Diese Dissertation beschäftigt sich mit der experimentellen Stimulation, Beobachtung und Messung, sowie der Modellierung von Verhalten, insbesondere sogenannter selbstadaptiver Strategien, von multi-UAV-Bedienern in Aufgabensituationen mit hoher Arbeitsbelastung. Dabei gelingt es, Mitigationsstrategien von Piloten unter hoher „Workload“ quantitativ zu erfassen und zu beschreiben. Dies ist ein Beitrag zur automatisierten Erkennung von Überforderungssituationen im Cockpit im Hinblick auf die Weiterentwicklung von Assistenzsystemen. Die zentralen Aspekte der Arbeit sind dabei: 1. die systematische Ableitung eines Konzepts zur Überforderungserkennung auf der Basis von Interaktionsbeobachtungen (manuelle und visuelle Interaktionen, d.h. Blickbewegungsmessung) und Verhaltensmodellen als Teilkomponente wissensbasierter, adaptiver Operateurassistenzsysteme ; 2. der Aufbau und die Durchführung komplexer Mensch-Maschine-Experimente in der virtuellen Echtzeit-Simulation einer Manned-unmanned Teaming Mission (d.h. Führung mehrerer UAVs aus dem Cockpit eines bemannten Hubschraubers) mit dem Ziel der Provokation selbstadaptiver Verhaltensstrategien durch hohe Arbeitsbelastung, welche dann als Indikator der subjektiven Beanspruchung und der damit letztlich auch der Überforderung herangezogen werden können, und der quantitativen und objektiven Messung entsprechender Verhaltensparameter zur anschließenden Beschreibung der Beobachtungen; 3. die geschlossene Rechnermodellierung entsprechend gemessener Verhaltens- bzw. Interaktionsmuster mit Hilfe von Hidden-Markov-Modellen sowie deren Validierung durch die automatische Erkennung von Aufgabenkontexten und Unteraufgaben anhand beobachteter Interaktionssequenzen. Die Dissertation beschreibt dazu die zu Grunde liegende Theorie der wissensbasierten Assistenzsysteme, der adaptiven Automation und die state-of-the-art Methoden zur Bestimmung subjektiver Beanspruchung. Der erarbeitete Konzeptansatz, die experimentellen Resultate und die entwickelten maschinellen Lernverfahren liefern die konzeptionellen, methodischen und algorithmischen Grundlagen für eine automatisierte Systemkomponente eines wissensbasierten, adaptiven Assistenzsystems, welches in der Lage ist, durch reine Verhaltensbeobachtung die Aufgabe und drohende Überforderungssituationen zu erkennen. Damit ist in dieser Arbeit der grundsätzliche Machbarkeitsnachweis für eine derartige maschinelle Fähigkeit gelungen. Das wesentliche erfahrungswissenschaftliche Resultat der Arbeit ist die Beobachtung, dass Piloten bei der multi-UAV-Führung nicht, wie zunächst zu erwarten, auf extreme Belastungssituationen mit einem massiven Anstieg der subjektiven Beanspruchung reagieren, welches dann gegebenenfalls zu deutlichen Leistungseinbrüchen führen könnte, sondern mit aufgabenspezifischen, selbstadaptiven Strategien die drohende Überforderungssituation möglichst weit hinausschieben. Die Registrierung dieser Verhaltensmuster erlaubt somit die proaktive Erkennung von Überforderung.    «

Diese Dissertation beschäftigt sich mit der experimentellen Stimulation, Beobachtung und Messung, sowie der Modellierung von Verhalten, insbesondere sogenannter selbstadaptiver Strategien, von multi-UAV-Bedienern in Aufgabensituationen mit hoher Arbeitsbelastung. Dabei gelingt es, Mitigationsstrategien von Piloten unter hoher „Workload“ quantitativ zu erfassen und zu beschreiben. Dies ist ein Beitrag zur automatisierten Erkennung von Überforderungssituationen im Cockpit im Hinblick auf die Wei...    »