein anderer Mensch, je nachdem, ja, sozusagen dem anderen auch gegenüber ausdrücken würde. Die Maschine selbst verfügt nicht über Empathie, sie lernt nur, wie das quasi ist, sozusagen.

41:41

Dagmar Schuller

Und das ist, glaube ich, eine philosophische Frage der Definition. Wie definieren wir Empathie? Kati. De facto ist es aber so, dass das ja immer relevanter wird, weil das ist ja, würde ich jetzt sagen, guter Service als Beispiel ist ja wirklich eine Kunst, ne. Das weiß man, wenn man in ein Restaurant geht, dann weiß man, es gibt diese Leute, die können das wirklich, die sehen genau, okay, du bist da einmal und die kommen sofort an. Und es gibt dann wieder andere, die haben dafür überhaupt gar keinen Blick. Und wenn wir zunehmend mit Technologie interagieren, die wir auch als als ja dann etwas wahrnehmen, was durchaus uns auch ebenbürtig ist. Das ist ja das große Ziel, dass man dem auch ein Stück weit auf einer Augenhöhe begegnet. Und das könnt ihr ja dann damit unterstützen. Also da kommen wir ja um Spracherkennung, Gesichtserkennung gar nicht drumherum. Und wahrscheinlich ist Spracherkennung einfacher als Gesichtserkennung.

42:35

Inga Bergen

Jein, also in der Bildverarbeitung oder im Bereich Vision AI ist die Forschung sehr, sehr umfangreich, weil der Bereich auch etwas— jetzt werden mich die Kollegen hauen für so was— teilweise weniger interdisziplinär ist als unserer und man im Grunde genommen weniger, sage ich jetzt mal, Störgeräusche im Hintergrund haben muss, um die man sich natürlich auch kümmern muss. Und der Bereich der Gesichtserkennung bzw. Facial Tracking, Eye Tracking, Mimik- und Gestikerkennung ist auch schon sehr früh bearbeitet worden. Und da gibt es sehr, sehr gute Ergebnisse und sehr gute Firmen, die das anbieten. Und normalerweise sind die Dimensionen, die man da analysiert, auf der psychologischen Ebene oft nur zweidimensional. Also Arousal und Valenz. Arousal ist der Grad der Erregtheit. Die Valenz ist, wie ich etwas wahrnehme, positiv oder negativ, ist meistens zweidimensional dargestellt. Und man kann eben die Valenz beispielsweise aus dem Gesichtsausdruck extrem gut erkennen. Was immer ein bisschen die Problematik ist, das ist das Arousal aus dem Gesichtsausdruck zu erkennen. Und da ist eben die Audiotechnologie meistens überlegen. Dafür war eben die Gesichtstechnologie, der Bereich der Valenz, lange Zeit überlegen. 2022 ist uns dann extrem großer Wurf gelungen, auch in der Standardisierung der Anwendung, dass wir die Valenz mittlerweile genauso gut erkennen können, wie aus der Gesichtserkennung tatsächlich möglich ist. Das heißt, hier haben wir noch mal nachgelegt und da hat sich auch forschungstechnisch extrem viel getan. Ja, also beispielsweise auch ist es ja ein Unterschied, wie ich das Audiosignal produziere, wenn ich lache. Und ich habe im Grunde genommen auch durch die Paralinguistik, das heißt nicht nur durch das Sprechen, sondern auch durch das Äußern von Lauten wie beispielsweise Lachen, Weinen, Läufzen, Seufzen, Stöhnen, Zähneknirschen, whatever, auch dementsprechend Input über meinen Gefühlszustand, den ich da liefere. Das kann ich aus dem Gesicht, aus der Gesichtserkennung auch ganz schwer machen, ja. Aber da hilft mir im Grunde genommen Audio auch mit. Und natürlich ist der heilige Gral meistens die Kombination mehrerer, aber in dem Bereich kommt man mit Audio extrem weit. Also das ist mittlerweile sehr, sehr fundiert, sehr, sehr gut unterwegs.

44:39

Dagmar Schuller

Ja, total spannend, weil wir haben jetzt wirklich angefangen mit der Technologie, ganz straightforward. Wenn man sich jetzt aber vorstellt, was das in Kombination mit anderen innovativen technologischen Möglichkeiten dann ja entstehen lassen kann, dann ist das schon sehr, sehr faszinierend. Ja, weil ihr dann ja auch— ja, okay, gerne.

45:00

Inga Bergen

Ich gebe dir noch einen Teaser. Was ich jetzt gerade an der Hochschule gestartet habe, ist ein kleines Versuchsprojekt, das entstanden ist aus einer Idee, aus einem Studienprojekt aus aus dem letzten Semester, wo die Kolleginnen und Kollegen, also die Studierenden, einen intelligenten Spiegel gemacht haben. Der intelligente Spiegel war dementsprechend, dass man die Informationen, die man oft auf einem Assistenten sieht oder Ähnliches, wie Wetter und so weiter, direkt auf den Spiegel projiziert bekommt. Ich bin jetzt da einen Schritt weitergegangen mit den Studierenden und wir haben unser Projekt „Spiegel ein Spiegel an der Wand" genannt. Und im Grunde genommen, ich weiß nicht, wie es dir geht, aber als Frau geht man oftmals in der Früh, schaut in den Spiegel und denkt sich: „Oh mein Gott!" Dann fängt die gesamte Routine an. Gib dir die so. Hast du ein Glück. Also manchmal denkt man sich: Oh mein Gott, jetzt fängt die ganze Routine an. Man nimmt Serum hier, Cremchen da, hier vielleicht noch ein bisschen Löckchen oder sonst irgendwas. Jedenfalls schaut man dann irgendwann mal rein und sagt: Nö, ist eigentlich ganz gut gelungen. Mein Spiegelchen, Spiegelchen an der Wand heißt nicht umsonst Spiegelchen, Spiegelchen an der Wand, weil man eben Das ist das Codewort sogar, wie Fotzen so lustig Spiegel ein Spiegel an der Wand sagt. Und da kommt als Erstes schon mal etwas Aufbauendes auf Basis dessen, wie ich das gesagt habe. Wenn ich Spiegel ein Spiegel an der Wand sage, da freut er sich schon, oh, die ist gut drauf. Dann sagt er zu mir so was Ähnliches. Also wir haben hier empathisch mit ChatGPT gearbeitet, wir haben unsere Emotionskomponente auch beispielsweise auf ChatGPT verwandt. Mal ausprobieren, kommt ein ganz anderes Ergebnis, wenn man erkennt, wie emotional jemand spricht, ja, auch mit Der dann sagt: Guten Morgen, auch gut drauf heute, ne? Oder ich habe einen kleinen Spiegel an der Wand, ja, und der sagt: Oh, schlecht geschlafen, aber du siehst trotzdem noch verdammt gut aus. Wir können uns aber ein bisschen verbessern. Heute hat das Wetter 22 Grad, wie wir gerade sehen, es ist regnerisch, du solltest heute deine Haare vielleicht zusammenbinden, weil die Naturlocken sonst so stehen, ne? Aber ich habe auch noch was für dich. Aufgrund der Lichtverhältnisse solltest du dein Make-up so oder so machen. Wir haben nämlich beispielsweise in diesem Projekt jetzt angedacht, dass auch eine Dermatologin mitmacht. Wir haben schon Informationen aus dem Visagistenbereich sozusagen, und es war, ist für uns einfach nur, sobald das jetzt fertig ist, geht es in die Studie sozusagen rein, um festzustellen, schaffe ich es dadurch, durch einen lustigen intelligenten Spiegel automatisch das Wohlfühlen in der Früh schon zu steigern, und hält das dann vor, ja, 1 bis 2 Jahre, weil wir haben eine längere Studie damit geplant, und wir haben noch nicht so viele Und die sind jetzt in der Fertigstellung. Aber ich denke, es hat einfach auch einen lustigen Faktor mit dabei, wo man doch tatsächlich ja die Technologie einfach auch unterhaltend einsetzen kann.

47:48

Dagmar Schuller

Ja, auf jeden Fall. Ja, vielen Dank. Und ich meine, das Gute wäre ja, wenn Unterhaltung und Prävention irgendwie gut zusammenpassen würden. Das ist ja oft so eine Denke, die haben wir in der Medizin, aber auch in Deutschland, alles was seriös ist, darf nicht so richtig viel Spaß machen. Und das sehe ich persönlich total anders. Also ich finde immer viel Spaß zu haben. Ich finde das total spannend und werde das auf jeden Fall weiter beobachten. Hoffe, dass ich vielleicht sogar mal in die Gelegenheit oder an die Gelegenheit komme, das mal auszuprobieren. Liebe Dagmar, ich danke dir auf jeden Fall ganz herzlich, dass du mir heute Rede und Antwort gestanden hast. Ich Ich habe auf jeden Fall einiges gelernt und werde euch auf jeden Fall auch weiter beobachten. Vielen tausend Dank.

48:34

Inga Bergen

Ja, vielen tausend Dank dir für das Interview. Es hat sehr, sehr viel Spaß gemacht.