Daten exportieren

 

Forschungsprojekt ::
ReduSys - Kontaktreduzierte Pflege im klinischen Umfeld durch multimodale Systeme und Robotik

Projektbeschreibung

Ziel ist es, Pflegefachpersonen durch digitale und robotische Technologien innerhalb der akutstationären Versorgung zu entlasten und die Qualität der Regelversorgung zu steigern. Hierzu werden gemeinsam mit Nutzer*innen Technologien für das klinische Setting entwickelt und in der Praxis erprobt. Dazu zählen eine smarte Matratze mit integrierten Sensoren, eine automatisierte Trinkmesslösung, ein digitaler Assistent zur Kommunikation zwischen Pflegekraft – Patient und ein humanoider Roboter zur Unterstützung bei alltäglichen Pflegetätigkeiten.
Das Ziel der pflegewissenschaftlichen Begleitforschung ist die Beantwortung ethischer, sozialer und rechtlicher Fragen in Bezug auf Technologien für pflegerische Settings. Innrhalb der Forschungsvorhabens werden Pflegefachpersonen, Patient*innen und Angehörige integriert. Neben Fragen der Akzeptanz, der Be- und Entlastung in der Praxis stehen Möglichkeiten und Grenzen von technologischen Systemen im Fokus.

Angaben zum Forschungsprojekt

Beginn des Projekts:2022
Ende des Projekts:2025
Projektstatus:laufend
Projektleitung:Eberl, Prof. Dr. Inge
Beteiligte Personen:Ohneberg, Christoph
Mirbeth, Carolin
Lehrstuhl/Institution:
Finanzierung des Projekts:Begutachtete Drittmittel
Geldgeber:Bundesministerium für Bildung und Forschung (BMBF)
Projektpartner:
  • Prof. Dr. Klinker, Technische Universität München, München
  • Prof. Dr. Thomas Linner, Ostbayerische Technische Hochschule Rosenheim, Rosenheim
  • Dr. Friedemann Müller, Schön Klinik Bad Aibling SE & Co. KG, Bad Aibling
  • Julian Nast-Kolb, Cliniserve GmbH, München
  • Rafael Hostettler, Devanthro GmbH, Garching
Schlagwörter:Nursing Science, Assistive Robotics
Themengebiete:M Politik; Soziologie > MR Sozialwissenschaftliche Theorien und Methoden
Projekttyp:Angewandte Forschung
Fördernummer:16SV8829
Projekt-ID:3280

Publikationen

Liste der Veröffentlichungen auf dem Publikationserver KU.edoc der Katholischen Universität Eichstätt-Ingolstadt
Eingestellt am: 02. Dez 2022 11:38
Letzte Änderung: 16. Okt 2023 10:30
URL zu dieser Anzeige: https://fordoc.ku.de/id/eprint/3280/
Analytics