Masterarbeit: Ambient Sensing für digitale Gesundheitsbiomarker (w/m/div.)

Passive-ambient Smart-Home-Sensorik bietet eine einzigartige, datenschutzwahrende Möglichkeit, Gesundheit und funktionelle Selbstständigkeit im Senior*innenwohnen kontinuierlich zu beobachten. Durch die Analyse subtiler Muster des Alltags (z. B. Nutzung von Haushaltsgeräten, Raumwechsel, Türbewegungen) können wir digitale Biomarker ableiten, die als Frühindikatoren für kognitive, metabolische oder körperliche Gesundheitsverschlechterungen dienen.

Als Teil unseres Forschungsteams vertiefen Sie sich in Ambient Sensing, analysieren reale In-Home-Datensätze und unterstützen die Entwicklung innovativer Modelle zur Bewertung verhaltensbezogener Gesundheitsindikatoren. Sie führen eine umfassende Literaturrecherche zu Ambient Sensing für Gesundheitsanwendungen durch. Darüber hinaus bereiten Sie passive Sensordaten (Aktivität, Anwesenheit, Stromverbrauch) aus unserer Multi-Home-Studienkohorte auf und analysieren diese. Sie recherchieren, entwickeln, etablieren und validieren mathematische Scoring-Algorithmen, die aussagekräftige Erkenntnisse aus den Daten verdichten.

Zusätzlich untersuchen Sie sekundäre verhaltensbezogene Biomarker und erarbeiten Konzepte wie das Tracking von Küchengeräten im Kontext von Ernährung sowie Muster der Mobilität im Schlaf. Außerdem validieren und demonstrieren Sie Ihre Algorithmen in kontrollierten Umgebungen, unter anderem in einem gesundheitsorientierten Tiny House. Abschließend dokumentieren Sie Forschungsergebnisse und Code, evaluieren die Resultate und bereiten diese für interne Präsentationen sowie eine mögliche wissenschaftliche Veröffentlichung auf.

• Ausbildung: Masterstudium im Bereich Informatik, Data Science, Medizintechnik, Biomedizinische Technik, Physik oder vergleichbar, mit sehr guten Studienleistungen
• Erfahrung und Kenntnisse: Sehr gute Kenntnisse in Python sowie gängigen Data-Science-Bibliotheken (z. B. Pandas, NumPy, Scikit-learn); fundiertes Verständnis von Zeitreihenanalyse, statistischer Modellierung oder Machine Learning; Kenntnisse von Smart-Home-Systemen (z. B. Home Assistant) oder der Verarbeitung von Sensordaten sind von Vorteil
• Persönlichkeit und Arbeitsweise: Sie zeichnen sich durch eine methodische Problemanalyse aus, strukturieren Ihre Arbeit systematisch und treiben Projekte eigenständig auf zentrale Ziele hin voran
• Arbeitsroutine: Ihre Anwesenheit vor Ort ist erforderlich
• Begeisterung: Sie begeistern sich für interdisziplinäre digitale Gesundheitsforschung und präsentieren komplexe Ergebnisse gerne verständlich
• Sprachen: Verhandlungssicheres Englisch