Servicenavigation

Detailseite

Zurück

Projekt Druckansicht

Vom Menschen lernen – Für Menschen gestalten

Fachliche Zuordnung Arbeitswissenschaft, Ergonomie, Mensch-Maschine-Systeme
Kognitive und systemische Humanneurowissenschaften
Förderung Förderung von 2020 bis 2025
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 433524510
 
Erstellungsjahr 2023

Zusammenfassung der Projektergebnisse

Für die Entwicklung von Human-Cyber-Physical Systems (HCPS), welche die Interaktion zwischen Menschen und Maschinen beschreiben, ist ein ganzheitlicher Ansatz unabdingbar. Während die technische Realisierbarkeit dieser Systeme in den letzten Jahren Aufmerksamkeit erregt hat, sind menschliche Überwachung, Unterstützung und Intervention nach wie vor notwendig. Ziel dieses Projekts zwischen der Technischen Universität München, Universität Oldenburg und dem DLR war die Entwicklung von kooperativen HCPS, bei denen Menschen und Maschinen zusammenarbeiten und die Stärken des jeweils anderen nutzen bzw. ihre individuellen Grenzen ausgleichen. Wir konzentrierten uns darauf, drei Schlüsselfaktoren zu verstehen: die menschliche Wahrnehmung und ihre Grenzen, die durch kognitive Belastung beeinflusste menschliche Entscheidungsfindung und das Vertrauen in die Automatisierung. Um diese Ziele zu erreichen, wurden detailliert abgestimmte Experimente in modernsten Simulationsumgebungen durchgeführt. Die Forschung umfasste Verhaltensmessungen, Messungen des menschlichen Zustands, Bildgebungsverfahren zur Messung von Gehirnaktivität, Mensch-Maschine-Interaktionskonzepte, Fahrleistungsmessungen und verschiedene Modellierungsansätze. Durch Clusteranalyse konnten wir natürlich auftretende Fahrstrategien an Kreuzungen aufdecken. Unsere Ergebnisse zeigten, dass Personen mit Gesichtsfeldausfällen dazu neigen, sich als Kompensationsstrategie stärker auf ein umfassendes und frühzeitiges visuelles Scanverhalten zu verlassen. Dabei hat die Komplexität der Fahrsituation einen signifikanten Einfluss auf die Wirksamkeit der Kompensationsstrategien. Darüber hinaus stellten wir fest, dass Fahrer in der Entscheidungsfindungsphase an Kreuzungen Handlungen von autonomen Fahrzeugen oder von menschlich gesteuerten Fahrzeugen unterschiedlich bewerten. Dies wurde sowohl in der funktionellen Nahinfrarotspektroskopie (fNIRS) der Gehirnaktivierung als auch teilweise in den Verhaltensweisen der Fahrer deutlich. Des Weiteren beobachteten wir messbare Wechselwirkungen zwischen Arbeitsgedächtnisbelastung und Entscheidungsfindung. Um diese Wechselwirkungen besser zu verstehen, verwendeten wir einen modellbasierten Ansatz. Dieser indizierte, dass selbst einfache Kontrollaktionen beim Fahren Ressourcen mit Arbeitsgedächtnisaufgaben teilen. Dies verdeutlicht, warum in einigen Fällen eine Interaktion zwischen kognitiver Belastung und Fahrleistung besteht. Wir verwendeten diesen Modellansatz, um Vorhersagen zu treffen über den Einfluss von Eingriffen auf die kognitive Belastung. Ziel hierbei war es, starke Unterforderung zu vermeiden. Wir stellen fest, dass alle im Modell getesteten Interventionen Wechselkosten mit sich bringen, die Assistenzsysteme berücksichtigen müssen. Zusätzlich entwickelten wir ein Assistenzkonzept zur Verbesserung des Überwachungsverhaltens und der Gefahrenvermeidung an Kreuzungen und auf geraden Strecken. Durch die frühzeitige Erkennung sicherheitskritischer Manöver könnten fortschrittliche Fahrerassistenzsysteme eine wichtige Rolle bei der Vermeidung von Kollisionen an Kreuzungen spielen und letztendlich zu einer Verringerung sowohl der Gesamtunfallrate als auch potenziell der Anzahl tödlicher Unfälle führen. Unsere Ergebnisse liefern wertvolle Erkenntnisse für die Entwicklung dieser fortschrittlichen Systeme und deren potenzieller Auswirkungen auf die Verkehrssicherheit.

Projektbezogene Publikationen (Auswahl)

 
 

Zusatzinformationen

© 2026 DFG Kontakt / Impressum / Datenschutz

Textvergrößerung und Kontrastanpassung