4. Sozial interagierende Roboter in der Pflege

Roboter sind physikalische Objekte mit Form und Gestalt. Viele Merkmale, die auf verschiedene menschliche Sinne einwirken, definieren das Erscheinungsbild der Maschine, so etwa die Größe des Roboters, Art oder Geschwindigkeit von Bewegungen, das Sound-Design und Klang der Stimme oder allgemein das Design des Gehäuses mit verschiedenen Materialien und Formen. Obwohl neue Technologien, zum Beispiel Sprachassistenten wie Amazon Alexa, auch soziale Assistenzsysteme rein auf Basis von Sprache ohne menschenähnliche Gestalt ermöglichen, trägt die Verkörperung, ähnlich wie bei virtuellen Charakteren, doch wesentlich zum Gesamteindruck des Systems bei. Menschen tendieren dazu, Maschinen mit lebensähnlicher Gestalt oder Bewegung Intentionen, Ziele, Emotionen und Persönlichkeiten zuzuschreiben (Reeves und Nass 1998). Deshalb muss auch bei sozialen Pflegerobotern berücksichtigt werden, wie glaubhaft ein Roboter seine Intentionen und Ziele kommuniziert. Darüber hinaus sollte ein Roboter als eigenständige Persönlichkeit mit einem emotionalen Verhalten wahrgenommen werden. In den letzten Jahren wurden enorme Anstrengungen unternommen, die Ausdrucksfähigkeit von Robotern zu erhöhen. Die Erfahrung hat jedoch gezeigt, dass eine realistische Erscheinung in Verbindung mit einer eindrucksvollen Mechanik nicht ausreicht, um eine dauerhafte Bindung zum Nutzer aufzubauen. Maschinelle Interaktionspartner mit anthropomorphen Fähigkeiten profitieren zwar zunächst vom Neuheitseffekt, verlieren aber nach kurzer Zeit ihren Reiz für den Nutzer. Wichtiger für die Akzeptanz von Robotern ist deren Fähigkeit, mit Menschen auf sozial angemessene Art und Weise zu interagieren.

Ein langfristiges Ziel ist das Herstellen einer Beziehung zwischen Mensch und Roboter. Dies wird begünstigt durch eine attraktive Roboterpersönlichkeit, die die Interaktion interessanter gestaltet und erstrebenswerter macht (Breazeal 2004). Persönlichkeit umfasst Charakter, Verhalten, Temperament, Emotionen sowie mentale Eigenschaften des Menschen. Um diese Merkmale zu kategorisieren, hat sich in der Psychologie die „Big-Five“-Taxonomie (McCrae und Costa 2008) bzw. das „Fünf-Faktoren-Modell“ etabliert, wobei Persönlichkeit durch fünf Dimensionen beschrieben wird: Offenheit, Gewissenhaftigkeit, Extraversion, Verträglichkeit und Neurotizismus.

Für den Ausdruck von Persönlichkeit stehen der Maschine ähnliche Möglichkeiten zur Verfügung wie dem Menschen. Zum einen spiegelt sich Persönlichkeit wesentlich in der Sprache wider, sodass mithilfe natürlichsprachlicher Generierung Formulierungen entsprechend der Ausprägung der fünf Dimensionen gebildet werden können (Mairesse und Walker 2011), zum anderen stehen auch – je nach Verkörperung des Roboters – Mimik und Gestik zur Verfügung. Auch die Kombination von beidem – verbalem und nonverbalem Verhalten – wurde bereits für virtuelle Charaktere untersucht (Walker et al. 2014). Der Ausdruck von Persönlichkeit auf Basis von natürlichsprachlicher Generierung für einen sozialen Roboter kommt beispielsweise bei Ritschel et al. (2017) zum Einsatz.

Die Bereitschaft und Fähigkeit, sich in die Einstellungen und Emotionen anderer Menschen einzufühlen, ist nicht nur in der zwischenmenschlichen Kommunikation wichtig, sondern sollte auch bei der Entwicklung sozialer Roboter berücksichtigt werden. Zwar können Maschinen keine echte Empathie fühlen, dennoch sollten sie dazu in der Lage sein, ein entsprechendes Verhalten nachzubilden. Zu dieser Aufgabe gehört zunächst das Wahrnehmen des menschlichen emotionalen Zustands, etwa auf Basis sozialer Signale, die beispielsweise mithilfe von Video- oder Audiodaten erfasst werden können. Anschließend sollte eine adäquate Reaktion gezeigt werden, in der der Roboter selbst Zeichen von Empathie zum Ausdruck bringt. Neben dem gezielten Einsatz von Emotionen gehört auch das Zeigen von Verständnis dazu. D. h., der Roboter muss Situationen aus der Perspektive eines Nutzers bewerten, um dessen Emotionen zu verstehen.

Um eine Verbindung zum Menschen herstellen und aufrechterhalten zu können, sollten soziale Roboter dazu in der Lage sein, Interesse am Fortgang einer Interaktion zu zeigen und zu demonstrieren, dass sie dem Verlauf der Kommunikation folgen. Im Idealfall sollten Roboter ihre kommunikativen Verhaltensweisen an denen des Menschen ausrichten, wobei der gemeinsame Redehintergrund stets aufs Neue bestätigt und abgesichert wird. Dies erfordert den gezielten Einsatz verbaler und nichtverbaler sozialer Signale wie etwa das Herstellen von Blickkontakt, Nicken oder Kopfschütteln (Mehlmann et al. 2014). Umgekehrt sollte der Roboter auch in der Lage sein zu erkennen, wann das Engagement des Nutzers nachlässt, und Gegenmaßnahmen ergreifen. Eine große Herausforderung besteht darin, dass der Nutzer fehlendes Engagement nicht immer explizit zum Ausdruck bringt, sondern implizit durch soziale Hinweisreize wie Abwenden des Blicks oder fehlende Rückkopplungssignale kommuniziert.

Sidner et al. (2013) haben den Begriff eines „Always-On“-Roboters geprägt. Dies bedeutet, dass ein Roboter dem Nutzer permanent zur Verfügung steht und ihn wahrnimmt, ohne dass dieser den Roboter jedes Mal einschalten muss. Dazu muss der Roboter in der Lage sein, zu verstehen, wann der Nutzer interagieren möchte und wann nicht. Eine Voraussetzung hierfür ist die Fähigkeit, die menschliche Anwesenheit wahrnehmen und darauf reagieren zu können. Der Roboter sollte fähig sein, aus Eigeninitiative auf sich aufmerksam machen zu können, um bei Bedarf eine Interaktion zu veranlassen.

Roboter in der Rolle von Gefährten sollten sich gesprächsübergreifend an frühere Inhalte erinnern, um darauf Bezug zu nehmen oder Nutzerinnen und Nutzer bei Bedarf mit Informationen versorgen zu können. Dabei ist aber nicht nur das Erinnern selbst von Bedeutung, sondern auch das gezielte Vergessen von Inhalten früherer Gespräche oder Ereignisse. Ein menschlicher Gefährte wird sich in den seltensten Fällen an den genauen Wortlaut von Gesprächen erinnern können. Bei einem künstlichen Gefährten wäre dies kein Problem, aber nicht unbedingt wünschenswert. Da Vergessen menschlich ist, verliert ein Roboter, der zu jedem Zeitpunkt alle Geschehnisse inklusive aller Details rekapitulieren kann, unter Umständen an Glaubhaftigkeit. Darüber hinaus besteht die Gefahr, dass ein solcher Roboter Unbehagen hervorruft, da Menschen sich in ihrer Privatsphäre verletzt fühlen. Nach Lim et al. (2009) erlaubt das Vergessen einem Roboter auch, sich – ähnlich wie der Mensch – auf wichtige Aspekte zu fokussieren, was langfristig ein konsistentes Verhalten und den Ausdruck von Persönlichkeit begünstigen kann.

Der Aufbau einer vertrauensvollen Beziehung zwischen Nutzer und Agent ist eine wesentliche Voraussetzung für eine längerfristige Nutzung. Bickmore und Cassell setzen auf Small Talk (Bickmore und Cassell 1999), um eine gemeinsame Grundlage zwischen Menschen und Agenten aufzubauen und den gegenseitigen Zusammenhalt zu stärken.

Um den individuellen Vorlieben, Präferenzen, aber auch Einschränkungen des menschlichen Gegenübers entgegenzukommen, sollte ein sozialer Roboter in der Lage sein, diese wahrzunehmen und zu erlernen, sich entsprechend der jeweiligen Situation passend zu verhalten. Hierbei müssen nach Tapus et al. (2007) Kurzzeit- und Langzeitänderungen unterschieden werden. Zum einen müssen die aktuellen Bedürfnisse des Gegenübers berücksichtigt werden, zum anderen soll die Interaktion auch nachhaltig ansprechend gestaltet werden, damit der Nutzer auch nach Monaten oder Jahren noch engagiert bleibt. Darüber hinaus ist zu berücksichtigen, dass sich die Interessen, Bedürfnisse und Fähigkeiten von Nutzern mit der Zeit verändern. Um eine an den jeweiligen Menschen angepasste Interaktion bereitstellen zu können, muss der Roboter in der Lage sein, vom Nutzer zu lernen und seine eigenen Fähigkeiten an die Persönlichkeit, Stimmung und Präferenzen des Menschen anzupassen. Breazeal (2004) hat für dieses Verhalten den Begriff „sozial situiertes Lernen“ geprägt. In Abschn. 4.3.3 wird auf aktuelle Verfahren eingegangen, die sozial situiertes Lernen ermöglichen.

Die erste Hürde bei der natürlichsprachlichen Kommunikation ist, ein klares Audiosignal von einer einzelnen Person zu erhalten. Dazu werden meistens mehrere Mikrofone gleichzeitig genutzt, um den Sprecher zuerst im Raum zu lokalisieren. Anschließend ist es möglich, die Mikrofone optimal auf diese Person auszurichten (zum Beispiel durch Drehung des Roboterkopfes) oder Störgeräusche aus anderen Richtungen rechnerisch auszufiltern. Der Roboter Reeti¹ hat beispielsweise zwei Mikrofone unterhalb der Augenkameras, während bei Nao² und Pepper³ jeweils vier über die Oberseite des Kopfes verteilt sind. Geräte aus Amazons Echo-Reihe⁴, der Schnittstelle zu Alexa, verwenden je nach Modell vier, sieben oder sogar acht Mikrofone.

Menschliche Sprache ist umfangreich und komplex, sodass es kaum möglich ist, den gesamten Wortschatz und alle grammatikalisch möglichen Formulierungen in einem Rechenmodell abzudecken. Umgangssprache oder regionale Dialekte erschweren dies zusätzlich, und manche Nutzer halten sich schlichtweg nicht an sprachliche Gepflogenheiten, sei es aus Bequemlichkeit oder mangelnder Kenntnis. In der Praxis ist der Dialog mit solchen Systemen daher oft noch auf einfach strukturierte Fragen und konkrete Befehle begrenzt. Aktuelle Sprachassistenten nutzen die Rechenzentren der zugehörigen Firmen, um derartige Funktionen anzubieten (Chung et al. 2017). Durch Zugriff auf deren umfangreiche Datensätze und hohe Rechenleistung ist es möglich, aufwendigere maschinelle Lernverfahren zur Interpretation natürlicher Sprache einzusetzen, für welche kleineren Geräten wie Mobiltelefonen oder dem Amazon Echo die nötige Hardware fehlt. Auch Roboter wie Nao und Pepper verwenden diesen Ansatz zur Spracherkennung.⁵ Ein Nachteil dieser Lösung ist allerdings die Abhängigkeit von einer stabilen Internetverbindung, was besonders in ländlichen Gegenden oft schwierig ist. Dazu kommen massive Bedenken bezüglich Privatsphäre und Datenschutz, da derartige Geräte theoretisch jederzeit Tonaufnahmen an die Herstellerfirma senden können. Falls die Verbindung nicht ausreichend gesichert ist, besteht außerdem die Gefahr von unautorisierten Zugriffen oder Manipulation durch Außenstehende (Chung et al. 2017). Diese Nachteile können durch die Verwendung quelloffener Software oder privat eingerichteter Server umgangen werden, was allerdings mit deutlich höherem Entwicklungsaufwand verbunden ist.

Damit ein sozialer Agent dem Nutzer in natürlicher Sprache antworten kann, muss zuerst ein Text dafür erzeugt werden. Dazu kann beispielsweise ein vorgegebenes Textgerüst mit aktuellen Informationen vervollständigt werden, was sich besonders für funktionale Aufgaben wie Wetterberichte eignet. Für soziale Dialoge werden dagegen häufig Datensätze mit menschlichen Äußerungen erstellt, aus denen das System lernen soll, welcher Satz in der jeweiligen Situation angebracht ist (Serban et al. 2018). Anschließend wird der Text mittels einer künstlich erzeugten Stimme ausgegeben. Diese basiert auf Audiodaten, welche zuvor von einem menschlichen Sprecher aufgezeichnet wurden. Zurzeit gibt es zwei verbreitete Ansätze (Aylett et al. 2017) dafür: Der sogenannte Unit-Selection-Ansatz zerlegt diese Aufnahmen in elementare Bausteine wie typische Redewendungen, einzelne Worte oder Phoneme und setzt sie neu zusammen. Bei parametrischer Synthese wird mit den Audiodaten ein statistisches Modell trainiert, welches zwar weniger natürliche Ergebnisse liefert, aber dafür weniger darauf angewiesen ist, dass die benötigten Lautkombinationen oft genug in den Sprachaufnahmen vorkamen. Üblicherweise können auch die Lautstärke und Geschwindigkeit der Sprachsynthese an die Bedürfnisse des Nutzers angepasst werden, damit diese so verständlich wie möglich ist. Um verschiedenen Einsatzzwecken gerecht zu werden, bieten manche Firmen außerdem nicht nur Stimmen unterschiedlichen Geschlechts an, sondern auch Kinderstimmen, verschiedene Akzente oder Varianten mit emotionaler Färbung. Allerdings konzentriert sich das Angebot dafür bisher auf Englisch und Sprachen mit ähnlicher weltweiter Verbreitung.

Bemerkt sei, dass sozial interagierende Roboter nicht nur Dialoge mit dem Menschen führen, um eine funktionale Aufgabe zu erfüllen, wie z. B. das Erinnern an das Einnehmen von Medikamenten, sondern auch, um eine vertrauensvolle Beziehung zu dem Menschen herzustellen. Bickmore und Cassell haben unterschiedliche Techniken zum Aufbau eines Vertrauensverhältnisses (Bickmore und Cassell 2001) untersucht, wie beispielsweise Small Talk (Bickmore und Cassell 1999). Das von Bickmore und Cassell implementierte System berücksichtigt bei der Planung eines Gesprächs die zwischenmenschliche Nähe, das jeweilige Thema sowie dessen Relevanz, Aufgabenziele und logische Vorbedingungen. Ziel bei der Auswahl des nächsten Gesprächsabschnitts ist die Maximierung des Nutzervertrauens. Im Rahmen einer durchgeführten Studie konnte gezeigt werden, dass Small Talk bei extrovertierten Personen einen positiven Einfluss auf deren Vertrauen in das System hatte.

Die Entwicklung von Maschinen mit der Fähigkeit zur Empathie stellt Forschung und Entwicklung vor erhebliche Herausforderungen. Zum einen werden ausgefeilte Techniken zur Analyse von Gefühlszuständen eines Nutzers benötigt, die sich meist unbewusst in dessen Gesichtsausdruck, Gestik, Körperhaltung und Sprache widerspiegeln. Zum anderen muss der maschinelle Interaktionspartner über die Fähigkeit verfügen, sich in die Gefühle eines Nutzers, wie z. B. Stress oder Ärger, hineinzuversetzen und angemessen darauf zu reagieren. In diesem Abschnitt soll auf die technischen Voraussetzungen zur Realisierung empathischer Roboter eingegangen werden. Für eine ausführlichere Darstellung verweisen wir auf (André 2014).

Um auf den Gefühlszustand des Nutzers reagieren zu können, muss ein künstlicher Assistent diesen zuallererst erkennen können. Menschen drücken ihre Gefühle auf vielfältige Weise aus, beispielsweise durch Mimik, Tonfall oder Körperhaltung.

Aktuelle Ansätze zur Interpretation von Gesichtsausdrücken zerlegen diese meistens in einzelne Bausteine, welche jeweils ein markantes Merkmal im Gesicht verformen, wie beispielsweise die Mundwinkel oder die Augenbrauen. Ein verbreitetes Schema dafür ist das von Ekman und Friesen entwickelte „Facial Action Coding System“ (Ekman et al. 2002), welches sich an der Gesichtsmuskulatur orientiert und jeder charakteristischen Bewegung eine so genannte „Action Unit“ zuordnet. Mithilfe von Bildverarbeitungsalgorithmen können diese Verformungen auf zwei- oder dreidimensionalen Kamerabildern identifiziert werden.

Akustische Emotionserkennung betrachtet verschiedene Merkmale wie beispielsweise die Energie und das Frequenzspektrum einer Spracheingabe (Vogt et al. 2008). Mittels maschineller Lernverfahren können bei geschauspielerten Emotionen unter Laborbedingungen sehr gute Ergebnisse erzielt werden. Natürlich auftretende Emotionen sind dagegen subtiler und schwieriger zu erkennen (Vogt und André 2005). Realistischere Trainingsdaten erhält man, indem man Gefühle durch externe Reize provoziert, zum Beispiel durch emotionale Videos oder manipulierte Spielsituationen.

Für eine zielgerichtete Reaktion muss das System außerdem in der Lage sein, Rückschlüsse über die Ursache der beobachteten Gefühlslage zu ziehen. Beispielsweise ist dies wichtig für die Unterscheidung, ob der Agent den Nutzer nur aufmuntern soll oder selbst einen Fehler gemacht hat und sich entschuldigen muss. Dazu muss er relevante Ziele des Nutzers kennen, Ereignisse in Bezug auf diese Ziele bewerten und wenn möglich auch den Verursacher der Ereignisse identifizieren. Streng genommen erfolgt die Bewertung bei einem empathischen Agenten nicht aus seiner eigenen Perspektive, sondern aus der des Nutzers. Eine wichtige Grundlage hierfür ist das Bewertungsmodell von Ortony et al. (1988), auch bekannt als „OCC-Modell“ (nach den Namen der drei Autoren). Dieses Modell ordnet über 20 alltägliche Gefühlszustände systematisch deren Auslösern zu, wodurch es gut mit Programmieransätzen zur Handlungsplanung vereinbar ist.

Um selbst Emotionen auszudrücken, besitzen manche Roboter zusätzliche Motoren zur Bewegung von Mundwinkeln, Augenbrauen, Augenlidern oder auch Ohren unter einer Silikonhaut oder künstlichem Fell (siehe Abb. 4.2). Andere Roboter, zum Beispiel Buddy⁶ oder Jibo⁷, verzichten auf ein mechanisches Gesicht und zeigen stattdessen stilisierte Animationen auf einem Bildschirm. Ein solcher Roboter sieht zwar deutlich technischer aus, ist aber dafür weniger anfällig für Verschleiß und eröffnet zudem Möglichkeiten zur Personalisierung, da er jedes beliebige Bild anzeigen kann.

Analog zum Gesichtsausdruck ist auch die menschliche Körpersprache auf Roboter übertragbar, welche entsprechende Gelenke besitzen. Beispielsweise können sie traurig den Kopf hängen lassen oder aufgeregt mit den Armen gestikulieren. Allerdings ist bei diesen Animationen zusätzlich darauf zu achten, dass die Roboter nicht umfallen oder mit Personen und Gegenständen kollidieren können.

Weitere Möglichkeiten sind die Anpassung der Sprachausgabe und das Abspielen emotional behafteter Geräusche, etwa Weinen oder einer fröhlichen Fanfare, sowie der Einsatz von Farbsignalen, welche rein symbolisch sein oder physiologische Reaktionen wie Erröten und Erblassen nachahmen können. Als Beispiel sei auf eine Perzeptionsstudie von Häring et al. (2011) verwiesen, die untersucht, inwiefern sich Emotionen durch Augenfarbe und Geräusche, aber auch durch Körperposen und -bewegungen der humanoiden Roboter der Firma Aldebaran Robotics wiedergeben lassen.

Die Anpassung des Roboters an den individuellen Nutzer spielt für Pflegeanwendungen eine bedeutende Rolle. Hierbei gilt es einerseits, die individuellen, zum aktuellen Zeitpunkt bzw. zu der aktuellen Situation vorliegenden Präferenzen des Menschen zu berücksichtigen, und andererseits den Roboter auch erlernen zu lassen, durch welches Verhalten der Nutzer langfristig engagiert werden kann. Dabei sollte auf einige Faktoren Rücksicht genommen werden, wie etwa die Persönlichkeit, Stimmung und Präferenzen des Nutzers, aber auch mögliche körperliche Einschränkungen.

Um erlernen zu können, welches Roboterverhalten in welcher Situation das beste ist, kommen oftmals Algorithmen des bestärkenden Lernens zum Einsatz. Dabei versucht der Roboter autonom unterschiedliche Verhaltensweisen und erhält dafür jeweils eine Belohnung oder Bestrafung. Beispielsweise benutzen Tapus et al. (2008) im Kontext eines Therapieroboters für Schlaganfallpatienten bestärkendes Lernen, um das Verhalten des Roboters entsprechend der Persönlichkeit und Performanz des Nutzers an sein Profil anzupassen. Dabei werden Introversion und Extraversion in der Sprache manipuliert sowie die Geschwindigkeit des Roboters und der Abstand zum Nutzer, wobei die Belohnung von der Anzahl der vom Nutzer ausgeführten Übungen abhängt.

Der Belohnung bzw. Bestrafung kommt hierbei eine Schlüsselrolle zu. Dieser positive oder negative Zahlenwert ist die einzige Information, anhand derer der Roboter erkennen kann, ob sein gezeigtes Verhalten in der entsprechenden Situation zielführend ist oder nicht. Eine einfache, aber gleichzeitig auch sehr aufdringliche und unelegante Möglichkeit stellt zu diesem Zweck die explizite Befragung des Nutzers dar. Um dies zu umgehen, können einerseits aufgabenspezifische Informationen – wie im Falle von Tapus et al. (2008) die Anzahl der absolvierten Rehabilitationsübungen – herangezogen werden.

Andererseits sind aber auch menschliche soziale Signale eine reiche Informationsquelle, um Wissen über den aktuellen Zustand der Person einfließen zu lassen und/oder die Belohnung abhängig von sozialen Hinweisreizen des Menschen zu gestalten, etwa menschliches Engagement (Ritsche 2017), taktiles (Barraquand und Crowley 2008) oder prosodisches (Kim und Scassellati 2007) Feedback, Blickverhalten (Mitsunaga et al. 2008), Lächeln (Leite et al. 2011; Gordon et al. 2016; Knight 2011) oder Lachen (Hayashi et al. 2008; Knight 2011; Katevas et al. 2015; Weber et al. 2018). Ein wichtiger Vorteil sozialer Signale ist hierbei der Fakt, dass diese unterbewusst und über die gesamte Zeit einer Interaktion auftreten, ohne dass der Mensch explizit befragt werden muss.

Abb. 4.3 veranschaulicht diesen Ansatz: Während der Interaktion zwischen Mensch und Roboter sendet der Nutzer permanent soziale Signale aus, die sich beispielsweise in Form von Gestik, Mimik oder Blickverhalten äußern. Mithilfe geeigneter Sensoren (Mikrofone, Webcams, Microsoft Kinect, Gaze Tracker etc.) können diese in Form von Audio und Video wahrgenommen und mithilfe geeigneter Software ausgewertet werden. Die Signalverarbeitung stellt hierbei eine erste Hürde dar, schließlich unterliegen alle Sensoren physikalischen Beschränkungen. Die daraus extrahierte Information kann fehlerhaft sein, auch die Interpretation der Rohsignale bringt nochmals Rauschen mit sich. Auf Basis der durch die Signalverarbeitung angenäherten Informationen, beispielsweise des vom Menschen gezeigten Engagements oder seines Lächelns, kann schließlich ein Nutzermodell erstellt werden. Dieses dient dann als Eingabe für das bestärkende Lernen, das das Verhalten des Roboters steuert, der im Verlauf der Zeit erlernen kann, in welcher Situation auf Basis der Nutzerreaktion welches Verhalten den Nutzerpräferenzen am meisten entspricht.

Ein Einsatzgebiet für Roboter ist die körperliche Rehabilitation. Beispielsweise gibt es Exoskelette, die Patienten mit eingeschränkter Beweglichkeit aktiv bei der Ausführung bestimmter Übungen unterstützen und so das Training erleichtern. Diese Roboter verfügen jedoch über keine sozialen Verhaltensweisen. Anders sieht es bei sozial assistiven Robotersystemen aus, deren primäres Ziel darin besteht, den Nutzer bei der Durchführung solcher Übungen zu motivieren.

Im ROREAS-Projekt (Gross et al. 2017) wurde ein mobiler Roboter entworfen, der Schlaganfallpatienten einer Pflegeeinrichtung beim selbstständigen Training mit ihren Gehhilfen begleitet. Zu Beginn der Trainingseinheit holt er die Patienten ab, schlägt ihnen mögliche Routen vor und fährt ihnen anschließend hinterher, um sie durch Verweise auf den bisherigen Trainingsverlauf zu motivieren oder auf Sitzmöglichkeiten zum Ausruhen aufmerksam zu machen. Falls ein Patient zu oft Pausen einlegen muss, rät der Roboter zum Umkehren oder informiert notfalls das Pflegepersonal. Wichtig hierbei war auch die automatische Navigation inmitten großer Menschenmengen, wobei der Roboter nicht nur die begleitete Person im Blick behalten, sondern auch einen angemessenen Abstand zu Unbeteiligten wahren und diesen an Engstellen den Vortritt lassen musste.

Humanoide Roboter eignen sich außerdem dazu, Patienten bei Krankengymnastik anzuleiten. Das Projekt NAOTherapist (Pulido et al. 2017) verwendet den Roboter Nao, um Kindern die Bewegungen vorzuführen, welche der Physiotherapeut für sie vorbereitet hat. Während das Kind die vorgegebene Pose nachahmt, erkennt das System mithilfe einer Kinect-Tiefenkamera, ob diese korrekt ist, und zeigt dies über die Augenfarbe des Roboters an. Bei Abweichungen macht Nao das Kind zunächst darauf aufmerksam, welcher Arm falsch ist. Reicht dies nicht, nimmt Nao kurz die gleiche Haltung ein wie das Kind, um ihm den Unterschied zwischen beiden Haltungen zu zeigen.

Bei Robotern, welche als künstliche Sekretäre Termine und andere persönliche Informationen verwalten, bietet sich auch der Einsatz für medizinische Zwecke an. Beispielsweise soll der stationäre Assistent Pillo⁸ Familienmitglieder an Gesicht und Stimme erkennen, ihre Gesundheitsdaten zentral verwalten und sie nicht nur an die Einnahme ihrer Medikamente erinnern, sondern diese auch zur entsprechenden Zeit an die richtige Person ausgeben und bei Bedarf nachbestellen. Außerdem soll er medizinisch relevante Fragen beantworten, Videoanrufe zu Ärzten ermöglichen und Notfallkontakte über Probleme informieren.

Im Always-On-Projekt (Rich et al. 2012) berücksichtigt der Agent außerdem die aktuelle Beziehung zum Nutzer. Wenn die Vertrauensbasis durch gemeinsame Aktivitäten entsprechend aufgebaut ist, kann das System auch sensible Themen wie Ernährungstipps und sportliche Betätigung zur Sprache bringen.

Ein weiteres Einsatzfeld sind soziale Agenten, welche eine erste Anlaufstelle für Ratsuchende darstellen. Das SimCoach-Projekt (Rizzo et al. 2011) dient dazu, Militärangehörigen zu helfen, welche beispielsweise an einer posttraumatischen Belastungsstörung leiden und eine psychologische Behandlung benötigen. Im Gespräch mit dem Nutzer verschafft sich das System einen Eindruck von dessen Symptomen, weist ihn auf passende Informationsquellen und menschliche Spezialisten hin und versucht ihm durch mitfühlendes Verhalten die Scheu davor zu nehmen, professionelle Hilfe zu suchen.

Im EU-Projekt KRISTINA⁹ (Wanner et al. 2017) wird eine virtuelle Assistentin entwickelt, die als vertrauenswürdige Informationsquelle in Gesundheitsfragen dazu beitragen soll, sprachliche und kulturelle Barrieren im Bereich der Pflege zu überwinden. Unter anderem soll KRISTINA Migranten und unqualifizierte Angehörige von Pflegefällen bei der Kommunikation mit Pflegeeinrichtungen unterstützen.

Neben funktionalen Aspekten spielt bei sozialen Agenten auch der Unterhaltungswert eine Rolle.

Im Always-On-Projekt gehören Karten- und Brettspiele zu den Aktivitäten, welche der Agent mit allein lebenden Senioren gemeinsam unternehmen kann (Behrooz et al. 2014). Diese dienen nicht nur dem Zeitvertreib, sondern tragen gleichzeitig dazu bei, die Beziehung zwischen Agent und Nutzer zu festigen und den Weg für ernstere Themen wie dessen Gesundheit zu ebnen. Um den Effekt des gemeinsamen Spielens zu verstärken, zeigt der Agent seine Aufmerksamkeit durch menschenähnliches Blickverhalten. Zusätzlich können beide Parteien sich über die aktuelle Spielsituation unterhalten, wie es auch zwischen menschlichen Spielern üblich ist.

Im Zusammenhang mit dem StMWFK-Projekt ForGenderCare¹⁰ wurde ein ähnliches System für Gesellschaftsspiele mit dem Roboter Reeti entwickelt (Mehlmann et al. 2015; McCrae und Costa 2008). Die verwendeten Spiele wie Memory und Mensch-ärgere-dich-nicht sollen dazu beitragen, die kognitiven und motorischen Fähigkeiten älterer Menschen zu erhalten (siehe Abb. 4.4). Im Mittelpunkt dieser Anwendung steht das emotionale Verhalten des Roboters, welches die langfristige Nutzung des Systems attraktiver gestalten soll. Auf Basis des Emotionsmodells ALMA (Gebhard 2007) wurden zwei verschiedene Persönlichkeiten mit unterschiedlicher Zielsetzung gestaltet. Während eine sich mit dem Nutzer freut, wenn dieser einen guten Zug macht, ist die andere auf den eigenen Sieg fixiert und reagiert daher eher feindselig. Sowohl die kurzfristigen Emotionen als auch die langfristige Stimmung des Roboters spiegeln sich in dessen Mimik und Farbsignalen wider. Die Persönlichkeit hat außerdem Einfluss darauf, welche Kommentare zum Spielgeschehen ausgewählt werden.

Obwohl die gesundheitsfördernde Wirkung von Haustieren nachgewiesen ist, können diese nicht immer in der Pflege eingesetzt werden. Dagegen sprechen beispielsweise hygienische Gründe, Allergien oder auch die Gefahr, dass kognitiv eingeschränkte Patienten das Tier vernachlässigen. In solchen Fällen können Roboter ein sinnvoller Ersatz sein.

Eines der berühmtesten Beispiele hierfür ist das künstliche Robbenbaby Paro.¹¹ Paro kann unter anderem Berührungen und Stimmen wahrnehmen, um mit Kopf- und Flossenbewegungen sowie authentischen Tierlauten darauf zu reagieren. Auch verschiedene Spielzeugfirmen bieten Roboter an, welche für diese Anwendung in Betracht kommen (Heerink et al. 2013). Dazu gehören beispielsweise Hasbros FurReal Friends¹² oder der Dinosaurier Pleo¹³.

Eine Kernfunktion dieser Roboter ist es, ihre Nutzer zu fürsorglichem Verhalten wie Streicheln, Füttern und Spielen zu ermuntern und sie dadurch aus der Reserve zu locken oder negative Gefühle wie Einsamkeit und Kummer zu lindern. Zudem können sie auch ein Werkzeug zur Selbstreflexion sein. Beispielsweise können sie auf bestimmte Reize emotional reagieren und den Nutzer dadurch motivieren, sein Verhalten zu ändern. Möglich ist auch, emotionale und physiologische Zustände zwischen Mensch und Roboter zu synchronisieren, um den Betroffenen ihren aktuellen Zustand zu veranschaulichen. Um das Potenzial dieser Anwendung zu erkunden, haben Aslan et al. (2016) ein Stofftier mit einem motorisierten Brustkorb ausgestattet. Dieser kann durch die Atembewegung eines Nutzers gesteuert werden, welche über einen Sensorgurt um dessen Brust erkannt wird. Das Stofftier soll besonders Nutzern, welche noch keine Erfahrung mit Meditation haben, den Zugang zu achtsamkeitsbasierten Techniken (auch bekannt als „Mindfulness Based Stress Reduction“ oder MBSR) erleichtern.